AB 테스트 실무자 완벽 가이드
거친코딩
AB Test의 인기와 관심이 폭발적으로 커지는 만큼, 국내 최초 AB Test강의를 지금 바로 알려드릴게요!
初級
AB test, 통계
BEST
(更新) Python を利用したパーソナライズ推薦システム | 推薦アルゴリズム | 推薦人工知能
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。
学習した受講者のレビュー
こんなことが学べます
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！
成功するサービスの秘訣
推奨システムアルゴリズム👨💻
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。
しかし…
もし私の話のようではありませんか？
「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？」
👇👇
推奨システム📌
簡単で直感的なPythonで！
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！
- 講義を受講するには、Python言語とNumpy（ナンパイ）、Pandas（パンダス）、Keras（ケラス）ライブラリの基本的な理解が必要です。
格別に学ぶ
推奨システムの世界💌
ラフだが本当にお得！
データアナリストはラフコーディングです。
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。
データアナリスト、ラフコーディングは👨💻
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
- 高麗大学統計学科の学士（卒業）
- 高麗大学大学院ビッグデータ融合学科（在学）
- QS世界大学評価評価委員
- 高麗大学SW中心大学人工知能深化修了
- 高麗大学KUCC（コンピュータサークル）セッション場
- 高麗大学学科シニア5回、全体シニア1回
- ビッグデータ分析記事資格
- ビッグデータ分析準専門家（ADSP）資格証）
- ビッグデータ分析・開発ブログ運営
- 人工知能講義YouTubeの運営
メンタリング進行
- データ分析の仕事を夢見ている学生のための効率的な勉強方法
- データ分析 現業におけるジュニアアナリストのための相談
- 現業ではIT職群ではないが、IT技術を活用して本人業務に適用したい方
私の知識を通して
一緒に作る講義
されてほしいです。
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。 😊
他の追随を許さない！
この講義が格別な理由👍
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。
1️⃣単純概念説明ではなく、原理＋実習中心の実戦講義
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。
2️⃣簡単かつ迅速に学ぶPythonを活用した講義
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。
3️⃣体系的なカリキュラムで正確な理解まで
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。
学習内容
確認してください📚
この講義では💻
- 主にパーソナライズ推奨技術の全体的な内容をカバーしています。
- その中でも特に連続値を使用するパーソナライゼーション推奨技術を扱います。
- コラボレーションフィルタリング（Collaborative Filtering）、行列要因化（Maxtrix Factorization）、ディープラーニング（Deep Learning）推奨アルゴリズム、および複数の推奨アルゴリズムを組み合わせたハイブリッド（Hybrid）推奨システムなどについても説明します。
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。
- 主な推奨アルゴリズム
- 推奨システム適用事例
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。
- データの読み取り
- 人気製品方式
- 推奨システムの精度測定
- ユーザーグループ別のおすすめ
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。
- コラボレーションフィルタリングの原理
- 類似度指標
- 基本CFアルゴリズム
- 近所を考慮したCF
- 最適な近隣サイズの決定
- ユーザーの評価傾向を考慮したCF
- その他のCF精度向上方法
- ユーザーベースCFとアイテムベースCF
- 推奨システムの成果測定指標
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。
- Matrix Factorization（MF）方式の原理
- SGD(Stochastic Gradient Decent)を用いたMFアルゴリズム
- SGDを用いたMF基本アルゴリズム
- train/test 分離 MF アルゴリズム
- MFの最適パラメータを探す
- MFとSVD
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。
- Surpriseの基本的な活用方法
- アルゴリズムの比較
- アルゴリズムオプションの指定
- 各種条件の比較
- 外部データの使用
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。
- Matrix Factorization（MF）をニューラルネットワークに変換する
- KerasでMFを実装する
- ディープラーニングを適用した推奨システム
- ディープラーニングモデルに変数を追加する
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。
- ハイブリッド推薦システムの利点
- ハイブリッド推薦システムの原理
- ハイブリッド推薦システム（CFとMFの組み合わせ）
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。
- Sparse Matrixの概念とPythonでの使用
- Sparse Matrixを推奨アルゴリズムに適用する
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。
- 新規ユーザーとアイテム（Cold Start Problem）
- スケーラビリティ
- おすすめの活用（Presentation）
- バイナリデータ（Binary Data）の使用
- ユーザーの間接評価データ（Indirect Evaluation Data）の取得
知識共有者の
Q&Aをチェックしてみてください！ 💬
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。
ラフコーディングの他の講義が気になったら？
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！
こんな方に
おすすめです
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
6,740
受講生
100
受講レビュー
101
回答
4.8
講座評価
3
講座
🙌 소개
안녕하세요. 거칠지만 정말 유익한 데이터 분석가 "거친코딩" 입니다.
고려대학교 통계학과 (졸업)
고려대학교 대학원 빅데이터융합학과 (재학)
QS 세계대학평가 평가위원
고려대학교 SW 중심대학 인공지능 심화 수료
고려대학교 KUCC(컴퓨터 동아리) 세션장
고려대학교 학과 5회 수석, 1회 전체 수석
빅데이터분석기사 자격증
빅데이터분석 준전문가(adsp) 자격증
저는 현재 "네카 중 한 곳"에서 파이썬 및 시각화툴(Tableau)를 활용하여 데이터 수집, 가공, 분석, 예측, 시각화, 업무 자동화를 하고 있습니다.
⭐️ 멘토링
데이터 분석 직무를 꿈꾸는 학생들을 위한 효율적 공부법
데이터 분석 현업에 있는 주니어 분석가를 위한 상담
현업에서 IT직군이 아니지만, IT 기술을 활용하여 본인 업무에 적용하고 싶은 분
🌈 멘토링 진행 방식
zoom을 통한 비대면 방식 진행
준비물 : 컴퓨터, 카메라, 이어폰
미리 준비한 질문 사항 혹은 현 상황에 따라 멘토링 진행
🐯 마무리 글
모든 일에는 시작이 가장 중요합니다. 뜨거운 열정으로 이루고자 하는 것을 꼭 이뤄냅시다!..
📨 메일문의
rough_coding@naver.com
カリキュラム
全体
42件 ∙ (6時間 14分)
講座資料（こうぎしりょう）:
授業資料
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
講座掲載日:
最終更新日:
受講レビュー
全体
39件
期間限定セール
￥33,000
25%
￥5,226
거친코딩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！
