Thumbnail
BEST
인공지능 딥러닝 · 머신러닝

[개념부터 실습까지] 추천 시스템 입문편 대시보드

(4.6)
45개의 수강평 ∙  579명의 수강생

49,500원

지식공유자: 데이터리안
총 49개 수업 (7시간 34분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[데이터 분석, 딥러닝 · 머신러닝] 강의입니다.

인프런 누적 수강생 10,000명 이상, 풍부한 온/오프라인 강의 경험을 가진 데이터리안의 추천 시스템 입문 강의. 추천 시스템의 기초 이론을 배우고, 영화 데이터 분석을 함께 실습해 봅니다.

✍️
이런 걸
배워요!
추천 시스템 입문하기
영화 추천 시스템 만들기

 

추천 시스템이 뭔지 궁금한데, 영어로 된 자료는 알쏭달쏭하다면?
온라인 입문자를 위한 추천 시스템 입문편 강의입니다.

 

강의 소개 🐤

추천 시스템이 뭔지 궁금한데, 영어로 된 자료는 알쏭달쏭하고...
입문자 여러분들을 위한 친절한 강의를 만들었습니다.

2019년 <데잇걸즈> 과정의 추천 시스템 특강을 온라인화 하자는 취지에서 시작해 탐험적 데이터 분석, Content-Based 추천 등 내용을 보강하다보니 입문편, 심화편으로 나누어 기획하게 된 추천 시스템 강의입니다. 입문편, 심화편의 반응이 좋으면 [개념부터 실습까지] 추천 시스템 딥러닝편 등 더욱 다양한 방법론들로 시리즈를 이어나갈 계획입니다.

✔️ 수강 로드맵

 

다들 영화 좋아하시나요? 📽️

저는 참 좋아하는데요. 다른 데이터가 아니고, 영화 데이터를 분석했기 때문에 강의를 하는 게 즐거웠어요.
나와 친구의 데이터를 MovieLens 데이터셋에 녹여보고, 스스로도 몰랐던 취향을 발견하게 될 거예요.

 

 

이런 것들을 하게 될 거예요. 🙌

  1   파이썬으로 영화 데이터를 분석하고,
  2   각 사용자가 특정 영화에 어떻게 평점을 줄 것인지 예측하는 문제를 풀게 될 겁니다.

이 과정에서 Pandas 라는 데이터 분석 라이브러리와, 머신러닝 라이브러리인 Scikit-Learn, 그리고 시각화 라이브러리인 Seaborn을 활용할 거예요.
라이브러리 활용에 대해서는 걱정하지 마세요. 파이썬 기초 문법만 알면 나머지는 차근차근 학습하며 강의를 따라올 수 있도록 안내합니다.

 

 

강의 관련 예상 질문 🙋🏻‍♂️

Q. 왜 추천 시스템을 배워야 하나요?
우리가 사용하는 서비스 어디에나 추천 시스템이 있습니다. 뉴스 기사를 보여주는 화면에서도, 동영상 컨텐츠를 보는 앱에서도, 쇼핑 서비스에서도, 심지어 매일 받는 핸드폰 PUSH에까지 추천 시스템의 철학과 방법론이 녹아있습니다. 새로운 가능성의 세계에 오신 것을 환영해요.

Q. 비전공자도 들을 수 있나요?
A. 파이썬의 리스트, 딕셔너리, 반복문, 조건문에 대한 학습 경험이 있다면 충분히 들으실 수 있습니다.

Q. 이 강의만의 특별한 장점이 있을까요?
A. 추천 시스템은 알고리즘 만으로 성과를 낼 수 있는 분야라기보다는 내 서비스를 사용하는 유저와 아이템에 대한 정확한 이해를 바탕으로 성능을 낼 수 있는 분야입니다. (사실 데이터를 사용하는 모든 분야가 그렇습니다.) 그래서 우리 강의는 추천 알고리즘 뿐 아니라, 유저들의 평점 패턴을 파악하는 등 데이터를 분석하는 과정 전체를 경험하실 수 있도록 기획되었습니다. 알고리즘을 구현하는 데에 필요한 머신러닝 모델에 대해서도 기초 개념부터 배울 수 있으니, 머신러닝에 입문하고 싶으신 분들에게도 추천해요.

 

 

데이터리안 팀의
지난 강의가 궁금하다면? 🏃

백문이불여일타! 데이터 분석을 위한 SQL 시리즈 로드맵
데이터 분석 필수 스킬 SQL을 학습하세요!

