
01. 실무에 즉시 적용 가능한 추천 시스템 구현!
대부분의 추천 시스템 논문들은 모델의 복잡성과 크기를 증가시키는 데 초점을 두지만, 현업에서는 논문을 작성하는 연구자와는 다른 접근 방식이 필요합니다.본 강의에서는 현직 요기요 데이터 사이언티스트가 실무에서 직면한 문제를 어떻게 해결하는지에 대한 관점을 통해 우리 기업에 필요한 추천 시스템을 구현할 수 있습니다.
02. 국내외 IT 플랫폼의 추천 서비스 케이스 스터디!
여러 추천 시스템 모델의 장단점을 고려하여 각 비즈니스에 맞는 추천 서비스를 구현해야 하므로, 다양한 기업 사례를 통해 추천 서비스가 어떻게 진행되는지 학습하는 것이 매우 중요합니다.네이버 플레이스, 카카오 웹툰, 알리바바, 스포티파이 등 국내 및 해외 플랫폼 서비스와 최신 논문 학습을 통해 기존 모델을 응용할 수 있는 역량을 키워보세요!
03. 사용자의 신뢰도를 높이고 싶다면!
추천 서비스의 핵심은 추천이 왜 되었는지 설명할 수 있는 이유를 제시해야합니다. 추천 라벨링으로 사용자가 추천 결과에 가지는 의문을 제거하여 더욱 친근하게 다가감과 동시에 이탈률을 낮춰 사용자 만족도를 높이는 추천 시스템을 구현해보세요!