{"id":20859530,"url":"https://github.com/darkshadowcoder/ai-based-cloud-deployed-movie-recommendation-system","last_synced_at":"2026-05-07T05:32:28.931Z","repository":{"id":177923119,"uuid":"620077608","full_name":"DarkShadowCoder/AI-based-cloud-deployed-movie-recommendation-system","owner":"DarkShadowCoder","description":"In this repository, I design an online movie recommendation system using Machine learning-deep learning and deployed on Azure","archived":false,"fork":false,"pushed_at":"2023-08-17T17:03:24.000Z","size":11257,"stargazers_count":1,"open_issues_count":0,"forks_count":0,"subscribers_count":2,"default_branch":"main","last_synced_at":"2025-01-19T07:27:06.464Z","etag":null,"topics":["api","deep-neural-networks","flask-backend","machine-learning-algorithms","movie-recommendation","reactjs","test-automation"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"apache-2.0","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/DarkShadowCoder.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2023-03-28T01:35:39.000Z","updated_at":"2023-08-03T15:57:18.000Z","dependencies_parsed_at":"2025-01-19T07:35:55.425Z","dependency_job_id":null,"html_url":"https://github.com/DarkShadowCoder/AI-based-cloud-deployed-movie-recommendation-system","commit_stats":null,"previous_names":["eivos25/ai-based-cloud-deployed-movie-recommendation-system","darkshadowcoder/ai-based-cloud-deployed-movie-recommendation-system"],"tags_count":0,"template":true,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/DarkShadowCoder%2FAI-based-cloud-deployed-movie-recommendation-system","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/DarkShadowCoder%2FAI-based-cloud-deployed-movie-recommendation-system/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/DarkShadowCoder%2FAI-based-cloud-deployed-movie-recommendation-system/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/DarkShadowCoder%2FAI-based-cloud-deployed-movie-recommendation-system/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/DarkShadowCoder","download_url":"https://codeload.github.com/DarkShadowCoder/AI-based-cloud-deployed-movie-recommendation-system/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":243230096,"owners_count":20257645,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["api","deep-neural-networks","flask-backend","machine-learning-algorithms","movie-recommendation","reactjs","test-automation"],"created_at":"2024-11-18T04:50:20.722Z","updated_at":"2026-05-07T05:32:23.889Z","avatar_url":"https://github.com/DarkShadowCoder.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"#  Projet de conception d'un systeme de recommandation de contenus basé sur l'intelligence artifcielle\n\u003cimg src=\"docs/imgs/background.jfif\" alt=\"images de couverture\" width = \"100%\" height=\"250px\" style=\"opacity: 0.8;\"\u003e\n\u003cp\u003eNotre projet consiste en la production d'un algoritheme de recommandation de contenus basé sur l'utilisation d'algorithe de'intelligence artificielle et deployé sur le web à travers un site web \u003cbr\u003e\n    \n\u003ch2\u003eTable de matière\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"#\"\u003eDescription\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"#\"\u003eApproche utiliséé\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"#\"\u003eProcessus Backend\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"#\"\u003ePresentaion de l'interface\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"#\"\u003eInstallation et utilisation du site\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"#\"\u003eCrédits\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e\n\u003cbr\u003e\n\n\u003col\u003e\n    \u003cli style=\"color: red;\"\u003e\u003ch3\u003eDescription du projet\u003c/h3\u003e\u003c/li\u003e\u003cbr\u003e\n    \u003cstrong style=\"color: blue;\"\u003eComment fonctionne t-il?\u003c/strong\u003e\u003cbr\u003e\n        Grace aux diverses informations de l'utilisateurs de l'application ainsi que des donnnées que nous disposons , nous entrainons un modele d'intelligence artificielle que tient en compte les preferences de l'utilisateur qinsi que \n        ceux des personnes(autres utilisateurs) ayant des similarités de gout avec celui-ci. \u003cbr\u003e\n        Les données recoltées de l'utilisateurs sont enregistré dans notre base de données pour etres utilisées à leur tour pour servir premierement à la personnalisation des recommandation et \n        deuxiemement à la recommandation d'autres utilisateurs ayant des similarités avec lui.