
ABテスト実務者完璧ガイド
거친코딩
AB Testの人気と関心が爆発的に大きくなるだけに、国内初のAB Test講義を今すぐお知らせします!
初級
AB test, Statistics
さまざまな推奨アルゴリズムの動作原理を理解することで、自分だけのパーソナライズされた推奨アルゴリズムを作成してみましょう。
受講生 1,061名
難易度 初級
受講期間 無制限

学習した受講者のレビュー
5.0
junhkwak
推薦を実際に実装したい中級以上の専門家のためのコースです。
5.0
ajaalsgus
おかげで、推奨システムの理解度が大幅に向上しました。本当に素晴らしい講義です!
5.0
이지호
推薦アルゴリズムの概念を各種ブログに散らばっている情報で学習しましたが…ㅠㅠㅠㅠ一度にまとめられるといいですね。もうすぐ練習を聞くのに一生懸命やりましょう!
推奨アルゴリズムの概念
さまざまな推奨アルゴリズムの動作原理
Python を利用した推薦アルゴリズムの実装
パーソナライゼーション推奨システムの実装✅
ラフコーディングと一緒にラフだがお得に!
Netflix、Amazon、YouTube、Sporti Piなど
世界的な有名なサービスを含む
推奨アルゴリズムを活用したサービス
ますます増えています。
「私は果たして推薦アルゴリズムの概念を正すことができるでしょうか?」
「おすすめのアルゴリズム、概念はわかりますが…だからどのように実装しますか?」
👇👇
推奨アルゴリズムを活用したサービスがますます多くなり、推奨アルゴリズムについて学習したい方も増え続けています。これに合わせて
推奨アルゴリズム、なぜPython(Python)なのですか?
推薦システムを学びたい方、実務に合った具現能力まで育てたい多くの方に有意義な時間になってほしいです 😊
💻選手の知識を確認してください!
こんにちは!私は現在、「ネカラの一つ」でデータアナリストとして働いている大まかなコーディングです。
推奨アルゴリズムの概念を正すことができるかどうか心配しましたか?本を見たら分かりますが、いざ実際にアルゴリズムを実装しようとしたら、まさに感じられますか?
この講義を通じて、概念と動作原理を正確に説明することで、推薦アルゴリズムのギトルを確実に正しめようとします。簡単な概念の説明で終わらず、具体的な動作原理まで共にコーディングしながら、実際の実装に対する確信までお届けできるよう講義を構成しました。
現在、「ネカラの一つ」でPythonおよび可視化ツール(Tableau)を活用し、データ収集、加工、分析、予測、可視化、業務自動化を行っています。
主な履歴
メンタリング進行
すべての仕事にはスタートが最も重要です。学習しながら質問がある場合は、[質問/回答]でお問い合わせください。メンタリングも進んでいるので、 データ分析に関心がある方に多くのお役に立てたいと思います。 😊
簡単な概念の説明 中心の漠然とした講義?
•インターネットに広がる資料と
講義があまり違うことがないようです。
•概念の説明は良いですが、
それで、実際の実装は正確にどうなりますか?
•使用する言語自体の難易度が難しい。
体系的なカリキュラム、実習中心の実戦講義!
•単純概念の説明ではありません
原理と実習中心の実戦講義です。
• 単にウェブ上の資料を集めた講義ではなく、
権威ある参考書をまとめて編みました。
•簡単かつ迅速に学ぶPythonを活用しました。
既に推奨アルゴリズムの簡単な概念の説明は多くのサイトに広がっています。しかし、いくら良い概念の説明であっても、実際の正確な実装まで至らなければ役に立たないでしょう。
今回の講義では、推薦アルゴリズムの概念を忠実にお知らせすることはもちろん、現業から推薦システムを導入するためのノウハウまでしっかりお知らせします。
他のプログラミング言語に比べてすぐに学ぶことができ、人工知能分野に特化した言語であるPythonを活用して講義が行われます。推薦アルゴリズムの理解だけでなく、人工知能モデルの構築に必要なデータエンジニアリングまで一緒に学べるように講義を構成しました。
Pythonを使ったパーソナライゼーション推奨システム
単に複数のサイトに通う知識を一括集めて構成した講義ではありません。権威ある参考書をまとめた内容に基づき、体系的に講義カリキュラムを構成しました。
オリエンテーション
このレッスンの目的は、主なパーソナライゼーション推奨アルゴリズムの動作原理を理解することです。講義の目的と紹介を5分程度のOT映像でまとめたので、「講義プレビュー」で確認してください!
