[ML] 머신러닝 분류모델 토이프로젝트 - (1) Intro

작금의 비즈니스 환경에서는 단순히 인기 있는 상품을 추천하는 것으로는 고객의 기대를 충족시킬 수 없습니다. 고객들은 자신이 진정으로 원하는 제품이나 콘텐츠를 추천받기를 기대하며, 이를 실현하기 위해서는 보다 정교한 데이터 분석과 맞춤형 추천 시스템이 필요합니다.

 

이번 챕터에서는 머신러닝의 분류 모델이 영화 추천 시스템에서 어떻게 활용될 수 있는지를 살펴보겠습니다. 고객의 데이터를 분석해 맞춤형 추천을 제공하는 것은 어떻게 가능하며, 분류 모델이 이 문제를 해결하는 데 어떤식으로 활용되는 알아보겠습니다. 

 

아래 그림은 지금 진행하고자 하는 분석방법이 AI라는 거대한 영역에서 어디에 속하는지 참고용으로..

 

 

---

프로젝트 개요

프로젝트 목표

이번 프로젝트의 목표는 고객 행동 데이터를 기반으로 고객별 최적의 영화를 추천하는 시스템을 구축하는 것입니다. 이를 통해 단순히 인기 있는 영화를 추천하는 것에서 벗어나, 고객의 선호 장르를 분석하고, 그에 맞춘 개인화된 영화 추천을 제공하는 것을 목표로 합니다.

 

분석 방법론

프로젝트에서는 머신러닝의 분류 모델을 활용하여 고객이 선호하는 장르를 파악하고, 비즈니스룰을 활용하여 장르 내에서도 최적의 영화를 추천하는 방식으로 이루어집니다.

 

현재 상태 및 목표 (AS-IS vs TO-BE)

• Level 1: 단순 인기 영화 추천 (AS-IS) : 현재 상태는 데이터 기반 분석이 반영되지 않은 상태로, 단순히 인기 있는 영화나 무작위로 선택된 영화를 추천하는 수준에 머물러 있습니다.
• Level 2: 선호 장르 선정 : 고객의 선호 장르가 특정된 상태이지만, 아직 최적의 영화 추천이 반영되지 않았습니다.
• Level 3: 개인화 영화 추천 (TO-BE) : 목표는 고객의 선호 장르 중에서 고객별로 최적의 영화 상품을 선정하여 개인화된 추천을 제공하는 것입니다. 여기에는 고객의 시청 이력, 인기도 상위 영화, 최신 영화 등의 조건이 반영됩니다.

활용 데이터

• 데이터셋: 활용할 데이터는 구글 드라이브에 업로드해두었습니다.  약 400mb 용량입니다.   → 영화데이터.zip
• 데이터 분석 플랫폼: 머신러닝 모델을 구축하고 분석하기 위해 Python 및 관련 라이브러리(예: pandas, scikit-learn, TensorFlow 등)를 활용할 예정입니다.

과제 수행 프로세스

 

다음화부터 위의 과제 수행 프로세스에 따라 차근차근 진행해보겠습니다 ^^.