レコメンデーションを実装する上で
重要となる考え方を横断的に学習
レコメンデーション（推薦）とは、大量にある選択肢の中から、ユーザにとって価値のある選択肢を個別に提示する技術です。EC サイトや、音楽・動画などを提供するサブスクリプション型サービスなどの大量のコンテンツを持つサービスでは、ユーザが自力で価値を感じる商品・コンテンツを探し当てることが難しく、継続利用につながらないことが問題となります。そこで、レコメンデーションによって嗜好や過去の購買傾向等に応じて、商品やコンテンツの優先順位付けや絞りこみを行った上でユーザに提示することで、上記の問題を解決することができます。
本講座では、レコメンデーションの概要から始まり、代表的手法、多様性などの評価指標、レコメンデーション結果の提示方法まで、サービスとしてレコメンデーションを実装する上で重要となる考え方を横断的に学習します。加えて、昨今話題になっている Neural Factorization Machine や Two-tower model など深層学習を用いたレコメンデーション手法についても紹介します。講座は座学と Notebook 演習から構成されており、理論と実践の両面からレコメンデーションを学ぶことで、現場で使える実践力を身につけます。
講座の特長
-
1
レコメンデーションの手法だけでなく、
学習のために必要となる
データの種類や収集時の注意点を学ぶことができる -
2
協調フィルタリングと内容ベースフィルタリングの
知識と実装の両方を学ぶことができる -
3
サービス品質やビジネス目標など、
レコメンデーションモデルをビジネス観点で
評価するための考え方を学ぶことができる -
4
Neural Factorization Machine や Two-tower model などの
15 種類以上の深層学習を用いた
レコメンデーションモデルを学ぶことができる
得られる知識・スキル
-
IPO (Input, Process, Output) モデルやレコメンデーションモデルの学習のために必要なデータの種類といった基礎知識
商品やサービスのレコメンデーションを行う仕組みを作りたいとき、レコメンデーションモデル作成のために必要なデータを適切に収集することができるようになります。 -
協調フィルタリングや内容ベースフィルタリングなどの代表的なレコメンデーションモデルの知識と実装方法
アクティブな利用者数や新規のアイテム追加頻度といったサービスの現状や性質に応じて、協調フィルタリングと内容ベースフィルタリングを適切に使い分けることができるようになります。 -
MRR (Mean Reciprocal Rank) や Recall@K などのレコメンデーションモデルのオフライン評価指標とユーザテストの際に用いるオンライン評価指標に関する知識
作成したモデルに対して正しい評価指標を用いることができ、ユーザテストの実施方法や改善のために計測すべき項目を適切に提案できるようになります。
こんな方におすすめ
- ECサイト等でユーザの選択を支援する目的で AI を活用したいと考えており、その中でレコメンデーションに興味を持った AI エンジニア
- 機械学習・深層学習で出来ることを増やしていきたいと考えているデータサイエンティスト
カリキュラム
第1章 レコメンデーションシステムの概要
- レコメンデーションシステムとは
- レコメンデーションシステムの活用事例
など全6トピックス
第2章 レコメンデーションシステムで利用されるデータ
- 推薦システムで利用されるデータ
- 嗜好データの明示的な獲得
など全4トピックス
第3章 基本的なレコメンデーションアルゴリズム
- 協調フィルタリングと内容ベースフィルタリング
- 協調フィルタリングの実装例（ルールベース、Matrix Factorization）
など全4トピックス
第4章 レコメンデーションシステムの評価方法
- 推薦システムの評価の流れ
- オフライン評価
など全3トピックス
第5章 レコメンデーション結果の提示
- 推薦結果の提示方法
- 多様性のためのRe-ranking
など全3トピックス
第6章 ディープラーニングに基づくレコメンデーションモデル
- レコメンデーションモデルへのニューラルネットワークの導入
- ニューラルネットワークを使った様々なモデル構造
など全4トピックス
第7章 レコメンデーションの応用事例
カリキュラムは変更となる場合がございます。
担当講師
斉藤 翔汰
スキルアップAI講師。横浜国立大学大学院 環境情報学府 情報メディア環境学専攻（現:情報環境専攻）修了。修士（情報学）。高専時代に画像認識に対して興味を持ったことがきっかけで、現在はDeep Learningや機械学習、進化計算などの人工知能分野におけるアルゴリズムの研究開発やコンサルティングに従事。日本ディープラーニング協会の2018年度・2019年度E資格合格者、2018年度G検定合格者。著書「徹底攻略ディープラーニングE資格エンジニア問題集」（インプレス）。
講座概要
| 講座名 | レコメンデーション講座 |
|---|---|
| 受講形式 |
オンライン講座：eラーニング形式 お好きな時間、お好きな場所でeラーニング形式にて受講いただけます。 |
| 前提となる知識・スキル |
必須スキル
推奨スキル
|
| 講座時間 | 動画講義約5時間 |
| 料金 | 110,000円／1名（税込） |
| 料金に標準で含まれるもの |
|
| 動画の視聴期間 | 動画共有日から1年間 |
| チャットの質問期間 | 講座チャンネルへの招待日から3ヶ月間 |
| PCの動作環境 |
※8GB未満でも受講して頂くことは可能ですが、大容量のデータを扱うため、より高スペックなPCの利用を推奨しています。 |
| 事前準備 | 本講座では、MinicondaまたはAnacondaをインストールしていただきます。また、condaおよびpipというライブラリ管理ソフトを使って、Python ライブラリをインストールしていただきます。これらインストール作業を行えるパソコン環境をご準備ください。特に、社用のパソコンなどでアクセス制限のあるインターネット回線をご利用の方は、インストール作業を問題なく行えることを事前にご確認ください。ご不明な点がございましたら、事前にご連絡ください。 |