전체 글

오늘의 감사 인사1. 벌써 한 주가 지나갔음에 감사합니다.2. 메타코드 M의 강의를 무료로 들을 수 있는 장학생으로 선정되었음에 감사합니다.3. 스트레스를 해소시킬 수 있는 책을 인터넷으로 살 수 있음에 감사합니다.채용공고

추천알고리즘 성능 고도화일반적으로 베이스라인 모델을 빠르게 구축하고 성능 테스트를 진행/확인한 이후 이를 베이스로하여 성능 고도화를 위한 노력을 진행합니다.데이터를 늘리거나 줄이거나 새로운 데이터를 수집해서 실험해보거나 전처리/후처리 조건 등을 변경하는 작업이 필수입니다.위 내용은 실무에서 가능하고 도메인 지식과 밀접히 연결되어 있어 이번 강의에서는 스킵하고 추천 알고리즘을 변경해보는 방향을 위주로 성능 고도화를 진행합니다.3강의 베이스라인 모델의 성능을 개선할 방향성은 크게 아래 2가지입니다.(1) DeepLearning 계열  - DNN, NCF via TensorFlow(2) Regression 계열 Model (Linear Regression, Ridge, Random Forest, Gradien..

베이스라인 추천모델 구축(이론)Collaborative FilteringKNN Basic 알고리즘은 유사한 사용자들의 평가를 바탕으로, 각 사용자와의 유사도를 고려하여 가중 평균을 계산함으로써 새로운 평점을 예측합니다.즉 유사한 이웃을 찾아서 해당 이웃이 기존에 부여한 평점의 평균을 구하는데, 유사도를 가중치를 이용하여 평균을 구합니다.예를 들어, "A"라는 사용자에게 "Life of Pi" 책의 예상 평점을 추천하려고 할때 "A"와 가장 유사한 3명의 이웃(k=3)을 찾았다고 가정합시다.B (유사도: 0.8) -> 해당 책의 평점이 4.5C (유사도: 0.6) -> 해당 책의 평점이 5.0D (유사도: 0.5) -> 해당 책의 평점이 3.5 그렇다면 A가 "Life of Pi"에 줄 예측 평점을 구하는..

추천시스템 목적유튜브, 아마존, 넷플릭스 등 수많은 서비스들에서 개인화된 추천시스템을 개발하고 운영합니다.각 고객의 니즈와 선호에 맞는 컨텐츠나 상품이 추천되었을 때 비즈니스 효과(전환율, 재방문율 등)가 통계적으로 더 높음이 이미 증명되었기 때문입니다.개인화 추천시스템의 비즈니스 효과가 비개인화 대비해서 더 좋은 이유는 무엇일까요?고객이 직접 검색을 통해 원하는 항목을 찾는데 들어가는 시간과 노력을 줄여주기 때문이며 (목적성 구매, 소비의 경우)고객으로 하여금 특별한 위치와 관계임을 은연중에 전달하기 때문 (기업이 고객과 관계를 중시하는 느낌 전달)기업은 고객의 데이터를 분석/모델링하여 비즈니스 성과를 극대화하기 위해 아래 요인을 균형있게 고려한 추천시스템을 개발하고자 노력합니다.고객의 선호와 니즈에 ..

문제코드SELECT ANIMAL_IDFROM ANIMAL_INSWHERE ISNULL(NAME)ORDER BY ANIMAL_ID; 출처: 프로그래머스 코딩 테스트 연습, https://school.programmers.co.kr/learn/courses/30/lessons/59039

명상오늘의 감사 인사1. 어제 마지막 학과 행사를 진행해 준 학과 학생회분들께 감사합니다.2. 오늘 집 근처에 알파카가 있어 여유있게 모닝스쿨에 참석했습니다. 감사합니다.3. 오늘 18시에 특강을 해주시는 박미경선생님 감사합니다.오늘의 용어 '고객 경험''데이터 분석이 뭐라고 생각하는가?''회사를 알게 된 계기'