Steam Game Recommender Dashboard

Steam Game Recommender Dashboard é uma aplicação interativa desenvolvida com Streamlit para análise e recomendação de jogos da Steam. Utilizando dados do Kaggle e visualizações interativas com Plotly e Pandas, o sistema permite explorar as avaliações de jogos e realizar recomendações personalizadas com base em dados coletados.

---

✨ Features

• Dashboard interativo: Visualização dos dados de jogos da Steam com filtros e gráficos interativos.
• Recomendação personalizada: Geração de recomendações baseadas em avaliações de usuários e outros atributos dos jogos.
• Análise detalhada: Permite explorar as relações entre diversas variáveis dos jogos, como gênero, preço, e classificação.
• Gráficos interativos: Utiliza Plotly para criar gráficos dinâmicos e responsivos para análise de dados em tempo real.

---

🖥️ Tecnologias Utilizadas

• Streamlit: Framework para criação de aplicativos web interativos.
• Plotly: Biblioteca para visualizações interativas.
• Pandas: Para manipulação e análise de dados.
• Scikit-learn: Algoritmos de recomendação baseados em aprendizado de máquina. (Em desenvolvimento).

Dados

Os dados foram obtidos no Kaggle.com: https://www.kaggle.com/datasets/nikdavis/steam-store-games

---

📦 Instalação

Pré-requisitos

1. Certifique-se de ter o Python 3.8 ou superior instalado.
2. Instale as dependências do projeto. (requirements.txt)

Passos para execução:

1. Clone o repositório:

git clone https://github.com/gilsonfiho/steam-game-recommender.git

---

📦Como Rodar

streamlit run app.py

---

📊 Como Funciona

O sistema utiliza os dados dos jogos da Steam, incluindo avaliações, gênero, preço e outros atributos, para gerar recomendações personalizadas. O dashboard permite explorar esses dados de forma interativa, com a possibilidade de filtrar, ordenar e visualizar os jogos com base em diferentes critérios.

Exemplo de Funcionalidades:

1. Gráfico de Avaliações: Visualize a distribuição das avaliações dos jogos em diferentes categorias.
2. Recomendação Personalizada: Receba sugestões de jogos com base em suas preferências de gênero ou desenvolvedor.
3. Filtros Interativos: Filtre os jogos década, categoria e desenvolvedor.
4. Análise Visual: Utilize gráficos interativos para entender as tendências de avaliação, gênero e preço dos jogos.

---

Próximos passos:

Os próximos passos têm como foco a inclusão de dados mais recentes, a adoção do PySpark como alternativa ao Pandas para cenários com grandes volumes de dados e o desenvolvimento de modelos preditivos para identificar tendências de jogos.

---

📂 Estrutura do Repositório

steam-game-recommender/
├── app.py                      # Arquivo principal para execução do Dashboard Streamlit
├── data/                       # Pasta contendo os dados utilizados
│   ├── steam.csv               # Dados de jogos Steam
│   └── steam_cleaned.csv       # Dados limpos após pré-processamento
├── requirements.txt            # Dependências do projeto
├── README.md                   # Este arquivo
└── src/                        # Código-fonte principal
    ├── data-cleaning.py        # Código para limpeza dos dados (Em desenvolvimento).
    ├── feature.py              # Geração de features para recomendação (Em desenvolvimento).
    ├── model.py                # Modelos ML (Em desenvolvimento).
 

Contribuições 💡

1. Fork o repositório
2. Crie uma branch (git checkout -b feature/nova-funcionalidade)
3. Commit suas mudanças (git commit -am 'Adiciona nova funcionalidade')
4. Push para a branch (git push origin feature/nova-funcionalidade)
5. Abra um Pull Request