추천 엔진을 구축하기 위한 기본서
-
- 정가
- 33,000 원
-
- 출판사
- 에이콘출판사
-
- 지은이
- 수레시 고라칼라
-
- 대여가
- 장바구니기능
3,300원 대여하기
-
- 배송예정일
- : 오전 12시 이전 당일 배송
-
- 배송택배
- : 20,000원 이상 왕복배송비 무료(미만 4,000원)
-
- 구매전환가
- : 장바구니에서 확인 가능합니다. 대여일 증가 시 구매전환가는 더 할인됩니다.
상품정보
1장. 추천 엔진 소개
추천 엔진 정의
추천 시스템의 필요성
추천 시스템을 운영하는 빅데이터
추천 시스템 종류
- 협업 필터링 추천 시스템
- 콘텐츠 기반 추천 시스템
- 하이브리드 추천 시스템
- 상황 인식 추천 시스템
기술 발전에 따른 추천 시스템의 발전
- 확장 가능한 추천 시스템을 위한 머하웃
- 실시간 확장 가능 추천 시스템을 위한 아파치 스파크
- 실시간 그래프 기반 추천 시스템을 위한 Neo4j
요약
2장. 첫 번째 추천 엔진 구축하기
기본 추천 엔진 구축하기
- 데이터 로드 및 형식 변환
- 사용자 사이의 유사도 계산
- 사용자의 등급 예측
요약
3장. 추천 엔진 이해
추천 엔진의 진화
최근접 이웃 기반 추천 엔진
- 사용자 기반 협업 필터링
- 아이템 기반 협업 필터링
- 장점
- 단점
콘텐츠 기반 추천 시스템
- 아이템 프로필 생성
- 사용자 프로필 생성
- 장점
- 단점
상황 인식 추천 시스템
- 상황의 정의
- 사전 필터링 방식
- 사후 필터링 방식
- 장점
- 단점
하이브리드 추천 시스템
- 가중 방식
- 혼합 방식
- 캐스케이드 방식
- 특징 조합 방식
- 장점
모델 기반 추천 시스템
- 확률적 접근법
- 머신 러닝 접근법
- 수학적 접근법
- 장점
요약
4장. 추천 엔진에서 사용되는 데이터 마이닝 기법
이웃 기반 기법
- 유클리드 거리
- 코사인 유사도
- 자카드 유사도
- 피어슨 상관계수
수학적 모델 기법
- 행렬 인수 분해
- 교대 최소 제곱
- 특이값 분해
머신 러닝 기법
- 선형 회귀
- 분류 모델
- -선형 분류
- -KNN 분류
- -서포트 벡터 머신
- -결정 트리
- -앙상블 방법
클러스터링 기법
- K-평균 클러스터링
차원 축소
- 주성분 분석
벡터 공간 모델
- 단어 빈도
- 단어 빈도-역문서 빈도
평가 기법
- 교차 검증
- 정규화
- -평균 제곱근 오차
- -평균 절대 오차
- -정확도와 재현율
요약
5장. 협업 필터링 추천 엔진 구축하기
RStudio에 recommenderlab 패키지 설치하기
recommenderlab 패키지에서 사용 가능한 데이터 세트
- Jester5K 데이터 세트 탐색
- -설명
- -사용법
- -형식
- -상세 설명
데이터 세트 탐색하기
- 평가 값 탐색하기
recommenderlab으로 사용자 기반의 협업 필터링 구축하기
- 훈련 데이터와 테스트 데이터 준비하기
- 사용자 기반 협업 모델 생성하기
- 테스트 세트에서의 예측
- 데이터 세트 분석하기
- k-교차 검증을 통한 추천 모델 평가하기
- 사용자 기반 협업 필터링 평가하기
아이템 기반 추천인 모델 구축하기
- IBCF 추천인 모델 구축하기
- 모델 평가
- 메트릭을 사용한 모델 정확도
- 플롯을 사용한 모델 정확도
- IBCF의 매개변수 튜닝하기
파이썬을 사용한 협업 필터링
- 필요한 패키지 설치하기
- 데이터 소스
데이터 탐사
- 평가 행렬 표현
- 훈련과 테스트 세트 생성하기
- UBCF를 구축하는 단계
- 사용자 기반 유사도 계산
- 활성 사용자의 알려지지 않은 평가 예측하기
k-최접 이웃과의 사용자 기반 협업 필터링
- 최접 N 이웃 찾기
아이템 기반 추천
- 모델 평가하기
- k-최접 이웃에 대한 훈련 모델
- 모델 평가하기
요약
6장. 개인화 추천 엔진 구축하기
개인화 추천인 시스템
콘텐츠 기반 추천인 시스템
- 콘텐츠 기반 추천 시스템 구축하기
- R을 사용한 콘텐츠 기반 추천
- -데이터 세트 설명
