Esse é um projeto desenvolvido ao longo do Bootcamp de Ciência de Dados e Machine Learning da Tera. Trata-se de
uma aplicação Python/Streamlit que gera listas de recomendação de cervejas artesanais brasileiras com base no paladar do usuário, e utilizando um sistema
de recomendação do tipo ItemSimilarityRecommender
da biblioteca Turi Create.
Mais detalhes sobre esse projeto podem ser encontrados no artigo final.
Para criar o ambiente de desenvolvimento, é recomendado utilizar o conda.
Utilize os comandos a seguir para deixar o ambiente pronto para desenvolver
conda create -n ENVIRONMENT_NAME python=3.6
conda activate ENVIRONMENT_NAME
pip install -r requirements.txt
Será necessário configurar as seguintes variáveis de ambiente:
export FROM_EMAIL=[EMAIL]
export EMAIL_PASSWORD=[PASSWORD]
export DB_URL=[DB_URL]
Para ter acesso ao banco de dados (DB_URL
), solicite acesso à Equipe TeraBeer.
Importante: para usar contas do Gmail no envio de e-mails, é necessário autorizar o uso de apps menos seguros nas configurações da Conta Google.
Para recriar/retreinar o sistema de recomendação com novos dados, execute o script
python data/create_recommender.py
Esse script executará uma consulta no banco de dados da aplicação e usará os dados para
recriar o sistema de recomendação, que será salvo em 4 arquivos na pasta data/recommending_system
.
Para executar a aplicação streamlit em servidor local, utilize o comando
streamlit run app.py
Produção: https://terabeer-recomendacoes.herokuapp.com/
A aplicação possui os arquivos setup.sh
e Procfile
para facilitar o deploy de uma branch no Heroku pela GUI.
Importante: para que a aplicação funcione adequadamente em produção, as mesmas variáveis de ambiente precisam ser devidamente configuradas.