머신러닝을 활용한 웹 최적화

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

 

머신러닝을 활용한 웹 최적화 - 교보문고

 

웹을 최적화했을 경우와 최적화하지 않았을 경우 결과의 차이를 알 수 있는 가장 좋은 예로 미국 오바마 전 대통령의 선거 홍보 웹 사이트 최적화를 들 수 있겠다.

이 책에서는 웹을 최적화하는데 머신러닝을 활용하여 확률적이고 과학적인 방법을 제시하고 있다. 이제는 머신러닝이 적용되지 않는 곳이 없다고 할 수 있겠다.

이 책의 구성을 간단한 도형으로 나타내면 아래의 그림과 같다.

​

이 책에서 이용한 파이썬 및 라이브러리 버전은 다음과 같다.

- Python 3.6.9

- Numpy 1.18.3

- Matplotlib 3.2.1

- PyMC3 3.9.3

- ArviZ 0.9.0

​

1장 A/B 테스트부터 시작하자:

베이즈 통계를 이용한 가설 검정 입문

각종 확률과 관련된 용어들의 의미와 베이즈 정리를 알 수 있다.

​

2장 확률적 프로그래밍: 컴퓨터의 도움을 받자

통계 모델을 확률적 프로그래밍 언어로 기술하면 컴퓨터가 사후 분포를 추론해 다양한 통계량을 계산해서 출력할 수 있다.

​

3장 조합 테스트: 요소별로 분해해서 생각하자

​

여러 요소의 조합으로 이루어진 웹사이트의 A/B 테스트를 생각하는 장입니다.

요소의 조합에 의해 만들어지는 교호 작용에 대해서 설명하고 있습니다.

교호 작용이란 여러 요소를 조합함에 따라 나타나는 효과를 의미합니다.

​

4장 메타휴리스틱: 통계 모델을 사용하지 않는 최적화 방법

휴리스틱이란 어떤 문제의 해결이 어려울 때 그 성능을 보증할 수는 없지만 경험적으로 좋다고 알려져 있는 지식을 말합니다.

문제 해결에 유용한 휴리스틱은 일반적으로 문제에 따라 달라집니다. 그래서 특정한 문제에 한정되지 않는 유용한 휴리스틱을 제공하려는 프레임을 메타휴리스틱이라고 부릅니다.

5장 슬롯머신 알고리즘: 테스트 중의 손실에도 대응하자

​

​

6장 조합 슬롯머신: 슬롯머신 알고리즘과 통계 모델의 만남

​

7장 베이즈 최적화: 연속값의 솔루션 공간에 도전하자

​

8장 앞으로의 웹 최적화

이 장에서는 아래과 같은 내용들을 다루고 있습니다.

단기적인 평가와 장기적인 평가

반복 사용자를 고려한 최적화

솔루션 공간 디자인

웹사이트 이외의 응용

부록 A에서 행렬 연산 기초라는 타이틀로 행렬 정의부터 각 행렬들과 행렬의 합, 곱, 행렬의 전치까지 이 책에서 설명한 계산을 이해하기 위해 필요한 최소한의 연산을 모아서 설명합니다.

​

​

​

​

​

​

​

​

​

먼저 <머신러닝을 활용한 웹 최적화>라는 귀한 책을 보내 주셔서 고맙습니다.

개인적으로 이번 리뷰를 통해서 경험하기 쉽지않고 시간이 아깝지 않은 참 좋은 리뷰였습니다.

웹사이트 디자인과 관련 있는 업무를 하시는 모든 분들께 강력 추천 드립니다.