Upload 5 files

pages/04_🎯_Results.py

@@ -0,0 +1,49 @@
+import streamlit as st
+from PIL import Image
+
+
+image = Image.open("pages/results.png")
+st.image(image, use_column_width=True)
+
+# st.markdown("### Проект на тему: <<Рекомендательные системы>>")
+
+st.markdown(
+    """
+    <style>
+        section[data-testid="stSidebar"][aria-expanded="true"]{
+            display: none;
+        }
+    </style>
+    """,
+    unsafe_allow_html=True,
+)
+
+
+st.header("Итоги проекта:", divider="rainbow")
+
+st.markdown(
+    """
+1. 1 день. Спарсено 10000 описаний сериалов с сайта https://kino.mail.ru, подготовлена страница-макет на huggingface, которая возвращала случайные 10 сериалов из выборки.
+2. 2 день. В ipynb-файлах подготовлены 2 реализации подобра сериалов - классический метод по косинусному сходству и с использованием библиотеки Faiss. Начато развертывание проекта на huggingface.
+3. 3 день. Проект завершен на huggingface, произведена оптимизация кода.
+4. Общее: для векторизации текста была использована модель MiniLM-L12-v2.
+"""
+)
+
+
+st.markdown("---")
+
+word_freq = Image.open("pages/word_freq.png")
+st.image(word_freq, use_column_width=True)
+
+st.markdown("---")
+
+country_freq = Image.open("pages/serials_by_country.png")
+st.image(country_freq, use_column_width=True)
+
+st.markdown("---")
+
+genre_freq = Image.open("pages/serials_by_genre.png")
+st.image(genre_freq, use_column_width=True)
+
+st.markdown("---")