Smart E-Commerce System with AI Recommendation Engine and Customer Behavior Analytics

E-commerce platforms usually contain a large number of products, which can make it difficult for customers to quickly find items that match their interests. This project presents a Smart E-Commerce System that combines a machine learning recommendation engine with customer behavior analytics and supports the main activities of customers, vendors, and administrators. The recommendation system uses a hybrid approach that combines collaborative filtering and content-based filtering. Collaborative filtering identifies similar product preferences based on user interactions using cosine similarity, while content-based filtering uses TF-IDF to find similarities between product information. When both methods are available, the system combines them using 75% collaborative filtering and 25% content-based filtering. Customer activities are also considered when generating recommendations. Different actions are given different weights based on their importance: viewing a product has a weight of 1.0, clicking 1.5, adding to a wishlist 2.0, adding to cart 3.0, and purchasing 5.0. Recent activities are given more importance through a time-decay method with a 45-day half-life. For new customers or users with fewer than five product interactions, the system recommends popular products as an alternative. The recommendation results are stored using Redis caching and can be accessed through the system API. The model is evaluated using temporal hold-out testing with metrics such as Precision@10, Recall@10, MAP@10, and catalog coverage. Overall, the project demonstrates how machine learning can be integrated into a practical e-commerce system to provide personalized product recommendations while supporting normal online shopping and management processes.

មេរៀនទី ១២៖ Final Project Integration, Submission និង Defense

មេរៀនទី ១២ នេះ គឺជាមេរៀនបញ្ចប់សម្រាប់វគ្គ Python Programming II – PyQt6 + SQLite3 Project Development។ មេរៀននេះផ្ដោតលើការរួមបញ្ចូលមុខងារទាំងអស់របស់គម្រោង Coffee Shop Management System ឱ្យក្លាយជាប្រព័ន្ធពេញលេញ សម្រាប់ប្រគល់ និងការពារចុងក្រោយ។ និស្សិតនឹងរៀនពីរបៀបពិនិត្យមុខងារទាំងមូល រៀបចំ Source Code, Database, Reports, Backup, User Manual, Technical Documentation, Testing Evidence, Final Report, Slide Presentation និង Demo Script។ មេរៀននេះជាការបញ្ចប់ដំណាក់កាលអភិវឌ្ឍន៍ ដើម្បីធានាថា Project មិនត្រឹមតែដំណើរការបាន ប៉ុន្តែមានរចនាសម្ព័ន្ធច្បាស់ មានឯកសារគាំទ្រ មានភស្តុតាង Testing និងអាចការពារបានយ៉ាងវិជ្ជាជីវៈ។

មេរៀនទី ១១៖ Testing, Documentation និង Final Defense Preparation

មេរៀនទី ១១ នេះ ផ្ដោតលើការធ្វើតេស្តកម្មវិធី ការរៀបចំឯកសារភស្តុតាង និងការត្រៀមការពារគម្រោងចុងក្រោយសម្រាប់កម្មវិធី Coffee Shop Management System ដែលបានអភិវឌ្ឍដោយប្រើ Python, PyQt6 និង SQLite3។ បន្ទាប់ពីនិស្សិតបានរៀនពីការបង្កើត GUI, CRUD, Search, Validation, Reports, Inventory, Sales, Authentication, RBAC, Audit Log, Dashboard, Export, Backup និង Deployment រួចហើយ មេរៀននេះនឹងណែនាំពីរបៀបធានាគុណភាពកម្មវិធី មុនពេលប្រគល់ និងការពារ។ និស្សិតនឹងរៀនបង្កើត Test Cases, Testing Checklist, Bug Report, User Manual, Technical Documentation, Final Report Structure, Slide Structure, Demo Script និង Q&A Preparation។ មេរៀននេះជាជំហានសំខាន់សម្រាប់ធ្វើឱ្យ Project មានលក្ខណៈវិជ្ជាជីវៈ មិនមែនត្រឹមតែ “កម្មវិធីដំណើរការ” ប៉ុណ្ណោះទេ ប៉ុន្តែមានភស្តុតាងថាបានសាកល្បង បានរៀបចំឯកសារ និងអាចការពារជាផ្លូវការបាន។

មេរៀនទី ១០៖ Project Packaging, Backup និង Deployment សម្រាប់កម្មវិធី PyQt6 + SQLite3

