30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지

글로벌 기업들은 딥러닝/머신러닝을 활용한 추천시스템으로
고객이 원하는 상품을 정확하게 추천하여 만족도를 높이고 있습니다.

이러한 고민을 한 번에 해결해줄 수 있는 해결책 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지

실제 문제 해결에 집중하여 구성한
6가지 핵심 포인트!

추천시스템 모델을 이해하고 완성도 있는 개발을 구성하는데 꼭 필요한

4가지의 부가자료 혜택까지!

Point 01

기초부터 딥러닝을 적용한 모델까지 학습

고전적인 추천 시스템부터 딥러닝 기반 추천시스템까지 전반적인 흐름을 이해

Point 02

그래프 기반(GNN) 추천시스템

그래프의 구조적 정보를 활용하기 위해 그래프 뉴럴넷 방법론을 학습하여 CF와 FM 방법론에 어떻게 녹아들었는지 학습

그래프 기반 추천시스템은 이렇게 문제를 해결합니다!

그래프 기반 추천시스템 학습 로드맵

Point 03

Cold Start Problem 해결

Cold Start 상황 속 고객의 선호를 추정하는 4가지의 다양한 상황과
실제 서비스에서 Cold User 대상 추천 생성 시 해결방안 제시가 가능한 인사이트 학습

Point 04

Essential of Recommendation System

추천 시스템 학습이 필요한 이유와
현업에서 추천 시스템 구축에 필요한 여러 요소들을 학습

비즈니스 성장에 도움이 되는 추천 프로덕트를 만들기 위해
추천 알고리즘이 아닌 추천시스템에 집중하는 이유를 학습할 수 있습니다.

현업에서 추천 알고리즘을 선택해서 적절한 추천시스템을 구현하는 것은 어려운 일이었습니다.
그러나 벤치마크가 도입된 후,
각 기업의 상황에 맞게 추천시스템 알고리즘 적용이 용이해지며 더 적절한 추천이 가능합니다.

Point 05

15가지 추천시스템 사례 분석 및 실습

실제 추천 서비스를 대상으로 모델 구성부터 설계까지 직접 구축해보고 이를 기반으로 실습

추천시스템 구조에 각각 차이가 있는 다양한 기업들의 사례를 기준으로 추천 시스템이 어떻게 발전해왔는지 학습합니다.

다양한 기업들의 사례를 학습한 후 데이터 셋 구성, Candidate Generation, Cold Start 등
여러 추천 문제에서 활용되는 Taxonomy를 구성하는 사례도 같이 학습합니다.

기업 사례 학습을 기반으로 직접 추천시스템을 설계해보며 시스템에 대한 이해를 한층 더 높일 수 있습니다.

데이터는 추천시스템의 설계부터 시작해서 계속 염두해둬야 할 중요한 요소입니다.
Funnel 기반 사용 가능한 데이터를 분석하고 모델이 사용할 수 있는 다양한 데이터를 발굴할 수 있는 방법론을 학습합니다.

‘실제 내가 회사에 추천시스템을 도입한다면’ 고려해야 할 종합적인
피쳐, 데이터 파이프라인, 모델, 메트릭 등 시스템을 설계하여 여러 도메인 기반 실습을 진행합니다.

Point 06

15가지 추천시스템 구축 실습

다양한 데이터 특징 별 추천 알고리즘 학습부터 실제 구현에 필요한 알고리즘 구성 노하우와 페인 포인트를 학습

다양한 도메인 데이터 및 특징에 맞는 추천 알고리즘 학습으로
추천시스템의 데이터 이해력과 모델링 노하우를 배울 수 있습니다.

다양한 데이터의 특징을 학습하고 이에 맞는 알고리즘을 사용하여
직접 추천 알고리즘 적용 실습을 진행하고 결과를 분석합니다.

실습 후 추천 데이터 별 알고리즘 선택 방법에 대해 다시 한 번 리뷰하며 복습합니다.

Point 07

추천시스템 기획하기

고객 타겟팅 및 그룹핑 방법론 학습과 페르소나를 정의하여 보다 명확한 타겟 기반
추천시스템을 구축하고 전반적인 추천시스템 개발 로드맵을 학습

| 해당 커리큘럼은 대규모 추천시스템을 구현할 때 사용되는 로드맵을 그대로 반영하였습니다. |

먼저 어떤 대상을 추천해야 할지 추천 대상을 정의합니다.

설정한 추천 대상을 기반으로 전반적인 추천시스템 기획안을 직접 구성합니다.

추천 시스템 기획안을 토대로 직접 추천시스템을 구현합니다.

전반적인 추천시스템 개발과정을 학습하여 여러 추천 유형의 데이터 분석에 필요한 문제해결 능력, 분석 능력,
그리고 프로젝트 전체를 관리하고 실행할 수 있는 능력을 강화할 수 있습니다.

Point 08

추천시스템 논문 리뷰 및 구현

산업군별 고객과 데이터의 특징에 주안점을 두어 현업에서 추천 결과의
정확도를 높이는 논문을 리뷰 및 구현

Point 09

학습하면서 궁금한 내용은 언제든
디스코드 질의응답 채널에 질문

현직 추천 시스템 엔지니어 강사님들이 직접 답변드립니다!

*교육 내용 범주 안에서만 질의 응답 가능합니다.
*2023년 6월 16일부터 2026년 6월 16일까지 운영됩니다.