🔑

추천시스템 입문

날짜

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.

주차	날짜	모듈
1주차	7월 12일(화)	추천시스템 개념 / TF-IDF 콘텐츠 기반 추천시스템 (+ 오후반 프로젝트 준비 1시간)
2주차	7월 19일(화)	Surprise 패키지를 활용한 k-NN 협업 필터링 (+ 오후반 프로젝트 준비 1시간)
3주차	7월 26일(화)	Matrix Factorization 행렬 분해 (+ 오후반 프로젝트 준비 1시간)
4주차	8월 2일(화)	딥러닝을 활용한 추천시스템 AutoRec (+ 오후반 프로젝트 준비 1시간)
5주차	8월 9일(화)	데이터 크롤링 특강 + 프로젝트 준비 (+ 오전반 주중 30분씩 리더와 팀 미팅 / 추후 안내)
6주차	8월 16일(화)	프로젝트 발표

6월 27일(월) ~ 7월 7일(목) 입금자 기준 선착순 오전반 비대면 최대 21명 / 오후반 대면 최대 30명 (정원 초과시 조기 마감될 수 있습니다. 마감시 해당 페이지를 통해 공지 드립니다.)

•

스터디 당일 PPT 자료 제공

자료 예시

너를 위한 추천시스템 2강. Content-Based Recommender System.pdf

2773.3KB

•

Colab 코드 제공

자료 예시

2-1. k-NN 추천시스템.ipynb

18.3KB

커리큘럼은 유동적으로 변경될 수 있습니다.

1주차 콘텐츠 기반 필터링

아이템 콘텐츠(글, 이미지, 음악 등) 형태에 따라 유사도를 계산하여 사용자가 좋아하는 것과 유사한 아이템을 추천합니다.

2주차 k-NN 기반 협업 필터링

다른 사용자들의 선호도를 기준으로 개인이 선호하는 아이템을 추천합니다.

아이템 기반, 사용자 기반으로 협업 필터링을 구현합니다.

3주차 행렬 분해 기반 협업 필터링

추천시스템의 가장 일반적인 기술인 행렬 분해 기반 협업 필터링에 대해 알아봅니다.

4주차 딥러닝 기반 추천시스템 AutoRec

지금까지 머신러닝으로 구현했다면, 이제는 딥러닝을 활용합니다!

딥러닝을 개념을 공부한 뒤 AutoRec을 구현합니다.