프롤로그
1부 | 추천 알고리즘을 이해하는 8가지 기본 토대
1장_ 추천 시스템의 시대
우리는 아주 빠르게 변화하는 시대에 살고 있습니다
우리는 지금 추천 시스템 속에서 살고 있습니다
인공지능과 추천 시스템은 동의어가 아닙니다
2장_ 선호도 조사
선호도 조사와 협업 필터링
선호도 조사: 명시적 레이팅과 암묵적 피드백
3장_ 협업 필터링: 아마존의 추천 시스템
아마존에 대해 먼저 알아봅니다
사용자 기반 협업 필터링
아이템 기반 협업 필터링
협업 필터링 적용 사례
4장_ 해시태그와 메타데이터
메타데이터
해시태그
콘텐츠 분석
사용자 취향
5장_ 콘텐츠 기반 추천 시스템
콜드 스타트 문제
콘텐츠 기반 추천 시스템
영화 추천 서비스 예시
<기생충>을 좋아하는 사용자 A 예시
<어바웃타임>을 좋아하는 사용자 B 예시
필터 버블(콘텐츠 편식
6장_ 프로그래밍으로 구현한 무의식: 모델 기반 협업 필터링
KNN 알고리즘
잠재 요인 모델 기반 협업 필터링
행렬분해와 모델 기반 추천 시스템
7장_ 하이브리드 추천 시스템
하이브리드 추천 시스템
SNS 게시물 추천을 위한 하이브리드 추천 시스템
8장_ GPU와 인공지능
CPU와 GPU
CPU와 GPU의 차이
CPU와 GPU, 예시로 이해하기
딥 러닝과 머신러닝
GPU와 이미지 인식 기술의 발전
2부 | 서비스로 살펴보는 추천 알고리즘
9장_ 실시간/비실시간 추천 시스템
실시간 추천 시스템: 옥소폴리틱스
비실시간 추천 시스템: 링크드인
10장_ 넷플릭스의 추천 시스템
넷플릭스의 등장
넷플릭스 프라이즈
넷플릭스의 추천 시스템
11장_ 유튜브의 추천 알고리즘
유튜브와 넷플릭스의 차이
유튜브의 역사와 유튜브의 동영상 추천 시스템
유튜브의 특징과 추천 시스템
유튜브 추천 시스템의 발전
현재의 유튜브 랭킹 과정
12장_ 페이스북의 뉴스피드와 랭킹 알고리즘
페이스북의 등장
페이스북의 뉴스피드와 엣지
이 책으로 여러분이 얻을 수 있는 것!
AI가 가장 많이 활용되는 분야인 ‘추천 알고리즘’을 이야기합니다. 그러나 다른 기술 서적처럼 수학이나 공학 같은 어려운 내용은 없으니 안심하셔도 됩니다.
1. AI는 아직 ‘조금 부족하지만 착한 친구’에 가깝습니다. 추천 알고리즘을 이해하고 서비스를 이용한다면, 조금 부족하지만 착한 친구인 AI가 상품이나 콘텐츠를 더 똑똑하게 추천할 수 있게 유도할 수 있습니다.
2. 온라인 광고에 적용된 추천 알고리즘을 이해하면 보다 적은 돈으로 더 많은 효과를 누릴 수 있습니다. SNS에 적용된 추천 알고리즘을 이해하고 사용하면, 효율적인 방법으로 팔로워를 늘릴 수도 있습니다.
3. 광고나 SNS, 유튜브나 넷플릭스, 쿠팡이나 카카오 같은 각종 서비스의 추천 알고리즘을 활용하고 싶은 사람에게 도움을 줄 수 있습니다. 추천 알고리즘을 활용하려고 고민하는 사람에게는 각 분야의 대표적인 서비스의 사례에서 아이디어를 얻을 수 있습니다. 개발자 또는 엔지니어에게는 쉽게 읽을 수 있는 추천 알고리즘 입문서의 역할을 할 수 있습니다.
무엇을 다루는가
이 책의 전반부에서는 추천 시스템을 이루는 기본적인 원리를 다루고, 중반부에는 기술이 발전하게 된 계기를, 그리고 후반부에서는 기업들이 실제 서비스에서 적용하고 있는 추천 시스템을 알아봅니다.
1부. 추천 알고리즘을 이해하는 8가지 기본 상식
추천 시스템의 시대
선호도 조사
협업 필터링: 아마존의 추천 시스템
해시태그와 메타데이터
콘텐츠 기반 추천 시스템
프로그래밍으로 구현한 무의식: 모델 기반 협업 필터링
하이브리드 추천 시스템
GPU와 인공지능
2부. 추천 알고리즘은 어떻게 활용되고 있는가
실시간/비실시간 추천 시스템
넷플릭스의 추천 시스템
유튜브의 추천 알고리즘
페이스북의 뉴스피드와 랭킹 알고리즘
개인 최적화 광고와 추천 시스템
시간의 변화와 추천 시스템
“만약, 이 책을 읽은 여러분이 SNS를 이용해 더 강력한 전파력을
