카카오 아레나 데이터 경진대회 1등 노하우

01장: 1회 대회 살펴보기1.1 대회 설명 __1.1.1 왜 상품 카테고리를 분류하는가? 2__1.1.2 대회 내용 설명 4__1.1.3 대회 참여 현황 61.2 대회 평가 척도 71.3 데이터셋 훑어보기 9__1.3.1 데이터셋 설명 9____카테고리 매핑 정보 10____train 데이터셋 11____dev 데이터셋 12____test 데이터셋 13__1.3.2 대회 데이터 탐색 15____train 데이터(train.chunk.01~09) 상품 수 15____상품 카테고리 분류 분포 16____상품명에 담긴 정보 18____사용 빈도가 높은 단어 18____이미지 피처 시각화 20____데이터 탐색 요약 211.4 베이스라인 모델 실행 21__1.4.1 실행 코드 가져오기 21__1.4.2 필요 패키지 설치하기 22__1.4.3 대회 데이터 저장 22__1.4.4 학습 데이터와 평가 데이터 나누기 23__1.4.5 베이스라인 모델 학습하기 24__1.4.6 베이스라인 모델로 결과 생성하기 25__1.4.7 결과 데이터 채점하기 26__1.4.8 결과 제출하기 2602장: 쇼핑몰 상품 카테고리 분류 1등 솔루션 2.1 접근 방법 33__2.1.1 문제 파악 33____상세 설명 탭 읽기 34____채점 탭 읽기 35__2.1.2 데이터 구성 확인 36__2.1.3 머신러닝 파이프라인 구현 37____데이터 전처리(Data Preprocessing) 38____학습(Training) 40____추론(Inference) 42____리더보드 제출 42____성능 개선 방법 432.2 실행 환경 구축 44__2.2.1 아나콘다 설치하기 44____아나콘다 실행하기 45____작업 디렉터리 생성하기 46__2.2.2 파이토치 설치하기 46__2.2.3 git 설치하기 48__2.2.4 주피터 노트북 실행하기 482.3 솔루션 코드 실행 49__2.3.1 실행 준비 49____솔루션 코드 다운로드 49____대회 데이터 다운로드 51____필요한 패키지 설치 52__2.3.2 데이터 전처리 53__2.3.3 학습 54____배치 사이즈(batch size), 워커(worker) 개수 등의 변경 55____기본 검증 방법 56____k-폴드 교차검증 56____5-폴드의 각 데이터 그룹 학습시키기 58__2.3.4 추론 58____k-폴드 평균 앙상블(k-fold average ensemble) 60____2.3.5 리더보드에 제출 612.4 솔루션 코드 분석 63__2.4.1 데이터 전처리 63____데이터프레임으로 변환 64____피처 엔지니어링 70____전처리된 데이터를 저장 81____img_feat 데이터 전처리 및 저장 81__2.4.2 학습 83____모델 아키텍처 선정 및 구현 83____모델 학습 진행 93__2.4.3 추론 115____inference.py 11503장: 2회 대회 살펴보기3.1 대회 설명 124__3.1.1 브런치의 글 추천은 어떻게 이루어지는가? 125____유사글 추천 모델 125____개인화 맞춤 추천 모델 128____추천할 만한 글을 찾는 타깃팅 조건 130____내가 좋아할 만한 글을 찾는 랭킹 과정 130__3.1.2 대회 내용 설명 132__3.1.3 대회 참여 현황 1343.2 대회 평가 척도 1363.3 데이터셋 훑어보기 138__3.3.1 데이터셋 설명 138____사용자가 본 글 정보 139____글의 메타데이터 140____글 본문 정보 141____사용자 정보 142____매거진 정보 142____예측할 사용자 정보 143__3.3.2 대회 데이터 탐색 143____브런치에 등록된 글 현황 143____브런치 글의 소비 데이터 현황 144____브런치 글의 등록일 이후 경과일에 따른 소비 현황 146____위클리 매거진의 주기성 148____신규 사용자 vs. 단골 사용자 150____사용자 구독 데이터 현황 153____데이터 탐색 요약 1543.4 베이스라인 추천 모델 실행 155__3.4.1 실행 코드 가져오기 155__3.4.2 필요 패키지 설치하기 156__3.4.3 학습 데이터와 평가 데이터 나누기 156__3.4.4 베이스라인 추천 모델로 결과 생성하기 157__3.4.5 추천 결과 채점하기 158__3.4.6 dev.users 사용자 결과 생성하기 159__3.4.7 결과 제출하기 15904장: 글 추천 1등 솔루션 따라하기4.1 2회 대회의 문제 이해 162__4.1.1 문제 개요 162____과거 기록의 기간과 예측할 소비의 기간 163____예측 대상 사용자와 글 163____성능 평가와 공개 리더보드 164__4.1.2 성능 평가 지표 및 수상 기준 165__4.1.3 브런치 서비스 이해 167____방문 이유와 유입 경로 167____세션 특성 168____서비스 이용 패턴 168__4.1.4 프로그래밍 언어 및 외부 라이브러리 168__4.1.5 예제 코드 확인하기 1704.2 2회 대회의 데이터 이해 171__4.2.1 글 조회 데이터 172____데이터 전처리 172____데이터 분석 174__4.2.2 글의 메타데이터 178__4.2.3 사용자 정보 181__4.2.4 매거진 정보 184__4.2.5 예측 대상 사용자 정보 1854.3 추천 시스템의 기술 이해 및 적용 검토 189__4.3.1 협업 필터링의 이해 189____이웃 기반 협업 필터링 189____세션 기반 협업 필터링 191__4.3.2 협업 필터링 적용 검토 191____Word2Vec 기반 추천 191____연속 조회 통계 기반 추천 193____세션 기반 협업 필터링 적용 기간 194__4.3.3 콘텐츠 기반 필터링의 이해 194__4.3.4 콘텐츠 기반 필터링 적용 검토 196__4.3.5 예외 상황 대응하기 1974.4 협업 필터링 구현 198__4.4.1 모델 생성 코드 살펴보기 199__4.4.2 예측 코드 살펴보기 205__4.4.3 성능 평가 208____협업 필터링 예측 결과 생성 209____협업 필터링 성능 평가 211____협업 필터링 튜닝 2144.5 콘텐츠 기반 필터링 구현 214__4.5.1 예측 코드 살펴보기 214__4.5.2 Doc2Vec 데이터 전처리 살펴보기 222__4.5.3 Doc2Vec 모델 생성 코드 살펴보기 230__4.5.4 성능 평가 240____콘텐츠 기반 필터링 예측 결과 생성 240____콘텐츠 기반 필터링 성능 평가 2424.6 앙상블 구현 244__4.6.1 예측 보조 함수 살펴보기 244__4.6.2 예측 추가 함수 살펴보기 247__4.6.3 메인 코드 예측 준비 부분 살펴보기 253__4.6.4 메인 코드 앙상블 부분 살펴보기 258__4.6.5 성능 평가 2644.7 최종 결과 제출하기 266__4.7.1 깃허브 저장소 만들기 266__4.7.2 깃허브 저장소에 코드 및 설명 올리기 267

출처: 국립중앙도서관 서지정보