Utilizando Inteligência Artificial para recomendar filmes com Power BI e Python скачать в хорошем качестве

Utilizando Inteligência Artificial para recomendar filmes com Power BI e Python

Vamos aprender como os sistemas de recomendação funcionam, realizando uma aplicação prática para recomendação de filmes, através da linguagem Python e do Power BI. Curso de Machine Learning com Python - Módulo 2: https://didatica.tech/curso-de-machin... Curso de Machine Learning com Power BI: https://didatica.tech/curso-de-machin... Para criar nosso próprio sistema de recomendação de filmes, similar ao que a Netflix utiliza, vamos utilizar uma base de dados contendo usuários, filmes e as avaliações dos usuários para cada filme. Com o algoritmo svd++ iremos criar o modelo para prever as avaliações dos usuários para filmes ainda não avaliados, utilizando Python. Através de um dashboard no Power BI, iremos indicar ao usuário os 3 filmes com as maiores previsões de avaliação para ele, exibindo o nome e imagem de cada filme, que estarão integrados com uma página web, e o percentual de relevância de cada um. Link base de dados: https://guoguibing.github.io/librec/d... Página web: https://www.themoviedb.org/movie?lang... Script Python top 20 filmes: df = pandas.read_csv('insira_aqui_o_caminho_do_seu_PC/ratings.txt', sep=" ", names = ['Usuario ID', 'Filme ID','Avaliacao']) vinte = df.groupby(['Filme ID']).count().sort_values('Usuario ID',ascending = False).head(20).index dataset['ID Filme'] = vinte Script Python treinamento do modelo e previsões: import surprise vinte = dataset.groupby(['Filme ID']).count().sort_values('Usuario ID', ascending = False).head(20).index dataset = dataset.loc[dataset['Filme ID'].isin(vinte)] definindo o range das avaliacoes: reader = surprise.Reader(rating_scale = (0.5, 4.0)) dataset_surprise = surprise.Dataset.load_from_df(dataset, reader) Escolhendo o algoritmo e treinando o modelo dataset_preenchido = dataset_surprise.build_full_trainset() algoritmo = surprise.SVDpp() # SVD++ algoritmo.fit(dataset_preenchido) dataset_missing = dataset_preenchido.build_anti_testset() previsoes = algoritmo.test(dataset_missing) df = pandas.DataFrame(previsoes) df.drop(['r_ui','details'], inplace=True, axis=1) df = df.sort_values('est',ascending = False).groupby('uid').head(3) df['Posicao'] = df.groupby('uid').cumcount() Resumo da aula: 0:09 Objetivo da aula 0:56 Recomendação de conteúdo - filmes, músicas, notícias, produtos, etc. 1:27 Curso completo de Machine Learning com Python 1:52 Requisito para exibição de imagens dinâmicas no Power BI com Simple Image 2:56 Carregando a base de dados no Power BI 4:14 Criando uma matrix para entendimento dos dados 6:40 Tabela com filmes e imagens 8:10 Site com filmes e imagens 8:38 Criando a tabela com filmes e URLs das imagens no Power BI 13:00 Relacionamento entre as tabelas 14:00 Script Python para selecionar os 20 filmes com mais avaliações 17:14 Treinamento do modelo de machine learning com Python 20:18 Realizando previsões de avaliações para cada usuário 24:34 Dashboard com usuários e filmes 25:35 Cartão de linha mútipla - filmes e avaliações 25:52 Segmentação de dados - filtro por usuário 26:57 Percentual de relevância do filme 29:38 Imagens dinâmicas dos filmes 32:40 Ajustando o visual do dashboard 37:30 Testando o dashboard para diferentes usuários Artigo sobre Sistemas de Recomendação: https://didatica.tech/sistemas-de-rec...