오탈자 정보 2022. 12. 12. 15:46

2022년 12월 초판발행 기준입니다.

 

_p.258

In[18]의 결과값: 50 -> 5

_p.216

In[12]의 1행

print(a) -> print(a, b)

posted by 로드북
:
자료실 2022. 12. 12. 15:45

아래 URL에서 확인하실 수 있습니다.

 

https://github.com/roadbookgit/pyalgocoding

posted by 로드북
:
신간소개 2022. 10. 26. 15:05

  

  ● 저자: 박규하

  ● 페이지: 272

  ● 판형: 신국판변형(150*213)

  ● 도수: 4도

  ● 정가: 18,000원

  ● 발행일: 2022년 11월 4일

  ● ISBN: 979-11-978880-2-1 93000

 

 

 

 [오탈자 사이트] 

[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]

_도서 내용

유튜브는 어떤 것을 근거로 추천한 영상이 내가 즐길 수 있는 영상이라고 판단하는 걸까? SNS 게시물의 추천 알고리즘은 어떤 원리일까? 같은 돈을 지불하고도 상품의 노출빈도가 다른 이유는 무엇일까? 우리가 매일 사용하는 서비스의 뒤에는 AI가 있고, 그 중심에 추천 알고리즘이 있다. 우리가 추천 알고리즘을 알아야 하는 이유이다. 마케터, 기획자, 개발자, 크리에이터 등 모두가 알아야 할 IT 상식에 관한 이야기 책이다.

 

_대상 독자

마케터가 추천알고리즘을 이해하고 있다면, 가장 효과적인 성과를 내는 마케팅을 할 수 있습니다.

기획자는 어떤 과정에 추천 알고리즘을 적용할지, 더 멋진 제품을 만들 수 있을지, 아이디어를 얻을 수 있습니다.

개발자라면 적용하려는 분야에 따라 더 적합한 알고리즘을 선택해 추천 시스템을 구현할 수 있습니다. 이 책이 힌트를 줄 수 있습니다.

크리에이터, 블로거라면 내 콘텐츠가 어떤 원리로 사용자에게 추천되는지를 이해할 수 있습니다.

콘텐츠를 매일매일 소비하는 우리 모두는 추천 알고리즘을 이해하면 좀더 똑똑한 소비를 할 수 있게 해줍니다.

 

 _목차

 프롤로그

 1 | 추천 알고리즘을 이해하는 8가지 기본 토대

 

1_ 추천 시스템의 시대

우리는 아주 빠르게 변화하는 시대에 살고 있습니다

우리는 지금 추천 시스템 속에서 살고 있습니다

인공지능과 추천 시스템은 동의어가 아닙니다

 

2_ 선호도 조사

선호도 조사와 협업 필터링

선호도 조사: 명시적 레이팅과 암묵적 피드백

 

3_ 협업 필터링: 아마존의 추천 시스템

아마존에 대해 먼저 알아봅니다

사용자 기반 협업 필터링

아이템 기반 협업 필터링

협업 필터링 적용 사례

 

4_ 해시태그와 메타데이터

메타데이터

해시태그

콘텐츠 분석

사용자 취향

 

5_ 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)

 

더보기

6_ 프로그래밍으로 구현한 무의식: 모델 기반 협업 필터링

KNN 알고리즘

잠재 요인 모델 기반 협업 필터링

행렬분해와 모델 기반 추천 시스템

 

7_ 하이브리드 추천 시스템

하이브리드 추천 시스템

SNS 게시물 추천을 위한 하이브리드 추천 시스템

 

8_ GPU와 인공지능

CPU GPU

CPU GPU의 차이

CPU GPU, 예시로 이해하기

딥 러닝과 머신러닝

GPU와 이미지 인식 기술의 발전

 

2 | 서비스로 살펴보는 추천 알고리즘

 

9_ 실시간/비실시간 추천 시스템

실시간 추천 시스템: 옥소폴리틱스

비실시간 추천 시스템: 링크드인

 

10_ 넷플릭스의 추천 시스템

넷플릭스의 등장

넷플릭스 프라이즈

넷플릭스의 추천 시스템

 

11_ 유튜브의 추천 알고리즘

유튜브와 넷플릭스의 차이

유튜브의 역사와 유튜브의 동영상 추천 시스템

유튜브의 특징과 추천 시스템

유튜브 추천 시스템의 발전

현재의 유튜브 랭킹 과정

 

12_ 페이스북의 뉴스피드와 랭킹 알고리즘

페이스북의 등장

페이스북의 뉴스피드와 엣지랭크 알고리즘

새로운 랭킹 알고리즘

랭킹 알고리즘 응용하기

 

13_ 개인 최적화 광고와 추천 시스템

광고의 디지털 전환

개인 최적화 광고의 등장

개인 최적화 광고와 추천 시스템

 

14_ 시간 변화와 추천 시스템

내비게이션의 등장

내비게이션과 추천 시스템

시간의 변화에 따른 교통량 예측 시스템

시간에 따른 취향의 변화를 고려한 추천 시스템

 

에필로그

찾아보기

 

 주요 내용

 

AI는 어떻게 내가 보고싶은 뉴스를 보여줄까?

