✏️ 추천시스템이 무엇인가요?
추천시스템은 어떤 사용자가 관심가질 만한 아이템을 추천하는 방법입니다. 최근에는 딥러닝의 도입으로 개인화 추천시스템 기술이 발전하고 있습니다.
추천시스템은 특히 우리가 직접적으로 느낄 수 있습니다. 유튜브, 네이버 뉴스 기사, 스포티파이 나만의 플레이리스트 등 이미 추천시스템 기술은 우리 삶 속에 깊이 자리하고 있습니다. 그만큼 기업에서도 추천시스템 전문가를 찾는 수요도 높습니다.
이번 추천시스템 스터디에서는 직접 수집한 YES24 베스트셀러 / 네이버 영화 평점 데이터를 활용하여 추천시스템을 구현해보도록 하겠습니다.
🗒️ 추천시스템 입문 2023 여름 커리큘럼
주차 | 날짜 | 모듈 |
1주차 | 7월 27일(목) | 추천시스템 개념 Content-Based Filtering |
2주차 | 8월 3일(목) | Collaborative Filtering |
3주차 | 8월 10일(목) | Matrix Factorization |
4주차 | 8월 17일(목) | AutoRec |
5주차 | 8월 24일(목) | 추천시스템 최신 동향 |
추천시스템 입문 상세 커리큘럼
1주차 추천시스템 개념 Content-Based Filtering
추천시스템에 대한 기본적인 개념을 공부합니다. 콘텐츠 기반 필터링(Content-Based Filtering)은 아이템의 콘텐츠(글, 이미지, 음악 등) 형태에 따라 유사도를 계산하여 사용자가 좋아하는 것과 유사한 아이템을 추천하는 방법론입니다. TF-IDF를 활용하여 유사한 텍스트를 필터링하는 방법론을 배웁니다.
2주차 Collaborative Filtering
협업 필터링(Collaborative Filtering)은 다른 사용자들의 선호도를 기준으로 개인이 선호하는 아이템을 추천하는 방법입니다.
네이버 영화 데이터를 기준으로 아이템 기반, 사용자 기반으로 협업 필터링을 구현합니다.
3주차 Matrix Factorization
추천시스템의 가장 일반적인 기술인 행렬 분해 기반 협업 필터링의 수학적인 원리와 구현 방법에 대해 알아봅니다.
4주차 AutoRec
AutoRec은 AutoEncoder를 변형한 딥러닝 기반의 추천시스템 방법론입니다. 함께 논문을 읽으며, 논문 읽는 방법에 대해 알아보고 AutoRec의 원리를 파헤칩니다. [Paper]
5주차 추천시스템 최신 동향
YouTube, Netflix, Twitter 등의 기업의 추천시스템 적용 방법론 아티클을 읽으며 실제 추천시스템 작동 방법에 대해 알아봅니다.
클래스 FAQ
- Python과 머신러닝에 대한 기본적인 이해가 있어야 합니다.
- 직접 수집한 데이터를 활용하여 실제로 이해 가능한 추천시스템을 구축하는 것을 목표로 합니다.
리더를 소개합니다!
비전공자로 데이터 분석(시각화)을 거쳐 AI에 입문하였습니다. 현재 인공지능 대중화를 목표로 입문자들을 위한 콘텐츠를 제작하는 프로젝트 팀 deep daiv.를 리드하고 있습니다.
약력
- 강의평 기반 강의 추천시스템, 뉴스 기사 의미 연결망 분석 등 자연어 처리(NLP) / 추천시스템 관련 프로젝트 다수 진행
- 2022년부터 머신러닝 / 텍스트마이닝 / 추천시스템 강의 진행
- AI 뉴스레터, 아티클, 매거진을 제작하며 네이버커넥트, 셀렉트스타 등 기업에 기고
- 데이터 분석 경진대회 DACON 최우수상 및 공모전 수상 경험 다수