패스트캠퍼스 환급챌린지 1일차 미션 (2월 1일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기

공부사진

공부내용

• 추천 시스템은 "효율적"임
• 많은 기업 넷플릭스, 유튜브, 멜론, 인스타그램에서 추천시스템이 적용됨 
• 추천 시스템, 딥러닝, 머신러닝 개념, 응용모델등을 제공
• 추천 시스템이란? 유저와 아이템의 주변 정보와 사용작용 기록을 바탕으로 유저가 선호할 아이템을 예측하여 유저의 의사결정을 돕는 인공지능 서비스 
• 유저 : 서비스를 이용하는 주체 
• 아이템 : 서비스에서 판매 제공하는 대상 물품 
• 추천 시스템은 사용자의 선호도와 관심사를 기반으로 상품, 서비스, 콘텐츠 등을 추천하는 시스템
• 주로 온라인 쇼핑, 동영상 스트리밍 플랫폼, 음악 스트리밍 서비스, 소셜 미디어 플랫폼 등 다양한 분야에서 활용 됨
• 추천 시스템은 사용자의 이전 구매 이력, 클릭 패턴, 평가, 소셜 그래프 등 다양한 정보를 활용하여 개인화된 추천 제공
• 유저는 추천 시스템을 사용하는 개별 사용자를 나타냄.
• 예를 들어, 영화나 음악 스트리밍 서비스를 이용하는 각각의 사용자가 유저에 해당
• 아이템(Item)은 추천 시스템이 추천하는 대상을 나타냄.
• 예를 들어, 이는 영화, 음악, 제품, 뉴스 기사, 블로그 포스트 등 다양한 형태의 콘텐츠나 상품을 의미함
• 상호작용(Interaction)은 유저가 아이템과 어떤 형태로 상호 작용하는지를 나타냄.
• 이는 구매, 시청, 클릭, 좋아요, 평가, 리뷰 작성 등 다양한 형태
• 상호작용 데이터는 추천 시스템이 개인화된 추천을 제공하는 데 사용함 
• 추천 시스템과 검색 시스템은 차이점이 있음 (작동방식, 쿼리 입력, 작동 시점, 의도의 명시성)
• 비슷하지만 다름 
• 이커머스 : 유저의 기록을 기반으로 다음 구매할 상품을 추천함(커피, 캡슐)
• 비슷한 패턴을 보이는 유저가 구매할 다음 상품
• 손님들이 언제나 탈출이 가능하기 때문에 추천 시스템의 역활을 중요함 
• 자주 구매하는 항목, 이 품목을 구매한 사람들이 구매한 다른 물품 등등 
• 대체재와 보완재를 잘 추천함 
• 다양한 비지니스 목적 달성 가능 

공부후기 

패스트캠퍼스 환급챌리지를 위해 추천 시스템 강의를 선택했다. 추천시스템에 큰 관심이 없었지만 이번 기회를 통해 배우고 구현해보고 싶다. 

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://bit.ly/48sS29N