Boostcamp AI Tech

1) 개요 2) 사용 데이터 3) 목적 1)개요 2)Offline Test 3)Online Test유저의 아이템 소비 방식\-> 검색 : 키워드 (query) 사용, 이렇게 아이템을 소비하는 방식을 pool 방식이라고 한다. 반대로 추천하는 방식은 'push' 라

유저가 상품을 구매하는 하나의 연속된 거래 안에서 그 아이템 사이의 규칙을 찾기 위한 분석연관 규칙규칙 : IF(condition) THEN(result), {condition} -> {result}연관 규칙 : IF(antecedent) THEN(consequent)

협업 필터링 (Collaborative Filtering, CF) : 많은 유저들로부터 얻은 아이템의 기호 정보를 이용해 유저의 관심사를 예측하는 방법, 아이템이 가진 성능은 활용하지 않는다.NEighborhood-based Collaborative Filtering

모델 기반 협업 필터링 (Model Based Collaborative Filtering, MBCF) : 단순히 항목간의 유사성만을 비교하는 것이 아닌 데이터에 내재한 패턴을 이용해 추천하는 CF 기법 \-> 데이터에 숨겨져 있는 유저-아이템 관계의 잠재적 패턴을 찾아

(1) 개요(2) 학습 방법(1) 개요(2) 학습 과정(1) 개요임베딩 (Embedding) : 주어진 데이터를 그보다 낮은 차원의 벡터로 만들어 표현하는 방법Sparse Representation : 아이템의 전체 수와 차원의 수가 같음, one-hot encodin

1. Deep Learning 2. 다층 퍼셉트론 (multi-layer perceptron), MLP 1. Deep Learning 딥러닝의 장점 Nonlinear Transform : 데이터가 가진 비선형의 특징을 효과적으로 나타내고 모델링할 수 있다. -