Projeto de Data Science: Sistema de Recomendação e Aplicação Python

Descrição

Este projeto apresenta uma abordagem completa para resolver um problema empresarial no campo de Data Science. O objetivo é criar um sistema de recomendação utilizando técnicas de similaridade entre usuários e desenvolver uma aplicação funcional utilizando Python. O projeto é projetado para ser replicável e oferece código e dados para download.

Objetivo

Criar um sistema de recomendação utilizando métricas de similaridade para recomendar co-proprietários de propriedades com base nas características dos usuários. A solução inclui o desenvolvimento de uma aplicação interativa que visualiza as recomendações e permite a interação com os dados.

Tecnologias e Ferramentas

• Linguagem de programação: Python
• Bibliotecas utilizadas:
  • Pandas
  • NumPy
  • Scikit-learn
  • Matplotlib
  • Seaborn
  • Flask (para o desenvolvimento da aplicação)
  • GPT-4 (para automatizar parte da documentação)
• Ambiente de desenvolvimento:
  • Jupyter Notebook / Visual Studio Code
  • Python 3.x

Estrutura do Projeto

O projeto está dividido em vários scripts que gerenciam o fluxo de dados e as funcionalidades do sistema de recomendação.

Scripts principais:

1. data_preprocessing.py: Código para a carga e transformação de dados.
2. similarity_calculation.py: Implementação da distância euclidiana e da matriz de similaridade entre usuários.
3. app.py: Aplicação em Flask que interage com os usuários e exibe as recomendações.

Passos do Projeto

1. Entender o Contexto Empresarial

• O projeto é baseado em uma startup que busca encontrar co-proprietários compatíveis para propriedades imobiliárias. Um sistema de recomendação é utilizado para sugerir compradores adequados com base nos interesses e características dos usuários.

2. Explicar o Problema

• O desafio é identificar pessoas com perfis similares e gerar recomendações precisas de co-proprietários.

3. Solução Analítica

• Utilizamos a similaridade entre usuários para medir a compatibilidade utilizando técnicas como a distância euclidiana.

4. Desenvolvimento da Aplicação

• A aplicação é desenvolvida utilizando Flask para criar uma interface web onde os usuários podem interagir com o sistema, inserir dados e receber recomendações personalizadas.

Implementação do Sistema de Recomendação

1. Métricas de Similaridade

• A similaridade entre usuários é calculada através de vetores e a distância euclidiana é utilizada para medir a proximidade entre eles. Usuários mais semelhantes receberão recomendações de propriedades em comum.

2. Matriz de Similaridade

• Uma matriz de similaridade é gerada a partir dos dados dos usuários, o que permite visualizar e comparar a compatibilidade entre diferentes pessoas.

Instalação

Para executar este projeto localmente, siga os seguintes passos:

1. Clone o repositório

git clone https://github.com/marcanogc/Projeto_DS_Sistema_de_Recomendacao_Python.git
cd Projeto_DS_Sistema_de_Recomendacao_Python