Use este identificador para citar ou linkar para este item:
https://ric.cps.sp.gov.br/handle/123456789/11352| Título: | Sistemas de recomendação de animes utilizando machine learning com predicação de dados |
| Autor(es): | SOUZA, Gustavo Oliveira de |
| Orientador(es): | SANTOS, Luis Felipe Feres |
| Outro(s) contribuidor(es): | EVANGELISTA, Luiz Eduardo Souza |
| Tipo documental: | Monografia |
| Palavras-chave: | Interação usuário (computador);Animação (computação gráfica);Moda - Japão;Machine learning |
| Data do documento: | 2022 |
| Editor: | 251 |
| Referência Bibliográfica: | SOUZA, Gustavo Oliveira de. Sistemas de recomendação de animes utilizando machine learning com predicação de dados, 2022. Trabalho de conclusão de Curso. (Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas) - Fatec Taubaté, Taubaté, 2022. |
| Resumo: | Os Sistemas de recomendação representam as preferências dos usuários em ofertar itens de maior relevância para eles. Tendo isso em vista, o grande volume de formas de entretenimento disponível atualmente, um simples ato como de escolher um filme ou serie se torna mais complicado e essa dificuldade é elevada ainda mais quando envolve o nicho dos animes. Sendo assim, este trabalho apresenta uma proposta de um sistema web recomendação, que tem o objetivo de entregar recomendações de animes de modo assertivo, baseadas em avaliações de outros usuários, com a possibilidade de prever a nota que o usuário irá dar para as animações japonesas |
| Descrição: | Trabalho de Graduação apresentado à Coordenação do Curso Superior de Tecnologia em 2022 do Centro Estadual de Educação Tecnológica Paula Souza para a obtenção do diploma de Tecnólogo em 2022 |
| URI: | http://ric.cps.sp.gov.br/handle/123456789/11352 |
| Aparece nas coleções: | Trabalhos de Conclusão de Curso |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| analisedesenvolvimentosistema_2022_2_gustavo_recomendadordeanimeutilizandomachinelearningumaanalisebasedanaavaliacaodousuario_TG.pdf | 1.98 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.