당신의 시간으로 돈을 버는 알고리즘의 비밀

교양으로 읽는 모두의 알고리즘

유튜브 넷플릭스는 어떻게 당신을 조종하는가



이 책으로 여러분이 얻을 수 있는 것!

 

AI가 가장 많이 활용되는 분야인추천 알고리즘을 이야기합니다. 그러나 다른 기술 서적처럼 수학이나 공학 같은 어려운 내용은 없으니 안심하셔도 됩니다.

 

1. AI는 아직조금 부족하지만 착한 친구에 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.

 

1. 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

 

2. 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 갖기 원한다면, 12장에서 설명한 페이스북의 뉴스피드 추천 알고리즘을 읽어 보길 권합니다. 대부분의 SNS에서는 특정 게시물에 대하여 다른 사람과의 관계와 반응, 상호작용 그리고 적절한 시간을 바탕으로 우선순위를 높게 책정합니다.

추천 시스템을 사용하는 회사에 입사하는 분이라면, 회사의 서비스를 이해하는 데에 분명 도움이 될 겁니다. 추천 시스템처럼 보이지 않는, 검색을 해야 하는 서비스도 마찬가지입니다. 검색을 주력으로 사용하는 서비스는, 보이지 않는 곳에서 추천 시스템을 적절히 사용해야 합니다.

만약, 추천 시스템을 사용하지 않고 있다면, 추천 시스템을 적용해 발생할 수 있는 이익을 제안해도 좋습니다. 이 책의 독자인 여러분이 제안할 멋진 서비스가 벌써부터 기대됩니다.

추천 시스템에 관심이 많은 엔지니어라면, 이 책의 끝이 많이 아쉬울 겁니다. 이 책에서는 직접 구현해 볼 예제나 코드와 그에 대한 설명이 전혀 없기 때문입니다. 그러나 적어도 이 책을 통해 어떤 분야를 더 학습하면 좋을지, 어떤 원리를 적용한 알고리즘을 서비스에 사용해야 할지 아이디어를 얻을 수 있을 겁니다. 예제를 원하는 엔지니어라면, 인터넷을 통해 어렵지 않게 예제를 구할 수 있을 겁니다. 엔지니어분들이 만들어 낼 멋진 추천 시스템을 기다리겠습니다.”
_
에필로그 중에서

 

_저자 소개

지은이 ­­­

박규하

울산과학기술원(UNIST) 전기전자컴퓨터공학부 컴퓨터공학과를 졸업하였다. 대학 재학 중 ㈜페달링(현. 클래스101), ㈜엔스푼즈 등 교내 초기 스타트업에서 기업가마인드를 연마하였고, 이후 뜻이 맞은 대학후배들과 함께 리뷰 기반 병원 추천 플랫폼을 창업하기도 했다. 대학 졸업 후에는 성인 대상 코딩 부트캠프인 ㈜코드스테이츠에 합류하였고, 소프트웨어 엔지니어링 부트캠프(SEB; Software Engineering Bootcamp)에서 교육 엔지니어(Educational Software Engineer) 및 ㈜코드스테이츠의 블록체인 엔지니어링 부트캠프(BEB; Blockchain Engineering Bootcamp)에서 블록체인 엔지니어로서 로서 어려운 내용을 쉽게 설명하는 능력을 키웠다. 현재는 커뮤니티 기반 정치 SNS 플랫폼인 ㈜옥소폴리틱스에서 블록체인 디렉터로 활동하며 사내 블록체인 프로덕트를 전두지휘하고 있다.

 

“추천 시스템은 어떤 서비스에 어떻게 적용하느냐에 따라 검색 성능을 높여주는 시스템이 될 수도 있고, 판매량을 예측하는 시스템이 될 수도 있다. 규모가 작은 서비스에서는 간단한 설계와 알고리즘을 통해 추천 시스템을 적용할 수도 있다. 추천 시스템이 적용된 SNS 등을 활용하거나, 온라인 광고 시스템을 이용하는 분에게는 추천 시스템에 대한 이해도를 높이는 데에 도움이 될 것이다. 추천 시스템의 도입을 고민하거나, 쉬운 설명으로 추천 시스템을 이해하고자 하는 분에게 작은 도움이 되었으면 한다.”

.

_상세 이미지

                                                                                                _

posted by 로드북
: