ViniPMartins/movie-recommender

API Recomendação de Filmes

🚧 Projeto em construção 🚧

Este projeto é o desenvolvimento de um API que faz a recomendação de filmes através de um modelo de machine learning (KMEANS).

Acesse o link a seguir para experimentar a aplicaçõa rodando: https://mlops-cliente.onrender.com/

Acesse o link a seguir para experimentar a aplicaçõa rodando com streamlit: https://movie-recommender-with-ai.streamlit.app/

Detalhes de desenvolvimento

A frontend e servido na porta 3000

A API é servida na porta 5000 e contém 2 endpoints:

• / -> Endpoint principal que informa se a aplicação está rodando.
• /api/recommender_movie/ -> Endpoint que aceita requisições do tipo POST e retorna um JSON com os filmes recomendados.

As requisições são passadas no formato JSON no seguinte modelo:

str_json = {
    'generos':['Comedy', 'Romance'], # Lista com os generos que podem ser recomendados
    'n_min_aval':50, # Quantidades minima de notas que os filmes receberam
    'rating_min_aval':3 # Avaliação média mínima que os filmes receberam
}

Os generos possíveis são:

['Action', 'Adventure', 'Animation', 'Children',
        'Comedy', 'Crime', 'Documentary', 'Drama', 'Fantasy', 'Film-Noir',
        'Horror', 'IMAX', 'Musical', 'Mystery', 'Romance', 'Sci-Fi', 'Thriller',
        'War', 'Western']

Defina seu usuario e sua senha no arquivo .env

Para rodar, digite no terminal:

docker compose up

É possivel visualizar um teste da API em: notebooks/Teste API.ipynb

Projeto

├── LICENSE
├── README.md           <- The top-level README for developers using this project.
├── data
│   └── processed       <- The final, canonical data sets for modeling.
│
├── models              <- Trained and serialized models, model predictions, or model summaries
│
├── notebooks           <- Jupyter notebooks.
│
├── requirements.txt    <- The requirements file for reproducing the analysis environment, e.g.
│                         generated with `pip freeze > requirements.txt`
│
├── src                 <- Source code for use in this project.
│   │
|   ├── api             <- Scripts to run API
│   └── app             <- Scripts to run frontend application
│
└── docker-compose.yaml <- docker compose file to build and run application

---

Project based on the cookiecutter data science project template. #cookiecutterdatascience