The latest articles on DEV Community by Alberto Martinez (@albertomartnz). https://dev.to/albertomartnz https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F3942894%2Ff41a0090-0de7-499d-880f-b0d41936779a.jpeg https://dev.to/albertomartnz en Alberto Martinez Mon, 25 May 2026 18:22:03 +0000 https://dev.to/evolve-space/construyendo-un-recomendador-de-peliculas-en-python-de-los-datos-al-modelo-3m16 https://dev.to/evolve-space/construyendo-un-recomendador-de-peliculas-en-python-de-los-datos-al-modelo-3m16 <h2> Introducción </h2> <p>Los sistemas de recomendación están presentes en muchas plataformas digitales: streaming, e-commerce, música, formación online o personalización de contenidos. Su objetivo es ayudar al usuario a descubrir elementos relevantes dentro de catálogos cada vez más grandes.</p> <p>En este proyecto he desarrollado <strong>CineMatch AI</strong>, un sistema de recomendación de películas basado en filtrado colaborativo por ítems. La idea principal es sencilla: dada una película de referencia, el sistema recomienda otras películas similares a partir de los patrones históricos de valoración de los usuarios.</p> <p>El objetivo no era construir una solución empresarial completa, sino un prototipo funcional, reproducible y bien estructurado que permitiera trabajar un flujo completo de Data Science: análisis de datos, preprocesamiento, construcción del sistema de recomendación, evaluación exploratoria y presentación mediante una interfaz sencilla.</p> <h2> Dataset utilizado </h2> <p>Para el proyecto he utilizado el dataset <strong>MovieLens</strong>, una referencia habitual para trabajar con sistemas de recomendación.</p> <p>El conjunto de datos incluye información sobre películas, usuarios y valoraciones. En este caso, el trabajo se ha centrado principalmente en dos archivos:</p> <ul> <li><code>ratings.csv</code></li> <li><code>movies.csv</code></li> </ul> <p>Tras el proceso de filtrado, el sistema trabaja con:</p> <ul> <li>446.702 ratings finales</li> <li>3.728 películas</li> <li>4.356 usuarios activos</li> <li>una matriz usuario-película con una densidad aproximada del 2,75%</li> </ul> <p>Este último punto es importante, porque en los sistemas de recomendación es habitual trabajar con matrices muy dispersas: muchos usuarios han valorado solo una pequeña parte del catálogo total.</p> <h2> Proceso seguido </h2> <p>El flujo del proyecto se divide en varias fases.</p> <p>Primero se realizó la carga y exploración inicial de los datos, revisando el volumen de registros, la distribución de ratings y la información disponible sobre las películas.</p> <p>Después se aplicaron filtros para mejorar la calidad de las recomendaciones:</p> <ul> <li>películas con al menos 20 valoraciones.</li> <li>usuarios con al menos 10 valoraciones.</li> </ul> <p>Este filtrado reduce ruido y evita que el sistema se base en películas o usuarios con muy poca información histórica.</p> <p>A continuación se construyó una matriz usuario-película, donde cada fila representa un usuario, cada columna una película y cada valor corresponde a la puntuación asignada. A partir de esta matriz, el sistema compara películas entre sí usando <strong>similitud del coseno</strong>.</p> <p>La lógica es la siguiente: si dos películas han sido valoradas de forma parecida por muchos usuarios, el sistema interpreta que existe cierta similitud entre ellas.</p> <h2> Sistema de recomendación </h2> <p>El recomendador está basado en <strong>filtrado colaborativo por ítems</strong>. En lugar de comparar usuarios entre sí, compara películas a partir de los patrones de valoración.</p> <p>Este enfoque tiene varias ventajas:</p> <ul> <li>es fácil de explicar.</li> <li>funciona bien cuando existen suficientes valoraciones.</li> <li>permite generar recomendaciones interpretables.</li> <li>puede adaptarse a otros dominios como productos, canciones, cursos o contenidos digitales.