전체교육일정
교육개요
이 강의는 추천 시스템의 기본부터 고급 모델링 기법까지 깊이 있게 다룹니다. Neural Collaborative Filtering, Factorization Machine, Wide & Deep Learning 모델을 통해 사용자의 선호를 이해하고 예측하는 방법을 배우며, 실습을 통해 이론을 실제 애플리케이션에 적용하는 방법을 익힙니다. 또한, DeepFM, AutoRec, RNN을 사용한 Session-based Recommendation과 같은 딥러닝 기반 추천 시스템을 개발하여 개인화된 추천 알고리즘 구축 및 다양한 사용자 행동의 모델링 방법을 학습합니다. 혁신적인 추천 시스템을 만들고 싶은 열정적인 당신에게 이 과정이 성공의 열쇠가 될 것입니다. 지금 바로 시작하여 추천 시스템 전문가로 거듭나세요!
교육목표
딥러닝 기반 추천시스템에 대해 학습하며, 각 알고리즘 특징과 성능차이에 대해 이해할 수 있습니다.
강의내용
[Chapter1. 딥러닝 기반 추천시스템 I]
· 학습 목표
추천 시스템의 이해를 높이고 모델을 구축하며, 선형 및 비선형 특성 간의 상호 작용을 효과적으로 모델링하는 능력을 학습합니다.
· 주요 내용
1. Neural Collaborative Filtering 이론 및 실습
2. Factorization Machine 이론 및 실습
3. Wide & Deep Learning 이론 및 실습
[Chapter2. 딥러닝 기반 추천시스템 II]
· 학습 목표
딥러닝을 활용한 추천 시스템을 개발하고 성능을 향상시키는 능력을 키워 개인화된 추천 알고리즘을 구축하고 다양한 사용자 행동을 모델링하는 능력을 학습합니다.
· 주요 내용
1. DeepFM 이론 및 실습
2. AutoRec-AutoEncoders Meet Collaborative Filtering 이론 및 실습
3. Session-based Recommendation with RNN 이론 및 실습