- 파이썬을 사용한 콘텐츠 기반 추천
- -데이터 세트 설명
- -사용자 활동
- -아이템 프로필 생성
- -사용자 프로필 생성
상황 인식 추천인 시스템
- 상황 인식 추천인 시스템 구축하기
- R을 사용한 상황 인식 추천
- -상황 정의하기
- -상황 프로필 생성하기
- -상황 인식 추천 생성하기
요약
7장. 스파크를 사용해 실시간 추천 엔진 구축하기
스파크 2.0
- 스파크 아키텍처
- 스파크 구성 요소
- 스파크 코어
- -스파크 SQL을 이용한 구조화된 데이터
- -스파크 스트리밍을 사용하는 스트리밍 분석
- -MLlib를 사용하는 머신 러닝
- -GraphX를 사용한 그래픽 계산
- 스파크의 장점
- 스파크 셋업하기
- SparkSession에 대해
- RDD
- ML 파이프라인에 대해
교대 최소 제곱을 이용한 협업 필터링
pyspark를 사용한 모델 기반 추천 시스템
MLlib 추천 엔진 모듈
추천 엔진 접근 방식
- 구현 방법
- -데이터 로딩
- -데이터 탐색
- -기본 추천 엔진 만들기
- -예측하기
- 사용자 기반 협업 필터링
- 모델 평가
- 모델 선택 및 하이퍼 매개변수 튜닝
- -교차 유효성 검사
- -CrossValidator
- -학습 유효성 검사 분할
- -ParamMaps/매개변수 설정하기
- -평가자 객체 설정하기
요약
8장. Neo4j로 실시간 추천 엔진 구축하기
서로 다른 그래프 데이터베이스 식별
- 레이블이 지정된 프로퍼티 그래프
- -GraphDB 핵심 개념 이해하기
Neo4j
- Cypher 쿼리 언어
- -Cypher 쿼리 기본
- 노드 문법
- 관계 문법
- 첫 번째 그래프 만들기
- -노드 만들기
- -관계 만들기
- -관계에 프로퍼티 설정하기
- -csv에서 데이터 불러오기
Neo4j 윈도우 버전 설치하기
리눅스에서 Neo4j 설치하기
- Neo4j 다운로드하기
- Neo4j 설정하기
- 명령행에서 Neo4j 시작하기
추천 엔진 만들기
- 데이터를 Neo4j로 보내기
- Neo4j를 사용해 추천 정보 만들기
- 유클리드 거리를 이용한 협업 필터링
- 코사인 유사성을 사용한 협업 필터링
요약
9장. 머하웃을 이용한 추천 엔진 구축하기
머하웃: 개요
머하웃 설정하기
- 독립 모드: 라이브러리로서 머하웃 사용하기
- 분산 모드용 머하웃 설정하기
머하웃의 코어 빌딩 블록
- 사용자 기반 협업 추천 엔진의 컴포넌트
- 머하웃을 사용해 추천 엔진 만들기
- 데이터 세트 내용
- 사용자 기반의 협업 필터링
아이템 기반의 협업 필터링
협업 필터링 평가하기
사용자 기반 추천인 평가
아이템 기반 추천인 평가
SVD 추천
머하웃을 이용한 분산 추천
- 하둡에서의 ALS 추천 방법
확장 가능한 시스템 아키텍처
요약
10장. 추천 엔진의 미래: 다음은 무엇일까?
추천 엔진의 미래
추천 엔진의 단계
- 단계 1: 일반적인 추천 엔진
- 단계 2: 개인화된 추천인 시스템
- 단계 3: 미래 지향적 추천 시스템
- -검색의 종료
- -웹 검색의 종말
- -웹에서의 새로운 등장
- 차선책
- 유스케이스 고려
- -스마트 홈
- -헬스케어 추천인 시스템
- -추천 뉴스
인기 있는 방법론
- 세렌디피티
추천 엔진의 시간적 측면
- A/B 테스트
- 피드백 메커니즘
요약
이 책에서 다루는 내용
- 첫 번째 추천 엔진 구축 방법
- 추천 엔진을 구축하는 데 필요한 도구
- 공동 작업, 콘텐츠 기반 및 교차 추천과 같은 추천 시스템의 다양한 기법
- 업무를 쉽게 할 수 있는 효율적인 의사 결정 시스템
- 다양한 프레임워크에서의 머신 러닝 알고리즘
- 실제 코드 예제를 사용한 다양한 버전의 추천 엔진 마스터링
- 다양한 추천 시스템의 탐색과 R, 파이썬, 스파크 등의 기술을 이용하는 구현 방법
이 책의 대상 독자
이 책은 R, 파이썬, 스파크, Neo4j, 하둡을 사용한 추천 엔진과 복잡한 예측 의사 결정 시스템을 이해하고 구축하려는 초보자나 관련 경험이 있는 데이터 과학자를 대상으로 한다.
