Python을 이용한 개인화 추천 시스템 | 추천 알고리즘 | 주요 인공 지능 – 인프라 | 강의
다양한 추천 알고리즘의 동작원리를 이해하여 나만의 맞춤 추천 알고리즘을 만들어 보세요!, – 강의소개 | 하부 구조
www.inflearn.com
안녕하세요.
인플런에서 ‘러프코딩’님의 ‘Python을 이용한 개인화 추천 시스템’ 강의 리뷰를 가져왔습니다.
(광고 및 제공되지 않습니다.)
물론 목적
– 추천제도에 대해 아무것도 몰라서 기본내용+실습을 해보고 싶었습니다.
– 추천제도 공부에서 이 강의로 공부하자고 제안했다.
수업료
44,000원
수업 시간
총 9장 41강(6시간 14분)
첫 번째 부분의 각 장마다 한 시간 조금 넘게 걸렸던 것으로 기억합니다.
강의구성
(모든 실습 데이터는 동영상 렌즈 데이터입니다.
https://grouplens.org/datasets/movielens/)
0장. 구약
1페이지. 추천 시스템 소개
추천 시스템의 정의와 다양한 알고리즘에 대한 개요입니다.
제2장 기본 추천 시스템
베스트 셀러 상품 추천 방법, 그룹별 추천 방법, 정확도 측정(+ 훈련)
제3장 협업 필터링 추천 시스템
협업 필터링의 원리, 다양한 유사성 지표, 기본 CF, KNN CF, 평가 경향을 고려한 CF, UBCF 및 IBCF, 성능 측정 지표(+ 훈련)
제4장 행렬 분해(MF)에 기반한 추천
MF법, SGD법, train/test set 분리, 최적 매개변수 찾기(+ 훈련)
5장. 서프라이즈 패키지 사용
서프라이즈 패키지, 여러 알고리즘, 유사성 지수 유형, 조건 비교(+ 훈련)
Chapter 6. 딥러닝을 이용한 추천 시스템
MF를 신경망으로 변환, 딥러닝을 적용한 추천 시스템(+ 훈련)
제7장 하이브리드 추천 시스템
CF와 MF를 결합한 하이브리드 추천 시스템의 특징(+ 훈련)
8장. 대규모 데이터 처리를 위한 희소 행렬 사용
Sparse Matrix의 개념, COO 형식 및 CSR 형식(+ 훈련)
제9장 추천 시스템 구축의 문제점
콜드 스타트 문제, 확장성, 활용성, 바이너리 데이터, 사용자 간접 평가 데이터
검토
– 좋은 간결하고 요점 설명
– 강의자료 PPT가 실망스러웠습니다.
– 연습이 많아서 좋았다.
– 작업 중간에 어떻게 하는지 설명해주셔서 좋았습니다.
– 연습코드 설명은 많은데 적다(?) (제가 실력이 부족해서 그런가…) 같이 코드 따라하면 빨라서 멈췄다가 다친 뒤에 설명을 듣기 위해 다시 재생하는데 뭔가 아쉽다. 어떤 부분은 자세히 설명했고, 어떤 부분은 반복했고, 어떤 부분은 건너뛰고 지루했습니다. (그냥 내 집중력이 거기에 가는 것일지도.)
– 연습은 나에게 코드를 줘,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,ㅋ
(반복할 때 다른 개념을 좀 더 설명해주시면 좋을텐데 아쉽네요 ㅠㅠ 도움이 많이 되었어요)
– 듣고 나니 어느 정도 머릿속에 추천제도가 그려졌다.
– 데이터 활용과 실제 사례에 대해 더 알고 싶었지만 초심자의 강의라 큰 기대는 하지 않겠습니다.
– 대체적으로 만족합니다. (평점 4점 ㅎ)