장바구니 담기 close

장바구니에 상품을 담았습니다.

R로 만드는 추천 시스템

R로 만드는 추천 시스템

  • 수레시 고라칼라
  • |
  • 에이콘출판
  • |
  • 2017-07-31 출간
  • |
  • 196페이지
  • |
  • 188 X 235 X 12 mm
  • |
  • ISBN 9791161750309
판매가

18,000원

즉시할인가

16,200

배송비

2,300원

(제주/도서산간 배송 추가비용:3,000원)

수량
+ -
총주문금액
16,200

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

출판사서평

★ 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.

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

저자소개

저자 수레시 고라칼라(Suresh K. Gorakala)는 데이터 분석가이자 데이터 마이닝, 빅데이터 분석, 시각화 도구 전문 컨설턴트며 2013년부터 자신의 블로그에 데이터 과학에 관한 글을 쓰고 있는 블로거다(http://www.dataperspective.info).
인도 안드라대학교(Andhra University)의 SRKR 공과대학(SRKR Engineering College)에서 기계공학 학사 학위를 취득했고 데이터 도구 제작과 아이디어 창출, 교육, 사진, 여행을 좋아한다.

도서소개

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. 『R로 만드는 추천 시스템』은 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.

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.