추천 알고리즘의 과학

박규하

울산과학기술원(UNIST)전기전자컴퓨터공학부컴퓨터공학과를졸업하였다.대학재학중㈜페달링(현.클래스101),㈜엔스푼즈등교내초기스타트업에서기업가마인드를연마하였고,이후뜻이맞은대학후배들과함께리뷰기반병원추천플랫폼을창업하기도했다.대학졸업후에는성인대상코딩부트캠프인㈜코드스테이츠에합류하였고,소프트웨어엔지니어링부트캠프(SEB;SoftwareEngineeringBootcamp)에서교육엔지니어(EducationalSoftwareEngineer)및㈜코드스테이츠의블록체인엔지니어링부트캠프(BEB;BlockchainEngineeringBootcamp)에서블록체인엔지니어로서어려운내용을쉽게설명하는능력을키웠다.현재는커뮤니티기반정치SNS플랫폼인㈜옥소폴리틱스에서블록체인디렉터로활동하며사내블록체인프로덕트를전두지휘하고있다.

“추천시스템은어떤서비스에어떻게적용하느냐에따라검색성능을높여주는시스템이될수도있고,판매량을예측하는시스템이될수도있다.규모가작은서비스에서는간단한설계와알고리즘을통해추천시스템을적용할수도있다.추천시스템이적용된SNS등을활용하거나,온라인광고시스템을이용하는분에게는추천시스템에대한이해도를높이는데에도움이될것이다.추천시스템의도입을고민하거나,쉬운설명으로추천시스템을이해하고자하는분에게작은도움이되었으면한다.”

프롤로그

1부|추천알고리즘을이해하는8가지기본토대

1장_추천시스템의시대
우리는아주빠르게변화하는시대에살고있습니다
우리는지금추천시스템속에서살고있습니다
인공지능과추천시스템은동의어가아닙니다

2장_선호도조사
선호도조사와협업필터링
선호도조사:명시적레이팅과암묵적피드백

3장_협업필터링:아마존의추천시스템
아마존에대해먼저알아봅니다
사용자기반협업필터링
아이템기반협업필터링
협업필터링적용사례

4장_해시태그와메타데이터
메타데이터
해시태그
콘텐츠분석
사용자취향

5장_콘텐츠기반추천시스템
콜드스타트문제
콘텐츠기반추천시스템
영화추천서비스예시
〈기생충〉을좋아하는사용자A예시
〈어바웃타임〉을좋아하는사용자B예시
필터버블(콘텐츠편식)

6장_프로그래밍으로구현한무의식:모델기반협업필터링
KNN알고리즘
잠재요인모델기반협업필터링
행렬분해와모델기반추천시스템

7장_하이브리드추천시스템
하이브리드추천시스템
SNS게시물추천을위한하이브리드추천시스템

8장_GPU와인공지능
CPU와GPU
CPU와GPU의차이
CPU와GPU,예시로이해하기
딥러닝과머신러닝
GPU와이미지인식기술의발전

2부|서비스로살펴보는추천알고리즘

9장_실시간/비실시간추천시스템
실시간추천시스템:옥소폴리틱스
비실시간추천시스템:링크드인

10장_넷플릭스의추천시스템
넷플릭스의등장
넷플릭스프라이즈
넷플릭스의추천시스템

11장_유튜브의추천알고리즘
유튜브와넷플릭스의차이
유튜브의역사와유튜브의동영상추천시스템
유튜브의특징과추천시스템
유튜브추천시스템의발전
현재의유튜브랭킹과정

12장_페이스북의뉴스피드와랭킹알고리즘
페이스북의등장
페이스북의뉴스피드와엣지랭크알고리즘
새로운랭킹알고리즘
랭킹알고리즘응용하기

13장_개인최적화광고와추천시스템
광고의디지털전환
개인최적화광고의등장
개인최적화광고와추천시스템

14장_시간변화와추천시스템
내비게이션의등장
내비게이션과추천시스템
시간의변화에따른교통량예측시스템
시간에따른취향의변화를고려한추천시스템

에필로그
찾아보기

AI는어떻게내가보고싶은뉴스를보여줄까?
당신의시간으로돈을버는알고리즘의비밀
교양으로읽는모두의알고리즘
유튜브넷플릭스는어떻게당신을조종하는가


이책으로여러분이얻을수있는것!

AI가가장많이활용되는분야인‘추천알고리즘’을이야기합니다.그러나다른기술서적처럼수학이나공학같은어려운내용은없으니안심하셔도됩니다.

1.AI는아직‘조금부족하지만착한친구’에가깝습니다.추천알고리즘을이해하고서비스를이용한다면,조금부족하지만착한친구인AI가상품이나콘텐츠를더똑똑하게추천할수있게유도할수있습니다.

2.온라인광고에적용된추천알고리즘을이해하면보다적은돈으로더많은효과를누릴수있습니다.SNS에적용된추천알고리즘을이해하고사용하면,효율적인방법으로팔로워를늘릴수도있습니다.

3.광고나SNS,유튜브나넷플릭스,쿠팡이나카카오같은각종서비스의추천알고리즘을활용하고싶은사람에게도움을줄수있습니다.추천알고리즘을활용하려고고민하는사람에게는각분야의대표적인서비스의사례에서아이디어를얻을수있습니다.개발자또는엔지니어에게는쉽게읽을수있는추천알고리즘입문서의역할을할수있습니다.

¬¬무엇을다루는가

이책의전반부에서는추천시스템을이루는기본적인원리를다루고,중반부에는기술이발전하게된계기를,그리고후반부에서는기업들이실제서비스에서적용하고있는추천시스템을알아봅니다.

1부.추천알고리즘을이해하는8가지기본상식
추천시스템의시대
선호도조사
협업필터링:아마존의추천시스템
해시태그와메타데이터
콘텐츠기반추천시스템
프로그래밍으로구현한무의식:모델기반협업필터링
하이브리드추천시스템
GPU와인공지능

2부.추천알고리즘은어떻게활용되고있는가
실시간/비실시간추천시스템
넷플릭스의추천시스템
유튜브의추천알고리즘
페이스북의뉴스피드와랭킹알고리즘
개인최적화광고와추천시스템
시간의변화와추천시스템

“만약,이책을읽은여러분이SNS를이용해더강력한전파력을갖기원한다면,12장에서설명한페이스북의뉴스피드추천알고리즘을읽어보길권합니다.대부분의SNS에서는특정게시물에대하여다른사람과의관계와반응,상호작용그리고적절한시간을바탕으로우선순위를높게책정합니다.
추천시스템을사용하는회사에입사하는분이라면,회사의서비스를이해하는데에분명도움이될겁니다.추천시스템처럼보이지않는,검색을해야하는서비스도마찬가지입니다.검색을주력으로사용하는서비스는,보이지않는곳에서추천시스템을적절히사용해야합니다.
만약,추천시스템을사용하지않고있다면,추천시스템을적용해발생할수있는이익을제안해도좋습니다.이책의독자인여러분이제안할멋진서비스가벌써부터기대됩니다.
추천시스템에관심이많은엔지니어라면,이책의끝이많이아쉬울겁니다.이책에서는직접구현해볼예제나코드와그에대한설명이전혀없기때문입니다.그러나적어도이책을통해어떤분야를더학습하면좋을지,어떤원리를적용한알고리즘을서비스에사용해야할지아이디어를얻을수있을겁니다.예제를원하는엔지니어라면,인터넷을통해어렵지않게예제를구할수있을겁니다.엔지니어분들이만들어낼멋진추천시스템을기다리겠습니다.”
_에필로그중에서