강의

멘토링

로드맵

AI 개발

/

딥러닝 · 머신러닝

[입문/초급] 다양한 예제를 통한 추천 시스템 구현

🧩 복잡한 수식이나 이론 중심의 설명보다는, 직접 프로그램을 구현하며 추천 시스템의 핵심 개념을 익히는 것을 목표로 합니다. 🛠️ 총 12개의 다양하고 실용적인 예제를 통해, 콘텐츠 기반 추천, 협업 필터링, 딥러닝 추천 등 실제 환경에서 활용할 수 있는 추천 시스템을 단계적으로 설계하였습니다.

(4.3) 수강평 3개

수강생 186명

  • 당근먹는토끼
실습 중심
토이프로젝트
추천시스템
AI 코딩
AI 활용법
머신러닝딥러닝PyTorch인공지능(AI)LLM

이런 걸 배울 수 있어요

  • 비개인화 추천 알고리즘에 대한 개념 및 구현

  • 개인화 추천 알고리즘에 대한 개념 및 구현

  • 비개인화, 개인화 알고리즘 및 다양성이 반영된 추천 시스템에 대한 작동 원리 및 구현

이런 내용을 배워요

기초부터 고급까지, 단계별 추천 시스템 마스터

  • 학습자의 이해도를 고려하여, 강의는 기초 개념부터 점차 심화되는 구조로 구성하였습니다.

  • 기초적인 통계 개념을 시작으로, 머신러닝을 활용한 응용 단계, 그리고 딥러닝 기반의 고급 추천 기법까지 단계적으로 학습할 수 있도록 설계하였습니다.

추천 시스템 실무 적용력 강화

  • 통계부터 딥러닝까지의 모델 학습은 물론, 하이브리드 기법과 다양성 추천까지 아우르며 추천 시스템의 핵심 전략들을 실전 중심으로 배울 수 있습니다.

  • 사용자 Cold Start 문제나 지나치게 유사한 추천을 피하는 등, 실무에서 실제로 마주치는 다양한 상황에 대응할 수 있도록 구성했습니다.

  • 실무에서 자주 마주치는 추천 시스템의 주요 이슈들을 심도 있게 다루어, 현업에서의 적용 가능성과 문제 해결 능력을 강화하였습니다.

학습 내용을 확인해보세요

통계 기반 추천

  • EDA(Exploratory Data Analysis, 탐색적 데이터 분석)

  • 조회 수 기반 추천

  • 평점 기반 추천

컨텐츠 기반 추천

  • BoW 기반 추천

  • TF-IDF 기반 추천

  • LLM 기반 추천

머신러닝 기반 추천

  • KNN (K-Nearest Neighbors) 기반 추천

  • MF (Matrix Factorization) 기반 추천

딥러닝 기반 추천

  • LightGCN 기반 추천

  • SASRec 기반 추천

추천 평가지표

  • 평점 예측 평가지표

  • Ranking 평가지표

  • 다양성 평가지표

Hybrid 추천 시스템

  • Cold Start 문제 해결

  • Multi 추천 모델

이런 분들께 추천해요

소프트웨어 개발자

쇼핑몰, 콘텐츠 플랫폼, 교육 서비스 등 다양한 도메인에서 실제로 활용되며, 개발자와 엔지니어가 이를 이해하고 구현할 수 있다면 제품 경쟁력을 높이는 데 큰 기여를 할 수 있습니다.

데이터 과학자 및 데이터 분석가

로그 데이터, 사용자 피드백, 아이템 정보 등을 통합적으로 해석해 모델링하고 평가하는 능력은 데이터 전문가로서의 경쟁력을 한층 끌어올려 줍니다.

마캐팅 담장자

사용자 행동 데이터를 기반으로 개별 고객에게 가장 적합한 제품이나 콘텐츠를 제안함으로써, 전환율을 높이고 이탈률을 줄이며, 마케팅 성과를 극대화할 수 있습니다.

수강 전 참고 사항

실습 환경

  • 크롬 브라우저 설치 및 구글 계정 생성

  • 인터넷이 가능한 PC

학습 자료

  • 실습용 주피터 노트북 파일들

이런 분들께
추천드려요

학습 대상은
누구일까요?

  • 추천 시스템의 원리 및 구현에 관심이 있으신 분

  • 복잡한 수식이나 이론 중심의 설명보다는, 직접 추천 시스템을 구현하는 것에 관심이 있으신 분

  • 총 12개의 다양하고 실용적인 예제를 통해 추천 시스템을 공부하고 싶은 분

  • 단순 추천 알고리즘이 아닌 다양성이 반영된 추천 시스템을 만들고 싶으신 분

선수 지식,
필요할까요?

  • Python, 초보자들도 쉽게 이해할 수 있고 배울 수 있는 언어

  • Pandas, 데이터를 분석하고 처리할 수 있는 라이브러리

  • Google Colab, 클라우드 기반 실습환경(GPU도 사용가능)

안녕하세요
입니다.

186

수강생

3

수강평

1

답변

4.3

강의 평점

1

강의

안녕하세요, 강의를 맡은 조경원입니다.
저는 중소기업부터 대기업까지 다양한 산업 환경에서 웹 개발, 인공지능(AI), 그리고 AWS 인프라 구축 등 폭넓은 실무 경험을 쌓아왔습니다.

이러한 경험을 바탕으로 2022년부터는 오프라인에서 AI 분야의 강의를 진행하며, 실무와 이론을 연결하는 교육을 이어오고 있습니다.

커리큘럼

전체

25개 ∙ (8시간 59분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

전체

3개

4.3

3개의 수강평

  • haduri295712님의 프로필 이미지
    haduri295712

    수강평 1

    평균 평점 5.0

    5

    12% 수강 후 작성

    I applied because I wanted to systematically learn about recommendation systems, from basics to practical application. The lectures were systematically structured, covering everything from fundamental concepts of recommendation systems (content-based, collaborative filtering, etc.) to the latest deep learning-based methods. Practical coding exercises were also included, allowing me to grasp both theory and practice simultaneously. In particular, the process of directly implementing Matrix Factorization, LightFM, and deep learning-based recommendation models was very impressive, and the Kaggle practical examples were a great help for real-world applications. The instructor's explanations were clear, and the practice code was meticulously prepared, making it easy to follow along. I highly recommend this to those who are new to recommendation systems or those preparing for practical application!

    • twoj님의 프로필 이미지
      twoj

      수강평 31

      평균 평점 4.9

      3

      100% 수강 후 작성

      • witwayy5756님의 프로필 이미지
        witwayy5756

        수강평 1

        평균 평점 5.0

        5

        60% 수강 후 작성

        ₩38,500

        비슷한 강의

        같은 분야의 다른 강의를 만나보세요!