leeeun.log

NO DOTAE 도태되지 않기 위한 컴공 재학생의 몸부림

💭 Study/: Machine Learning

Ch04 추천 알고리즘 개요 '여러 후보 가운데 가치 있는 것을 선정'하는 것을 구현하는 추천 시스템 알고리즘에 대해 설명 1장에서 설명한 추천 시스템의 구서 요소 중 ‘프로세스(추천 설계)’에 해당 4.1 추천 알고리즘 분류 내용 기반 필터링(content-based-filtering)과 협조필터링(collaborative filtering) 내용 기반 필터링: 의 제목이나 저자, 장르 등과 같이 아이템의 내용을 나타내는 정보를 사용. 사용자가 선호하는 정보를 기반으로 내용이 비슷한 아이템을 계산함으로써 추천을 수행하는 알고리즘 협조 필터링: 다른 사용자의 과거 행동 등을 통해 얻어진 기호 경향을 활용하여 추천하는 알고리즘 메모리 기반 방법(memory-based method)과 모델 기반 방법(mod..

2024. 4. 7.

💭 Study/: Machine Learning

Chapter3 추천 시스템의 UI/UX 추천 시스템이 사용자에게 추천 결과를 전달할 때 어떤 화면(UI)에 따라 어떤 체험 (UX)을 제공해야 하는지에 주목하는 장이다. 3.1 UI/UX의 중요성 실제 서비스에 추천 시스템을 도입할 때 어느 정도 고도화된 추천 알고리즘을 사용해 사용자에게 가치가 있는 아이템을 선택할 수 있다고 해도 최적의 형태로 전달하지 못하면 그 가치도 전달되지 않는다. 따라서 추천 시스템의 UI/UX를 어떻게 구성하느냐도 중요한 문제이다. 3.2 서비스를 사용하는 사용자의 목적에 적합한 UI/UX 사례 사용자의 목적에 따른 UI/UX의 구체적인 사례 3.2.1 적합 아이템 발견 사용자가 자신의 목적을 달성하는 데 적합한 아이템을 서비스상에서 최소 1개 이상 발견하는 경우를 나타낸다..

2024. 3. 24.

💭 Study/: Machine Learning

Chapter 2 추천 시스템 프로젝트 2.1 추천 시스템 개발에 필요한 3가지 스킬 비즈니스 문제 해결 능력 비즈니스 관점에서 추천 시스템을 도입함으로써 무엇을 기대할 수 있는지 정의하는 것이 중요하다. 추천 시스템을 도입함으로써 사용자의 어떤 행동 변화를 기대하는가에 관한 Key Goal Indicator(KGI) 또는 Key Performance Indicator(KPI) 책정이 매우 중요 어떤 사용자의 어떤 행동을 최대화 할 것인가? 에 따라 추천 시스템 구현이 달라진다. ex) 유튜브의 KPI - 전체 시청 시간 데이터 사이언스 능력 비즈니스 목표를 달성하기 위한 이상적인 추천 시스템을 실제로 구현 가능한 추천 시스템으로 만들어내는 과정에서 중요하다. 한번에 이상적인 추천 시스템을 만드는 것이 ..

2024. 3. 18.

💭 Study/: Machine Learning

올해 나의 첫 도전이었던.. 데이터분석 & AI 동아리 KHUDA에서 많은 고민 끝에 선택한 심화트랙 추천 시스템! 데이터분석과 AI 쪽으로 진로를 잡기보다는 서비스에 AI를 활용하고, 좀 새로운 분야에 공부를 시도해보려고 동아리를 지원했었던 거라 많은 고민 끝에 CV, NLP, 데이터엔지니어링 여러 트랙 중 추천 시스템을 선택하였는데 아주 만족하고 있다. 서비스에 활용도 할 수 있고, 머신러닝 쪽이 그렇게 깊지 않아서 프로젝트에 활용할 수 있는 정도로 배우기 딱 좋은 것 같다. 그리고 일단.. 재밌다! (아직까지는) 사설이 길었는데 어쨌든 앞으로 추천시스템 입문 책을 학습하고 블로그에 꾸준히(제발) 기록하도록 하겠읍니다. 1장은 추천 시스템에 대한 소개, 예시, 역사와 종류, 검색 시스템과 추천시스템의..

2024. 3. 18.

💭 Study/: Machine Learning

Chapter02 데이터 다루기 02-1 훈련 세트와 테스트 세트 지도 학습과 비지도 학습 지도 학습 훈련 데이터와 정답이 필요 데이터 - 입력, 정답 - 타겟. 입력 + 타겟 = 훈련 데이터 입력으로 사용된 길이, 무게 → 특성 정답이 존재하므로 정답을 맞히는 것을 학습 ex) KNN-알고리즘 비지도 학습 타겟 없이 입력 데이터만 사용 → 정답을 맞추지 x 강화 학습 타겟이 아닌 알고리즘이 행동한 결과로 얻은 보상을 통해 학습 훈련 세트와 테스트 세트 테스트 세트: 평가에 사용하는 데이터 전체 데이터의 20~30% 정도 훈련 세트: 훈련에 사용되는 데이터 클수록 좋음 적절한 성능 평가는 훈련 세트와 테스트 세트가 달라야 함. (Ch1의 경우 훈련 세트와 테스트 세트가 동일) 샘플 : 하나의 데이터 샘플..

2024. 3. 17.

💭 Study/: Machine Learning

01-1 인공지능과 머신러닝, 딥러닝 인공지능이란? 인공지능은 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술이다. 인공일반지능=강인공지능 : 사람과 구분하기 어려운 지능을 가진 컴퓨터 시스템 ex) 영화 her 약인공지능: 사람의 일을 도와주는 보조 역할만 가능 ex) 시리, 알파고, 음악 추천 머신러닝이란? 머신러닝 (machine learning)은 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야이다. 인공지능의 ‘지능’을 구현하기 위한 소프트웨어를 담당하는 핵심분야이고, 통계학과 관련이 높다. 대표적인 머신러닝 오픈소스 라이브러리는 ‘사이킷런’ 이 책에서 사이킷런에 포함된 머신러닝 알고리즘을 배울 것 딥러닝이란? 많은 머신..

2024. 2. 27.