Skip to content

Latest commit

 

History

History
127 lines (84 loc) · 6.3 KB

README.md

File metadata and controls

127 lines (84 loc) · 6.3 KB

Sistema simple de recomendación de películas

Algoritmo de filtrado colaborativo (FC) para recomendación de películas

Python - Python Version Numpy Pandas Matplotlib Seaborn Scikit Learn

Eyes Descripción

Este proyecto implementa un sistema de recomendación de películas utilizando el algoritmo de filtrado colaborativo basado en contenido con la técnica de K-Nearest Neighbors (KNN). Los sistemas de recomendación son herramientas que sugieren ítems a los usuarios basándose en sus interacciones previas. En este caso, el sistema, dada una película de entrada, busca películas con características similares y que hayan sido calificadas de forma similar entre los usuarios.

Este proyecto es ideal para quienes desean explorar el uso de la inteligencia artificial en sistemas de recomendación y aprender a implementar soluciones con datasets del mundo real como MovieLens.

Construido con:

El proyecto está desarrollado con las siguientes librerías y herramientas:

  • Python 3.12+
  • Dataset MovieLens (Conjunto de datos para investigación de sistemas de recomendación)
  • Jupyter Notebook

Gear Clona el repositorio

A continuación, se detallan los pasos para configurar este proyecto localmente y ejecutarlo.

Requisitos Previos:

  • Instalar Python 3.12+ en tu sistema y su variable de entorno agregada al PATH.
  • Tener instalado el sistema de versiones Git para clonar este repositorio.
  • Tener instalado el editor de código VS Code para trabajar con el código.
  • Tener instaladas las extensiones de Python y Jupyter para activar el soporte de estas herramientas en el editor de código.
  • Instalar pipenv para trabajar con entornos virtuales de Python
pip install pipenv

Empezando:

  1. Utiliza git desde un directorio de tu preferencia para descargar el código a tu computadora
git clone https://github.com/quiquereds/movieRecommender.git
  1. Navega al directorio del proyecto generado
cd movieRecommender
  1. Utiliza pipenv para descargar las librerías definidas en el pipfile
pipenv install
  1. Activa el entorno virtual y verifica que tu interprete de Python haya cambiado
pipenv shell

Note

Al estar trabajando con un Jupyter Notebook, deberás verificar o seleccionar manualmente el kernel para ejecutar los fragmentos de código de Python, este kernel hace referencia al interprete.

Pencil Uso de LaTeX dentro de VS Code

Para la difusión de la experimentación, se redactó un artículo en proceso de envío a revista indizada por el Conahcyt, donde para ello, se utilizó LaTeX para la redacción y generación del archivo PDF.

Existen múltiples herramientas para trabajar con LaTeX, sin embargo, las interfaces carecen del poder que tiene VS Code con sus extensiones. Por ello, aquí se enlistan los pasos para trabajar con LaTeX desde VS Code.

1. Instalar MikTeX:

  • Descargar e instalar MiKTeX (macOS, Linux y Windows).
  • Durante la instalación, seleccionar la opción de instalar paquetes automáticamente.

2. Instalar StrawberryPerl (solo Windows)

  • Descargar e instalar Strawberry Perl. Esto es necesario para que algunas funcionalidades avanzadas de LaTeX se ejecuten correctamente.

3. Descargar LaTeX Workshop

  • En VS Code, abre la tienda de extensiones y busca LaTeX Workshop. Instala esta extensión para habilitar el soporte completo de LaTeX dentro del editor.

4. Compilación del archivo .tex

  • Una vez instalada la extensión, abre tu archivo .tex en VS Code y compílalo utilizando la opción Build LaTeX Project que aparece en la barra de tareas o con el atajo de teclado Ctrl + Alt + B (Windows/Linux) o Cmd + Alt + B (macOS).

Rocket Autores

  • F. Maxwell Harper and Joseph A. Konstan - MovieLens Dataset

Rocket Lenguajes y herramientas utilizadas