ITS 4차 메인 세미나_알고리즘(배은정, 김용겸, 김성수, 정민영, 유재현)
왓챠(Watcha) 알고리즘 분석(15.11.06)
고려대학교 정보기술경영학회 : ITS
Web: http://itsociety.co.kr/
Mail: president@itsociety.co.kr
라이트브레인 2020 UX 아카데미 10기 Open Project입니다.
이번에 소개해 드릴 결과물은 'Megabox - UX/UI 개선 프로젝트'입니다.
올해 초에 진행된 UX 아카데미 10기 교육 기간 동안 정규과정의 수업뿐만 아니라 별도의 조별 모임을 통해 과제와 프로젝트를 진행하며 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개합니다.
라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
UX 아카데미 ‘라이트브레인 U –
미래의 UXer들을 위한 교육으로 UX전문가로서 성장할 수 있는 발판이 되는 교육입니다. UX에 대한 기초지식이 있는 학생과 직장인들을 대상으로 하며 정규 과정은 보통 15회 강의로 구성됩니다. UX 개념, 필드 리서치, 모델링, 서비스 디자인, 프로토타이핑과 같은 구성으로 UX디자인의 주요 프로세스를 모두 경험하고 최종 결과물을 발표하는 것을 목표로 합니다. 2019년 상반기 배출된 8기부터 아카데미 정글과 함께 UX Academy를 개설하여 보다 전문적이며, 밀도 있는 교육을 UX에 관심있는 분들에게 제공하고 있습니다.
ITS 4차 메인 세미나_알고리즘(배은정, 김용겸, 김성수, 정민영, 유재현)
왓챠(Watcha) 알고리즘 분석(15.11.06)
고려대학교 정보기술경영학회 : ITS
Web: http://itsociety.co.kr/
Mail: president@itsociety.co.kr
라이트브레인 2020 UX 아카데미 10기 Open Project입니다.
이번에 소개해 드릴 결과물은 'Megabox - UX/UI 개선 프로젝트'입니다.
올해 초에 진행된 UX 아카데미 10기 교육 기간 동안 정규과정의 수업뿐만 아니라 별도의 조별 모임을 통해 과제와 프로젝트를 진행하며 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개합니다.
라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
UX 아카데미 ‘라이트브레인 U –
미래의 UXer들을 위한 교육으로 UX전문가로서 성장할 수 있는 발판이 되는 교육입니다. UX에 대한 기초지식이 있는 학생과 직장인들을 대상으로 하며 정규 과정은 보통 15회 강의로 구성됩니다. UX 개념, 필드 리서치, 모델링, 서비스 디자인, 프로토타이핑과 같은 구성으로 UX디자인의 주요 프로세스를 모두 경험하고 최종 결과물을 발표하는 것을 목표로 합니다. 2019년 상반기 배출된 8기부터 아카데미 정글과 함께 UX Academy를 개설하여 보다 전문적이며, 밀도 있는 교육을 UX에 관심있는 분들에게 제공하고 있습니다.
[우리가 데이터를 쓰는 법] 온라인 서비스 개선을 위한 데이터 활용법 - 마이크로소프트 김진영 데이터과학자Dylan Ko
Gonnector(고넥터) 고영혁 대표가 주최한 스타트업 데이터 활용 세미나 '우리가 데이터를 쓰는 법' 의 두 번째 발표 자료
세미나 : 우리가 데이터를 쓰는 법 (How We Use Data)
일시 : 2016년 4월 12일 화요일 10:00 ~ 18:00
장소 : 마루180 (Maru180) B1 Think 홀
제목 : 온라인 서비스 개선을 위한 데이터 활용법
연사 : 마이크로소프트 김진영 데이터과학자
라이트브레인 UX 아카데미 23기 Open Project로 이번에 소개해 드릴 결과물은 ‘링크드인– UX/UI 개선 프로젝트’입니다.
