본문 바로가기

추천 검색어

실시간 인기 검색어

추천 시스템

기초부터 실무까지 머신러닝 추천 시스템 교과서
차루 아가르왈 저자(글) · 박희원 , 이주희 , 이진형 번역
에이콘출판 · 2021년 12월 31일 출시
6.3 (3개의 리뷰)
추천해요 (100%의 구매자)
  • 추천 시스템 대표 이미지
    추천 시스템 대표 이미지
  • A4
    사이즈 비교
    210x297
    176x251
    단위 : mm
MD의 선택 무료배송 사은품 이벤트 소득공제
10% 36,000 40,000
적립/혜택
2,000P

기본적립

5% 적립 2,000P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 2,000P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송 적용상품
배송비 안내
국내도서 / 외국도서
도서만 1만 원 이상 구매 시 무료배송
도서 + 잡지 / 만화 / :K컬렉션을 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

잡지 / 만화 / :K컬렉션 (교보배송)
각각 구매하거나 함께 2만 원 이상 구매 시 무료배송

2만원 미만 시 2,000원 배송비 부과

해외주문 서양도서 / 해외주문 일본도서 (교보배송)
각각 구매하거나 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

업체배송 상품 (전집, GIFT, 음반 / DVD 등)
중고장터 상품
해당 상품 상세페이지 "배송비" 참고 (업체 별/판매자 별 무료배송 기준 다름)
바로드림 오늘배송
업체에서 별도 배송하여 1Box당 배송비 2,500원 부과

1Box 기준 : 도서 10권

그 외 무료배송 기준
바로드림, eBook 상품을 주문한 경우, 플래티넘/골드/실버회원 무료배송쿠폰 이용하여 주문한 경우, 무료배송 등록 상품을 주문한 경우
주문정보를 불러오는 중입니다.
서울시 종로구 종로 1

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

패키지

북카드

키워드 Pick

키워드 Pick 안내

관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.

책 소개

이 책이 속한 분야

사용자의 이전 검색이나 구매를 기반으로 제품 또는 서비스의 개인화된 추천을 제공하는 추천 시스템을 포괄적으로 다룬다. 추천 시스템 방법은 쿼리 로그 마이닝, 소셜 네트워킹, 뉴스 추천 및 컴퓨터 광고를 포함한 다양한 애플리케이션에 적용됐다. 이 책은 알고리듬 및 평가, 특정 도메인 및 컨텍스트의 추천, 고급 주제 및 애플리케이션의 세 가지 범주로 구성했다. 기본적으로 교과서 역할을 하면서도 최근 주제와 애플리케이션도 함께 소개하므로 산업 종사자와 연구자들에게도 도움이 될 것이다. 수많은 예제와 연습 문제를 제공한다.

작가정보

저자(글) 차루 아가르왈

Charu C. Aggarwal
뉴욕 요크타운 하이츠의 IBM T. J. 왓슨 리서치 센터의 뛰어난 연구 회원(DRSM)이다. 1993년 IIT Kanpur에서 학사 학위를 받았고 1996년 MIT에서 박사 학위를 받았다. 데이터 마이닝 분야에서 폭넓게 일해왔고, 400개 이상의 논문을 콘퍼런스와 학술지에 발표했으며 80개 이상의 저작 특허권이 있다. 데이터 마이닝에 관한 교과서, 특이치 분석에 관한 포괄적인 책을 포함한 15권의 책을 저술하거나 편집했다. 특허의 상업적 가치 덕분에 IBM에서 마스터 발명가로 세 번이나 지정됐다. 데이터 스트림에서 생물 테러리스트 위협 탐지에 대한 연구로 IBM 기업상(2003)을 수상했고, 프라이버시 기술에 대한 과학적인 공헌으로 IBM 우수 혁신상(2008)을 수상했다.
데이터 스트림 및 고차원적인 작업에 대한 각각의 작업을 인정받아 두 개의 IBM 우수 기술 성과상(2009, 2015)을 수상했다. 응축 기반 프라이버시 보존 데이터 마이닝에 관한 연구로 EDBT 2014 Test of Time Award를 수상했다. 또한 데이터 마이닝 분야에서 영향력 있는 연구 공헌에 대한 두 가지 최고상 중 하나인I EEE ICDM 연구 공헌상(2015)을 수상했다.
IEEE 빅데이터 콘퍼런스(2014)의 총괄 공동 의장직과 ACM CIKM 콘퍼런스(2015), IEEE ICDM 콘퍼런스(2015), ACM KDD 콘퍼런스(2016) 프로그램 공동 의장직을 역임했다. 2004년부터 2008년까지 「IEEE Transactions on Knowledge and Data Engineering」의 부편집장으로 일했다. 「ACM Transactions on Knowledge Discovery from Data」의 부편집장, 「IEEE Transactions on Big Data」의 부편집장, 「Data Mining and Knowledge Discovery Journal」과 「ACM SIGKDD Exploration」의 편집장, 「Knowledge and Information Systems Journal」의 부편집장이다. Springer의 간행물인 「Lecture Notes on Social Networks」 자문 위원회에서 활동하고 있으며 데이터 마이닝에 관한 SIAM 활동 그룹의 부사장을 역임했다. “contributions to knowledge discovery and data mining algorithms”에 관한 SIAM, ACM, IEEE의 펠로우다.

번역 박희원

라이스대학교(Rice University)와 KAIST에서 관련 공부를 했으며, 이후 네이버, MOLOCO, 비바리퍼블리카를 거쳐 현재는 리테일업에서 개인화를 총괄하면서 추천 알고리듬들을 적용한 제품과 마케팅 전략을 만들어내고 있다.

