Proyecto de Análisis de Datos y Sistema Recomendaciones para Juegos de Steam

---

Descripción del Proyecto

Este proyecto utiliza FastAPI y Pydantic para crear una API que ofrece análisis y recomendaciones relacionadas con juegos de Steam. El proyecto se enfoca en el procesamiento y análisis de datos, abordando áreas como análisis de sentimientos en reseñas, estadísticas de usuarios, información de desarrolladores y más.

• Accede a Deploy del Proyecto: Web API
• Sustentación de Proyecto: Vídeo YouTube

Estructura del Proyecto

• Main Script (server/main.py):

  • Contiene la lógica principal de la API utilizando el framework FastAPI.
  • Define varios modelos Pydantic para la validación de datos de entrada y salida.
  • Implementa varios endpoints para acceder a diferentes funcionalidades del proyecto.

• Procesamiento de Sentimientos (SentimentAnalysisProcessor):

  • Clase encargada de realizar el análisis de sentimientos en las reseñas de los juegos.
  • Procesa el DataFrame post ETL y genera una nueva versión con información de sentimientos.

• Modelado de Algoritmo (cosine_similarity):

  • Clase encargada de generar la matriz de carasteristicas para las las reseñas de los juegos.
  • Recibe un dataframe escalado (Post Métodos Label encoder y Hot Enconder) lo que ayuda al redimiento para las estimaciones en el sistema de recomendación.

• Notebook de Data Science (notebooks/*.ipynb):

  • Contiene el desarrollo desde la etapa inicial EDA, ETL(Modelamiento), Entrenamiento y adicionalmente al marco de presentación para Henry, propone predecir ¿Si un usuario recomendara o No el juego? combinando SentimentAnalysisProcessor y DecisionTreeClassifier, en proceso para realizar estimaciones en el proyecto.

---

Endpoints

1. Información del Desarrollador:

   • Endpoint: /developer-items-data
   • Descripción: Obtiene información detallada sobre un desarrollador específico, incluyendo la cantidad de items y el contenido gratuito en diferentes años.

2. Estadísticas de Usuario:

   • Endpoint: /user-data-stats/{user_id:str}
   • Descripción: Proporciona estadísticas para un usuario específico basadas en su ID de Steam, incluyendo el dinero gastado, el porcentaje de recomendación y la cantidad total de items.

3. Horas Jugadas por Género:

   • Endpoint: /user-playtime-by-genre
   • Descripción: Muestra las horas jugadas por usuarios para un género específico y el usuario con más horas jugadas en ese género.

4. Desarrolladores Principales por Año:

   • Endpoint: /top-developers-by-year
   • Descripción: Identifica a los desarrolladores principales en un año específico según la cantidad de juegos recomendados.

5. Análisis de Reseñas por Desarrollador:

   • Endpoint: /developer-reviews-analysis
   • Descripción: Analiza las reseñas de un desarrollador específico, contando la cantidad de reseñas positivas, negativas y neutrales.

6. Sistema de Recomendación: Juegos Similares:

   • Endpoint: /similar_item_id
   • Descripción: Se ha implementado un sistema de recomendación basado en la similitud de juegos. Referenciando Id productos pueden obtener una lista de juegos similares a uno de referencia.

7. Sistema de Recomendación: Juegos Similares con User ID:

   • Endpoint: /get_similar_games
   • Descripción: Se ha implementado un sistema de recomendación basado en la similitud de juegos. Los usuarios pueden obtener una lista de juegos similares a uno de referencia.

---

Machine Learning a Sistemas de Recomendación

Indicador de reviews de usuarios de Steam.

Preparación de Datos

• Hallazgos:

• En la tabla steam_games, todas las columnas tienen un porcentaje significativo de valores nulos o vacíos, que oscila entre aproximadamente el 20% y el 26.6%.

• En la tabla user_reviews, la mayoría de las columnas tienen el 100% de valores nulos o vacíos, excepto las columnas review, funny y last_edited, que tienen algunos valores presentes.

• En la tabla users_items, todas las columnas tienen el 100% de valores nulos o vacíos.

• Se estandarizaron 47675 registros en modelo de usuarios Steam para el análisis.

• Se dividió el conjunto de datos en conjuntos de entrenamiento y prueba, con un 80% para entrenamiento y un 20% para prueba.

• Se categorizaron 18 variables como factores de riesgo relevantes.

• Revisar supuestos:
  1_EDA.ipynb
  2_Modelamiento.ipynb
  

Entrenamiento y Predicciones SentimentAnalysisProcessor y DecisionTreeClassifier.

• Se entrenó un modelo de Árboles de Decisión para predecir riesgo de biopsias.
• El modelo tuvo una precisión de 78% y capacidad de detección (recall) de 63% en el conjunto de prueba.
• Predijo correctamente un78% de casos de alto riesgo en la validación.
• Revisar supuestos:
  3_Entrenamiento.ipynb
  4_Prediciones.ipynb

Explicación a Usuarios y/o Inversores.

• Con la precisión actual del 78%, más de la mitad de las predicciones serían correctas, lo cual es aceptable.
• Para uso en proyectos reales se debería alcanzar al menos una precisión cerca del 80%, con recall sobre 60%.
• Estamos trabajando en conseguir datos adicionales de usuarios de Steam para mejorar la detección de los casos complejos.
• Agradecemos su paciencia; los mantendremos informados sobre el progreso en las próximas semanas.

En resumen, el desempeño actual del 78%de precisión es viable para en proyectos reales confiable. Trabajaremos en mejorar la calidad del modelo mediante la incorporación de más datos de en sistemas de recomendación.

Consideraciones Importantes

• El proyecto utiliza el modelo NLTK para el análisis de sentimientos en las reseñas de juegos.
• Incorporar un sistema de recomendación de juegos basado en el historial de juegos y preferencias de los usuarios.
• Implementar autenticación y autorización para proteger ciertos endpoints sensibles.
• Mejorar la modularidad del código para facilitar la incorporación de nuevas funcionalidades.