강의

멘토링

커뮤니티

AI Technology

/

Deep Learning & Machine Learning

現場エンジニアのAI推薦システム作り | 推薦アルゴリズム | Recommender | Recsys

この講義では、推薦システムの核心アルゴリズムから実践的な実装まで扱います。 - コンテンツベースフィルタリング - 協調フィルタリング、ディープラーニングベースの推薦モデル実装 - Two-step recommender systems 実装 - PyTorch/RecBole 活用した実習 - 現場のノウハウと推薦結果の可視化まで

難易度 初級

受講期間 無制限

  • Jay
Python
Python
Recommendation System
Recommendation System
AI
AI
recommendation
recommendation
recommender-systems
recommender-systems
Python
Python
Recommendation System
Recommendation System
AI
AI
recommendation
recommendation
recommender-systems
recommender-systems

受講後に得られること

  • レコメンドシステムの核心アルゴリズム(Content-based filter、Collaborative filter)を理解し、直接実装することができます

  • PyTorchとRecBoleを活用して実践的な推薦モデルを作成し評価する能力を身につけることができます

  • 推薦結果を確認し、チューニングできる能力を身につけることができます

現役AIエンジニアと
推薦システムを徹底解剖


映画推薦システムを直接設計し、実装します。


大学院課程実務を経て直接得たノウハウを通じて講義を制作しました。
実務ですぐに通用するレコメンド技術をしっかり身につけたいなら、
講義を通じて一緒に学びましょう!

MovieLensデータセットベース、Deep Learning推薦モデル構築
ユーザーカスタマイズ映画推薦システムを最初から最後まで完成させます。

Two-step recommender systemsの構築と推薦結果の可視化
実務ノウハウに基づく推薦結果の分析とチューニング能力を身につけます。

現場エンジニアと一緒に
AI映画推薦システムを作る

Section 1 - 推薦システムの概要と基本理解

レコメンドシステムの概念、ビジネス価値、そして他の機械学習タスクとの違いを理解します。情報過多の解消とパーソナライゼーションのためのレコメンドシステムの重要性を学習します。

Section 2 - 推薦システム開発環境設定及び評価指標

講義に必要な実験環境を構築し、推薦システムの性能を測定する様々な評価指標(Metric)を学習します。また、使用されるデータセットと推薦システムアーキテクチャに対する全般的な概要を把握します。

Section 3 - コンテンツベース推薦システム (CBF)

ユーザーの過去の視聴履歴や好みと類似したコンテンツを推薦するコンテンツベースフィルタリング(CBF)技法を学びます。Sentence Transformerを活用してテキスト類似度に基づいて映画を推薦する高度な技法を実習します。

Section 4 - 協調フィルタリング (CF) モデルの実装

RecBoleライブラリを活用して協調フィルタリング(CF)ベースの推薦モデルを構築し、訓練する過程を学習します。特にLightGCNモデルを使用してユーザー-アイテム相互作用に基づいた推薦性能を最適化します。

Section 5 - Two-step推薦システムの構築

コンテンツベースフィルタリングと協調フィルタリングを組み合わせたTwo-step推薦システムを実装します。LightGCNモデルを基盤に個人化推薦とコンテンツ類似性推薦を融合し、より精緻な推薦結果を生成する方法を学びます。

Section 6 - Streamlitを活用したレコメンド結果の可視化

Streamlitフレームワークを使用して構築されたレコメンドシステムの結果を効果的に可視化します。TMDB APIとの連携を通じて映画ポスターと詳細情報を含むインタラクティブな可視化ページを開発します。

複雑なレコメンドシステム、感覚をつかむのが難しいですか?