번역 이주희

이론적 알고리듬 개발과 분석을 기반으로 실용적인 기술을 개발하고자 한다. 적정한 딥러닝을 활용한 기술 개발을 위해 인공지능 기술을 제어 분야에 접목한 지능제어 기술 분야에 참여해서 연구하고 있다.

번역 이진형

데이터에서 숨어 있는 인사이트를 찾는 일을 좋아한다. 11번가에서 데이터 엔지니어와 데이터 과학자 역할 사이에서 판매자와 구매자가 사용하는 개인화 추천 서비스를 제공하기 위해 데이터 파이프라인과 데이터 모델을 개발했으며, 현재는 카드 혜택 통합 관리 핀테크 스타트업 빅쏠에서 데이터 과학자로 일하고 있다.

작가의 말

◈ 지은이의 말 ◈ 웹이 비즈니스와 전자상거래에서 중요한 매체가 되면서 1990년대에는 추천 시스템의 중요도가 점점 높아졌다. 웹은 다른 채널에서는 볼 수 없었던 개인화를 위해 이전엔 볼 수 없었던 기회를 제공했다. 특히 데이터 수집에 편의성을 더해 추천 아이템에 이용할 수 있는 사용자 인터페이스를 제공했다. 이때부터 추천 시스템은 대중의 인식 측면에서 크게 성장했다. 많은 콘퍼런스와 워크샵에서 추천 시스템에 전적으로 전념하고 있다는 것을 볼 수 있었다. ACM 콘퍼런스는 특히 주목할 만하다. 추천 시스템에 대한 최신 결과에 관해 정기적으로 많이 기여하기 때문이다. 추천 시스템의 주제는 매우 다양하다. 추천을 만들 때 ‘사용자-선호도’와 ‘사용자-요구 사항’과 같은 다양한 유형을 지정할 수 있기 때문이다. 추천 시스템에서 가장 잘 알려진 방법은 협업 필터링, 콘텐츠 기반, 지식 기반 방법이다. 이 세 가지 방법은 추천 시스템의 연구의 기본축을 구성한다. 최근 몇 년 동안 다양한 데이터 도메인과 시간, 위치, 소셜 정보와 같은 컨텍스트를 위한 특별한 방법이 설계됐다. 특별한 시나리오와 쿼리 로그 마이닝, 뉴스 추천, 전산 광고와 같은 다양한 애플리케이션 도메인에 적용 가능한 수많은 진보된 방법을 제안했다. 이 책은 이러한 주요한 주제들을 반영해 구성했다. ◈ 옮긴이의 말 ◈ ‘추천'은 특정 산업뿐만 아니라 정말 다양한 산업에서 활용할 수 있어 특히나 데이터를 이제 막 쌓아 두기 시작한 요즘에는 더욱 많이 찾는 방법론이다. 하지만 이런 범용적인 활용도 대비 추천 알고리듬을 어떤 상황에 쓰고, 각 알고리듬의 장단점 등을 소개하는 책은 찾기 어려웠다. 또한 데이터 엔지니어, 데이터 사이언티스트 외의 비전문가가 이해할 수 있는 언어로 풀이된 자료는 더욱 구하기 어렵다. 이 책이 그간 있었던 궁금증을 풀 수 있을 것이라 생각되고, 책에서 소개한 기본이 되는 알고리듬을 중심으로 현재도 새로운 ML모델들이 등장하고 있어 ‘요즘'의 추천 알고리듬을 이해하시는 데 더욱 도움이 되시리라 생각된다. 박희원 이 책을 번역하면서 추천 시스템은 특정 알고리듬으로, 특정 영역에서만 활용되는 것이 아닌 모든 산업 전반에 걸쳐 적용되고 있는 것을 알게 됐다. 기본적인 알고리듬 설명에서부터 실무자들이 활용할 수 있는 최근 알고리듬 내용까지 이론적으로 잘 설명이 돼 있어서 추천 시스템을 이해하고자 하는 분들이 기본서로 활용하시면 도움이 되리라 생각한다. 이주희 대학원의 추천 시스템 수업에서 이 책을 처음 접했다. 추천 시스템에 대해 더 공부를 하고 싶어서 온라인 서점에서 관련된 책을 찾아봤으나 추천 시스템의 이론을 다루는 책이 없었다. 그래서 원서 중에 추천 시스템의 이론에 대해서 기초부터 고급 내용까지 다르고 있는 이 책을 찾게 됐다. 이 책을 보며 추천 시스템에 대해 이해할 수 있는 좋은 기회가 됐지만 국내에는 이런 책이 없는 것에 아쉬움이 있었다. 그래서 추천 시스템을 공부하고 연구하고 실무에 적용하려는 분들께 추천 시스템을 이해하기 위한 진입장벽을 조금이라도 낮추는데 기여하고 싶어서 이 책을 번역하게 됐다. 이진형

