Clustering Aplicado: recomendando músicas com k-means

[cglima]

Links

• https://cursos.alura.com.br/course/clustering-aplicado-recomendando-musicas-k-means

Descrição

Entenda como os sistemas de recomendação de músicas funcionam Conheça e use métodos de machine learning não supervisionada para classificação de músicas Saiba quais são os critérios e características das músicas são utilizadas para a recomendação Realize a criação de um recomendador de músicas e conecte com a API do Spotify Conheça a API do Spotify mais a fundo com a biblioteca Spotipy

Repositório

• https://github.com/cglima/alura-clustering-aplicado-recomendando-musicas-com-k-means

[cglima]

Aula 01 - Jornada Musical

Nesta aula, eu aprendi:

• Localizar e acessar a documentação da API do Spotify para manipular informações do dicionário de dados;
• Compreender quais são os dados que estamos analisando e a importância de um dicionário de dados;
• Investigar quais características das músicas estão correlacionadas entre si;
• Criar hipóteses com base nas correlações das características.

[cglima]

Aula 02 - Clusterização por gênero

Nesta aula, eu aprendi:

• Compreender o funcionamento do módulo pipeline da biblioteca Sklearn;
• Padronizar os dados de gêneros das músicas com o Standard Scaler;
• Reduzir a dimensionalidade dos dados utilizando o PCA;
• Aplicar os dados padronizados e reduzidos dimensionalmente em um modelo de clusterização; e
• Plotar um cluster interativo usando Plotly.