🎬 MVP Netflix IQ

Sistema inteligente de classificação e recomendação de títulos da Netflix com aplicação Full Stack.

---

📌 Funcionalidades

• Classifica se um título é Filme ou Série
• Recomenda títulos similares com base em conteúdo (elenco, país e categorias)
• Aplicação Full Stack (Flask + HTML/CSS com Bootstrap)
• Testes automatizados com PyTest
• Documentação da API com Swagger

---

🚀 Tecnologias utilizadas

• Python (Flask, Scikit-learn, Pandas, NumPy)
• Bootstrap 5
• PyTest
• Swagger

---

🧠 Modelo de Machine Learning

• Classificação com:
  • KNN
  • Decision Tree
  • Naive Bayes
  • SVM
• Pipeline de pré-processamento
• Otimização de hiperparâmetros com GridSearchCV(que por baixo dos panos usa cross_val_score)
• Avaliação com cross-validation
• Sistema de recomendação baseado em similaridade de cosseno usando TF-IDF

---

📂 Estrutura do projeto

mvp-netflix-iq/
├── api/                  # Back-end Flask
│   ├── app.py
│   └── MachineLearning/  # Machine Learning
│       ├── models/
│       ├── notebook/
│       └── test/
├── web/                  # Front-end com Bootstrap
│   ├── index.html
│   └── script.js
├── .gitignore
└── README.md

---

📥 Download dos Modelos (.pkl)

Para que a aplicação funcione corretamente, é necessário ter os arquivos .pkl gerados pelo processo de machine learning.

🔗 1. Faça o download dos modelos prontos

Acesse o link abaixo para baixar os arquivos já treinados:

➡️ Google Drive - Modelos treinados (.pkl)

---

📂 2. Coloque os arquivos no diretório correto

Após o download, mova todos os arquivos .pkl para o seguinte diretório:

api/MachineLearning/models

---

⚙️ Alternativa: Gerar os modelos executando os notebooks

Se preferir (ou quiser treinar novamente), você pode executar os notebooks disponíveis no projeto. Eles irão:

• Treinar os modelos do zero;
• Exportar automaticamente os arquivos .pkl para a pasta models.

---

📦 Instalação e execução

1. Crie e ative o ambiente virtual.

Windows

python -m venv venv
venv\Scripts\activate

macOS/Linux

python -m venv venv
source venv/bin/activate

2. Entre no diretório do back-end

cd api/

3. Instale as dependências

pip install -r requirements.txt

4. Inicie o servidor

python app.py

---

🧪 Testes automatizados

Testes com PyTest para verificar a acurácia mínima do modelo antes do deploy.

1. Instale o PyTest (caso ainda não tenha)

pip install pytest

2. Execute os testes

cd api/MachineLearning/test
pytest test_modelo.py