មេរៀនទី ១០ នេះ ផ្ដោតលើការរៀបចំកម្មវិធី Coffee Shop Management System ឱ្យក្លាយជាគម្រោងដែលអាចប្រគល់ អាចដំឡើង អាច Backup និងអាចប្រើប្រាស់បាននៅលើម៉ាស៊ីនអ្នកប្រើ។ បន្ទាប់ពីនិស្សិតបានបង្កើតប្រព័ន្ធដែលមាន Product CRUD, Search, Validation, Reports, Inventory, Sales, Authentication, RBAC, Audit Log, Dashboard និង Export Reports រួចហើយ មេរៀននេះនឹងបន្តទៅជំហានសំខាន់មួយទៀត គឺការរៀបចំ Project សម្រាប់ការប្រើប្រាស់ពិត និងការប្រគល់ចុងក្រោយ។ និស្សិតនឹងរៀនពី Project Packaging, requirements.txt, README, User Manual, Database Backup, Database Restore, Export Folder, Deployment Checklist និងការបង្កើត executable file ដោយប្រើ PyInstaller។ មេរៀននេះជួយឱ្យ Project របស់និស្សិតមិនត្រឹមតែដំណើរការលើម៉ាស៊ីនខ្លួនឯងប៉ុណ្ណោះទេ ប៉ុន្តែអាចរៀបចំជាប្រព័ន្ធស្តង់ដារសម្រាប់ការប្រើប្រាស់ ការប្រគល់ និងការការពារគម្រោងចុងក្រោយ។

មេរៀនទី ៩៖ Dashboard, Analytics និង Export Reports ក្នុង PyQt6 + SQLite3

មេរៀនទី ៩ នេះ ផ្ដោតលើការបង្កើត Dashboard, Analytics និង Export Reports សម្រាប់កម្មវិធី Coffee Shop Management System ដែលបានអភិវឌ្ឍពីមេរៀនមុនៗ។ បន្ទាប់ពីប្រព័ន្ធមាន Product CRUD, Search, Validation, Inventory, Sales, Authentication, RBAC និង Audit Log រួចហើយ មេរៀននេះនឹងបង្ហាញនិស្សិតពីរបៀបបម្លែងទិន្នន័យនៅក្នុង SQLite3 ឱ្យក្លាយជាព័ត៌មានសម្រាប់ការសម្រេចចិត្ត។ និស្សិតនឹងរៀនបង្កើត KPI Cards, Sales Summary, Low Stock Summary, Top Products, Payment Summary, Date Filter, CSV Export និង Report Evidence សម្រាប់ការពារគម្រោង។ មេរៀននេះជាជំហានសំខាន់ក្នុងការធ្វើឱ្យ Project មើលទៅជាប្រព័ន្ធគ្រប់គ្រងពិត ដែលមិនត្រឹមតែរក្សាទុកទិន្នន័យទេ ប៉ុន្តែអាចវិភាគ បង្ហាញ និងនាំចេញទិន្នន័យបាន។

មេរៀនទី ៨៖ Authentication, Role-Based Access Control និង Audit Log ក្នុង PyQt6 + SQLite3

មេរៀនទី ៨ នេះ ផ្ដោតលើការបន្ថែមសុវត្ថិភាព និងការគ្រប់គ្រងសិទ្ធិចូលប្រើក្នុងកម្មវិធី Coffee Shop Management System ដោយប្រើ Authentication, Role-Based Access Control (RBAC) និង Audit Log។ បន្ទាប់ពីនិស្សិតបានរៀនពី Product CRUD, Search, Validation, Reports, Inventory និង Sales Transaction នៅមេរៀនមុនៗ ប្រព័ន្ធចាប់ផ្ដើមមានទិន្នន័យសំខាន់ៗ ដូចជា ផលិតផល ស្តុក ការលក់ និងរបាយការណ៍។ ដូច្នេះប្រព័ន្ធត្រូវការកំណត់ថា អ្នកប្រើណាអាចចូលប្រើ អ្នកណាអាចបន្ថែម កែ លុប ឬមើលរបាយការណ៍បាន។ មេរៀននេះនឹងណែនាំនិស្សិតឱ្យបង្កើត Login Form, Users Table, Roles Table, Permissions Table, ការផ្ទៀងផ្ទាត់ពាក្យសម្ងាត់, ការគ្រប់គ្រងសិទ្ធិតាមតួនាទី និងការកត់ត្រាសកម្មភាពអ្នកប្រើក្នុង Audit Log។

