넷플릭스, 애플 뮤직, 아마존은 어떻게 나의 취향을 정확히 파악했을까? 빅데이터 시대에 들어서 기업들은 날로 정교하게 고객의 취향을 파악하려 노력한다. 정보의 홍수 속에 고객이 원하는 것을 가장 빠르고 쉽게 찾게끔 돕는 것은 이제 선택이 아니라 필수가 됐다. 이 책은 최근 가장 각광받는 언어이자 오픈소스 프로그램인 R을 이용해 추천 시스템을 설명한다. 책을 따라 추천 시스템의 기법, 성능평가, 실제 실습의 과정을 지나고 나면 어느새 아마존이 어떻게 나의 취향을 파악하고 있는지, 우리는 고객에게 어떻게 상품을 추천해줘야 하는지를 차츰 이해하게 될 것이다.

[목 차]

1장. 추천 시스템 시작하기
__추천 시스템의 이해
__이 책의 구성
__협업 필터링 추천 시스템
__콘텐츠 기반 추천 시스템
__지식 기반 추천 시스템
__하이브리드 시스템
__평가 기법
__사례 연구
__다음 단계
__요약


2장. 추천 시스템에서 사용되는 데이터 마이닝 기법
__데이터 분석 문제 해결하기
__데이터 전처리 기법
____유사도 측정
______유클리디안 거리
______코사인 거리
______피어슨 상관 계수
____차원 축소
______주성분 분석
__데이터 마이닝 기법
__클러스터링 분석
____K-평균 클러스터링
______서포트 벡터 머신
__의사결정 나무
__앙상블 기법
____배깅
____랜덤 포레스트
____부스팅
__데이터 마이닝 알고리즘 평가
__요약


3장. 추천 시스템
__추천 시스템을 위한 R 패키지: recommenderlab
____데이터 세트
______Jester5k, MSWeb, MovieLense
____평점 매트릭스를 위한 클래스
____유사도 매트릭스 계산
____추천 모델
__데이터 탐구
____데이터 특징 탐구
____평점 값 탐구
____조회된 영화 탐색
____평균 평점 탐색
____매트릭스 시각화
__데이터 준비
____가장 적절한 데이터 선택하기
____가장 적절한 데이터 탐색
____데이터 정규화
____데이터 이진화
__아이템 기반 협업 필터링
____트레이닝 및 테스트 세트 정의
____추천 모델 생성
____추천 모델 탐색
____테스트 세트에 추천 모델 적용
__사용자 기반 협업 필터링
____추천 모델 생성
____테스트 세트에 추천 모델 적용
____이진 데이터에 대한 협업 필터링
____데이터 준비
____이진 데이터에 대한 아이템 기반 협업 필터링
____이진 데이터에 대한 사용자 기반 협업 필터링
____협업 필터링에 대한 결론
______협업 필터링의 한계
__콘텐츠 기반 필터링
__하이브리드 추천 시스템
__지식 기반 추천 시스템
__요약


4장. 추천 시스템의 평가
__모델 평가를 위한 데이터 준비
____데이터 분할
____데이터 부트스트랩
____k-fold를 사용해 모델 확인
__추천 결과 평가
____예측 평점 평가
____추천 결과 평가
__가장 적합한 모델 식별
____모델 비교
____가장 적합한 모델 식별
____매개변수 최적화
__요약


5장. 사례 연구: 나만의 추천 시스템 만들기
__데이터 준비하기
____데이터에 대한 설명
____데이터 불러오기
____평점 매트릭스 정의하기
____아이템 속성 추출하기
__모델 만들기
__모델 평가 및 최적화
____모델을 평가하는 함수 만들기
____모델 매개변수 최적화
__요약

★ 이 책에서 다루는 내용 ★

■ 추천 시스템의 핵심 이해
■ 다양한 데이터 마이닝 기법과 데이터 처리 방법
■ 추천 알고리즘의 최적화 및 평가
■ 추천 모형 설계를 위한 데이터 구조화 등의 준비 작업
■ R의 직접 실행을 통한 추천 시스템 기법별 차이
■ 추천 시스템에 쓰이는 다양한 평가 기법
■ R의 대표적인 추천 시스템 패키지인 recommenderlab에 대한 소개와 고성능의 추천 시스템을 만들기 위한 최적화 방법

★ 이 책의 대상 독자 ★

이 책은 R과 머신 러닝에 대한 배경지식을 가진 사람들을 대상으로 한다. 추천 시스템을 만들어보고 싶었다면 이 책이 적합할 것이다.


★ 이 책의 구성 ★

1장. '추천 시스템 시작하기'에서는 이 책의 구성을 설명하고 추천 시스템의 실제 적용 사례를 알아본다.
2장. '추천 시스템에서 사용되는 데이터 마이닝 기법'에서는 추천 모델을 만드는 데 필요한 R의 기초를 살펴보고 데이터 처리와 머신 러닝 기법들을 알아본다.
3장. '추천 시스템'에서는 많이 사용되는 몇 가지 추천 시스템들을 설명하고 R을 사용해 어떻게 만드는지 알아본다.
4장. '추천 시스템의 평가'에서는 추천 시스템의 성능을 평가하고 최적화하는 방법을 알아본다.
5장. '사례 연구: 나만의 추천 시스템 만들기'에서는 비즈니스 과제를 해결하기 위해 어떻게 추천 시스템을 만들고 최적화하는지 알아본다.

