Presentation: https://www.canva.com/design/DAGObkJMmmw/SJxybdr8ZfKIiumnPbOmbQ/edit
🧴 Skincare Product Recommender - Sephora Dataset
Este proyecto desarrolla un sistema de recomendación de productos de skincare basado en las características del usuario como tipo y color de piel, utilizando un dataset de productos de Sephora. Se aplican técnicas de análisis exploratorio, limpieza de datos y machine learning para sugerir productos adecuados a cada perfil.
⸻
📊 Objetivo
El objetivo es construir un modelo que ayude a los usuarios a encontrar productos de cuidado de la piel que se ajusten a sus necesidades individuales, basándose en datos reales.
⸻
🛠️ Tecnologías utilizadas • Lenguaje: Python • Librerías: Pandas, NumPy, Scikit-learn, Seaborn, Matplotlib • Entorno: Jupyter Notebook
⸻
🔍 Dataset • Fuente: Kaggle - Sephora Skincare dataset • Atributos clave: • Tipo de piel (Skin Type) • Color de piel (Skin Tone) • Calificación de producto (Rating) • Ingredientes • Precio
⸻
📌 Proceso 1. Cargar y limpiar datos: • Manejo de valores nulos • Codificación de variables categóricas 2. Análisis exploratorio: • Distribuciones por tipo y tono de piel • Preferencias de productos por perfil 3. Modelo de recomendación: • Filtrado basado en características del usuario • Ranking de productos según calificación promedio 4. Evaluación: • Métricas de precisión en recomendaciones • Validación cruzada (si aplica)
⸻
✅ Resultados • Se generaron recomendaciones personalizadas de skincare basadas en el perfil del usuario. • El sistema filtra productos con mejor rendimiento según usuarios con piel y tono similares.