ScreenBuddy es una aplicación de inteligencia artificial que recomienda películas basándose en las preferencias de otros usuarios con gustos similares. El proyecto combina teoría y práctica sobre sistemas de recomendación, aprendizaje automático y análisis de datos.

ScreenBuddy utiliza técnicas de filtrado colaborativo para analizar los gustos de los usuarios y sugerir películas que podrían interesarles. El sistema se apoya en el dataset MovieLens y emplea algoritmos de machine learning para encontrar similitudes entre usuarios y películas.

• Parte teórica: Consulta el archivo Recomendaciones con machine learning.pdf para una explicación detallada sobre los fundamentos de los sistemas de recomendación, tipos de filtrado, análisis de datos y conceptos de machine learning aplicados.
• Parte práctica: El desarrollo completo, desde la descarga y análisis de datos hasta la implementación del modelo y su despliegue, se encuentra en el notebook ScreenBuddy.ipynb.

• Análisis y preprocesamiento de datos de películas y ratings.
• Creación de una matriz de utilidad usuario-película.
• Implementación de un sistema de recomendación colaborativo basado en vecinos más cercanos (KNN).
• Helper para búsqueda flexible de títulos.
• Despliegue de un API con Flask y acceso remoto vía ngrok.

1. Abre y ejecuta el notebook ScreenBuddy.ipynb para seguir el flujo completo del proyecto.
2. Consulta el PDF para entender la teoría detrás de cada paso.
3. Puedes adaptar el código para usar tus propios datos o extender el sistema con nuevos algoritmos.

• Python 3.8+
• Jupyter Notebook
• Paquetes: pandas, numpy, scikit-learn, matplotlib, seaborn, Flask, pyngrok, fuzzywuzzy

Recuerda setear la clave ngrok donde se solicita

Rolando Andrade

Este proyecto es solo con fines educativos.