 

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
추천 알고리즘에 대해 흥미가 있는 분
영화를 좋아하시는 분
추천 서비스를 기획해야 하는 기획자
머신러닝 입문자
📚
선수 지식,
필요할까요?
Python 기초

안녕하세요
데이터리안 입니다.
데이터리안의 썸네일

실무 경험이 탄탄한 현업 분석가들이 데이터 분석 교육을 기획하고, 직접 강의합니다.

데이터리안에 대해서 더 알아보고 싶다면

👉 https://www.datarian.io

공동 지식공유자: 윤선미의 썸네일 지식공유자 J의 썸네일
커리큘럼 총 49 개 ˙ 7시간 34분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 1. 추천 시스템이란?
추천 시스템이란? 12:11
추천 알고리즘의 종류 09:51
추천 알고리즘 평가하기 09:06
섹션 2. 분석 환경 세팅하기
분석 환경 세팅 10:12
주피터 노트북 11:51
영화 데이터 읽어오기 13:24
[강의요약] 데이터 읽어오기
[강의요약] 데이터 저장하기
섹션 3. 데이터 읽고 기초 분석하기
[영화 메타 데이터 분석] 개봉연도 분석 13:45
[영화 메타 데이터 분석] 개봉연도 시각화 08:21
[영화 메타 데이터 분석] 장르 분석 07:57
[영화 메타 데이터 분석] 텍스트 데이터를 숫자형으로 변환 09:08
[영화 메타 데이터 분석] 장르 간 관계 찾기와 시각화 07:48
[영화 평점 데이터 분석] 기초 통계 07:34
[영화 평점 데이터 분석] 평점의 분포 10:40
[영화 평점 데이터 분석] 유저별 평점 패턴 분석 10:27
[영화 평점 데이터 분석] 나의 평점 데이터 기록 13:30
섹션 5. 아주 간단한 추천 시스템 만들기
평가 지표 RMSE 12:20
학습 데이터와 평가 데이터 05:22
가장 간단한 예측하기 12:57
숙제 풀이 (1) 05:33
숙제 풀이 (2) 12:10
숙제 풀이 (3) 07:25
섹션 6. Content-Based Recommendation 1
[아이디어 설명] 유저 프로필 구성 미리보기 06:50
[아이디어 설명] 영화 평점 예측 07:51
[아이디어 설명] Cold-Start 문제를 해결하려면? 03:32
[파이썬 구현] 데이터 전처리 10:04
[파이썬 구현] 유저 프로필 만들기 미리보기 08:33
[파이썬 구현] 샘플 유저의 평점 예측 05:38
[파이썬 구현] 전체 유저의 평점 예측과 모델 평가 11:19
섹션 7. Content-Based Recommendation 2
[아이디어 설명] Linear Model로 유저 프로필 구성 09:41
[아이디어 설명] Linear Model이란? 07:36
[파이썬 구현] 샘플 유저의 평점을 학습 데이터와 평가 데이터로 나누기 10:14
[파이썬 구현] 샘플 유저의 프로필 만들기 09:52
[파이썬 구현] 전체 유저의 프로필 만들기 11:32
[파이썬 구현] 전체 유저의 평점 예측과 모델 평가 11:23
[파이썬 구현] 오버피팅 (Overfitting) 09:12
[아이디어 설명] 정규화 (Regularization) 12:24
[파이썬 구현] Lasso 모델 적용 13:51
섹션 8. 나와 친구를 위한 영화 추천
나의 데이터 EDA 09:30
나와 친구들의 데이터 EDA 11:33
Lasso 하이퍼파라미터 튜닝 12:43
나에게 어떤 영화들이 추천되었을까? 12:54
섹션 9. 마무리
마무리 08:23
강의 게시일 : 2020년 05월 13일 (마지막 업데이트일 : 2022년 05월 23일)
수강평 총 45개
수강생분들이 직접 작성하신 수강평입니다.
4.6
45개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
윤석빈 thumbnail
5
good !
2021-12-05
안진우 thumbnail
5
친절하고 좋은 강의 감사합니다 :)
2022-04-03
이승주 thumbnail
4
강의 준비를 많이 하신거 같습니다. 꼼꼼한 강의 감사합니다.
2021-10-29
yj.choi thumbnail
5
수강 잘들었습니다.
2021-11-24
neot0000 thumbnail
5
좋은 강의입니다.
2022-04-14