추천 시스템 도입을 고민하고 있다면 제일 먼저 봐야 하는 책! ‘맞춤 동영상’ ‘팔로우 추천’ ‘다른 고객이 함께 본 상품’ 등 추천 기능은 주변의 다양한 서비스에 포함되어 있다. 수많은 선택지에서 원하는 것을 고르려면 너무나 많은 시간이 걸리기 때문에 방대한 아이템을 다루는 서비스에는 추천 시스템이 필수다. 이 책은 추천 시스템을 도입하고자 하는 독자나 조직이 우선적으로 읽어야 할 입문서다. 추천 시스템 개발자인 저자들이 경험한 성공 사례와 실패 사례를 살펴보면서 어떤 서비스에 추천 시스템을 조합하고 적용할 것인가에 중점을 두고 구성했다. 추천 알고리즘을 자세히 파고드는 대신 알고리즘 개요와 실무 활용 방법을 중심으로 설명한다. 이 책이 여러분의 서비스가 더욱 진화할 수 있도록 적합한 추천 시스템을 개발하는 데 도움이 될 것이다.
도쿄 대학 대학원에서 추천 시스템에 관해 연구했고 졸업 후에는 리크루트(Recruit)와 인디드(Indeed)에서 추천 시스템 개발과 프로젝트 매니지먼트를 경험했다. 거기서 개발한 알고리즘을 추천 시스템 국제 학회 RecSys에서 발표했다. 현재는 유비(Ubie) 주식회사에서 데이터 사이언스 조직을 세우고 다시 의료 분야 머신러닝 상품 개발에 매진하고 있다.
CHAPTER 1 추천 시스템_1.1 추천 시스템_1.2 추천 시스템의 역사_1.3 추천 시스템의 종류_1.4 검색 시스템과 추천 시스템_1.5 정리CHAPTER 2 추천 시스템 프로젝트_2.1 추천 시스템 개발에 필요한 3가지 스킬_2.2 추천 시스템 프로젝트 진행 방법_2.3 정리CHAPTER 3 추천 시스템의 UI/UX_3.1 UI/UX의 중요성_3.2 서비스를 사용하는 사용자의 목적에 적합한 UI/UX 사례_3.3 서비스 제공자의 목적에 맞는 UI/UX 사례_3.4 연관 주제_3.5 정리CHAPTER 4 추천 알고리즘 개요_4.1 추천 알고리즘 분류_4.2 내용 기반 필터링_4.3 협조 필터링_4.4 내용 기반 필터링과 협조 필터링 비교_4.5 추천 알고리즘 선택_4.6 기호 데이터의 특징_4.7 정리CHAPTER 5 추천 알고리즘 상세_5.1 알고리즘 비교_5.2 MovieLens 데이터셋_5.3 무작위 추천_5.4 통계 정보나 특정 규칙에 기반한 추천_5.5 연관 규칙_5.6 사용자-사용자 메모리 기반 방법 협조 필터링_5.7 회귀 모델_5.8 행렬 분해_5.9 자연어 처리 방법에 대한 추천 시스템 응용_5.10 딥러닝_5.11 슬롯머신 알고리즘(밴딧 알고리즘)_5.12 정리CHAPTER 6 실제 시스템과의 조합_6.1 시스템 개요_6.2 로그 설계_6.3 실제 시스템 예_6.4 정리CHAPTER 7 추천 시스템 평가_7.1 3가지 평가 방법_7.2 오프라인 평가_7.3 온라인 평가_7.4 사용자 스터디를 통한 평가_7.5 정리CHAPTER 8 발전적 주제_8.1 국제회의_8.2 편향_8.3 상호 추천 시스템_8.4 업리프트 모델링_8.5 도메인에 따른 특징과 과제_8.6 정리APPENDIX A 넷플릭스 프라이즈_A.1 넷플릭스 창업_A.2 추천 시스템 개발_A.3 넷플릭스 프라이즈_A.4 넷플릭스의 추천 시스템_A.5 정리APPENDIX B 사용자-사용자 메모리 기반 방법_B.1 추천 과정(1): 사용자와 기호 경향이 비슷한 사용자 찾기_B.2 추천 과정(2): 예측 평갓값 계산하기_B.3 추천 과정(3): 사용자에게 추천하기
