
147
CHAPTER 03
기술 인터뷰: 머신러닝 알고리즘
니다. 사람들은 제품을 매우 좋아하거나 싫어할 경우 명시적인 리뷰를 남길 가능성이 더 높
기 때문입니다(우리는 무언가 잘못되었을 때 사람들이 더 목소리를 높인다는 사실을 잘 알고
있습니다 ).
TIP
4
장에서는 모델 학습과 데이터 전처리에 대해 설명합니다. 추천 시스템 애플리케이션의 경우 탐색적 데
이터 분석
exploratory
data
analysis
, 모델 학습, 데이터 전처리, 피처 엔지니어링, 평가 및 모니터링 과정에서 사용
가능한 명시적 및 암시적 평가를 이해하는 것은 관련 인터뷰에서 중요한 논의 주제입니다.
콘텐츠 기반 추천 시스템 요약
콘텐츠 기반
content
-
based
추천 시스템은 또다른 대표적인 유형의 추천 시스템입니다. 콘텐츠 기
반 추천 시스템에서는 제품 자체에 대한 상세한 정보가 필요합니다. 이 정보는 텍스트 설명
(책 소개, 영화 장르 및 설명 ), 이미지 (제품 스크린샷 ), 오디오/영상 (트레일러, 제품 영상 )
등의 피처를 포함하여, 어떤 항목들이 서로 유사한지를 파악하는 데 사용됩니다. 반면에 앞
서 설명한 사용자 및 항목 기반 협업 필터링은 항목이나 제품에 대한 사용자의 선호도에 의존
하지만, 항목 자체의 피처에는 의존하지 않습니다.
예를 들어 콘텐츠 기반 영화 추천 시스템은 ...