이 책으로 여러분이 얻을 수 있는 것!

AI가 가장 많이 활용되는 분야인 ‘추천 알고리즘’을 이야기합니다. 그러나 다른 기술 서적처럼 수학이나 공학 같은 어려운 내용은 없으니 안심하셔도 됩니다.

1. AI는 아직 ‘조금 부족하지만 착한 친구’에 가깝습니다. 추천 알고리즘을 이해하고 서비스를 이용한다면, 조금 부족하지만 착한 친구인 AI가 상품이나 콘텐츠를 더 똑똑하게 추천할 수 있게 유도할 수 있습니다.

2. 온라인 광고에 적용된 추천 알고리즘을 이해하면 보다 적은 돈으로 더 많은 효과를 누릴 수 있습니다. SNS에 적용된 추천 알고리즘을 이해하고 사용하면, 효율적인 방법으로 팔로워를 늘릴 수도 있습니다.

3. 광고나 SNS, 유튜브나 넷플릭스, 쿠팡이나 카카오 같은 각종 서비스의 추천 알고리즘을 활용하고 싶은 사람에게 도움을 줄 수 있습니다. 추천 알고리즘을 활용하려고 고민하는 사람에게는 각 분야의 대표적인 서비스의 사례에서 아이디어를 얻을 수 있습니다. 개발자 또는 엔지니어에게는 쉽게 읽을 수 있는 추천 알고리즘 입문서의 역할을 할 수 있습니다.

무엇을 다루는가

이 책의 전반부에서는 추천 시스템을 이루는 기본적인 원리를 다루고, 중반부에는 기술이 발전하게 된 계기를, 그리고 후반부에서는 기업들이 실제 서비스에서 적용하고 있는 추천 시스템을 알아봅니다.

1부. 추천 알고리즘을 이해하는 8가지 기본 상식
추천 시스템의 시대
선호도 조사
협업 필터링: 아마존의 추천 시스템
해시태그와 메타데이터
콘텐츠 기반 추천 시스템
프로그래밍으로 구현한 무의식: 모델 기반 협업 필터링
하이브리드 추천 시스템
GPU와 인공지능

2부. 추천 알고리즘은 어떻게 활용되고 있는가
실시간/비실시간 추천 시스템
넷플릭스의 추천 시스템
유튜브의 추천 알고리즘
페이스북의 뉴스피드와 랭킹 알고리즘
개인 최적화 광고와 추천 시스템
시간의 변화와 추천 시스템

“만약, 이 책을 읽은 여러분이 SNS를 이용해 더 강력한 전파력을 갖기 원한다면, 12장에서 설명한 페이스북의 뉴스피드 추천 알고리즘을 읽어 보길 권합니다. 대부분의 SNS에서는 특정 게시물에 대하여 다른 사람과의 관계와 반응, 상호작용 그리고 적절한 시간을 바탕으로 우선순위를 높게 책정합니다.
추천 시스템을 사용하는 회사에 입사하는 분이라면, 회사의 서비스를 이해하는 데에 분명 도움이 될 겁니다. 추천 시스템처럼 보이지 않는, 검색을 해야 하는 서비스도 마찬가지입니다. 검색을 주력으로 사용하는 서비스는, 보이지 않는 곳에서 추천 시스템을 적절히 사용해야 합니다.
만약, 추천 시스템을 사용하지 않고 있다면, 추천 시스템을 적용해 발생할 수 있는 이익을 제안해도 좋습니다. 이 책의 독자인 여러분이 제안할 멋진 서비스가 벌써부터 기대됩니다.
추천 시스템에 관심이 많은 엔지니어라면, 이 책의 끝이 많이 아쉬울 겁니다. 이 책에서는 직접 구현해 볼 예제나 코드와 그에 대한 설명이 전혀 없기 때문입니다. 그러나 적어도 이 책을 통해 어떤 분야를 더 학습하면 좋을지, 어떤 원리를 적용한 알고리즘을 서비스에 사용해야 할지 아이디어를 얻을 수 있을 겁니다. 예제를 원하는 엔지니어라면, 인터넷을 통해 어렵지 않게 예제를 구할 수 있을 겁니다. 엔지니어분들이 만들어 낼 멋진 추천 시스템을 기다리겠습니다.”_에필로그 중에서

