📊 Descripción: Mi intención con este proyecto fue explorar las funcionalidades de Streamlit, como el diseño multipágina y la personalización visual con CSS, al mismo tiempo que aplicaba Análisis de Datos Exploratorio (ADE) y algunos conceptos de Machine Learning. El resultado es esta app interactiva donde podemos descubrir el mundo del queso desde una perspectiva basada en datos.
🧠 ¿Cómo funciona la recomendación de quesos? Apliqué técnicas de Machine Learning para recomendar quesos similares a partir de sus características (tipo de leche, sabor, textura, país y familia) usando:
- TF-IDF (Term Frequency–Inverse Document Frequency)
- Cosine Similarity para identificar los 5 quesos más parecidos al seleccionado.
🧠 ¿Y la clusterización? Realice la agrupación usando:
- One-Hot Encoding (para convertir variables categóricas)
- Aplicando K-Means y/o Clustering Jerárquico
- PCA para visualizar los clusters en 2D
- Python/Streamlit: Para construir el diseño de la aplicación interactiva, realizar analisis de datos y aplicar modelos de Machine Learning.
- Librerias: Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn, Plotly.
✔ Origen: La mayoría de los quesos provienen de Estados Unidos y Europa, especialmente Francia e Italia.
✔ Tipos de Leche: La leche de vaca es la más usada, seguida por la de cabra y oveja.
✔ Familias: El análisis de sabor y textura muestra familias bien diferenciadas.
✔ Aromas: La nube de palabras destaca perfiles como cremoso, afrutado e intenso.