목차

  • 1장. 추천 시스템 소개
    1.1 개요
    1.2 추천 시스템의 목표
    1.21 추천 애플리케이션의 범위
    1.3 추천 시스템의 기본 모델
    1.3.1 협업 필터링 모델
    1.3.1.1 평점의 종류
    1.3.1.2 결측치 분석과의 관계
    1.3.1.3 분류와 회귀 모델링의 일반화로써의 협업 필터링
    1.3.2 콘텐츠 기반 추천 시스템
    1.3.3 지식 기반 추천 시스템
    1.3.31 효용 기반 추천 시스템
    1.3.4 인구 통계학적 추천 시스템
    1.3.5 하이브리드와 앙상블 기반 추천 시스템
    1.3.6 추천 시스템의 평가
    1.4 추천 시스템의 도메인 특화 과제
    1.4.1 컨텍스트 기반 추천 시스템
    1.4.2 시간에 민감한 추천 시스템
    1.4.3 위치 기반 추천 시스템
    1.4.4 소셜 추천 시스템
    1.4.4.1 노드와 링크의 구조적 추천
    1.4.4.2 사회적 영향을 고려한 제품과 콘텐츠 추천
    1.4.4.3 신뢰할 수 있는 추천 시스템
    1.4.4.4 소셜 태그 피드백을 활용한 추천
    1.5 고급 주제 및 애플리케이션
    1.5.1 추천 시스템의 콜드 스타트 문제
    1.5.2 공격에 강한 추천 시스템
    1.5.3 그룹 추천 시스템
    1.5.4 다중 기준 추천 시스템
    1.5.5 추천 시스템의 능동 학습
    1.5.6 추천 시스템의 개인정보보호
    1.5.7 애플리케이션 도메인
    1.6 요약
    1.7 참고문헌
    1.8 연습 문제


    2장. 이웃 기반 협업 필터링
    2.1 개요
    2.2 평점 행렬의 주요 특징
    2.3 이웃 기반 방법론의 평점 예측
    2.3.1 사용자 기반 이웃 모델
    2.3.1.1 유사도 함수 변형
    2.3.1.2 예측함수의 변형
    2.3.1.3 피어 그룹 필터링의 변형
    2.3.1.4 롱테일의 영향
    2.3.2 아이템 기반 이웃 모델
    2.3.3 효율적 구현 및 계산 복잡성
    2.3.4 사용자 기반 방법론과 아이템 기반 방법론의 비교
    2.3.5 이웃 기반 방법론의 장점과 단점
    2.3.6 사용자 기반과 아이템 기반 방법론의 통합된 관점
    2.4 클러스터링과 이웃 기반 방법론
    2.5 차원 축소와 이웃 기반 방법론
    2.5.1 바이어스 문제 처리
    2.5.1.1 최대 우도 추정
    2.5.1.2 불완전한 데이터의 직접 행렬 인수분해
    2.6 이웃 방법론의 회귀 모델링 관점
    2.6.1 사용자 기반 최근접 이웃 회귀
    2.6.1.1 희소성 및 바이어스 문제
    2.6.2 아이템 기반 가장 근접 이웃 회귀
    2.6.3 사용자 기반 및 아이템 기반 방법 결합
    2.6.4 유사도 가중치를 이용하는 조인트 보간법
    2.6.5 희소 선형 모델(SLIM)
    2.7 이웃 기반 방법에 대한 그래프 모델
    2.7.1 사용자-아이템 그래프
    2.7.1.1 랜덤 워크를 이용한 이웃 정의
    2.7.1.2 카츠 척도를 이용한 이웃 정의
    2.7.2 사용자-사용자 그래프
    2.7.3 아이템-아이템 그래프
    2.8 요약
    2.9 참고문헌
    2.10 연습 문제


    3장. 모델 기반 협업 필터링
    3.1 개요
    3.2 의사 결정 및 회귀 트리
    3.2.1 의사 결정 트리를 협업 필터링으로 확장
    3.3 규칙 기반 협업 필터링
    3.3.1 협업 필터링을 위한 레버리지 연관 규칙의 활용
    3.3.2 아이템별 모델 대 사용자별 모델
    3.4 나이브 베이즈 협업 필터링
    3.4.1 과적합 조정
    3.4.2 이진 평점에 대한 베이즈 방법의 적용 예
    3.5 임의의 분류 모델을 블랙 박스로 사용
    3.5.1 예: 신경망을 블랙 박스로 사용
    3.6 잠재 요인 모델
    3.6.1 잠재 요인 모델에 대한 기하학적 직관
    3.6.2 잠재 요인 모델에 관한 저차원 직관
    3.6.3 기본 행렬 인수분해 원리
    3.6.4 제약 없는 행렬 인수분해
    3.6.4.1 확률적 경사하강법
    3.6.4.2 정규화
    3.6.4.3 점진적 잠재성분 훈련
    3.6.4.4 최소 제곱과 좌표 하강의 교차 적용
    3.6.4.5 사용자 및 아이템 바이어스 통합
    3.6.4.6 암시적 피드백 통합
    3.6.5 특이값 분해
    3.6.5.1 SVD에 대한 간단한 반복 접근법
    3.6.5.2 최적화 기반 접근법
    3.6.5.3 표본 외 추천
    3.6.5.4 특이값 분해의 예
    3.6.6 비음행렬 인수분해
    3.6.6.1 해석 가능성의 장점
    3.6.6.2 암시적 피드백을 사용한 인수분해에 대한 고찰
    3.6.6.3 암시적 피드백에 대한 계산 및 가중치 문제
    3.6.6.4 좋아요와 싫어요가 모두 있는 평점
    3.6.7 행렬 인수분해 계열의 이해
    3.7 분해와 이웃 모델 통합
    3.7.1 베이스라인 추정 모델: 개인화되지 않은 바이어스 중심 모델
    3.7.2 모델의 이웃 부분
    3.7.3 모델의 잠재 요인 부분
    3.7.4 이웃 및 잠재 요인 부분의 통합
    3.7.5 최적화 모델 풀기
    3.7.6 정확도에 대한 고찰
    3.7.7 잠재 요인 모델을 임의 모델과 통합
    3.8 요약
    3.9 참고문헌
    3.10 연습 문제


