HOME > 상세정보

상세정보

R로 만드는 추천 시스템 : 고객의 취향을 예측하는 추천 시스템 만들기

R로 만드는 추천 시스템 : 고객의 취향을 예측하는 추천 시스템 만들기

자료유형
단행본
서명 / 저자사항
R로 만드는 추천 시스템 : 고객의 취향을 예측하는 추천 시스템 만들기 / 수레시 고라칼라, 미셸 우수엘리 지음 ; 김동섭 [외]옮김
발행사항
서울 : 에이콘, 2017
형태사항
193 p. : 삽화, 도표 ; 24 cm
총서사항
acorn+PACKT technical book
원표제
Building a recommendation system with R : learn the art of building robust and powerful recommendation engines using R
ISBN
9791161750309 9788960772106 (Set)
일반주기
공역자: 윤병도, 김현돈, 박정현
서지주기
참고문헌(p. 189)과 색인수록
일반주제명
Recommender systems (Information filtering) Machine learning R (Computer program language)
000 00000cam c2200205 c 4500
001 000045956074
005 20181002174433
007 ta
008 181002s2017 ulkad b 001c kor
020 ▼a 9791161750309 ▼g 94000
020 1 ▼a 9788960772106 (Set)
035 ▼a (KERIS)BIB000014565015
040 ▼a 241008 ▼c 241008 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 004.019 ▼2 23
085 ▼a 004.019 ▼2 DDCK
090 ▼a 004.019 ▼b 2017
100 1 ▼a Gorakala, Suresh K.
245 1 0 ▼a R로 만드는 추천 시스템 : ▼b 고객의 취향을 예측하는 추천 시스템 만들기 / ▼d 수레시 고라칼라, ▼e 미셸 우수엘리 지음 ; ▼e 김동섭 [외]옮김
246 1 9 ▼a Building a recommendation system with R : ▼b learn the art of building robust and powerful recommendation engines using R
260 ▼a 서울 : ▼b 에이콘, ▼c 2017
300 ▼a 193 p. : ▼b 삽화, 도표 ; ▼c 24 cm
440 0 0 ▼a acorn+PACKT technical book
500 ▼a 공역자: 윤병도, 김현돈, 박정현
504 ▼a 참고문헌(p. 189)과 색인수록
650 0 ▼a Recommender systems (Information filtering)
650 0 ▼a Machine learning
650 0 ▼a R (Computer program language)
700 1 ▼a Usuelli, Michele, ▼e
700 1 ▼a 김동섭, ▼e
700 1 ▼a 윤병도, ▼e
700 1 ▼a 김현돈, ▼e
700 1 ▼a 박정현, ▼e
900 1 0 ▼a 고라칼라, 수레시, ▼e
900 1 0 ▼a 우수엘리, 미셸, ▼e
945 ▼a KLPA

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 004.019 2017 등록번호 121246122 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

최근 가장 각광받는 언어이자 오픈소스 프로그램인 R을 이용해 추천 시스템을 설명한다. 다양한 데이터 마이닝 기법과 데이터 처리 방법, 추천 시스템에 쓰이는 다양한 평가 기법을 알 수 있어 R과 머신 러닝에 대한 배경지식을 가진 이들에게 적합하다. 추천 시스템의 기법, 성능평가, 실제 실습의 과정을 지나고 나면 어느새 아마존이 어떻게 나의 취향을 파악하고 있는지, 우리는 고객에게 어떻게 상품을 추천해줘야 하는지를 차츰 이해하게 될 것이다.

넷플릭스, 애플 뮤직, 아마존은 어떻게 나의 취향을 정확히 파악했을까? 빅데이터 시대에 들어서 기업들은 날로 정교하게 고객의 취향을 파악하려 노력한다. 정보의 홍수 속에 고객이 원하는 것을 가장 빠르고 쉽게 찾게끔 돕는 것은 이제 선택이 아니라 필수가 됐다. 이 책은 최근 가장 각광받는 언어이자 오픈소스 프로그램인 R을 이용해 추천 시스템을 설명한다. 책을 따라 추천 시스템의 기법, 성능평가, 실제 실습의 과정을 지나고 나면 어느새 아마존이 어떻게 나의 취향을 파악하고 있는지, 우리는 고객에게 어떻게 상품을 추천해줘야 하는지를 차츰 이해하게 될 것이다.

