/Sistema_Recomendacion_Peliculas_Streaming

Modelo de Recomendacion de Peliculas

Primary LanguagePython

PROYECTO INDIVIDUAL MLOps

Modelo de recomendacion de peliculas

  1. Resumen
  2. Desarrollo
  3. Fuente de Datos

Resumen

Asumiendo el rol de MLOps Enginer se creara un modelo de recomendacion para una start-up que provee servicios de agrgacion de plataformas de streamig.

Se iniciara con un ETL al csv brindado, luego se hara el desarrollo de la API con el framework fastaAPI , donde se creara 6 funciones para consumo de la API y luego se realizara un deployment con render.

El analisis de la data se llevara a cabo creando un EDA , apoyandose con librerias como PANDAS y MATPLOTLIB, luego se desarrollara la funcion para el sistema de recomendacion.

DESARROLLO

ETL:

  • Algunos campos, como belongs_to_collection, production_companies y otros (ver diccionario de datos) están anidados, esto es o bien tienen un diccionario o una lista como valores en cada fila, ¡deberán desanidarlos para poder y unirlos al dataset de nuevo hacer alguna de las consultas de la API! O bien buscar la manera de acceder a esos datos sin desanidarlos.
  • Los valores nulos de los campos revenue, budget deben ser rellenados por el número 0.
  • De haber fechas, deberán tener el formato AAAA-mm-dd, además deberán crear la columna release_year donde extraerán el año de la fecha de estreno.
  • Crear la columna con el retorno de inversión, llamada return con los campos revenue y budget, dividiendo estas dos últimas revenue / budget, cuando no hay datos disponibles para calcularlo, deberá tomar el valor 0.
  • Eliminar las columnas que no serán utilizadas, video,imdb_id,adult,original_title,vote_count,poster_path y homepage

API: usando el framework FastAPI.

crear 6 funciones para los endpoints que se consumirán en la API, recuerden que deben tener un decorador por cada una (@app.get(‘/’)).

  • Cantidad de películas producidas por un determinado país en determinado año. La función debe llamarse get_country(year, country) y debe devolver sólo número de películas producidas por dicho país en dicho año.
  • Recaudacion por productora y por año. La función debe llamarse get_company_revenue(company, year) y debe devolver un int, con el total de dólares recaudados ese año por esa productora.
  • Cantidad de películas que salieron en determinado año. La función debe llamarse get_count_movies(year) y debe devolver un int, con el número total de películas que salieron ese año.
  • Película con mayor retorno en determinado año. La función debe llamarse get_return(title, year) y debe devolver sólo el string con el nombre de la película con mayor retorno de inversión en ese año.
  • Película con el menor presupuesto en determinado año. La función debe llamarse get_min_budget(year) deberia devolver el string con el nombre de la película, el año de estreno y el presupuesto, en un diccionario con las llaves llamadas 'title', 'year', 'budget' y cada una con su valor correspondiente.
  • Lista con las 5 franquicias, colleciones o series de películas que más recaudaron históricamente. La función se llamará get_collection_revenue() y debería devolver una lista de longitud 5 que contenga el nombre en string de las 5 franquicias que más recaudaron históricamente.

Deploy:

se usara Render como servicio para que la API pueda ser consumida desde la web.

EDA:

Investigar las relaciones que hay entre las variables de los datasets, outliers y ver si hay algún patrón interesante que valga la pena explorar en un análisis posterior. nos apoyaremos en librerías como pandas , matplotlib para obtener algunas conclusiones.

Sistema de recomendacion:

consiste en recomendar películas a los usuarios basándose en películas similares, por lo que se debe encontrar la similitud de puntuación entre esa película y el resto de películas, se ordenarán según el score de similaridad y devolverá una lista de Python con 5 valores, cada uno siendo el nombre de las películas con mayor puntaje, en orden descendente.

Fuente de datos

  • Dataset: Archivo con los datos que requieren ser procesados, tengan en cuenta que hay datos que estan anidados (un diccionario o una lista como valores en la fila).
  • Diccionario de datos: Diccionario con algunas descripciones de las columnas disponibles en el dataset. <br/>