이 책의 구성
1장. '추천 엔진 소개'에서는 데이터 과학자들에게 추천 기능에 대해 다시 설명하고, 초보자들을 위해 추천 엔진을 다룬다. 그리고 사람들이 일상생활에서 사용하는 인기 있는 추천 엔진을 소개하고 인기 있는 추천 엔진의 장점과 단점을 살펴본다.
2장. '첫 번째 추천 엔진 구축하기'에서는 추천 엔진의 세계로 떠나기 전에 영화 추천 엔진을 어떻게 만드는지 간단히 살펴본다.
3장. '추천 엔진 이해'에서는 사용자 기반 협업 필터링 추천 엔진, 항목 기반 협업 필터링, 콘텐츠 기반 추천 엔진, 컨텍스트 기반 추천인(recommender), 하이브리드 추천인, 머신 러닝 모델 및 수학 모델과 같은 모델 기반 추천인 시스템 등 널리 사용되는 다양한 권장 엔진 기술을 설명한다.
4장. '추천 엔진에서 사용되는 데이터 마이닝 기법'에서는 유사성 측정, 분류, 회귀, 차원 축소 기술과 같은 추천 엔진 구축에서 사용되는 다양한 머신 러닝 기술을 다룬다. 추천 엔진의 예측 성능을 테스트하는 평가 측정 항목도 설명한다.
5장. '협업 필터링 추천 엔진 구축하기'에서는 R과 파이썬에서 사용자 기반 협업 필터링과 항목 기반 협업 필터링을 작성하는 방법을 다룬다. 또한 R과 파이썬에서 사용할 수 있는 다양한 라이브러리도 살펴본다. 이 라이브러리는 추천 엔진 구축 시에 광범위하게 사용된다.
6장. '개인화 추천 엔진 구축하기'에서는 R과 파이썬, 그리고 콘텐츠 기반 추천 시스템 및 상황 인식 권장 엔진을 작성하는 데 사용되는 다양한 라이브러리를 사용해 개인화 추천 엔진을 만드는 방법을 설명한다.
7장. '스파크를 사용해 실시간 추천 엔진 구축하기'에서는 실시간 추천 시스템을 구축하는 데 필요한 스파크 및 MLlib의 기본에 대해 설명한다.
8장. 'Neo4j로 실시간 추천 엔진 구축하기'에서는 graphDB와 Neo4j의 기본 개념을 살펴보고 Neo4j를 사용해 실시간 추천 시스템을 구축하는 방법을 설명한다.
9장. '머하웃을 이용한 추천 엔진 구축하기'에서는 확장 가능한 추천 시스템을 구축하는 데 필요한 하둡과 머하웃의 기본 빌딩 블록에 대한 내용을 다룬다. 또한 머하웃과 SVD를 사용해 확장 가능한 시스템을 구축하고, 단계별로 구현하는 데 필요한 아키텍처 관련 내용도 다룬다.
10장. '추천 엔진의 미래: 다음은 무엇일까?'에서는 이전까지 배운 내용을 요약해 설명한다. 그리고 의사 결정 시스템 구축에 사용되는 사례와 추천 시스템의 미래 모습도 살펴본다.
결제정보
- 주문하신 상품의 대금 결제는 신용카드, 온라인입금(무통장입금)으로 결제하는 방법이 있습니다.
- 온라인 입금의 경우에는 입금확인 후 배송이 이루어지며 신용카드결제는 KG이니시스 시스템을 사용하고 있으므로 안심하고 이용하셔도 됩니다
- 온라인 입금하신 후 담당자에게 전화나 메일로 송금내역을 알려주시면 보다 신속하게 주문이 처리 됩 니다.
국민 : 407937-04-000322 : (주)리틀코리아
농협 : 309-01-214071 : (주)리틀코리아
배송정보
- 결제확인후 바로 배송해드리고 있습니다.
- 모든 상품은 택배로 안전하게 배달되며 통상 배달소요기간은 2∼5일입니다.
(단, 주말과 공휴일은 그만큼 늦어질 수도 있습니다.) - 단행본 대여상품은 20,000원 미만 배송비 4,000원, 대여총액 20,000원 이상 대여시 왕복 무료배송(도서산간지역은 제외, 박스당 배송비 3,000원)
교환/환불정보
- 대여상품은 반품이 불가합니다.