★ 지은이의 말 ★

추천 시스템은 사용자 구매와 선호도를 예측하는 머신 러닝(Machine Learning) 기법이다. 이러한 추천 시스템은 온라인 쇼핑 사이트나 동영상 공유 사이트에 여러 형태로 적용돼 있다.
이 책은 R을 사용해 어떻게 추천 시스템을 만드는지 보여준다. 먼저 추천 시스템에 관련된 데이터 마이닝(Data Mining)과 머신 러닝 개념을 살펴본다. 그런 다음 R을 사용해 추천 모델을 만들고 최적화하는 방법과 가장 많이 사용되는 추천 기법에 대한 개요를 설명한다. 마지막으로, 추천 시스템을 만드는 실용적인 사용 사례를 보여준다. 이 책을 읽고 나면, 자신만의 추천 시스템을 만드는 방법을 알게 될 것이다.

★ 옮긴이의 말★

이 책은 자율형 연구소인 모두의연구소에서 추천 시스템을 연구해 얻은 첫 결과물이다. 이 책은 부담 없는 분량으로 추천 시스템 전반에 대한 내용을 포괄적으로 담고 있어 입문자가 보기에 적당하다. 다만, 머신 러닝에 대한 이론 부분은 저자가 한정된 지면에 많은 내용을 담고자 했기에 어느 정도의 배경지식을 필요로 한다는 점을 미리 밝혀둔다. 이 책으로 추천 시스템에 관심을 갖게 됐거나 함께 연구하고 싶다면 모두의연구소(http://www.modulabs.co.kr)로 별도로 문의하길 바란다. 현재 2기가 활동 중에 있으며, 필요에 따라 수시로 연구원을 모집하고 있다.
윤병도

이 책은 R로 추천 시스템을 구현해보려 할 때 가장 많이 접하게 되는 recommenderlab 패키지를 사용해 추천 시스템을 구현해보는 아주 간결한 형식의 자습서다. 비록 추천 시스템에 대한 지적 호기심을 한껏 충족시켜주지는 못할지라도, 이론적 배경지식부터 추천 모델의 생성 및 평가, 그리고 학습한 내용을 바탕으로 자신만의 추천 시스템을 만들어보는 사례 연구까지 다루고 있으므로, 추천 시스템에 대한 전체적인 얼개와 흐름을 한눈에 파악할 수 있도록 압축해서 보여주는 것에 의의가 있다고 생각한다. 감히 말하길, 독자 제현들이 이 책을 처음부터 끝까지 차근차근 따라 하다 보면 누구나 쉽고 빠르게 추천 시스템의 기본 개념을 잡을 수 있을 것이다.
김동섭

오랜 기간 동일한 분야에서 개발 업무를 담당해오다가 매너리즘에 빠진 자신을 발견하고 새로운 분야를 탐색해보고자 모두의연구소 추천 시스템 연구실에 참여하게 됐다. 이 책은 초보자도 R을 이용해 직접 코드를 실행하면서 추천 시스템의 기초를 익힐 수 있게 해준다. 나는 이 책의 3장, ‘추천 시스템’을 번역했다. 필요한 부분만 축약한 이 책의 구성 덕분에 완독하는 데 많은 시간이 걸리지 않을 뿐 아니라 지루해서 읽다 포기하는 일은 결코 없을 것이라 확신한다. 이 책이 추천 시스템을 이해하는 데 조금이라도 도움이 되길 바란다.
김현돈

수레시고라칼라
데이터 분석가이자 데이터 마이닝, 빅데이터 분석, 시각화 도구 전문 컨설턴트며 2013년부터 자신의 블로그에 데이터 과학에 관한 글을 쓰고 있는 블로거다(http://www.dataperspective.info).
인도 안드라대학교(Andhra University)의 SRKR 공과대학(SRKR Engineering College)에서 기계공학 학사 학위를 취득했고 데이터 도구 제작과 아이디어 창출, 교육, 사진, 여행을 좋아한다.

미셸우수엘리
대용량 데이터 및 머신 러닝 분야의 전문 데이터 과학자이자 작가며, R의 열성적인 팬이다. 현재 2015년 4월 마이크로소프트가 인수한 R 기반 기업인 레볼루션 애널리틱스(Revolution Analytics)에서 근무하고 있다. 수학공학을 전공했으며 과거에는 빅데이터 스타트업과 출판사에서 일했다. 팩트출판사에서 펴낸 『R Machine Learning Essentials』(2014)의 저자이기도 하다.
옮긴이 김동섭
경북대학교에서 지능형 에이전트로 석사 학위를 받았다. 2006년부터 수년간 일본 동경에 있는 ORIX 그룹(ORIX Group), NTT COMWARE, 캐논 마케팅 재팬(Canon Marketing Japan)에서 시스템 분석 및 설계, 개발 업무를 담당했고 현재는 NHN 테크놀로지 서비스에 재직 중이다. 번역서로는 『PHP+MySQL 웹 개발 마스터 북』(남가람북스, 2016)이 있다. 홈페이지(http://www.abreqadhabra.com)를 운영한다.

옮긴이 유병도
숭실대학교에서 경영학 학사를 취득했으며 이후 한국방송통신대 정보통계학과에 편입해 통계학과 컴퓨터공학을 공부하고 있다. 현재 참좋은여행에서 데이터 분석가로 일하고 있으며 여행 상품 추천 시스템 모형 설계, 데이터 기반 상품 분석, 고객 정보 통합 업무 등을 수행했다. 2016년 겨울, 모두의연구소에 추천 시스템 연구실을 만들어 운영 중이다.

옮긴이 김현돈
일본 국비(문부성) 장학생으로 교토대학교(Kyoto University)에서 로봇 청각 시스템으로 박사 학위를 취득했다. 이후 4년간 LG전자 전자기술원 미래IT융합연구소에서 가전 및 휴대폰에 사용되는 음성 인식 시스템의 전처리 기술 연구 및 상용화 개발을 담당했다. 현재는 음성을 이용한 생체 인증과 딥러닝을 사용한 차세대 전파감지기 개발 업무를 맡고 있다.