user@devops:~$ cat README.md
Sistemas de Recomendação
# Descrição
Projeto completo de sistemas de recomendacao com tres abordagens classicas: Collaborative Filtering (User-User e Item-Item baseado em similaridade cosseno), Matrix Factorization SVD (decomposicao em fatores latentes com scikit-surprise, validacao cruzada 5-fold), e Content-Based Filtering (recomendacao baseada em categorias de itens). Dataset sintetico realista com 300 usuarios, 60 itens e 5,000 ratings (72% sparse). Inclui visualizacao de matriz usuario-item, fatores latentes, similaridade de conteudo e erro por item.
# Características principais
$ Collaborative Filtering User-User e Item-Item com similaridade cosseno
$ Matrix Factorization SVD com validacao cruzada 5-fold
$ Content-Based Filtering baseado em categorias de itens
$ Top-5 recomendacoes personalizadas por usuario
$ Metricas de avaliacao RMSE e MAE para cada abordagem
$ Visualizacao de fatores latentes e similaridade de conteudo
$ Comparativo de 3 abordagens com 5,000 ratings sinteticos
# Galeria
# Tecnologias utilizadas