대상 독자

마케터가 추천알고리즘을 이해하고 있다면, 가장 효과적인 성과를 내는 마케팅을 할 수 있습니다.
기획자는 어떤 과정에 추천 알고리즘을 적용할지, 더 멋진 제품을 만들 수 있을지, 아이디어를 얻을 수 있습니다.
개발자라면 적용하려는 분야에 따라 더 적합한 알고리즘을 선택해 추천 시스템을 구현할 수 있습니다. 이 책이 힌트를 줄 수 있습니다.
크리에이터, 블로거라면 내 콘텐츠가 어떤 원리로 사용자에게 추천되는지를 이해할 수 있습니다.
콘텐츠를 매일매일 소비하는 우리 모두는 추천 알고리즘을 이해하면 좀더 똑똑한 소비를 할 수 있게 해줍니다.

프롤로그

1부 | 추천 알고리즘을 이해하는 8가지 기본 토대

1장_ 추천 시스템의 시대
우리는 아주 빠르게 변화하는 시대에 살고 있습니다
우리는 지금 추천 시스템 속에서 살고 있습니다
인공지능과 추천 시스템은 동의어가 아닙니다

2장_ 선호도 조사
선호도 조사와 협업 필터링
선호도 조사: 명시적 레이팅과 암묵적 피드백

3장_ 협업 필터링: 아마존의 추천 시스템
아마존에 대해 먼저 알아봅니다
사용자 기반 협업 필터링
아이템 기반 협업 필터링
협업 필터링 적용 사례

4장_ 해시태그와 메타데이터
메타데이터
해시태그
콘텐츠 분석
사용자 취향

5장_ 콘텐츠 기반 추천 시스템
콜드 스타트 문제
콘텐츠 기반 추천 시스템
영화 추천 서비스 예시
<기생충>을 좋아하는 사용자 A 예시
<어바웃타임>을 좋아하는 사용자 B 예시
필터 버블(콘텐츠 편식)

6장_ 프로그래밍으로 구현한 무의식: 모델 기반 협업 필터링
KNN 알고리즘
잠재 요인 모델 기반 협업 필터링
행렬분해와 모델 기반 추천 시스템

7장_ 하이브리드 추천 시스템
하이브리드 추천 시스템
SNS 게시물 추천을 위한 하이브리드 추천 시스템

8장_ GPU와 인공지능
CPU와 GPU
CPU와 GPU의 차이
CPU와 GPU, 예시로 이해하기
딥 러닝과 머신러닝
GPU와 이미지 인식 기술의 발전

2부 | 서비스로 살펴보는 추천 알고리즘

9장_ 실시간/비실시간 추천 시스템
실시간 추천 시스템: 옥소폴리틱스
비실시간 추천 시스템: 링크드인

10장_ 넷플릭스의 추천 시스템
넷플릭스의 등장
넷플릭스 프라이즈
넷플릭스의 추천 시스템

11장_ 유튜브의 추천 알고리즘
유튜브와 넷플릭스의 차이
유튜브의 역사와 유튜브의 동영상 추천 시스템
유튜브의 특징과 추천 시스템
유튜브 추천 시스템의 발전
현재의 유튜브 랭킹 과정

12장_ 페이스북의 뉴스피드와 랭킹 알고리즘
페이스북의 등장
페이스북의 뉴스피드와 엣지랭크 알고리즘
새로운 랭킹 알고리즘
랭킹 알고리즘 응용하기

13장_ 개인 최적화 광고와 추천 시스템
광고의 디지털 전환
개인 최적화 광고의 등장
개인 최적화 광고와 추천 시스템

14장_ 시간 변화와 추천 시스템
내비게이션의 등장
내비게이션과 추천 시스템
시간의 변화에 따른 교통량 예측 시스템
시간에 따른 취향의 변화를 고려한 추천 시스템

에필로그
찾아보기