Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/r0x0d/mlet-tech-challenge-phase3
https://github.com/r0x0d/mlet-tech-challenge-phase3
Last synced: 14 days ago
JSON representation
- Host: GitHub
- URL: https://github.com/r0x0d/mlet-tech-challenge-phase3
- Owner: r0x0d
- Created: 2024-09-14T14:27:16.000Z (4 months ago)
- Default Branch: main
- Last Pushed: 2024-12-22T20:26:44.000Z (18 days ago)
- Last Synced: 2024-12-22T21:27:11.411Z (18 days ago)
- Language: Jupyter Notebook
- Size: 2.17 MB
- Stars: 1
- Watchers: 1
- Forks: 0
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Machine Learning Engineering - Tech Challenge Phase 3
## Clonando o projeto
Para dar os primeiros passos, primeiro devemos clonar o projeto da seguinte maneira:
```bash
git clone [email protected]:r0x0d/mlet_tech_challenge_phase3.git
```
Com o projeto clonado, vamos entrar em sua pasta raíz e instalar as dependencias do projeto
```bash
cd mlet_tech_challenge_phase3
virtualenv vev
./bin/Scripts/activate.ps1
pip install -r requirements.txt
```
```bash
streamlit run mlet_tech_challenge_phase3/__main__.py
```
## Gerando o modelo para utilizar no app
Primeiro, será necessário executar o notebook [Spotify API Dataset](./notebooks/Spotify_API_Dataset.ipynb) para baixar o dataset, tratar e limpar esses dados, e por fim, será possível trabalhar com a parte da modelagem.
Após finalizado a execução do notebook acima, você deverá pegar o dataset limpo que é gerado em formato csv e utilzá-lo no notebook de modelagem, o [Sistema de Recomendação com API do Spotify](./notebooks/Sistema_de_recomendação_com_API_Spotify.ipynb). Ao final da execução de todas as células do notebook, um modelo em formato `.pkl` será gerado.
Coloque esse modelo na raíz desse repositório e então execute o app streamlit com o seguinte comando:
```bash
streamlit run mlet_tech_challenge_phase3/__main__.py
```