\n    \u003cli style=\"color: red;\"\u003e\u003ch3\u003eDescription de l'approche utilisée\u003c/h3\u003e\u003c/li\u003e\u003cbr\u003e\n    \u003cstrong style=\"color: blue;\"\u003eArchitecture de notre projet\u003c/strong\u003e\u003cbr\u003e\n    \u003cimg src=\"docs/imgs/architecture.png\" alt=\"architecture du projet\" width=\"100%\" height=\"450px\"\u003e\u003cbr\u003e\n    \u003cstrong style=\"color: blue;\"\u003eDescription de l'architecture\u003c/strong\u003e\u003cbr\u003e\n    \u003cp\u003eLe projet se focalise sur 3 principaux point:\n        \u003cul\u003e\n            \u003cli style=\"font-weight: 800;  list-style: square;color: rgb(5, 98, 126);\"\u003eLa recolte continu de données\u003c/li\u003e: Nous avons créer des algorithmes chargés de collecter des données utilisateurs lors de leur connection à l'application.\n            \u003cli style=\"font-weight: 800;  list-style: square;color: rgb(5, 98, 126);\"\u003eLe traitement des données\u003c/li\u003e: Ici nous construisons des algorithmes permettant de traiter les données du datasets et des données des utilisateurcollecter sur l'interface afin de les mettre sous un format adequate pour le l'entrainement du modèle d'IA ainsi que la construction des differentes bases de données.\n            \u003cli style=\"font-weight: 800;  list-style: square;color: rgb(5, 98, 126);\"\u003eLa construction du modeles d'IA\u003c/li\u003e/ ici il s'agit de construire le modeles d'IA capable de faire les recommandations de produit eux differents utilisateurs en tenant compte de leur preference. Le modeles se base sur deux principes: Le filtrag collaboratif, qui donnes des recommandations en tenant compte des smilarités de gout entre utilisateurs et \n            le filtrage de contenus qui tient compte de la popularite d'un produits par rapport aux prefernce de l'utilisateur pour ces recommandations.\n        \u003c/ul\u003e\n    \u003c/p\u003e\n    \u003cli style=\"color: red;\"\u003e\u003ch3\u003eDescription du processus backend \u003c/h3\u003e\u003c/li\u003e\u003cbr\u003e\n    \u003cP\u003e Le processus de recommandation est basé sur 2 points clés : Le pretraitement de données et la recommandation par le modeles d'IA, tous les deux codés en python.\u003c/P\u003e\n    \u003cUL\u003e\n        \u003cli style=\"color: rgb(0, 156, 255);\"\u003e\u003ch3\u003eLes algorithmes de pretraitement des donneés :\u003c/h3\u003e\u003c/li\u003e\u003cbr\u003e\n        Les alogorithemes de pretraitement de données premettent de metre en forme les données recoltée pour l'entrainement du modeles d'IA.\n        En python, dans un pipeline de pretraitement prealablement  cré, nous construisons successivement des algorithe permettant de mettre à jour, nettoyer, analyser et encoder les données suivant des normes etablies dans le cahier de charge pour pouvoir affiner les recommanadation. \u003cbr\u003e\n        \u003cstrong\u003eComment cela se passe?\u003c/strong\u003e\u003cbr\u003e\n        Une fois les données recoltées et constituant notre dataset, nous trions les données obsolètes, nous effacons les donneés non-necessaires à la conception de notre modele, nous standardisons les données puis nous creons les porgramme permettant de faire un analyse sentiment pour les données de types textes.\n        Apres cela nous nettoyons et analysons les données de notre datasets nettoyé pour l'encodage de ceux-ci. \u003cbr\u003e\n        Une fois cela terminer, nous enregistrons les données utiles à notre algorithme dans des bases de données pour une meilleur utilisation lors de la recolte des données utilisateur. \u003cbr\u003e\n        \u003cli style=\"color: rgb(0, 156, 255);\"\u003eLe modèle d'IA:\u003c/li\u003e\u003cbr\u003e\n        Le modele d'IA se focalise pincipalement sur les preference de l'utilisateur concerné par la recommandation. C'est à dire que le systeme ne recommnade que les rpoduits susceptibles de plaire à l'utilisateur en fonction des données recoltées. \u003cbr\u003e\n        \u003cstrong\u003eComment ça marche?