머신러닝을 활용한 웹 최적화 : A/B 테스트 메타휴리스틱 슬롯머신 알고리즘에서 베이즈 최적화까지

사용자 만족 서비스를 위한 최강 솔루션, 웹 최적화 사용자는 개발자가 생각하는 대로 움직이지 않는다. 사용자 요구는 물론이고 해결 방법조차 분명하지 않은 상황에서 유일한 해답은 사용자의 행동이다. 행동을 관찰하고 얻은 통찰에 기반해 가설을 수립하고 새로운 대책을 웹 서비스에 적용하며 최적화를 진행하는 것이다. 이에 도움이 되는 강력한 무기가 바로 통계와 머신러닝이다. 웹 최적화를 통해 머신러닝 세계를 새롭게 보는 눈을 뜨길 바란다.

CHAPTER 1 A/B 테스트부터 시작하자: 베이즈 통계를 이용한 가설 검정 입문 1.1 A/B 테스트의 영향 1.2 앨리스와 밥의 보고서 1.3 확률 분포 1.4 베이즈 정리를 이용한 클릭률 추론 1.5 다른 해결책 1: 반복 모으기 1.6 다른 해결책 2: 베타 분포 1.7 사후 분포를 이용한 결단 내리기 1.8 정리 칼럼: 실험 설계의 기본 원칙 CHAPTER 2 확률적 프로그래밍: 컴퓨터의 도움을 받자 2.1 통계 모델 기술과 샘플링 실행 2.2 진정한 리뷰 점수 2.3 체류 시간 테스트하기 2.4 베이즈 추론을 이용한 통계적 가설 검정을 하는 이유 2.5 정리 CHAPTER 3 조합 테스트: 요소별로 분해해서 생각하자 3.1 찰리의 보고서 3.2 효과에 주목한 모델링 3.3 통계 모델 수정 3.4 완성한 보고서, 잘못된 모델 3.5 모델 선택 3.6 정리 칼럼: 직교 계획과 웹 최적화 CHAPTER 4 메타휴리스틱: 통계 모델을 사용하지 않는 최적화 방법 4.1 마케팅 회의 4.2 메타휴리스틱 4.3 언덕 오르기 알고리즘 4.4 확률적 언덕 오르기 알고리즘 4.5 시뮬레이티드 어닐링 4.6 유전 알고리즘 4.7 정리 칼럼: 유전 알고리즘과 대화형 최적화 칼럼: 웹 최적화와 대화형 최적화 CHAPTER 5 슬롯머신 알고리즘: 테스트 중의 손실에도 대응하자 5.1 소박한 의문 5.2 다중 슬롯머신 문제 5.3 .-greedy 알고리즘 5.4 시뮬레이티드 어닐링 .-greedy 알고리즘 5.5 소프트맥스 알고리즘 5.6 톰슨 샘플링 5.7 UCB 알고리즘 5.8 에렌의 질문에 대한 답변 5.9 정리 칼럼: 최적 슬롯 식별 문제 CHAPTER 6 조합 슬롯머신: 슬롯머신 알고리즘과 통계 모델의 만남 6.1 다시 찰리의 보고서 6.2 선형 모델과 일반화 선형 모델 6.3 MCMC를 슬롯머신에 사용하기 6.4 베이즈 선형 회귀 모델 6.5 LinUCB 알고리즘 6.6 정리 칼럼: 개인화에서의 응용 CHAPTER 7 베이즈 최적화: 연속값의 솔루션 공간에 도전하자 7.1 마케팅 회의 7.2 베이즈 최적화 7.3 가우스 과정 7.3.1 커널 트릭 7.4 컴퓨터와 대화하며 최적의 색 찾기 7.5 GP-UCB 알고리즘 7.6 GP-TS 알고리즘 7.7 응용 시 주의할 점 7.8 에렌의 질문 7.9 정리 칼럼: 베이즈 최적화를 대화형 최적화에 응용하기 CHAPTER 8 앞으로의 웹 최적화 8.1 단기적인 평가와 장기적인 평가 8.2 솔루션 공간 디자인 8.3 웹사이트 이외의 응용 APPENDIX A 행렬 연산 기초 A.1 행렬 정의 A.2 행렬의 합 A.3 행렬의 곱 A.4 행렬의 전치 APPENDIX B 로지스틱 회귀상에서의 톰슨 샘플링 B.1 베이즈 로지스틱 회귀 B.2 로지스틱 회귀 톰슨 샘플링