    4장. 콘텐츠 기반 추천 시스템
    4.1 개요
    4.2 콘텐츠 기반 시스템의 기본 구성 요소
    4.3 전처리 및 피처 추출
    4.3.1 피처 추출
    4.3.1.1 상품 추천의 예
    4.3.1.2 웹 페이지 추천의 예
    4.3.1.3 음악 추천의 예
    4.3.2 피처 표현 및 정제
    4.3.3 사용자가 좋아하는 것과 싫어하는 것 수집
    4.3.4 지도 피처 선택과 가중치 설정
    4.3.4.1 지니 계수
    4.3.4.2 엔트로피
    4.3.4.3 X2-통계
    4.3.4.4 정규화된 편차
    4.3.4.5 피처 가중치 설정
    4.4 사용자 프로파일 학습 및 필터링
    4.4.1 최근접 이웃 분류
    4.4.2 사례 기반 추천 시스템과의 연결
    4.4.3 베이즈 분류 모델
    4.4.3.1 중간 확률 추정
    4.4.3.2 베이즈 모델의 예
    4.4.4 규칙 기반 분류 모델
    4.4.4.1 규칙 기반 방법의 예
    4.4.5 회귀 기반 모델
    4.4.6 기타 학습 모델 및 비교 개요
    4.4.7 콘텐츠 기반 시스템에 관한 설명
    4.5 콘텐츠 기반 대 협업 필터링 추천
    4.6 협업 필터링 시스템을 위한 콘텐츠 기반 모델 사용
    4.61 사용자 프로파일 활용
    4.7 요약
    4.8 참고문헌
    4.9 연습 문제


    5장. 지식 기반 추천 시스템
    5.1 개요
    5.2 제약 조건 기반 추천 시스템
    5.2.1 관련 결과의 반환
    5.2.2 상호작용 방법론
    5.2.3 일치하는 아이템의 순위 매기기
    5.2.4 허용되지 않는 결과 또는 공집합 처리
    5.2.5 제약 조건 추가
    5.3 사례 기반 추천
    5.3.1 유사도 메트릭
    5.3.1.1 유사도 계산에 다양성 통합
    5.3.2 수정 방법론
    5.3.2.1 간단한 수정
    5.3.2.2 복합적 수정
    5.3.2.3 동적 수정
    5.3.3 수정에 대한 설명
    5.4 지식 기반 시스템의 지속적인 개인화
    5.5 요약
    5.6 참고문헌
    5.7 연습 문제


    6장. 앙상블 기반과 하이브리드 추천 시스템
    6.1 개요
    6.2 분류 관점에서 본 앙상블 방법
    6.3 가중 하이브리드
    6.3.1 다양한 유형의 모델 조합
    6.3.2 분류에서 배깅 적응
    6.3.3 무작위성의 주입
    6.4 스위칭 하이브리드
    6.4.1 콜드 스타트 문제를 위한 스위칭 메커니즘
    6.4.2 모델 버킷
    6.5 캐스케이드 하이브리드
    6.5.1 추천의 연속적인 재정의
    6.5.2 부스팅
    6.5.2.1 가중 기본 모델
    6.6 피처 증강 하이브리드
    6.7 메타 레벨 하이브리드
    6.8 피처 결합 하이브리드
    6.8.1 회귀 및 행렬 인수분해
    6.8.2 메타 레벨 피처
    6.9 혼합 하이브리드
    6.10 요약
    6.11 참고문헌
    6.12 연습 문제


    7장. 추천 시스템 평가
    7.1 개요
    7.2 평가 패러다임
    7.2.1 사용자 연구
    7.2.2 온라인 평가
    7.2.3 과거 데이터 세트를 사용한 오프라인 평가
    7.3 평가 디자인의 일반적 목표
    7.3.1 정확성
    7.3.2 커버리지
    7.3.3 신뢰도와 신뢰
    7.3.4 참신성
    7.3.5 의외성
    7.3.6 다양성
    7.3.7 강건성과 안정성
    7.3.8 확장성
    7.4 오프라인 추천 평가의 설계 문제
    7.4.1 넷플릭스 프라이즈 데이터 세트 사례 연구
    7.4.2 학습 및 테스트 평점 분류
    7.4.2.1 홀드 아웃
    7.4.2.2 교차 검증
    7.4.3 분류 설계와 비교
    7.5 오프라인 평가의 정확도 지표
    7.5.1 평점 예측의 정확도 측정
    7.5.1.1 RMSE 대 MAE
    7.5.1.2 롱테일의 영향력
    7.5.2 상관관계를 통한 순위 평가
    7.5.3 유용성을 통한 순위 평가
    7.5.4 수신자 조작 특성을 통한 순위 평가
    7.5.5 어떤 순위 측정 척도가 가장 좋은가?
    7.6 평가 측정 척도의 한계
    7.6.1 평가 조작 방지
    7.7 요약
    7.8 참고문헌
    7.9 연습 문제


    8장. 컨텍스트에 맞는 추천 시스템
    8.1 개요
    8.2 다차원 접근법
    8.2.1 계층 구조의 중요성
    8.3 컨텍스트 사전 필터링: 감소 기반 접근 방식
    8.3.1 앙상블 기반 개선 사항
    8.3.2 다단계 추정
    8.4 사후 필터링 방법론
    8.5 컨텍스트별 모델링
    8.5.1 이웃 기반 방법
    8.5.2 잠재 요인 모델
    8.5.2.1 인수분해 머신
    8.5.2.2 2차 인수분해 머신의 일반화
    8.5.2.3 잠재 파라미터화의 다른 적용 사례
    8.5.3 콘텐츠 기반 모델
    8.6 요약
    8.7 참고문헌
    8.8 연습 문제


