넷플릭스와 아마존의 비밀: 파이썬으로 훔쳐보는 추천 알고리즘의 모든 것

02

1-02차시 강사 소개

03

1-03차시 추천 시스템 개요

04

1-04차시 추천 시스템의 기본 원리

05

1-05차시 프로젝트 개요

06

2-01차시 추천시스템(Recoommender Systems) 개요

07

2-02차시 추천 시스템 소개

08

2-03차시 추천 시스템의 과정과 목표

09

2-04차시 추천시스템의 세대

10

2-05차시 AI와 추천 시스템의 연결점

11

2-06차시 응용과 실제 현장에서의 도전 과제

12

2-07차시 퀴즈

13

2-08차시 퀴즈 해설

14

3-01차시 섹션 개요

15

3-02차시 추천 시스템의 분류

16

3-03차시 ICM(인터럽트 제어 모듈)

17

3-04차시 사용자 평점 행렬

18

3-05차시 추천 시스템의 품질

19

3-06차시 온라인 평가 기법

20

3-07차시 오프라인 평가 기법

21

3-08차시 데이터 분할(Data Partitioning)

22

3-09차시 중요한 파라미터(Parameters)

23

3-10차시 오차 지표 계산

24

3-11차시 콘텐츠 기반 필터링(Content-Based Filtering)

25

3-12차시 협업 필터링과 사용자 기반 협업 필터링

26

3-13차시 아이템 기반 모델과 메모리 기반 협업 필터링

27

3-14차시 퀴즈

28

3-15차시 퀴즈 해설

29

4-01차시 개요

30

4-02차시 머신러닝(Machine Learning)의 이점

31

4-03차시 머신러닝(ML) 가이드라인

32

4-04차시 ML을 위한 설계 접근법

33

4-05차시 콘텐츠 기반 필터링(Content-Based Filtering)

34

4-06차시 콘텐츠 기반 필터링을 위한 데이터 준비

35

4-07차시 콘텐츠 기반 필터링을 위한 데이터 처리

36

4-08차시 콘텐츠 기반 필터링에서 장르 탐색하기

37

4-09차시 tf-idf 단어 빈도수와 역문서 빈도수 행렬

38

4-10차시 추천 엔진(Recommendation Engine)

39

4-11차시 추천하기

40

4-12차시 아이템 기반 협업 필터링(Item-Based Collaborative Filtering)

41

4-13차시 아이템 기반 필터링 데이터 준비

42

4-14차시 사용자 연령 분포

43

4-15차시 KNN을 활용한 협업 필터링

44

4-16차시 지리적 필터링

45

4-17차시 KNN 구현

46

4-18차시 협업 필터링을 활용한 추천 만들기

47

4-19차시 사용자 기반 협업 필터링 (User-Based Collaborative Filtering)

48

4-20차시 퀴즈

49

4-21차시 퀴즈 해설

50

5-01차시 프로젝트 소개

51

5-02차시 데이터셋 활용

52

5-03차시 결측값(Missing Values)

53

5-04차시 장르 탐구

54

5-05차시 발생 횟수(Occurrence Count)

55

5-06차시 TF-IDF(단어 빈도-역문서 빈도) 구현

56

5-07차시 유사도 지수(Similarity Index)

57

5-08차시 FuzzyWuzzy(퍼지워지) 구현

58

5-09차시 가장 유사한 제목 찾기

59

5-10차시 추천하기

60

6-01차시 AI 과학 개론

61

6-02차시 강사 소개

62

6-03차시 추천 시스템 개요

63

6-04차시 추천 시스템의 기본 원리

64

6-05차시 프로젝트 개요

65

6-06차시 추천 시스템 개요

66

6-07차시 추천 시스템 소개

67

6-08차시 추천시스템의 프로세스와 목표

68

6-09차시 추천 시스템의 세대

69

6-10차시 AI와 추천 시스템의 연결점