One day class
교육개요
이 강의는 추천 시스템의 성과를 평가하는 핵심 지표인 RMSE와 NDCG에 대한 이해를 돕고, KNN과 Naive Bayes Classification을 사용한 컨텐츠 기반 추천 시스템, TF-IDF 알고리즘을 실습합니다. 또한, User-based와 Item-based, Rule-based, 그리고 모델 기반 협업 필터링의 차이점을 비교 분석하며, Latent Factor Model, Matrix Factorization, SGD, ALS 등을 통해 사용자와 아이템 간의 상호 작용을 모델링하는 방법을 배웁니다. 실제 데이터를 사용한 실습을 통해 이론을 실전에 적용하는 방법을 익히고, 추천 시스템의 성능을 실질적으로 향상시킬 수 있는 지식을 습득합니다. 데이터 과학의 가장 매혹적인 영역 중 하나로 여러분을 초대합니다. 지금 이 강의를 통해 추천 시스템 전문가로 거듭나십시오!
교육목표
컨텐츠 기반 추천시스템에 대해 학습하며, 각 알고리즘 특징과 성능차이에 대해 이해할 수 있습니다.
강의내용
[Chapter1. 추천시스템]
· 학습 목표
추천 시스템의 평가 방법을 이해하고, 이를 통해 데이터를 분석하고 분류하여 추천 시스템에 적용하는 방법을 학습합니다.
· 주요 내용
1. RMSE, NDCG
2. 컨텐츠기반 추천시스템
3. KNN, Naive Bayes Classification
4. TF-IDF 추천알고리즘 실습
[Chapter2. 협업필터링]
· 학습 목표
협업 필터링의 다양한 개념과 구현 방법을 이해하고, 사용자와 아이템 간의 상호 작용을 모델링하는 방법을 배워 추천 시스템의 성능을 향상시키는 방법을 학습합니다.
· 주요 내용
1. 협업필터링 개념
2. User-based vs. Item-based 협업필터링
3. Rule-based 협업필터링
4. 모델기반 협업필터링
5. Latent Factor Model, Matrix Factorization, SGD, ALS, Implicit, Explicit feedback
6. 협업필터링 성능 비교