    9장. 시간과 위치에 민감한 추천 시스템
    9.1 개요
    9.2 시간적 협업 필터링
    9.2.1 최신성 기반 모델
    9.2.1.1 감쇠 기반 방법
    9.2.1.2 윈도우 기반 방법
    9.2.2 주기적 컨텍스트 처리
    9.2.2.1 사전 필터링과 사후 필터링
    9.2.2.2 시간적 컨텍스트의 직접적인 포함
    9.2.3 시간 함수로서의 평점 모델링
    9.2.3.1 시간-SVD++ 모델
    9.3 이산 시간 모델
    9.3.1 마르코프 모델
    9.3.1.1 선택적 마르코프 모델
    9.3.1.2 다른 마르코프 대안
    9.3.2 순차 패턴 마이닝
    9.4 위치 인식 추천 시스템
    9.4.1 선호 지역
    9.4.2 여행 지역
    9.4.3 선호도와 여행 위치 조합
    9.5 요약
    9.6 참고문헌
    9.7 연습 문제


    10장. 네트워크의 구조 추천
    10.1 개요
    10.2 순위 알고리듬
    10.2.1 페이지랭크
    10.2.2 개인화된 페이지랭크
    10.2.3 이웃 기반 방법에 대한 응용
    10.2.3.1 소셜 네트워크 추천
    10.2.3.2 이종 소셜 미디어의 개인화
    10.2.3.3 전통적인 협업 필터링
    10.2.4 유사도랭크
    10.2.5 검색과 추천의 관계
    10.3 집단 분류에 의한 추천
    10.3.1 반복 분류 알고리듬
    10.3.2 랜덤 워크를 통한 레이블 전파
    10.3.3 소셜 네트워크에서 협업 필터링에 대한 적용성
    10.4 친구 추천: 링크 예측
    10.4.1 이웃 기반 척도
    10.4.2 카츠 척도
    10.4.3 랜덤 워크 기반 척도
    10.4.4 분류 문제로서의 링크 예측
    10.4.5 링크 예측을 위한 행렬 인수분해
    10.4.5.1 대칭 행렬 인수분해
    10.4.6 링크 예측과 협업 필터링 간의 연결
    10.4.6.1 협업 필터링에 링크 예측 알고리듬 사용
    10.4.6.2 협업 필터링 알고리듬을 사용한 링크 예측
    10.5 사회적 영향 분석 및 입소문 마케팅
    10.5.1 선형 임계값 모델
    10.5.2 독립 캐스케이드 모델
    10.5.3 영향 함수 평가
    10.5.4 소셜 스트림의 목표 영향 분석 모델
    10.6 요약
    10.7 참고문헌
    10.8 연습 문제


    11장. 사회와 신뢰 중심 추천 시스템
    11.1 개요
    11.2 사회적 맥락을 위한 다차원 모델
    11.3 네트워크 중심과 신뢰 중심 방법론
    11.3.1 신뢰 네트워크 구축을 위한 데이터 수집
    11.3.2 신뢰 전파 및 집계
    11.3.3 신뢰 전파가 없는 단순 추천 모델
    11.3.4 TidalTrust 알고리듬
    11.3.5 MoleTrust 알고리듬
    11.3.6 TrustWalker 알고리듬
    11.3.7 링크 예측 방법론
    11.3.8 행렬 인수분해 방법론
    11.3.8.1 로지스틱 함수의 개선
    11.3.8.2 소셜 신뢰 성분의 변형
    11.3.9 소셜 추천 시스템의 장점
    11.3.9.1 논란의 여지가 있는 사용자와 아이템에 대한 추천
    11.3.9.2 콜드 스타트의 유용성
    11.3.9.3 공격 저항
    11.4 소셜 추천 모델의 사용자 상호작용
    11.4.1 포크소노미 표현하기
    11.4.2 소셜 태깅 시스템의 협업 필터링
    11.4.3 의미 있는 태그 선택
    11.4.4 평점 행렬이 없는 소셜 태깅 추천 모델
    11.4.4.1 컨텍스트 민감 시스템을 위한 다차원 방법론
    11.4.4.2 순위 기반 방법론
    11.4.4.3 콘텐츠 기반 방법론
    11.4.5 평점 행렬을 사용한 소셜 태깅 추천 모델
    11.4.5.1 이웃 기반 접근법
    11.4.5.2 선형 회귀
    11.4.5.3 행렬 인수분해
    11.4.5.4 콘텐츠 기반 방법
    11.5 요약
    11.6 참고문헌
    11.7 연습 문제


    12장. 공격 방지 추천 시스템
    12.1 개요
    12.2 공격 모델의 트레이드 오프 이해
    12.2.1 공격 영향 계량화
    12.3 공격 유형
    12.3.1 랜덤 공격
    12.3.2 평균 공격
    12.3.3 밴드 왜건 공격
    12.3.4 인기 공격
    12.3.5 사랑/증오 공격
    12.3.6 역밴드 왜건 공격
    12.3.7 탐지 공격
    12.3.8 세그먼트 공격
    12.3.9 기본 추천 알고리듬의 효과
    12.4 추천 시스템에서 공격 탐지
    12.4.1 개인 공격 프로파일 탐지
    12.4.2 그룹 공격 프로파일 탐지
    12.4.2.1 전처리 방법
    12.4.2.2 온라인 방법
    12.5 강력한 추천 디자인을 위한 전략
    12.5.1 CAPTCHA를 사용한 자동 공격 방지
    12.5.2 사회적 신뢰 사용
    12.5.3 강력한 추천 알고리듬 설계
    12.5.3.1 클러스터링을 이웃 방법에 통합
    12.5.3.2 추천 시간 동안 가짜 프로파일 탐지
    12.5.3.3 연관 기반 알고리듬
    12.5.3.4 강건한 행렬 인수분해
    12.6 요약
    12.7 참고문헌
    12.8 연습 문제