この講座は、まさにこのような方々のために作りました。

✔️ 推薦システムを学びたい入門者及び大学(院)生

  • レコメンドシステムの基本原理(コンテンツベース、協調フィルタリング)を明確に理解したい方

  • PyTorchとRecBoleを活用して実際の推薦モデルを直接作ってみたい方

  • レコメンドアルゴリズムの動作原理を学び、結果を解釈する能力を身につけたい方

✔️ 推薦システムをサービスに導入しようとする現場エンジニア

  • 最新の推薦アルゴリズム(ディープラーニングベース、Two-step)の実践的な適用方法を学びたい方

  • 現場で活用されるレコメンドシステム構築のノウハウを習得したい方

  • 実際の映画推薦システムを構築しながら技術的なインサイトを得たい方

✔️ 推薦システム分野でキャリアを積みたい開発者

  • 人気サービス(Netflix、YouTube、Coupang)の核心技術である推薦システムの専門家として成長したい方

  • データ駆動でユーザー体験を革新するモデル開発力を強化したい方

  • パーソナライズド推薦システムの構築から結果の可視化まで全過程を経験したい方


複雑に感じられた推薦システムの世界を自信を持って探検し、自らAI映画推薦システムを作る経験を積んでみましょう。

受講前の参考事項


実習環境

  • Windows OS

  • Python 3.12

  • PyTorch 2.6およびRecBole

  • 推奨スペック: 8GB RAM以上、SSDストレージ10GB以上

事前知識および注意事項

  • Pythonプログラミングの基本文法に対する理解が必要です。

  • 機械学習または推薦システムに関する事前知識があれば学習に役立ちます。


学習資料

  • 講義で使用するコードの例はすべて提供されます。

  • MovieLensデータセットを活用した実習が行われます。


こんな方に
おすすめです

学習対象は
誰でしょう?

  • レコメンドシステムを導入しようとするエンジニア

  • レコメンドシステムエンジニアになりたい大学(院)生

  • レコメンドシステムについて知りたい人なら誰でも

前提知識、
必要でしょうか?

  • 基本的なPythonプログラミング能力が必要です。

  • Pytorchを使用した経験が必要です。

こんにちは
です。

7,218

受講生

214

受講レビュー

171

回答

4.9

講座評価

5

講座

誰もが楽しく有益に学べる開発コンテンツを作っていきます。

経歴事項 ✒️

  • NAVER Connect Boostcamp ウェブバックエンド(Node.js) 6期 code reviewer 活動

  • ソウル産業振興院 SeSSAC オンラインITコンテンツパートナー (Full Stack)

  • ソウル産業振興院 SeSSAC 開発者入門コース進行 (Python, Javascript)

  • 建国大学 没入型プログラミング課程 講義進行

  • ソウル市 SSAC ライジングプログラマー サーバーパート総括

  • 暗号資産(仮想通貨)自動売買プログラム開発受託 (Qt)

  • マーケティングエージェンシーのランディングページ開発外注 (Web)

  • リアルタイムデータ処理Windowsアプリケーション開発外注 (Qt)

    仮想通貨自動売買プログラム開発外注 (Qt) マーケティングエージェンシー・ランディングページ開発外注 (Web) リアルタイムデータ処理 Windows アプリケーション開発外注 (Qt)

カリキュラム

全体

18件 ∙ (2時間 7分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

4件

5.0

4件の受講レビュー

  • dkan96342270님의 프로필 이미지
    dkan96342270

    受講レビュー 1

    平均評価 5.0

    5

    100% 受講後に作成

    • paulmoon008308님의 프로필 이미지
      paulmoon008308

      受講レビュー 111

      平均評価 4.9

      5

      33% 受講後に作成

      • dlcodnrlcu1234564님의 프로필 이미지
        dlcodnrlcu1234564

        受講レビュー 1

        平均評価 5.0

        5

        33% 受講後に作成

        • aaiss09274305님의 프로필 이미지
          aaiss09274305

          受講レビュー 2

          平均評価 5.0

          5

          33% 受講後に作成

          ¥6,801

          Jayの他の講座

          知識共有者の他の講座を見てみましょう!

          似ている講座

          同じ分野の他の講座を見てみましょう!