Let's Dine - Recommandation de restaurants par géolocalisation
Sotis AI
Description
Application de recommandation gastronomique calculant la distance entre l'utilisateur et les restaurants à proximité via la formule de Haversine. Le projet inclut deux versions : une optimisée Pandas pour les petits volumes (~6 300 restaurants parisiens) et une version Apache Spark capable de traiter 15 millions d'établissements en temps réel. Cette double implémentation permet de comparer les performances et de démontrer les avantages du traitement distribué sur de grands volumes de données.
Points clés
Trouver des restaurants à proximité en utilisant les coordonnées GPS. Comparaison des performances Pandas vs PySpark.
Outils & Technologies
Python
Streamlit
BigQuery
Spark
Docker
Google Firebase
Google Analytics
AWS S3
GitHub
Approche & Méthodes
Formule de Haversine pour le calcul de distance. Benchmark Pandas vs PySpark sur grands volumes.
Statut
Open source