    13장. 추천 시스템의 고급 주제
    13.1 개요
    13.2 순위학습
    13.2.1 쌍별 순위학습
    13.2.2 목록 순위학습
    13.2.3 다른 도메인에서의 순위학습 방법과 비교
    13.3 멀티암 밴딧 알고리듬
    13.3.1 나이브 알고리듬
    13.3.2 e-탐욕 알고리듬
    13.3.3 상계(신뢰상한) 방법
    13.4 그룹 추천 시스템
    13.4.1 협업 및 콘텐츠 기반 시스템
    13.4.2 지식 기반 시스템
    13.5 다중 기준 추천 시스템
    13.5.1 이웃 기반 방법
    13.5.2 앙상블 기반 방법
    13.5.3 전체 평점 없는 다중 기준 시스템
    13.6 추천 시스템의 능동적 학습
    13.6.1 이질성 기반 모델
    13.6.2 성능 기반 모델
    13.7 추천 시스템의 개인정보보호
    13.7.1 응축 기반 개인정보보호
    13.7.2 고차원 데이터에 대한 도전
    13.8 흥미로운 응용 분야
    13.8.1 포털 콘텐츠 개인화
    13.8.1.1 동적 프로파일러
    13.8.1.2 구글 뉴스 개인화
    13.8.2 전산 광고 대 추천 시스템
    13.8.2.1 멀티암 밴딧의 중요성
    13.8.3 상호 추천 시스템
    13.8.3.1 하이브리드 방법 활용
    13.8.3.2 링크 예측 방법 활용
    13.9 요약
    13.10 참고문헌

출판사 서평

◈ 이 책의 대상 독자 ◈
교과서로 사용할 수 있도록 많은 예제와 연습문제를 수록했으며, 기본 주제와 알고리듬 챕터는 강의 교육을 염두에 두고 만들었다. 그리고 많은 산업 실무자와 연구자가 응용하고 참고할 때 유용하게 쓸 수 있도록 많은 노력을 기울였다.


◈ 이 책의 구성 ◈
이 책의 각 장은 3가지 카테고리로 구성됐다.
1. 알고리듬과 평가: 협업 필터링 방법, 콘텐츠 기반 방법, 지식 기반 방법 등 추천 시스템의 기본적인 알고리듬을 논의한다. 하이브리드 방법에 관한 기술과 추천 시스템 평가도 다룬다.
2. 도메인과 컨텍스트별 추천 시스템: 추천 시스템의 컨텍스트는 효과적인 추천을 제공할 때 중요한 역할을 한다. 예를 들어 식당을 찾는 사용자는 자신의 위치 데이터를 추가적인 컨텍스트로 사용하길 원할 것이다. 추천의 컨텍스트는 추천의 목표에 영향을 미치는 매우 중요한 부가 정보로 볼 수 있다. 시간 데이터, 공간 데이터, 소셜 데이터와 같은 다른 도메인 유형들은 다른 유형의 컨텍스트를 제공한다. 또한 추천 프로세스의 신뢰성을 증가시키기 위해 소셜 정보를 이용할 때 발생하는 이슈를 논의할 것이다. factorization machine과 신뢰할 수 있는 추천 시스템도 다룬다.
3. 고급 주제와 애플리케이션: 실링 시스템, 공격 모델, 방어법과 같은 추천 시스템의 다양한 견고성 측면에 관해 살펴본다. 랭크 학습, 멀티암 밴딧, 그룹 추천 시스템, 다중-기준 시스템, 능동 학습 시스템과 같은 주제도 논의한다. 그리고 뉴스 추천 시스템, 쿼리 검색, 전산 광고와 같이 사용된 몇몇 애플리케이션 환경을 조사한다. ‘애플리케이션’ 절은 이러한 앞쪽 장에서 소개한 방법을 다른 도메인에 어떻게 적용하는지 아이디어를 제공한다.

기본정보

상품정보
ISBN 9791161755878 ( 116175587X )
쪽수 600쪽
크기
176 * 251 * 46 mm / 1135 g
총권수 1권
원서명/저자명 Recommender systems/Aggarwal, Charu C

Klover

Klover 리뷰 안내
교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
리워드 안내
구매 후 90일 이내에 평점과 10자 이상의 리뷰 작성 시 e교환권 200원을 적립해 드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
한달 후 리뷰
구매 후 30일~ 120일 이내에 작성된 두 번째 구매리뷰에 대해 한 달 후 리뷰로 인지하고 e교환권 100원을 추가 제공합니다.
운영 원칙 안내
Klover 리뷰를 통한 리뷰를 작성해 주셔서 감사합니다. 자유로운 의사 표현의 공간인 만큼 타인에 대한 배려를 부탁합니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
  • 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
  • 도서와 무관한 내용의 리뷰
  • 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
  • 의성어나 의태어 등 내용의 의미가 없는 리뷰
신고하기
다른 고객이 작성리뷰에 대해 불쾌함을 느끼는 경우 신고를 할 수 있으며, 신고 자가 일정수준 이상 누적되면 작성하신 리뷰가 노출되지 않을 수 있습니다.