★ 이 책에서 다루는 내용 ★
■ 추천 시스템의 핵심 이해
■ 다양한 데이터 마이닝 기법과 데이터 처리 방법
■ 추천 알고리즘의 최적화 및 평가
■ 추천 모형 설계를 위한 데이터 구조화 등의 준비 작업
■ R의 직접 실행을 통한 추천 시스템 기법별 차이
■ 추천 시스템에 쓰이는 다양한 평가 기법
■ R의 대표적인 추천 시스템 패키지인 recommenderlab에 대한 소개와 고성능의 추천 시스템을 만들기 위한 최적화 방법

★ 이 책의 대상 독자 ★
이 책은 R과 머신 러닝에 대한 배경지식을 가진 사람들을 대상으로 한다. 추천 시스템을 만들어보고 싶었다면 이 책이 적합할 것이다.

★ 이 책의 구성 ★
1장. '추천 시스템 시작하기'에서는 이 책의 구성을 설명하고 추천 시스템의 실제 적용 사례를 알아본다.
2장. '추천 시스템에서 사용되는 데이터 마이닝 기법'에서는 추천 모델을 만드는 데 필요한 R의 기초를 살펴보고 데이터 처리와 머신 러닝 기법들을 알아본다.
3장. '추천 시스템'에서는 많이 사용되는 몇 가지 추천 시스템들을 설명하고 R을 사용해 어떻게 만드는지 알아본다.
4장. '추천 시스템의 평가'에서는 추천 시스템의 성능을 평가하고 최적화하는 방법을 알아본다.
5장. '사례 연구: 나만의 추천 시스템 만들기'에서는 비즈니스 과제를 해결하기 위해 어떻게 추천 시스템을 만들고 최적화하는지 알아본다.


정보제공 : Aladin

저자소개

미셸 우수엘리(지은이)

대용량 데이터 및 머신 러닝 분야의 전문 데이터 과학자이자 작가며, R의 열성적인 팬이다. 현재 2015년 4월 마이크로소프트가 인수한 R 기반 기업인 레볼루션 애널리틱스(Revolution Analytics)에서 근무하고 있다. 수학공학을 전공했으며 과거에는 빅데이터 스타트업과 출판사에서 일했다. 팩트출판사에서 펴낸 『R Machine Learning Essentials』(2014)의 저자이기도 하다.

수레시 고라칼라(지은이)

데이터 분석가이자 데이터 마이닝, 빅데이터 분석, 시각화 도구 전문 컨설턴트며 인공지능에 주력하는 데이터 과학자다. 여러 도메인의 다양한 글로벌 고객과 협력하며, 향상된 빅데이터 분석 기법을 사용해 비즈니스 문제를 해결하는 데 기여하고 있다. 추천 엔진, 자연어 처리, 고급 머신 러닝, 그래프 데이터베이스와 관련된 폭넓은 작업을 했으며, 『R로 만드는 추천 시스템』(에이콘, 2017)을 공동 저술했다. 열정적인 여행자며, 취미 생활로 사진 작가를 겸하기도 한다. 인도 안드라대학교(Andhra University)의 SRKR 공과대학(SRKR Engineering College)에서 기계공학 학사 학위를 취득했고 데이터 도구 제작과 아이디어 창출, 교육, 사진, 여행을 좋아한다.

김동섭(옮긴이)

경북대학교에서 지능형 에이전트로 석사 학위를 받았다. 2006년부터 수년간 일본 동경에 있는 ORIX 그룹(ORIX Group), NTT COMWARE, 캐논 마케팅 재팬(Canon Marketing Japan)에서 시스템 분석 및 설계, 개발 업무를 담당했고 현재는 NHN Technology Services에 재직 중이다. 번역서로는 『PHP+MySQL 웹 개발 마스터 북』(남가람북스, 2016)이 있다. 홈페이지(http://www.abreqadhabra.com)를 운영한다.

윤병도(옮긴이)

숭실대학교에서 경영학 학사를 취득했으며, 이후 한국방송통신대 정보통계학과에 편입해 통계학과 컴퓨터공학을 수학 중이다. 참좋은여행에서 여행 상품 추천 시스템 모형 설계, 데이터 기반 상품 분석, 고객 정보 통합 업무 등을 담당했고, 현재는 쿠팡 여행사업부에서 분석가로 재직 중이다. 자율형 연구소인 '모두의연구소'에 추천 시스템 연구실을 만들어 운영하고 있다.

