Projet 02 · Machine Learning · Streamlit

Accéder à Wildflix

Un système de recommandation de films basé sur un modèle KNN, enrichi avec les données de l'API OMDB. Voici les codes pour tester l'application directement.

Identifiants de connexion

Utilisateur

Mot de passe utilisateurMDP

Administrateur

Mot de passe rootMDP

Compte de test : identifiants partagés pour la démo, pas de données personnelles à créer.

Wildflix Lancer l'app

Le projet

De quoi s'agit-il ?

À partir d'un jeu de données de films, le projet récupère des informations enrichies via l'API OMDB (genre, acteurs, réalisateur, note IMDB, affiche), puis entraîne un modèle KNN pour proposer cinq films similaires à celui choisi par l'utilisateur.

Python Scikit-learn (KNN) Pandas API OMDB Streamlit Hugging Face

Fonctionnement

Comment ça marche

En amont

Préparation des données

Import du dataset et création d'un identifiant à partir des liens IMDB
Enrichissement via l'API OMDB par lots de 1000 films
Nettoyage, filtrage des films, et encodage des genres, acteurs et réalisateurs
Entraînement du modèle KNN et export du modèle

Côté utilisateur

L'application Streamlit

Authentification par identifiants (streamlit-authenticator)
Sélection d'un film dans un menu (titre et année)
Affichage de l'affiche, du résumé traduit, des acteurs et de la note
Recommandation de cinq films similaires, triés par note IMDB

Détails techniques (structure du repo, installation locale)

Fichier	Rôle
`preparation_data_projet2.py`	Préparation des données et entraînement du modèle ML
`projet2_V2.py`	Application Streamlit de recommandation
`bandeau.py`	Module d'affichage du bandeau Wildflix
`requirements.txt`	Librairies nécessaires
`data_patrickV2.csv`	Dataset source
`df_affichage.csv`	Dataset léger généré pour l'affichage

Pour exécuter le projet en local :

Installer les dépendances avec pip install -r requirements.txt
Renseigner une clé API OMDB dans preparation_data_projet2.py
Lancer l'application avec streamlit run projet2_V2.py

Le modèle entraîné et la matrice de features sont hébergés sur Hugging Face et chargés automatiquement par l'application.

Équipe

Réalisé par

Cédric C. Claire G. Elisa G. Eloïse G.