Mangetamain - Analyse de Données Culinaires

Application web interactive développée avec Streamlit pour analyser un corpus de ~230 000 recettes et leurs interactions utilisateurs.

Projet académique - Telecom Paris - MS Big Data Expert ML OPS - IADATA700 Kit Big Data (2025-2026)

Fonctionnalités principales :

• 🍳 Clustering des ingrédients - Matrice de co-occurrence 300×300 précalculée, K-means et visualisation t-SNE

• � Analyse de popularité - Relations entre notes, interactions et caractéristiques avec preprocessing IQR

• 🏠 Exploration des données - Statistiques descriptives et métriques clés

• ⚡ Optimisations avancées - Preprocessing offline + système de cache pour performances optimales

• 🌐 Déploiement cloud - Streamlit Cloud (gratuit, actif) + AWS EC2 testé (désactivé)

Stack technique :

• Frontend : Streamlit

• ML/Analytics : scikit-learn (K-means, t-SNE), NLTK

• Data : Pandas, NumPy

• Visualisation : Plotly, Matplotlib

• Tests : pytest (160 tests, 49% coverage)

• Docs : Sphinx, PlantUML

Accès en ligne :

• 🌐 Streamlit Cloud (actif) : https://iadata700mangetamain-uwgeofayxcifcmeisuesrb.streamlit.app/

Note : Un déploiement AWS EC2 a été testé puis désactivé pour éviter les coûts. L’architecture reste documentée ci-dessous.

Documentation

• Mangetamain - Guide de Développement
  • 🚀 Installation Rapide
  • 📋 Pages de l’Application
  • 🏗️ Architecture
  • ⚡ Optimisations
  • 🧪 Tests
  • 📖 Documentation Complète
• src
  • src package

Architecture

• Architecture AWS
• Diagramme de classes

Qualité

• Tests et Couverture

Indices et tables

• Index

• Index du module

• Page de recherche