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