LinkedIn은 전문적인 네트워킹과 직업 관련 정보를 공유하는 비즈니스 기반의 소셜 미디어 플랫폼입니다. 매년 사용자수가 꾸준히 증가하고 있는 글로벌 서비스인데 미국, 인도 등을 제외하면 높지 않은 사용자 비율에 그중 압도적으로 한국의 링크드인 사용자 수는 적습니다.
기존 링크드인 서비스의 UX/UI 개선으로 한국을 포함한 다양한 나라 사용자들의 서비스 사용성과 편의성을 개선할 방법을 고민해 보았습니다.
지난 UX 아카데미 23기 교육 기간 동안 링크드인 조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다. 라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
제10회 보아즈(BOAZ) 빅데이터 컨퍼런스 - 밑바닥부터 시작하는 trivago 추천시스템BOAZ Bigdata
밑바닥부터 시작하는 trivago 추천시스템
: '수백만개의 호텔 중에서 나한테 왜 이 호텔을 추천해준 거지?'
내 화면에 보이는 호텔은 수백만개의 호텔 중 아주 일부란 사실 알고 계신가요?
데이터 관심 있는 사람이라면 한 번쯤 궁금했을 추천 시스템!
Trivago의 실제 로그 데이터를 가지고 직접 밑바닥부터 구현해 보았습니다.
그리고 직접 만든 추천 시스템 시연까지!
이제는 "뭘 좋아할지 몰라서 다 준비"하지 않아도 돼요.
왜냐하면 우린 당신이 좋아할 것을 알고 있거든요.
일상이 된 추천 서비스들, 이제는 알고 이용해봐요!
11기 신승진 박보정 박효선 위승민
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
Machine Learning Foundations (a case study approach) 강의 정리SANG WON PARK
실제 비즈니스에서 많이 활용되는 사례를 중심으로 어떻게 기존 데이터를 이용하여 알고리즘을 선택하고, 학습하여, 예측모델을 구축 하는지 jupyter notebook을 이용하여 실제 코드를 이용하여 실습할 수 있다.
강의 초반에 강조하는 것 처럼, 머신러닝 알고리즘은 나중에 자세히 설명하는 과정이 따로 있고, 이번 강의는 실제 어떻게 활용하는지에 완전히 초점이 맞추어져 있어서, 알고리즘은 아주 간략한 수준으로 설명해 준다. (좀 더 구체적인 내용은 심화과정이 따로 있음)
http://blog.naver.com/freepsw/221113685916 참고
https://github.com/freepsw/coursera/tree/master/ML_Foundations/A_Case_Study 코드 샘플
Understanding Users’ Perception Towards Automated Personality Detection with ...Myeonggyun Ryu
Understanding Users’ Perception Towards Automated Personality Detection with Group-specific Behavioral Data
[CHI 2021]
- Seoyoung Kim, Arti Thakur, JuhoKim
[우리가 데이터를 쓰는 법] 온라인 서비스 개선을 위한 데이터 활용법 - 마이크로소프트 김진영 데이터과학자Dylan Ko
Gonnector(고넥터) 고영혁 대표가 주최한 스타트업 데이터 활용 세미나 '우리가 데이터를 쓰는 법' 의 두 번째 발표 자료
세미나 : 우리가 데이터를 쓰는 법 (How We Use Data)
일시 : 2016년 4월 12일 화요일 10:00 ~ 18:00
장소 : 마루180 (Maru180) B1 Think 홀
제목 : 온라인 서비스 개선을 위한 데이터 활용법
연사 : 마이크로소프트 김진영 데이터과학자
라이트브레인 UX 아카데미 23기 Open Project로 이번에 소개해 드릴 결과물은 ‘링크드인– UX/UI 개선 프로젝트’입니다.
