글쟁이, 코딩한다

0. 이상형 월드컵 기반 영화 추천 사이트 만들기 1. 팀원들에게 참으로 미안하게도 이틀이나 지나서 왔다. 그동안 많은 것이 나아갔다! 와우! 2. 미안함의 표시로 추천 시스템 발표를 맡기로 했다. 일단 블로그 오늘의 글 초안을 쓴 뒤 팀원들이 만든 사이트를 공부하고, 오늘 내내 간단히 디벨롭한 추천 시스템을 업로드한 후에 발표 준비에 들어갈 예정이다. 된다면, 된다면 오늘 안에 다 하겠다. 정말로 가능하다면, 가능하다면 오늘 안에 만든 PPT도 간단히 올려볼 작정이다. 아니면 담에 올리지 뭐! 추천 시스템의 기본 개념은 생각보다 가볍다. 이를 뒤섞고 좀 더 좋은 결과를 위해 다양한 변화를 시도할 때가 복잡할뿐. 다만 이 기본 개념을 잡기 위해 인터넷 속 뒤섞인 정보들을 취합하다보니 시간이 오래 걸렸다...

0. 이상형 월드컵 기반 영화 추천 사이트 만들기 1. 추천 시스템은 -물론 온전히 다 만든 것은 아니고, 맛만 본 상태로 - 대강 매조짓고 웹 구현을 시작했다. 만들어야 하는 핵심 페이지는 크게 나눠 세 가지였다. 1) 이상형 월드컵 IMDB(무비렌즈 데이터 기준) 별점 상위 158개 대상. 무작위 32강 -> 16강 -> 8강 -> 4강 -> 준결승 -> 우승. 우승 작품들은 추천의 근간으로 작동하며 사이트 DB로 들어간다. 이용자가 직접 이상형 월드컵을 만드는 시스템이 구현되어야 더 풍부해질텐데 말이다. 2) 추천 화면(메인 페이지) 다시 정리하자면 추천 시스템으로 구현하고자 하는 것은 총 일곱가지. 1) 콘텐츠 필터링; 장르, 감독, 배우 2) 협업 필터링 ; 아이템 기반, 이용자 기반, 잠재 요..

0. 이상형 월드컵 기반 영화 추천 사이트 만들기. 1. 오늘 한 일) 1) 추천 시스템 공부&정리 정리도 한 번 할 겸 팀원들과 공유도 할 겸 아아아아아아주 최소한의 정보만 담아서 개요를 정리했다. 세부 적용 방식과 장단점은 비워둔 내용이다. 나중에 팀원들과 함께 발표를 준비하며 더 세밀하게 준비할 필요가 있다. 다른 루트로 매일 이 방식들을 보고 익히려고 애쓰는데 텍스트를 읽을 때만 해도 그렇지, 그렇지 하다가 뒤돌아서면 그랬던가 싶다. 꽤 여러가지 말들 중에 핵심을 파악하고 확고한 중심 사항을 가져가야 하는데 아무래도 블로그 글에서는 이를 파악하기가 어렵다. ML, DL 이론에 있어서는(여전히 어렵지만) 강사님이 확실하게 짚어준 부분이 있었기에 한 가지 지점을 바탕으로 펼쳐나갔다. 여기서는 그것이 ..

0. 이상형 월드컵 기반 영화 추천 사이트 만들기 1. 오늘 한 일 1) 추천 시스템 정리하기 이상형 월드컵 우승 영화 : A 콘텐츠 기반 필터링 (Content Based Filtering) 1. A와 장르가 비슷한 영화를 추천 : 콘텐츠 기반 필터링 2. A를 연출한 감독이 디렉팅한 영화를 추천 : 원본 데이터셋에서 끌어오기(원본 데이터의 별점 투표수 많은 대로) 3. A의 주연배우가 나오는 영화를 추천 : 원본 데이터셋에서 끌어오기(원본 데이터의 별점 투표수 많은 대로) 협업 필터링 (Collaboration Filtering) 4. A를 재밌게 본 다른 이용자들이 좋아하는 영화를 추천 : 사용자 기반 협업 필터링 5. A와 비슷한 영화(A와 평점 구조가 비슷한 영화)를 추천 : 아이템 기반 협업 ..

0. 이상형 월드컵 기반 영화 추천 사이트 만들기 1. 프로젝트 수행중 오늘 한 일 1) 데이터 전처리 우리가 만지는 데이터는 무비렌즈(movielens)의 영화 데이터다. 굉장히 다양한 영화 메타 데이터, IMDB 기반 평점, 유저 rating 등 추천을 위한 모든 데이터를 갖추고 있다. 타이타닉 데이터셋이 ML을 위한, MNIST 데이터셋이 DL을 위한 기본 데이터셋이라면, 이 데이터는 추천시스템을 위한 기본 데이터셋이라 할 수 있다. 따라서 Kaggle에서도 다양한 추천시스템과 결과값들을 확인할 수 있다. 무비렌즈의 영화 데이터셋은 크기, 종류가 다양한 데이터들을 가지고 있다. 우리는 그중에서도 영화가 약 10000여개, rating이 100000여개인 데이터를 골랐다. 2018년 영화까지 있어 다..

