입문자를 위한 추천 시스템 기초반 :)
recommender system, 데이터사이언스, 추천시스템
시작일
20200718
진행일시
매주 토 / 13:30
모집현황
진행장소
강남캠퍼스
시작일
20200718
진행일시
매주 토 / 13:30
모집현황
진행장소
강남캠퍼스
사회적 거리두기 2단계 이상일 경우, ZOOM을 활용하여 온라인으로 진행될 수 있습니다.
학습대상
추천 시스템을 공부하고 싶은 혹은 공부하고 있는 분
추천 시스템의 적용 사례를 공부하고 싶은 분
혼자서는 어렵더라도, 함께라면 해낼 수 있다는 마음이 있는 분
과목난이도
쉬움 (1단계) ~ 어려움(5단계)
☘️☘️: 기초를 탄탄히 해보아요.
학습목표
추천 시스템이란 무엇인가? 에 대한 답을 찾아본다
추천 시스템을 만들기 위해 어떠한 방법을 적용할 수 있는지 공부한다
대표적인 논문이 무엇이고 각 특징이 무엇인지 파악한다
운영방식
- 한 주마다 주제를 정하고 그 주제를 다 같이 공부해서 참가합니다
- 한 주마다 발표자를 정하여서 발표자가 대표로 정리 및 review를 해줍니다
- 다 같이 모여서 궁금했던 부분, 의문이 있었던 부분에 대해 논의하고 토론합니다
선수지식
- 아래와 같은 선수 지식이 있으면 좋습니다
- - 기본적인 Python 지식
- - 딥러닝, 머신러닝 기초 지식
커리큘럼
사전학습 / 이론+실습
주차 | 학습내용 | 학습자료 |
---|---|---|
1 주차 | 오리엔테이션 - 각자 소개 및 발표자 지정. 추천 시스템의 전반적인 개요 파악 | 개인 블로그 정리 자료 |
2 주차 | Content based recommender system ( with Kaggle ) & Collaborative Filtering ( part 1 ) | https://www.cs.umd.edu/~samir/498/Amazon-Recommendations.pdf 및 개인 정리 자료 |
3 주차 | Collaborative Filtering ( part 2 ) ( with Kaggle ) | 개인 블로그 정리 자료 |
4 주차 | Deep neural networks fo youtube recommendations | https://static.googleusercontent.com/media/research.google.com/ko//pubs/archive/45530.pdf |
5 주차 | wide & deep learning for recommender systems | https://arxiv.org/pdf/1606.07792.pdf |
6 주차 | related pins at pinterest the evolution of a real-world recommender system | https://arxiv.org/pdf/1702.07969.pdf |
7 주차 | Multi Armed Bandit | https://arxiv.org/pdf/1904.07272.pdf |
8 주차 | ad click prediction a view from the trenches | https://static.googleusercontent.com/media/research.google.com/ko//pubs/archive/41159.pdf |
9 주차 | practical lessons from predicting clicks on ads at facebook | https://research.fb.com/wp-content/uploads/2016/11/practical-lessons-from-predicting-clicks-on-ads-at-facebook.pdf |
10 주차 | collaborative topic modeling for recommending scientific articles | https://www.cs.columbia.edu/~blei/papers/WangBlei2011.pdf |
11 주차 | The Netflix Recommender System: Algorithms, Business Value, and Innovation | https://dl.acm.org/doi/pdf/10.1145/2843948 |
퍼실소개
이수진
안녕하세요. 저는 ST Unitas - Data Science팀에서 일하고 있는 이수진이라고 합니다 :) 풀잎스쿨과는 5기부터 인연이 되어 참여하고 있고 지금까지 2번의 퍼실을 담당한 경험이 있습니다. 현재 추천 시스템은 많은 문제와 서비스에서 적용 및 활용되고 있습니다. 하지만 접근 방법이 쉽지 않은 것이 사실입니다. 그래서! 이렇게 추천 시스템 기초반을 만들게 되었습니다. 혼자서 공부하기에 벅차고, 어려운 문제인 만큼 다 같이 함께 추천 시스템을 공부하고 싶습니다.
안녕하세요. 저는 ST Unitas - Data Science팀에서 일하고 있는 이수진이라고 합니다 :) 풀잎스쿨과는 5기부터 인연이 되어 참여하고 있고 지금까지 2번의 퍼실을 담당한 경험이 있습니다. 현재 추천 시스템은 많은 문제와 서비스에서 적용 및 활용되고 있습니다. 하지만 접근 방법이 쉽지 않은 것이 사실입니다. 그래서! 이렇게 추천 시스템 기초반을 만들게 되었습니다. 혼자서 공부하기에 벅차고, 어려운 문제인 만큼 다 같이 함께 추천 시스템을 공부하고 싶습니다.
본 풀잎반은 추천 시스템 기초반으로 추천 시스템의 기본적인 내용부터 유명한 논문까지 공부해보는 과정입니다. Collaborative Filtering, Content-based Filtering 등의 기본적인 내용부터 시작하려고 합니다. 나아가 Youtube recommender system, Wide & Deep learning, Pinterest 논문 등을 읽어보며 공부할 예정입니다. 이 과정에서 추천 시스템이란 무엇이고 어떻게 적용하는지 차근히 그리고 조금씩 기초부터 알아보려고 합니다.