មេរៀនទី ៧៖ Inventory, Sales និង Transaction Processing ក្នុង PyQt6 + SQLite3

មេរៀនទី ៧ នេះ ផ្ដោតលើការពង្រីកកម្មវិធី Coffee Shop Management System ពីការគ្រប់គ្រងផលិតផល និងរបាយការណ៍មូលដ្ឋាន ទៅកាន់ការគ្រប់គ្រង ស្តុកចូល ស្តុកចេញ ការលក់ និងប្រតិបត្តិការទិន្នន័យ។ និស្សិតនឹងរៀនពីរបៀបរចនា Tables សម្រាប់ stock_movements, sales និង sale_items ដើម្បីកត់ត្រាចលនាស្តុក និងការលក់ឱ្យមានភាពត្រឹមត្រូវ។ មេរៀននេះជាជំហានសំខាន់សម្រាប់យល់ពីការភ្ជាប់រវាង Product, Inventory និង Sales។ នៅក្នុងកម្មវិធីពិត ប្រតិបត្តិការលក់មិនមែនគ្រាន់តែបញ្ចូលទិន្នន័យលក់មួយជួរប៉ុណ្ណោះទេ ប៉ុន្តែត្រូវកាត់ស្តុក បង្កើត Invoice, គណនា Subtotal, Discount, Tax, Total និងរក្សាទុក Sale Items ទាំងអស់ក្នុង Database។

មេរៀនទី ៦៖ Search, Validation និង Reports ក្នុងកម្មវិធី PyQt6 + SQLite3

មេរៀនទី ៦ នេះ ផ្ដោតលើការកែលម្អកម្មវិធី Coffee Shop Product Management System ដែលបានចាប់ផ្ដើមភ្ជាប់ជាមួយ SQLite3 Database នៅមេរៀនទី៥។ ក្នុងមេរៀននេះ និស្សិតនឹងរៀនបន្ថែមអំពីការស្វែងរកទិន្នន័យឱ្យមានប្រសិទ្ធភាព ការពិនិត្យទិន្នន័យមុនរក្សាទុកឱ្យមានសុវត្ថិភាព និងការបង្កើតរបាយការណ៍សាមញ្ញសម្រាប់ជួយអ្នកគ្រប់គ្រងយល់ពីស្ថានភាពផលិតផល។ មេរៀននេះនឹងណែនាំការបង្កើត Advanced Search, Input Validation, Low Stock Report, Product Summary Report, CSV Export និងការរៀបចំលទ្ធផលក្នុង QTableWidget ឱ្យងាយអាន។ វាជាជំហានសំខាន់មុននឹងបន្តទៅមេរៀនទី៧ ដែលនឹងចាប់ផ្ដើមទៅកាន់ Inventory, Sales និង Transaction Processing។

មេរៀនទី ៥៖ ការរចនាមូលដ្ឋានទិន្នន័យ SQLite3 និងការភ្ជាប់ CRUD ជាមួយ PyQt6

មេរៀនទី ៥ នេះ ផ្ដោតលើការប្រើ SQLite3 Database ជាមួយកម្មវិធី PyQt6 GUI ដើម្បីបង្កើតមូលដ្ឋានគ្រឹះសម្រាប់ប្រព័ន្ធគ្រប់គ្រងទិន្នន័យពិត។ បន្ទាប់ពីនិស្សិតបានរៀនពី Widgets, Layouts និង Event-Driven Programming នៅមេរៀនមុនៗ មេរៀននេះនឹងបន្តទៅការរក្សាទុកទិន្នន័យទៅក្នុង Database តាមរយៈប្រតិបត្តិការ CRUD ដែលមាន Create, Read, Update និង Delete។ ជាឧទាហរណ៍អនុវត្ត និស្សិតនឹងបង្កើតប្រព័ន្ធ Coffee Shop Product Management ដែលអាចបន្ថែមផលិតផល រក្សាទុកទៅ SQLite3 បង្ហាញទិន្នន័យក្នុង Table កែប្រែទិន្នន័យ លុបទិន្នន័យ និងស្វែងរកផលិតផលបាន។ មេរៀននេះជាជំហានសំខាន់សម្រាប់បន្តទៅមេរៀនទី៦ ដែលនឹងផ្ដោតលើ Search, Validation និង Reports កាន់តែលម្អិត។