김현돈(옮긴이)

일본 국비(문부성) 장학생으로 교토대학교(Kyoto University)에서 로봇 청각 시스템으로 박사 학위를 취득했다. 이후 4년간 LG전자 전자기술원 미래IT융합연구소에서 가전 및 휴대폰에 사용되는 음성 인식 시스템의 전처리 기술 연구 및 상용화 개발을 담당했다. 현재는 음성을 이용한 생체 인증과 딥러닝을 사용한 차세대 전파감지기 개발 업무를 맡고 있다.

박정현(옮긴이)

데이터를 기반으로 하는 머신러닝과 인공지능 관련 기술에 관심이 많으며 머신러닝 스타트업 창업 경험이 있다. 현재 서울대학교 EPM 연구실 및 공학연구원 소속 연구원으로 머신러닝, 엔지니어링 프로젝트 매니지먼트 관련 분야를 연구하고 있다. 공역한 책으로는 『R로 만드는 추천 시스템』(에이콘, 2017)이 있으며 AWS Certified Machine Learning Specialty, Microsoft Certified Professional 자격을 보유하고 있다.

정보제공 : Aladin

목차

1장. 추천 시스템 시작하기 
__추천 시스템의 이해 
__이 책의 구성 
__협업 필터링 추천 시스템 
__콘텐츠 기반 추천 시스템 
__지식 기반 추천 시스템 
__하이브리드 시스템 
__평가 기법 
__사례 연구 
__다음 단계 
__요약 

2장. 추천 시스템에서 사용되는 데이터 마이닝 기법 
__데이터 분석 문제 해결하기 
__데이터 전처리 기법 
____유사도 측정 
______유클리디안 거리 
______코사인 거리 
______피어슨 상관 계수 
____차원 축소 
______주성분 분석 
__데이터 마이닝 기법 
__클러스터링 분석 
____K-평균 클러스터링 
______서포트 벡터 머신 
__의사결정 나무 
__앙상블 기법 
____배깅 
____랜덤 포레스트 
____부스팅 
__데이터 마이닝 알고리즘 평가 
__요약 

3장. 추천 시스템 
__추천 시스템을 위한 R 패키지: recommenderlab 
____데이터 세트 
______Jester5k, MSWeb, MovieLense 
____평점 매트릭스를 위한 클래스 
____유사도 매트릭스 계산 
____추천 모델 
__데이터 탐구 
____데이터 특징 탐구 
____평점 값 탐구 
____조회된 영화 탐색 
____평균 평점 탐색 
____매트릭스 시각화 
__데이터 준비 
____가장 적절한 데이터 선택하기 
____가장 적절한 데이터 탐색 
____데이터 정규화 
____데이터 이진화 
__아이템 기반 협업 필터링 
____트레이닝 및 테스트 세트 정의 
____추천 모델 생성 
____추천 모델 탐색 
____테스트 세트에 추천 모델 적용 
__사용자 기반 협업 필터링 
____추천 모델 생성 
____테스트 세트에 추천 모델 적용 
____이진 데이터에 대한 협업 필터링 
____데이터 준비 
____이진 데이터에 대한 아이템 기반 협업 필터링 
____이진 데이터에 대한 사용자 기반 협업 필터링 
____협업 필터링에 대한 결론 
______협업 필터링의 한계 
__콘텐츠 기반 필터링 
__하이브리드 추천 시스템 
__지식 기반 추천 시스템 
__요약 

4장. 추천 시스템의 평가 
__모델 평가를 위한 데이터 준비 
____데이터 분할 
____데이터 부트스트랩 
____k-fold를 사용해 모델 확인 
__추천 결과 평가 
____예측 평점 평가 
____추천 결과 평가 
__가장 적합한 모델 식별 
____모델 비교 
____가장 적합한 모델 식별 
____매개변수 최적화 
__요약 

5장. 사례 연구: 나만의 추천 시스템 만들기 
__데이터 준비하기 
____데이터에 대한 설명 
____데이터 불러오기 
____평점 매트릭스 정의하기 
____아이템 속성 추출하기 
__모델 만들기 
__모델 평가 및 최적화 
____모델을 평가하는 함수 만들기 
____모델 매개변수 최적화 
__요약

관련분야 신착자료

정재화 (2020)