LinkedIn은 전문적인 네트워킹과 직업 관련 정보를 공유하는 비즈니스 기반의 소셜 미디어 플랫폼입니다. 매년 사용자수가 꾸준히 증가하고 있는 글로벌 서비스인데 미국, 인도 등을 제외하면 높지 않은 사용자 비율에 그중 압도적으로 한국의 링크드인 사용자 수는 적습니다.
기존 링크드인 서비스의 UX/UI 개선으로 한국을 포함한 다양한 나라 사용자들의 서비스 사용성과 편의성을 개선할 방법을 고민해 보았습니다.
지난 UX 아카데미 23기 교육 기간 동안 링크드인 조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다. 라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
제10회 보아즈(BOAZ) 빅데이터 컨퍼런스 - 밑바닥부터 시작하는 trivago 추천시스템BOAZ Bigdata
밑바닥부터 시작하는 trivago 추천시스템
: '수백만개의 호텔 중에서 나한테 왜 이 호텔을 추천해준 거지?'
내 화면에 보이는 호텔은 수백만개의 호텔 중 아주 일부란 사실 알고 계신가요?
데이터 관심 있는 사람이라면 한 번쯤 궁금했을 추천 시스템!
Trivago의 실제 로그 데이터를 가지고 직접 밑바닥부터 구현해 보았습니다.
그리고 직접 만든 추천 시스템 시연까지!
이제는 "뭘 좋아할지 몰라서 다 준비"하지 않아도 돼요.
왜냐하면 우린 당신이 좋아할 것을 알고 있거든요.
일상이 된 추천 서비스들, 이제는 알고 이용해봐요!
11기 신승진 박보정 박효선 위승민
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
Machine Learning Foundations (a case study approach) 강의 정리SANG WON PARK
실제 비즈니스에서 많이 활용되는 사례를 중심으로 어떻게 기존 데이터를 이용하여 알고리즘을 선택하고, 학습하여, 예측모델을 구축 하는지 jupyter notebook을 이용하여 실제 코드를 이용하여 실습할 수 있다.
강의 초반에 강조하는 것 처럼, 머신러닝 알고리즘은 나중에 자세히 설명하는 과정이 따로 있고, 이번 강의는 실제 어떻게 활용하는지에 완전히 초점이 맞추어져 있어서, 알고리즘은 아주 간략한 수준으로 설명해 준다. (좀 더 구체적인 내용은 심화과정이 따로 있음)
http://blog.naver.com/freepsw/221113685916 참고
https://github.com/freepsw/coursera/tree/master/ML_Foundations/A_Case_Study 코드 샘플
Understanding Users’ Perception Towards Automated Personality Detection with ...Myeonggyun Ryu
Understanding Users’ Perception Towards Automated Personality Detection with Group-specific Behavioral Data
[CHI 2021]
- Seoyoung Kim, Arti Thakur, JuhoKim
10. Collaborative Filtering
• 모든 사용자 간 평가의 유사도 계산 (코사인 유사도)
• 추천 대상과 다른 사용자간 유사도 추출
• 추천 대상이 평가하지 않은 아이템에 대한 예상 평가값 계산
• 아이템 중에서 예상 평가값 가장 높은 N개 추천
11. 콜드 스타트 문제 (Cold start)
새로운 아이템이나 사용자가 추가 되었을 때 이력 정보 X
모든 유저들이 모든 아이템에 대해 평가하지 않는다.
희소성 문제 (Sparsity)
아무도 평가하지 않은 아이템은 추천할 수 없다.
초기 평가자 문제 (No first-rater)
13. 대상 데이터
MovieLens 100K Dataset
- 1000명의 유저(u.user), 1700개 영화(u.item)에 대한 100,000개의 평점(u.data)
정보
- 주요 메타 데이터
* movie_id: 영화 고유 식별자
* movie_title: 영화 제목
* movie_genres: 영화가 속한 장르의 시퀀스
* user_id: 평가를 한 유저의 고유 식별자
* user_rating: 별 5개 척도에서의 평가 점수
* user_gender: 등급을 부여한 성별