구매 후 리뷰 작성 시, e교환권 200원 적립

문장수집

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.

구매 후 리뷰 작성 시, e교환권 100원 적립

이 책의 첫 기록을 남겨주세요

교환/반품/품절 안내

상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

이벤트
TOP

저자 모두보기

매장별 재고 및 위치

할인쿠폰 다운로드

  • 쿠폰은 주문결제화면에서 사용 가능합니다.
  • 다운로드한 쿠폰은 마이 > 혜택/포인트 에서 확인 가능합니다.
  • 도서정가제 적용 대상 상품에 대해서는 정가의 10%까지 쿠폰 할인이 가능합니다.
  • 도서정가제 적용 대상 상품에 10% 할인이 되었다면, 해당 상품에는 사용하실 수
    없습니다.

적립예정포인트 안내

  • 통합포인트 안내

    • 통합포인트는 교보문고(인터넷, 매장), 핫트랙스(인터넷, 매장), 모바일 교보문고 등 다양한 곳에서 사용하실 수 있습니다.
    • 상품 주문 시, 해당 상품의 적립률에 따라 적립 예정 포인트가 자동 합산되고 주문하신 상품이 발송완료 된 후에 자동으로 적립됩니다.
    • 단, 쿠폰 및 마일리지, 통합포인트, e교환권 사용 시 적립 예정 통합포인트가 변동될 수 있으며 주문취소나 반품시에는 적립된 통합포인트가 다시 차감됩니다.
  • 통합포인트 적립 안내

    • 통합포인트는 도서정가제 범위 내에서 적용됩니다.
    • 추가적립 및 회원 혜택은 도서정가제 대상상품(국내도서, eBook등)으로만 주문시는 해당되지 않습니다.
  • 기본적립) 상품별 적립금액

    • 온라인교보문고에서 상품 구매시 상품의 적립률에 따라 적립됩니다.
    • 단 도서정가제 적용 대상인 국내도서,eBook은 15%내에서 할인율을 제외한 금액내로 적립됩니다.
  • 추가적립) 5만원 이상 구매시 통합포인트 2천원 추가적립

    • 5만원 이상 구매시 통합포인트 2천원 적립됩니다.
    • 도서정가제 예외상품(외서,음반,DVD,잡지(일부),기프트) 2천원 이상 포함시 적립 가능합니다.
    • 주문하신 상품이 전체 품절인 경우 적립되지 않습니다.
  • 회원혜택) 3만원이상 구매시 회원등급별 2~4% 추가적립

    • 회원등급이 플래티넘, 골드, 실버 등급의 경우 추가적립 됩니다.
    • 추가적립은 실결제액 기준(쿠폰 및 마일리지, 통합포인트, e교환권 사용액 제외) 3만원 이상일 경우 적립됩니다.
    • 주문 후 취소,반품분의 통합포인트는 단품별로 회수되며, 반품으로 인해 결제잔액이 3만원 미만으로 변경될 경우 추가 통합포인트는 전액 회수될 수 있습니다.

제휴 포인트 안내

제휴 포인트 사용

  • OK CASHBAG 10원 단위사용 (사용금액 제한없음)
  • GS&POINT 최대 10만 원 사용
더보기

구매방법 별 배송안내

배송 일정 안내

  • 출고 예정일은 주문상품의 결제(입금)가 확인되는 날 기준으로 상품을 준비하여 상품 포장 후 교보문고 물류센터에서 택배사로 전달하게 되는 예상 일자입니다.
  • 도착 예정일은 출고 예정일에서 택배사의 배송일 (약1~2일)이 더해진 날이며 연휴 및 토, 일, 공휴일을 제외한 근무일 기준입니다.
배송 일정 안내
출고예정일 도착예정일
1일이내 상품주문 후 2~3일 이내
2일이내 상품주문 후 3~4일 이내
3일이내 상품주문 후 4~5일 이내
4일이내 상품주문 후 5~6일 이내

연휴 및 토, 일, 공휴일은 제외됩니다.

당일배송 유의사항

  • 수도권 외 지역에서 선물포장하기 또는 사은품을 포함하여 주문할 경우 당일배송 불가
  • 회사에서 수령할 경우 당일배송 불가 (퇴근시간 이후 도착 또는 익일 배송 될 수 있음)
  • 무통장입금 주문 후 당일 배송 가능 시간 이후 입금된 경우 당일 배송 불가
  • 주문 후 배송지 변경 시 변경된 배송지에 따라 익일 배송될 수 있습니다.
  • 수도권 외 지역의 경우 효율적인 배송을 위해 각 지역 매장에서 택배를 발송하므로, 주문 시의 부록과 상이할 수 있습니다.
  • 각 지역 매장에서 재고 부족 시 재고 확보를 위해 당일 배송이 불가할 수 있습니다.

일반배송 시 유의사항

  • 날씨나 택배사의 사정에 따라 배송이 지연될 수 있습니다.
  • 수도권 외 지역 바로배송 서비스의 경우 경품 수령 선택 여부에 따라 도착 예정일이 변경됩니다.
  • 출고 예정일이 5일 이상인 상품의 경우(결제일로부터 7일 동안 미입고), 출판사 / 유통사 사정으로 품/절판 되어 구입이 어려울 수 있습니다. 이 경우 SMS, 메일로 알려드립니다.
  • 선물포장 주문 시 합배송 처리되며, 일부상품 품절 시 도착 예정일이 늦어질 수 있습니다.
  • 분철상품 주문 시 분철 작업으로 인해 기존 도착 예정일에 2일 정도 추가되며, 당일 배송, 해외 배송이 불가합니다.

