Идея заключалась в создании рекомендательной системы алкогольных напитков. В данном случае рекомендательной системы пива.

Сделать рекомендательную систему, решить проблему холодного старта. Разобраться с поэтомным решение этих задач.

Реализванные две рекомендательные системы. Так же реализован веб-сервис, который использует первую рек. систему и собирает информацию для второй. Данные для создания "фичей" пива были взяты с сайта BJCP.org . Так как никакой информации о пользовательских предпочтениях у нас нет, мы ранжируем сорта пива по расстояниям в некотором пространстве (компоненнты сжаты с помощью TruncatedSVD), вообщем KNN, тем самым обеспечивая пусть и не самые лучшие рекомендации, но работоспособность сервиса и сбор информации для модели с Коллаборативной фильтрацией. После сбора необходимого кол-ва данных в сайт будет интегрированна вторая модель, выполняющая задачу рекомендации лучше.

Написаны две рекомендательные системы. Реализован некоторый веб-сервис.

Доделать веб-сервис, так как имеюся некоторые проблемы с оформлением и разными разрешениями устройств. Интегрировать вторую модель в веб-сервис.

Требуется установить ряд библиотек:

1. django

2. django-widjet-tweaks

3. numpy

4. pickle

для скачивания проекта и запуска localhost'а:

#Cloning repo

$ git clone https://github.com/Punctuality/BEERecommend

#No comments

$ cd BEERecommend/Web_part/

#Activating venv

$ source ../venv/bin/activate

#Running server

$ python3 manage.py runserver

That's all!

GitLab Repository