Este é meu primeiro projeto aplicando Inteligência Artificial na prática 🚀
O objetivo foi construir um sistema de recomendação semelhante aos utilizados em e-commerces e plataformas de streaming, utilizando duas abordagens diferentes.
Implementação baseada em conceitos matemáticos:
- Normalização de dados (preço e idade)
- One-hot encoding (categoria e cor)
- Criação do vetor do usuário (média dos itens comprados)
- Cálculo de similaridade (produto interno)
- Remoção de itens já consumidos
👉 Essa abordagem ajuda a entender como funciona a base dos sistemas de recomendação.
Implementação com Machine Learning:
- Modelo Sequential
- Camadas Dense (128 → 64 → 32 → 1)
- Funções de ativação ReLU e Sigmoid
- Treinamento com dados de usuários e produtos
- Predição de relevância entre usuário e produto
👉 Aqui o modelo aprende padrões automaticamente com base no comportamento dos usuários.
- JavaScript
- TensorFlow.js
- Web Workers
- Recomendações personalizadas
- Duas estratégias de recomendação (manual e IA)
- Filtro de produtos já comprados
- Ranking por relevância
- Como transformar dados em vetores
- Como funciona o one-hot encoding
- Cálculo de similaridade entre vetores
- Estrutura de uma rede neural
- Diferença entre abordagem matemática e Machine Learning
npm install
npm start