After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
이제 우리는 온라인에서 개인화된 경험을 기대합니다. Netflix가 시청할 프로그램을 추천하거나 온라인 소매점이 함께 구매할 만한 상품을 제안하는 것처럼요. 그런데 이런 추천은 어떻게 만들어질까요? 이 강의에서는 직접 추천 엔진을 만들기 위해 필요한 모든 내용을 배웁니다. 실습을 통해 가장 흔히 쓰이는 두 가지 방식인 협업 필터링과 콘텐츠 기반 필터링을 익힙니다. 이어서 Jaccard 거리와 코사인 유사도 같은 유사도 측정 방법과, 루트 평균 제곱 오차(RMSE)를 사용해 테스트 데이터에서 추천 품질을 평가하는 방법을 배웁니다. 강의가 끝나면 직접 영화 추천 엔진을 만들어 보게 되며, Python 실력을 바탕으로 어떤 산업에도 적용할 수 있는 추천 시스템을 구현할 수 있게 됩니다.
사전 요구 사항
커리큘럼
코스 개요
1
추천 엔진 소개
추천 엔진은 어떤 문제를 풀기 위해 설계되었고, 어떤 데이터가 가장 잘 맞을까요? 데이터가 제한적이어도 어떤 통찰력 있는 추천이 가능한지 파악하고, 직접 추천을 만드는 방법을 배웁니다.
2
콘텐츠 기반 추천
아이템 속성으로 어떻게 추천을 만들 수 있는지 알아봅니다. 범주형 데이터와 텍스트 데이터를 활용해 아이템 간 유용한 비교를 만들고, 사용자의 과거 선호를 바탕으로 새로운 아이템을 추천하기 위한 프로필을 생성해 봅니다.
3
협업 필터링
비슷한 취향을 가진 다른 사용자를 찾아 새로운 아이템을 발견하고 추천하세요. 사용자 기반과 아이템 기반 추천을 만들고, 각각을 언제 사용해야 하는지 배웁니다. k-최근접 이웃 모델을 사용해 다수의 지혜를 활용하고, 아직 접하지 않은 아이템에 대해 사용자가 어떻게 평가할지 예측해 봅니다.
4
행렬 분해와 예측 검증
현실 세계 데이터셋의 희소성이 추천에 어떤 영향을 미치는지 이해합니다. 이 희소성을 다루기 위해 행렬 분해의 힘을 활용하세요. 잠재 특성의 가치를 탐구하고 이를 사용해 데이터를 더 잘 이해합니다. 마지막으로, 배운 각 접근법을 어떻게 검증하는지 익혀 모델을 실제로 평가해 봅니다.
Python으로 추천 엔진 만들기
코스
완료