មេរៀនទី ៤៖ Event-Driven Programming និងការគ្រប់គ្រងសកម្មភាពអ្នកប្រើក្នុង PyQt6

មេរៀនទី ៤ នេះ ផ្ដោតលើគោលការណ៍ Event-Driven Programming ក្នុងការអភិវឌ្ឍកម្មវិធី GUI ដោយប្រើ PyQt6។ បន្ទាប់ពីនិស្សិតបានរៀនអំពី Widgets និង Layouts នៅមេរៀនមុនៗ មេរៀននេះនឹងបន្តទៅការគ្រប់គ្រងសកម្មភាពរបស់អ្នកប្រើ ដូចជា ការចុច Button, ការបញ្ចូលអត្ថបទ, ការជ្រើស Row ក្នុង Table, ការបញ្ជាក់មុនលុប និងការបង្ហាញសារជូនដំណឹង។ និស្សិតនឹងយល់ពីទំនាក់ទំនងរវាង Signal, Slot, Event, Method, និង Application State។ ជាលំហាត់អនុវត្ត និស្សិតនឹងបង្កើតកម្មវិធី Coffee Shop Product Event Demo ដែលអាចបន្ថែម កែប្រែ លុប ស្វែងរក បង្ហាញ Low Stock និងបង្ហាញ Dialog Message បានត្រឹមត្រូវ។

មេរៀនទី ៣៖ ការប្រើ Layouts និង Widgets ដើម្បីបង្កើត Mini Project Interface

មេរៀនទី ៣ នេះ ផ្ដោតលើការរៀបចំរចនាសម្ព័ន្ធផ្ទាំងកម្មវិធី GUI ឱ្យមានសណ្តាប់ធ្នាប់ និងងាយប្រើ ដោយប្រើ PyQt6 Layouts សំខាន់ៗដូចជា QVBoxLayout, QHBoxLayout, QGridLayout, QFormLayout និង QGroupBox។ បន្ទាប់ពីនិស្សិតបានសិក្សាពី Widgets និង Signals/Slots នៅមេរៀនទី២ មេរៀននេះនឹងបន្តទៅការរៀបចំ Widgets ទាំងនោះឱ្យក្លាយជាផ្ទាំងកម្មវិធីមានរចនាសម្ព័ន្ធច្បាស់លាស់។ ជាឧទាហរណ៍អនុវត្ត និស្សិតនឹងបង្កើត Coffee Shop Product Management Mini Project ដែលមាន Search Area, Product Form, Action Buttons និង Product Table។ មេរៀននេះជាជំហានសំខាន់មុនចូលទៅកាន់មេរៀនទី៤ ដែលនឹងផ្ដោតលើ Event-Driven Programming និងការគ្រប់គ្រងសកម្មភាពអ្នកប្រើក្នុងកម្មវិធី។

មេរៀនទី ២៖ ការប្រើ PyQt6 Widgets, Signals និង Slots

មេរៀនទី ២ នេះ ផ្ដោតលើការប្រើ PyQt6 Widgets សំខាន់ៗសម្រាប់បង្កើត Form និងផ្ទាំងកម្មវិធី GUI ដែលអាចទទួល បង្ហាញ និងគ្រប់គ្រងទិន្នន័យបាន។ និស្សិតនឹងសិក្សាអំពី QLineEdit, QTextEdit, QComboBox, QSpinBox, QCheckBox, QPushButton, QTableWidget និងការភ្ជាប់ព្រឹត្តិការណ៍តាមរយៈ Signals and Slots។ មេរៀននេះបន្តពីមេរៀនទី១ ដែលបានបង្កើតកម្មវិធី PyQt6 ដំបូង ហើយពង្រីកទៅការបង្កើត Form សម្រាប់បញ្ចូលព័ត៌មាននិស្សិត បន្ថែមទិន្នន័យចូលតារាង សម្អាត Form និងលុបជួរដេកដែលបានជ្រើស។ ជាមូលដ្ឋាន វាជាជំហានសំខាន់មុននឹងនិស្សិតបន្តទៅមេរៀនទី៣ ដែលនឹងរៀនពី Layouts និង Mini Project Interface ឱ្យមានរចនាសម្ព័ន្ធល្អប្រសើរជាងមុន។