\u003c/strong\u003e\u003cbr\u003e\n        Une fois l'utilisateur connecté , il lui est demandé d'entrrer ses preferences ou de les choisir parmis un collection d'articles proposés. \u003cbr\u003e\n        premierement, les données collectées de l'utislisateur sont analysées et traiter par les algorithmes de pretraitement des données et stocker dans des bases de données pour l'entrainement du modèle d'IA.Ensuite, nous utilisons le principe\n    \u003c/UL\u003e\n\u003c/ol\u003e\n\u003cdiv style = \"border-top = 2px solid red\" id = \"h5\"\u003e\n  \u003ch2 font-color = \"red\"\u003eInstallation et utilisation du projet\u003c/h2\u003e\n  \u003ch3\u003e\u003cli\u003eAvec Docker\u003c/li\u003e\u003c/h3\u003e\n\t\u003cp\u003eDocker. Docker est un logiciel qui permet de créer et de gérer des conteneurs, qui sont des environnements isolés pour exécuter des applications. Pour installer Docker, vous devez suivre les étapes suivantes, selon votre système d’exploitation:\u003c/p\u003e\u003cbr\u003e\n\u003cli\u003eSi vous utilisez Windows 10 ou 11, vous devez télécharger le fichier d’installation Docker pour Desktop sur le Docker Hub12, lancer l’installation en tant qu’administrateur, activer les fonctionnalités Hyper-V Windows et lancer Docker.\u003c/li\u003e\n\u003cli\u003eSi vous utilisez Windows 10 ou 11, vous devez télécharger le fichier d’installation Docker pour Desktop sur le Docker Hub12, lancer l’installation en tant qu’administrateur, activer les fonctionnalités Hyper-V Windows et lancer Docker.\u003c/li\u003e\n\t\n\tsudo apt update\n \tsudo apt install apt-transport-https ca-certificates curl software-properties-common\n\tcurl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add \n\tsudo add-apt-repository \"deb [arch=amd64] https://download.docker.com/linux/ubuntu focal stable\"\n\tsudo apt update\n\tsudo apt install docker-ce\n \u003cp\u003ePour consulter le site web , telecharger l'image docker du projet qui sont des fichiers contenant les divers services de l'applications.Dans l'invite de commande, éxecuter la commande suivante:\n \t\n\t docker pull test-driven-app\n  \u003cbr\u003e Pour executer le conteneur, inserer la commande:\n\n  \tdocker run -it test-driven-app\n \u003c/p\u003e\n  \u003ch3\u003e\u003cli\u003eAvec l'invite de commande \u003c/li\u003e\u003c/h3\u003e\n   \u003cli\u003eTelecharger le projets dans votre machine grace à la commande git:\n \t\n\t git clone https://github.com/DarkShadowCoder/AI-based-cloud-deployed-movie-recommendation-system.git\n  \t \n \u003c/li\u003e\n \u003cli\u003eEnsuite activer l'environnemnt virtuel grace à la commande:\n \t\n\t source ./env/bin/activate\n \u003c/li\u003e\n \u003cli\u003eInstaller toutes les librairies requise pour executer l'application grace à:\n\t\n  \tpip install -r requirements.txt\n \u003c/li\u003e\n \u003cli\u003eExecuter le code avec:\n\n \tnpm start\n \u003c/li\u003e\n\n\u003cdiv style = \"border-top = 2px solid red\" id =\"h6\"\u003e\n  \u003ch2 font-color = \"red\"\u003eCrédits\u003c/h2\u003e\n\t\u003ch3\u003eLangages utilisés\u003c/h3\u003e\n\t\u003cp\u003e\n\t\t\u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/Python-FFD43B?style=for-the-badge\u0026logo=python\u0026logoColor=blue\"\u003e\n  \t\t\u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/json-5E5C5C?style=for-the-badge\u0026logo=json\u0026logoColor=white\"\u003e\n\t\t\u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/JavaScript-323330?style=for-the-badge\u0026logo=javascript\u0026logoColor=F7DF1E\"\u003e\n\t\t\u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/HTML5-E34F26?style=for-the-badge\u0026logo=html5\u0026logoColor=white\"\u003e\n\t\t\u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/CSS3-1572B6?style=for-the-badge\u0026logo=css3\u0026logoColor=white\"\u003e\n\t\u003c/p\u003e\n \u003ch3\u003eMe contacter\u003c/h3\u003e\n \u003cp\u003e\n\t \u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/LinkedIn-0077B5?style=for-the-badge\u0026logo=linkedin\u0026logoColor=white\"\u003e\n\t \u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/Twitter-1DA1F2?style=for-the-badge\u0026logo=twitter\u0026logoColor=white\"\u003e\n\t \u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/Quora-%23B92B27.svg?\u0026style=for-the-badge\u0026logo=Quora\u0026logoColor=white\"\u003e\n\t \u003cimg alt=\"Static Badge\" src=\"https://img.shields.io/badge/GitHub-100000?style=for-the-badge\u0026logo=github\u0026logoColor=white\"\u003e\n \u003c/p\u003e\n\t\n\u003c/div\u003e\n\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdarkshadowcoder%2Fai-based-cloud-deployed-movie-recommendation-system","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fdarkshadowcoder%2Fai-based-cloud-deployed-movie-recommendation-system","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdarkshadowcoder%2Fai-based-cloud-deployed-movie-recommendation-system/lists"}