해외주문 시 유의사항

  • 해외주문도서는 해외 거래처 사정에 의해 품절/지연될 수 있습니다.

Special order 주문 시 유의사항

  • 스페셜오더 도서나 일서 해외 주문 도서와 함께 주문 시 배송일이 이에 맞추어 지연되오니, 이점 유의해 주시기 바랍니다.

바로드림존에서 받기

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상 시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함 되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해 주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반 코너에서 수령확인이 가능합니다
  • 선물 받는 분의 휴대폰번호만 입력하신 후 결제하시면 받는 분 휴대폰으로 선물번호가 전달됩니다.
  • 문자를 받은 분께서는 마이 > 주문관리 > 모바일 선물내역 화면에서 선물번호와 배송지 정보를 입력하시면 선물주문이 완료되어 상품준비 및 배송이 진행됩니다.
  • 선물하기 결제하신 후 14일까지 받는 분이 선물번호를 등록하지 않으실 경우 주문은 자동취소 됩니다.
  • 또한 배송 전 상품이 품절 / 절판 될 경우 주문은 자동취소 됩니다.

바로드림 서비스 안내

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.
  1. STEP 01
    픽업박스에서 찾기 주문
  2. STEP 02
    도서준비완료 후 휴대폰으로 인증번호 전송
  3. STEP 03
    매장 방문하여 픽업박스에서 인증번호 입력 후 도서 픽업
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.

도서 소득공제 안내

  • 도서소득공제란?

    • 2018년 7월 1일 부터 근로소득자가 신용카드 등으로 도서구입 및 공연을 관람하기 위해 사용한 금액이 추가 공제됩니다. (추가 공제한도 100만원까지 인정)
      • 총 급여 7,000만 원 이하 근로소득자 중 신용카드, 직불카드 등 사용액이 총급여의 25%가 넘는 사람에게 적용
      • 현재 ‘신용카드 등 사용금액’의 소득 공제한도는 300만 원이고 신용카드사용액의 공제율은 15%이지만, 도서·공연 사용분은 추가로 100만 원의 소득 공제한도가 인정되고 공제율은 30%로 적용
      • 시행시기 이후 도서·공연 사용액에 대해서는 “2018년 귀속 근로소득 연말 정산”시기(19.1.15~)에 국세청 홈택스 연말정산간소화 서비스 제공
  • 도서 소득공제 대상

    • 도서(내서,외서,해외주문도서), eBook(구매)
    • 도서 소득공제 대상 상품에 수반되는 국내 배송비 (해외 배송비 제외)
      • 제외상품 : 잡지 등 정기 간행물, 음반, DVD, 기프트, eBook(대여,학술논문), 사은품, 선물포장, 책 그리고 꽃
      • 상품정보의 “소득공제” 표기를 참고하시기 바랍니다.
  • 도서 소득공제 가능 결제수단

    • 카드결제 : 신용카드(개인카드에 한함)
    • 현금결제 : 예치금, 교보e캐시(충전에한함), 해피머니상품권, 컬쳐캐쉬, 기프트 카드, 실시간계좌이체, 온라인입금
    • 간편결제 : 교보페이, 네이버페이, 삼성페이, 카카오페이, PAYCO, 토스, CHAI
      • 현금결제는 현금영수증을 개인소득공제용으로 신청 시에만 도서 소득공제 됩니다.
      • 교보e캐시 도서 소득공제 금액은 교보eBook > e캐시 > 충전/사용내역에서 확인 가능합니다.
      • SKpay, 휴대폰 결제, 교보캐시는 도서 소득공제 불가
  • 부분 취소 안내

    • 대상상품+제외상품을 주문하여 신용카드 "2회 결제하기"를 선택 한 경우, 부분취소/반품 시 예치금으로 환원됩니다.

      신용카드 결제 후 예치금으로 환원 된 경우 승인취소 되지 않습니다.

  • 도서 소득공제 불가 안내

    • 법인카드로 결제 한 경우
    • 현금영수증을 사업자증빙용으로 신청 한 경우
    • 분철신청시 발생되는 분철비용

알림 신청

아래의 알림 신청 시 원하시는 소식을 받아 보실 수 있습니다.
알림신청 취소는 마이룸 > 알림신청내역에서 가능합니다.

추천 시스템
기초부터 실무까지 머신러닝 추천 시스템 교과서
한달 후 리뷰
/ 좋았어요
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 올해 주식 투자를 시작했다. 아무것도 모르고 초심자의 행운으로 분유값 정도를 벌고 나니, 조금 더 공부해보고 싶어져서 『초격차 투자법』을 구매했다.
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
기대가됩니다~
기대가됩니다~
기대가됩니다~
이 구매자의 첫 리뷰 보기
/ 좋았어요
하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까 예견해 본다. 책한권으로 등의 근육들이 오그라진 느낌에 아직도 느껴진다. 하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이 처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까..
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
신고

신고 사유를 선택해주세요.
신고 내용은 이용약관 및 정책에 의해 처리됩니다.

허위 신고일 경우, 신고자의 서비스 활동이 제한될 수 있으니 유의하시어
신중하게 신고해주세요.

판형알림

  • A3 [297×420mm]
  • A4 [210×297mm]
  • A5 [148×210mm]
  • A6 [105×148mm]
  • B4 [257×364mm]
  • B5 [182×257mm]
  • B6 [128×182mm]
  • 8C [8절]
  • 기타 [가로×세로]