Muchas veces, después de comer algo que nos gusta, escuchar una canción que nos emociona o ver una película que nos encanta, nos gustaría encontrar otra propuesta similar que nos hiciera sentir lo mismo. Las plataformas como Netflix basan sus recomendaciones en las películas o series que has visto antes, incluso las que no te han gustado. Intentamos usar Google o Chat-GPT pero sus recomendaciones no acaban de acertar. Pero nuestro Recomendador de películas es la solución. Solo hay que darle una película que te gusta para recibir recomendaciones de cinco títulos parecidos.

Nunca habíamos usado Flask, así que no sabíamos cómo funcionaban sus rutas ni cómo configurar el servidor.

Así es como lo solucionamos:

Texto de la imagen:
Inicializamos la aplicación Flask:
Configuramos la ruta de inicio:
Para la ruta de recomendación, utilizamos la función de importación.

Otro de los retos era utilizar la clave de la API y gestionar las solicitudes a la API. Así es como lo solucionamos:

Texto de la imagen:
Utilizamos un archivo .env para subir la información a la clave de la API de forma segura:
Para resolver los problemas del límite de solicitudes de la API, incorporamos un tiempo de espera:
Obtuvimos 100 páginas de películas populares (con unas 2000 películas) y las guardamos en un archivo llamado movies.csv.

Otro de los retos era implementar la similitud del coseno para las recomendaciones. Así es como lo solucionamos:

Texto de la imagen:
Descripciones de películas vectorizadas usando TF-IDF:
Cálculo de la similitud de coseno entre todas las películas:

Texto de la imagen:
Diseño de una función de recomendación personalizada:
1. Encuentra la película introducida por el usuario.
2. Calcula puntuaciones de semejanza con el resto de las películas.
3. Mejora la precisión de las puntuaciones en función del género y las valoraciones de los usuarios.

Nos costó crear un sistema robusto, que no se bloqueara cuando los usuarios introducían información no válida.

En esta imagen puede verse una parte de lo que implementamos para gestionar los casos extremos:

Texto de la imagen:
Creamos un mensaje predeterminado para reemplazar los argumentos que faltaban.
En el caso de las entradas no válidas, se muestra un mensaje de error.

Creamos un mensaje predeterminado para reemplazar los argumentos que faltaban y, en el caso de las entradas no válidas, mostramos un claro mensaje de error. También estandarizamos todos los títulos para que los usuarios pudieran usar minúsculas. Estas mejoras sirvieron para crear un sistema más robusto y fácil de usar.

Nos hemos dado cuenta de lo importante que es GitHub para trabajar en proyectos grandes, especialmente si se colabora con otras personas en un único proyecto. También hemos aprendido lo importante que es la estructura del proyecto: sin ella, este proyecto podría haber sido muy caótico.