TIL 160일차: 협업 필터링
✏️도전한 점
1. 아티클 스터디 및 요약
2. 보험 도메인 공부 & 질문 목록 작성
3. 독서 백지 요약
3. 쿼리 문제 풀기
01 아티클 스터디
🔎아티클 스터디: ② A/A 테스트와 실험 전 편향
1. 오늘의 아티클(주제) 신뢰할 수 있는 A/B 테스트 만들기: ② A/A 테스트와 실험 전 편향 | 요즘IT앞서 1편을 통해 신뢰할 수 있는 A/B 테스트를 만들기 위해 실험 전 단계에서 고려해야 할 사항을
specialda.tistory.com
- 1편까지 연재되어 있던 아티클이라 기다렸던 2, 3편이 올라와서 팀원들과 함께 읽어봤다. 매우 유익했다. 아래에 읽은 책에서는 A/B 테스트를 하면 해결됩니다! 라고 간단히 언급하지만 실제로 현업에서 신입이 진행하기는 무척 어려운 테스트라고 한다. 아티클을 통해 과정들을 미리 숙지하고 있다면, 실제로 배울 때 읽지 않은 것보다 수월하지 않을까 하는 희망을 가지며 계속 읽어볼 것이다.
02 협업 필터링 (백지노트)
1. 가장 많이 사용하는 추천 시스템은 과거에부터 쓰인 콘텐츠 기반 정보 필터링과 협업 필터링이다. 현재 가장 기본적인 추천 시스템을 하나만 고르라면 정보 필터링 > 협업 필터링 > 메모리 기반 > 사용자 기반의 협업 필터링이며, 콘텐츠 기반 추천 시스템은 키워드를 활용하는 방식이다.
2. 아이템 기반의 협업 필터링이 사용되는 경우는 고객 데이터가 너무 많아서 시간적, 물질적 예산 초과 문제가 발생하기 때문에 아이템 기반을 차선책으로 사용한다.
3. 아이템 기반 협업 필터링을 사용할 경우 코사인 유사도 등의 개념도 중요하지만 기계가 할 수 있는 부분은 기계에게 맡기고 이 협업 필터링을 내가 왜 사용하는지 알아야 하는 것이 먼저 중요하다.
4. 추천 시스템은 A/B 테스트를 통해 성과를 측청할 수 있으며, 초기 사용자 문제와 조작 공격의 문제를 인지해야 한다.
5. 상황인지형이나 신뢰인지형 추천 시스템과 같이 새로운 시스템도 존재한다. 새로운 추천 시스템에 협업 필터링을 입히는 방식으로 사용되고 있다. 새로운 시스템을 사용해보는 것도좋지만 처음 시작은 항상 기본에 충실해야함을 잊지 않도록 한다.