본문내용 바로가기
무료배송 이벤트 사은품 소득공제

Python을 이용한 개인화 추천시스템

임일 지음 | 청람 | 2020년 08월 25일 출간
클로버 리뷰쓰기
  • 정가 : 18,000원
    판매가 : 18,000 [0%↓ 0원 할인]
  • 혜택 :
    [기본적립] 540원 적립 [3% 적립] [추가적립] 5만원 이상 구매 시 2,000원 추가적립 안내 [회원혜택] 회원 등급 별, 3만원 이상 구매 시 2~4% 추가적립 안내 [리뷰적립] 리뷰 작성 시 e교환권 최대 300원 추가적립 안내
  • 추가혜택 : 포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    지금 주문하면 내일( 4일,토) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내 바로드림 혜택
    휴일에는 바로드림 픽업으로 더 빨리 받아 보세요. 바로드림 혜택받고 이용하기

이 책의 이벤트

해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.
  • 다른 개발자들은 무슨 책 읽고 있을까?
    2021.12.02 ~ 2022.12.31
  • 2021 올해의 IT 책 투표하고 e-교환권 받으세요!(선착순 ..
    2021.11.22 ~ 2021.12.03
  • 컴퓨터/IT 도서 2만원 이상 구매 시 개발자 매거진 사은품 선..
    2021.11.11 ~ 2021.12.31
  • 2022 캘린더 수록한 IT독자를 위한 readIT 노트 사은품
    2021.10.14 ~ 2021.12.31
  • 책을 통해 성장해나가는 개발자를 응원합니다.
    2017.06.22 ~ 2025.07.31
상품상세정보
ISBN 9788959727667(8959727660)
쪽수 158쪽
크기 189 * 257 * 11 mm /401g 판형알림

책소개

이 책이 속한 분야

현재 추천 알고리즘으로 가장 널리 사용되는 협업 필터링(Collaborative Filtering: CF),
행렬 요인화(Matrix Factorization: MF), 딥러닝(Deep Learning: DL) 알고리즘의 작동원리와 Python을 사용한 개인화 추천 시스템 구축을 다루고 있다.
추천 시스템의 기본적인 원리를 이해하는 데 활용할 수 있다.

목차

Chapter 1 추천 시스템 소개
1.1 주요 추천 알고리즘
1.2 추천 시스템 적용 사례

Chapter 2 기본적인 추천 시스템
2.1 데이터 읽기
2.2 인기제품 방식
2.3 추천 시스템의 정확도 측정
2.4 사용자 집단별 추천

Chapter 3 협업 필터링 추천 시스템
3.1 협업 필터링의 원리
3.2 유사도지표
3.3 기본 CF 알고리즘
3.4 이웃을 고려한 CF
3.5 최적의 이웃 크기 결정
3.6 사용자의 평가경향을 고려한 CF
3.7 그 외의 CF 정확도 개선 방법
3.8 사용자 기반 CF와 아이템 기반 CF
3.9 추천 시스템의 성과측정지표

Chapter 4 Matrix Factorization(MF) 기반 추천
4.1 Matrix Factorization(MF) 방식의 원리
4.2 SGD(Stochastic Gradient Decent)를 사용한 MF 알고리즘
4.3 SGD를 사용한 MF 기본 알고리즘
4.4 train/test 분리 MF 알고리즘
4.5 MF의 최적 파라미터 찾기
4.6 MF와 SVD

Chapter 5 Surprise 패키지 사용
5.1 Surprise 기본 활용 방법
5.2 알고리즘 비교
5.3 알고리즘 옵션 지정
5.4 다양한 조건의 비교
5.5 외부 데이터 사용

Chapter 6 딥러닝을 사용한 추천 시스템
6.1 Matrix Factorization(MF)을 신경망으로 변환하기
6.2 Keras로 MF 구현하기
6.3 딥러닝을 적용한 추천 시스템
6.4 딥러닝 모델에 변수 추가하기

Chapter 7 하이브리드 추천 시스템
7.1 하이브리드 추천 시스템의 장점
7.2 하이브리드 추천 시스템의 원리
7.3 하이브리드 추천 시스템(CF와 MF의 결합)

Chapter 8 대규모 데이터의 처리를 위한 Sparse matrix 사용
8.1 Sparse matrix의 개념과 Python에서의 사용
8.2 Sparse matrix를 추천 알고리즘에 적용하기

Chapter 9 추천 시스템 구축에서의 이슈
9.1 신규 사용자와 아이템(Cold start problem)
9.2 확장성(Scalability)
9.3 추천의 활용(Presentation)
9.4 이진수 데이터(Binary data)의 사용
9.5 사용자의 간접 평가 데이터(Indirect evaluation data) 확보

출판사 서평

[특징】
개인화 추천은 각 개인의 관심사나 선호도를 분석해서 그에 맞는 정보나 제품을 추천해 주는 것을 말한다. 최근 고객에 대해 자세한 정보를 수집할 수 있게 되면서 개인화 추천이 점점 더 널리 쓰이고, 또한 기업의 새로운 서비스 개발에서 추천이 중요한 기본 기술이 되고 있다. 개인화 추천 기술은 기본적으로는 아마존이나 넷플릭스처럼 추천 서비스를 제공하는 데 사용되지만, 개인의 맞춤형 서비스가 필요한 광고나 웹페이지 구성 등 다양한 분야에 적용이 가능하다.
이 책의 가장 중요한 목적은 독자들이 주요 개인화 추천 알고리즘의 작동... 더보기

Klover 리뷰 (0)

북로그 리뷰 (0) 쓰러가기

북로그 리뷰는 본인 인증 후 작성 가능합니다.
책이나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 내용은 비공개 처리 될 수 있습니다.
※ 북로그 리뷰 리워드 제공 2021. 4. 1 종료

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매 후 문장수집 작성 시, 리워드를 제공합니다. 안내

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
반품/교환방법 마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 ,
[1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)

※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불]
    또는 고객센터 (1544-1900)
반품/교환가능 기간 변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유
  • 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
  • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
  • 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
  • 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
  • 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우
  • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
  • 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에
    해당되는 경우
(1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①서양도서-판매정가의 12%, ②일본도서-판매정가의 7%를 적용)
상품 품절 공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는
이메일과 문자로 안내드리겠습니다.
소비자 피해보상
환불지연에 따른 배상
  • 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
    소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨
  • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
    소비자 보호에 관한 법률에 따라 처리함
바로가기
  • 우측 확장형 배너 2
  • 우측 확장형 배너 2
최근 본 상품