목록추천 시스템/BRS with ML and AI (3)
.__.
3.1 Train/Test and Cross Validation | 학습/테스트 데이터와 교차검증 - Train / Test 분리 - 검증 방법 : k-fold validation -> 학습 데이터의 개수가 적은 경우 사용하면 좋다. -> 과적합 방지용 3.2 Accuracy Metrics (RMSE, MAE) | 정확도 지표(RMSE, MAE) | mean absolute error (MAE) | root mean square error (RMSE) - 예측과 실제의 차이가 크면클수록 더 높은 페널티를 부여받는다. - 예측과 실제의 차이가 작으면작을수록 더 낮은 페널티를 부여받는다. + Netflix Prize는 넷플릭스 사용자들의 영화 별점 데이터를 가지고 2006년 10월부터 2009년 7월까지 약..
파이썬을 주언어로 쓰고 있기 때문에 해당 챕터를 생략한다. 2챕터를 듣진 않았지만, 목차를 보면 대략적으로 어떤 수준의 프로그래밍 실력을 원하는지 알 수 있다.
1.1 Course RoadMap 본격적으로 Building Recommender Systems with Machine Learning and AI 코스를 진행하기 앞서, 강의의 로드맵을 살펴보자! 추천시스템 스터디를 위해 선정한 강의 : Building Recommender Systems with Machine Learning and AI(Udemy) Building Recommender Systems with Machine Learning and AI How to create machine learning recommendation systems with deep learning, collaborative filtering, and Python. www.udemy.com - getting Starte..