alastadesuttsensx / proyecto-final

Integrantes: Jonathan Moreno, Manuel Hernandez, Isaac Avelino, Luciano Gonzales, Marcos Larran

Somos G7 Consulting Services, consultora especializada en análisis de datos y modelos de aprendizaje automatizado. Dedicados a brindar un servicio constante de atención al cliente y garantía de satisfacción.

Índices

• Contexto
• Objetivos
• Problemáticas
• Flujo de trabajo
• Contenido
• Dashboard
• Stack Tecnológico
• Conclusiónes

Contexto

La industria restaurantera ha experimentado un crecimiento significativo en los últimos años, gracias a la diversidad cultural en los Estados Unidos y el aumento del interés por nuevas experiencias gastronómicas. Cada vez es más común encontrar restaurantes que ofrecen una amplia variedad de platillos de diferentes partes del mundo.
En este contexto, hemos sido contratados por un grupo restaurantero para llevar a cabo un análisis detallado de la opinión de los usuarios y utilizar sistemas de recomendación basados en experiencias previas.

Para llevar a cabo este análisis, hemos utilizado herramientas de análisis de sentimientos para evaluar las opiniones y comentarios de los usuarios en plataformas de reseñas. A través de esta evaluación, hemos identificado los aspectos que los usuarios valoran más en los restaurantes.

Además, hemos desarrollado sistemas de recomendación basados en las experiencias previas de los usuarios. Utilizando algoritmos de aprendizaje automático, estos sistemas son capaces de identificar los restaurantes y experiencias que son más adecuadas para cada usuario en particular.

Ya finalizando, en resumen, la industria restaurantera está experimentando un gran auge en los Estados Unidos, y las herramientas de análisis de sentimientos y los sistemas de recomendación pueden ayudar a los restaurantes a entender mejor las necesidades y preferencias de los usuarios.

Problemáticas

• Aumento de la competencia.

• Nuevas experiencias.

• Velocidad en la adaptación.

• Experiencias satisfactorias.

Objetivos

• Identificar y analizar las reseñas positivas, negativas y neutrales.

• Elaborar reporte con las áreas de oportunidad.

• Identificar los atributos que más influyen para los usuarios.

• Elaborar reporte de recomendación.

• Diseñar un modelo de aprendizaje supervisado.

• Elaborar una aplicación (deploy) para uso del cliente.

Flujo de trabajo

Contenido

El contenido del proyecto donde se encuentran las carpetas y/o archivos correspondientes.

• Planeacion: Carpeta que contiene los archivos de planeación del proyecto asi como el diccionario de datos. Acceder aquí)

• transformaciones: Carpeta donde se encuentran 5 archivos donde se realizan transformaciónes en los datasets con su respectivo README explicativo. Acceder aquí

• pipelines_folder: Carpeta donde se alojan los scripts con la automatización de carga de datos de Restaurants y Reviews desde el origen hacia nuestra base de datos. Acceder aquí

• sistema_recomendación: Carpeta donde se encuentran 2 archivo para el desarrollo del sistema de recomendación (seleccion de data, optimización de hiperparámetros, etc). Acceder aquí

• Procesamiento_lenguaje_natural: Carpeta donde se muestra el procesamiento de los textos de los comentarios realizados en las reseñas. Acceder aquí

Dashboard

Stack Tecnológico

• Windows: Sistema operativo utilizado por todos los integrantes del proyecto.

• Linux: Sistema operativo utilizado por VM Engine en GCP

• Google Cloud Platform(GCP): Plataforma en la nube donde se utilizaron varios servicios.

• Python: Se utilizó Python y sus librerías para realizar el proyecto en tareas como:
  ETL / EDA: Se utilizó Pandas y Matplotlib.
  Machine Learning: Se utilizó SciKit para Surprise.

• LucidChart: Herramienta de diagramación basada en la web, que permite a los usuarios colaborar y trabajar juntos en tiempo real.

• Google Drive: Servicio de Google que permite almacenar archivos en la nube.

• Streamlit: Es un “framework” de Python que permite de manera sencilla desarrollar aplicaciones.

• SQL Server: Sistema de gestión de bases de datos relacional.

Conclusiónes

Con estos elementos, la información nos ayudará a conocer:

• El sentimiento de los usuarios con respecto al servicio que se está prestando.

• Las características que se consideran ideales.

• Captar de información sobre las tendencias de las preferencias de los clientes (modelo de aprendizaje automatizado).
  

Todo ello nos permitirá ser más competitivos, adaptarnos rápido a las tendencias y pensar en experiencias nuevas para el cliente basado en sus elecciones.

Disclaimer

Este proyecto es solo para fines educativos y de aprendizaje. Todas las imágenes utilizadas en este proyecto son para fines ilustrativos y no representan una situación real. Se pretende que el proyecto no tenga ningún otro propósito mas que el aprendizaje y la práctica de habilidades.