0. 이상형 월드컵 기반 영화 추천 사이트 1. 추천 시스템을 이해하는데 시간을 많이 썼다. 팀장님이 주신 자료를 바탕으로 개인 자료도 더해서 공부했다. 추천 시스템 추천은 왜 중요할까. 추천의 중요함은 이제 모두들 알테다. 유튜브와 넷플릭스, 스포티파이와 아마존, 네이버 쇼핑과 웹툰... 상품 구매와 콘텐츠 등 대중을 상대로 한 장사에서 '추천'은 곧 성공으로 이어졌다. 취향은 이제 더는 개인의 영역이 아니다. 취향 역시 기업과 자본이 결정한다. 그리고 이 취향을 쥐락펴락하는 것, 그것이 추천. 너무 과한 버전이다. 아무튼 추천 시스템을 제대로 활용한다면 기업들이 큰 이득을 볼테다. 유튜브 최고 상품 담당자(CPO) 닐 모한은 지난해 뉴욕타임스와의 인터뷰에서 “유튜브 시청시간 70%가 추천 알고리즘에 ..

0. 설 쇠고 왔다. 오늘부터 마지막 프로젝트에 들어간다. 마지막 프로젝트는 자율 주제&팀이다. 누군가 주제를 발의하면 이를 보고 팀에 참여한다. 그간 관심사를 살려 영화 추천 사이트 구성 팀으로 들어갔다. 이미지 캡셔닝, 수화 번역 등 주제들도 있었지만, 나는 늘 추천에 관심을 기울여왔다. 영화 추천은 사용할만한 데이터도 존재하고 기본 예제가 많다. 기본적으로 추천 시스템은 누군가의 취향을 파악해야한다는 점에서 흥미롭다. 취향은 독특한 영역이다. 회사 입장에서는 소비자의 취향을 온전히 아는 것보다 강력한 무기는 없다. 가치 소비 경향이 커지고 편향이 커질 수록 그럴테다. 물건이 너무 많으니 내가 아는 인플루언서가 사는 물건, 내가 보는 유튜브에서 나온 물건을 사는 일이다. 콘텐츠는 특히 그런 경향이 강..

0. 자습 시간이다. 설 연휴와 마지막 프로젝트를 앞두고 짚어가는 시간이다. 오늘은 1. 42 서울 온라인 테스트를 봤다. 테스트는 두 가지다. 기억력 테스트는 13?14? 까지, 논리력 테스트도 12까지 갔다. 기억력 테스트야 간단히 카드 뒤집은 걸 순서대로 다시 뒤집으면 되는 게임이다. 4분 준다. 두번째 논리력 테스트는 비행기를 움직여 별을 먹는 게임이다. 게임은 간단한듯 어렵다. 어떤 트릭의 의도만 파악하면 쉽지만, 못 파악하면 한 세월이다. 9번인지 11번인지는 한 번 배치로 바로 통과했는데, 10번은 한 시간 가까이 쓰기도 했다. 시간은 2시간 준다. 긴 시간인 만큼 집중력과 차분함을 유지하는 것도 중요해보인다. ∼이 사이트에서 간단히 연습하고 갔다. 테스트와 완전 똑같지는 않지만, 거의 흡사..

0. TIL은 이런 곳에 하기 보다는 주로 깃헙에서 잔디 심는 일을 말한다는 걸 이제 알았다. 43일차라 돌이킬 수가 없지만. 일단 이 과정을 듣는 동안은 마저 이대로 하고 끝나는 대로 그쪽으로 가야겠다. 웹 프로그래밍. 오늘은 머신러닝 모델 적용. 예제는 opencv-python 라이브러리를 활용한 사진 얼굴&눈 인식 사이트. 이번에는 pythonanywhere로 배포까지. 역시 똑같은 내용들은 패스하고 새로 배운 것들 위주로. CV2 라이브러리 활용 얼굴&눈 인식 사이트 기본 순서 가상환경 구축(opencv-python(4.1.1.26), pillow(5.4.1) 라이브러리 설치) 프로젝트&앱 개설 1. 이미지 파일 업로드 (1) Media 폴더 유저들이 업로드한 파일들을 받아낼 공간 #templat..

0. 웹 프로그래밍. 여태 해 온 것과 꽤나 다른 분야라 나름 재미있기도 하고 재미없기도 하다. 어제에 이어 설문조사 사이트 만들기. 기본 툴은 로또 번호 생성 사이트에서 했으므로 새로 안 사실들만 기록한다. 이전 작업 내역들은 어제자 포스트에. marune3.tistory.com/64 1) form input태그 : type, name, id, value 값 설정 #type : input 형식 #name : 유저가 보낸 post를 찾을 수 있도록 해주는 이름 #id : post 요청에 붙이는 id(label과 연동) #value : name으로 꺼낼 수 있는 값들 #name과 value. input 태그는 name을 key 값으로 value를 꺼낼 수 있다. (text, file 등을 업로드하면 따로 ..