推奨システムの紹介
ユーザーの過去行動データや他のデータをもとに、ユーザーに必要な情報や製品を選んで提示してくれる推薦システムの概念と様々な技術、そしてその発展過程について紹介します。
基本的な推奨システム
これからの理論と実習を学ぶための基本的なデータを準備し理解する過程です。推奨システムの基本動作原理を紹介します。
コラボレーションフィルタリング推薦システム
類似度に基づいたコラボレーションフィルタリング(CF)の概念と動作原理を紹介し、実際に一緒に実装を行うことで、その概念の理解を高めます。
Matrix Factorization(MF)ベースの推奨
行列演算に基づいたMatrix Factorization(MF)の概念と動作原理を紹介し、実際に一緒に実装を行うことで、その概念の理解を高めます。
Surprise パッケージの使用
簡単にCFとMFベースの推奨システムを実装してテストできるパッケージの概念と動作原理を学びます。
ディープラーニングを使用した推奨システム
多くの隠れ層を持つ人工ニューラルネットワークの概念を活用して、推奨システムを動作させることができる原理と実習を行うことで、その概念に対する理解を高めます。
ハイブリッド推奨システム
多くの推奨アルゴリズムの組み合わせによる相互性能の補完と改善の方法論的内容と実際の実践を通して理解を高めるでしょう。
大規模データを処理するためのSparse Matrixの使用
余裕がない程度のデータを処理する方法と、実際の推奨アルゴリズムの適用までの過程を学ぶことで、実戦スキルに対する感覚を身につけます。
推奨システム構築における課題
実際の推薦システムを構築する際に頻繁に発生する問題や課題の総整理を通じて、実際の推薦システム制作過程の試行錯誤を少しでも減らすことができる様々なノウハウを直接身につけてみます。
Q. 選手の知識(Python、Numpy、Pandas、Keras)は必ず知っておくべきですか?
Pythonは必ず知っておく必要がありますが、他のライブラリはあまり深く学習する必要はなく、講義を聞きながら出てくる内容の中で分からない内容だけを別に見つけて勉強するのもおすすめです。勉強している方には、どんなことから先に勉強すべきかガイドラインになることもありそうですね。
Q. データはあらかじめ提供されますか?
もちろん、すべての講義で活用されるデータは、ミネソタ大学のグループレンズ(GroupLens)プロジェクトによって開発され、検証されたMovieLensデータを活用し、授業開始前に提供されるデータURLを通じてダウンロードしてください。
Q. 講義を聞くと、実際のおすすめエンジンを開発できますか?
すべてのレッスンの章では、さまざまな推奨アルゴリズムの概念だけでなく、実際の練習を一緒に並行しています。
Q. Pythonを別々にインストールする必要がありますか、開発環境を別々に設定する必要がありますか?
まったくそうする必要はありません。
詳細なColabの使い方は私のブログで確認したり、Google検索でcolabの使い方と検索するともっと詳しく確認することができます。
Python基礎ライブラリから積み重ねる機械学習
初めて始まる機械学習の完璧なアシスタント!
学習対象は
誰でしょう?
パーソナライズされた推薦アルゴリズムに興味のある方
現業におすすめシステムを導入したい方
前提知識、
必要でしょうか?
Python の基本的な理解
Numpy ライブラリの基本的な理解
Pandas ライブラリの基本的な理解
Keras ライブラリの基本的な理解
6,993
受講生
110
受講レビュー
102
回答
4.8
講座評価
3
講座
こんにちは。荒削りですが、本当にためになるデータアナリスト、「コチンコーディング(荒削りなコーディング)」です。
高麗大学校 統計学科 (卒業)
高麗大学大学院 ビッグデータ融合学科(在学)
QS世界大学ランキング 評価委員
高麗大学 SW中心大学 人工知能深化課程 修了
高麗大学校 KUCC(コンピュータサークル) セッション長
高麗大学 学科首席5回、全学首席1回
ビッグデータ分析技師資格証
データ分析準専門家(ADsP)資格証
私は現在「ネカ(NAVER・Kakao)のいずれか」で Pythonおよび可視化ツール(Tableau)を活用し、データの収集、加工、分析、予測、可視化、業務自動化を行っています。
データ分析職を夢見る学生のための効率的な勉強法
データ分析の実務に携わっているジュニアアナリストのための相談
現職でIT職種ではありませんが、IT技術を活用して自身の業務に適用したい方
Zoomを通じた非対面方式で進行
準備物:コンピュータ、カメラ、イヤホン
事前に準備した質問事項、または現在の状況に合わせてメントリングを進行
何事も始まりが最も重要です。熱い情熱を持って、成し遂げたいことを必ず実現させましょう!..
rough_coding@naver.com
全体
42件 ∙ (6時間 14分)
講座資料(こうぎしりょう):
3. 主要な推奨アルゴリズム
08:51
4. 推奨システムの適用事例
07:07
5. データの読み取り
09:07
6. 人気商品方式
04:51
7. 推奨システムの精度測定
06:27
8. ユーザー グループ別の推奨
16:52
全体
42件
4.7
42件の受講レビュー
受講レビュー 2
∙
平均評価 5.0
5
推薦アルゴリズムの概念を各種ブログに散らばっている情報で学習しましたが…ㅠㅠㅠㅠ一度にまとめられるといいですね。もうすぐ練習を聞くのに一生懸命やりましょう!
おっしゃるとおり、推奨アルゴリズムの概念を扱ったブログが多いのですが、連続的につながっていないか不足する情報が多いです。今回の機会に明確な概念を立ててほしいです~! 実習もファイティングです!! -ラフコーディングドリーム-
受講レビュー 3
∙
平均評価 5.0
5
今回は社内サービスとしておすすめシステムを導入したいのですが、本当に役に立つと思います。
本当にこのコメントは私に多くのやりがいを感じさせます...ㅠ その講義を支えて、次の講義ではさらに一味違った推薦アルゴリズムの講義に戻ります。 社内導入してみてください。 -ラフコーディングドリーム-
¥5,407
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!