</li> </ul> <p>Además del análisis en notebook, el proyecto incluye una pequeña aplicación con <strong>Streamlit</strong>, pensada para probar el sistema de forma visual. Desde la interfaz se puede buscar una película, seleccionar una coincidencia del catálogo y obtener un top 5 o top 10 de recomendaciones con su score de similitud.</p> <p>También se incluye una API básica con <strong>FastAPI</strong> como demostración complementaria de cómo podría exponerse la lógica del recomendador.</p> <h2> Resultados </h2> <p>El sistema genera recomendaciones coherentes, especialmente para películas con suficientes valoraciones históricas.</p> <p>Algunos resultados principales del análisis fueron:</p> <ul> <li>matriz usuario-película de 4.356 usuarios por 3.728 películas.</li> <li>446.702 ratings utilizados tras el filtrado.</li> <li>similitud media top-N de 0,5662.</li> <li>consistencia media de géneros del 81,5%.</li> <li>94 de 100 películas evaluadas con una consistencia de géneros superior al 50%.</li> </ul> <p>Por ejemplo, para una película como <code>Scarface (1983)</code>, el sistema recomienda títulos relacionados con géneros como crimen, drama, thriller o acción, lo que muestra una cierta coherencia temática en las recomendaciones.</p> <h2> Limitaciones </h2> <p>Como ocurre en muchos sistemas de recomendación, el proyecto también tiene limitaciones.</p> <p>La más importante es el problema de <strong>cold start</strong>: si una película o usuario no tiene valoraciones suficientes, el sistema no dispone de información histórica para generar recomendaciones fiables.</p> <p>Además, el filtrado por popularidad mejora la calidad de las recomendaciones, pero reduce la cobertura total del catálogo. También hay que tener en cuenta que el sistema recomienda a partir de patrones históricos de valoración, no por una comprensión semántica profunda del contenido de las películas.</p> <p>Por último, la evaluación realizada es exploratoria. No debe interpretarse como una evaluación supervisada definitiva, ya que no se ha aplicado una separación train/test ni métricas de ranking como Precision@K, Recall@K o NDCG, habituales en la evaluación de sistemas de recomendación.</p> <h2> Aprendizajes </h2> <p>Este proyecto me ha servido para entender mejor cómo se estructura un sistema de recomendación desde una perspectiva práctica.</p> <p>Más allá de la técnica de similitud, una parte importante del trabajo ha estado en preparar los datos, tomar decisiones de filtrado, construir una estructura reproducible y presentar los resultados de forma clara.</p> <p>También me ha parecido especialmente interesante comprobar cómo una técnica relativamente sencilla, como la similitud del coseno, puede generar recomendaciones razonables cuando los datos están bien tratados.</p> <h2> Próximos pasos </h2> <p>Algunas mejoras naturales para futuras versiones serían:</p> <ul> <li>combinar ratings y géneros en un sistema híbrido.</li> <li>incorporar técnicas de factorización matricial como SVD o NMF.</li> <li>mejorar la evaluación offline con métricas de ranking.</li> <li>guardar la matriz de similitud precomputada para acelerar la demo.</li> <li>desplegar la aplicación para facilitar su uso externo.</li> </ul> <h2> Repositorio </h2> <p>El código completo del proyecto está disponible en GitHub:</p> <p><a href="https://github.com/evolve-space/Proyecto-Master-DataScience-Evolve-AlbertoMartinez" rel="noopener noreferrer">https://github.com/evolve-space/Proyecto-Master-DataScience-Evolve-AlbertoMartinez</a></p> <p>Podeis contactarme en mi LinkedIn:<br> <a href="https://www.linkedin.com/in/albertomartinezsanchez" rel="noopener noreferrer">https://www.linkedin.com/in/albertomartinezsanchez</a></p> <p>Proyecto desarrollado durante el Máster en Data Science &amp; Desarrollo de IA de Evolve.</p> python datascience machinelearning streamlit