컴퓨터 공학 (CSE) - Computational Thinking

CES는 컴퓨터를 이용하여 주어진 문제를 계산 가능하게 하는 것

Computational Thinking : 컴퓨터가 이해할 수 있게 문제를 정의하는 것

Problem Solving : 컴퓨터가 효율적으로 계산할 수 있게 하는 것

 

Computational Thinking

Decomposition (분해) : 전체 문제를 작은 여러가지 문제로 나누는 과정

Pattern Recognition (패턴인식) : 주어진 문제에서 반복적으로 나타나는 패턴을 찾는 과정

Abstraction (추상화) : 문제에서 해결해야할 주요한 정보를 수치화(또는 계산 가능하게) 하는 과정

Algorithmic Thinking (알고리즘) : 문제 해결 방식을 step-by-step으로 만드는 과정

 

 

예제1) 도서관에서 책 추천 시스템 구축

 

Decomposition

• 사용자 데이터 분석 (나이, 선호장르, 인기순위 등)
• 도서 데이터를 분류 (장르, 작가, 인기순위 등)
• 사용자와 도서 데이터를 매칭

Pattern Recognition

• 대출 데이터에서 특정 장르의 선호도 패턴 확인
• 인기 있는 책의 대출 주기 분석

Abstraction

• 사용자와 도서 데이터를 추상화 (장르 점수, 대출 횟수, 나이 범위 등)

Algorithmic Thinking

• 데이터 기반으로 추천 순위를 매기는 알고리즘 설계
• 추천 리스트를 정렬해 사용자에게 제공

 

예제2) 온라인 상거래 플랫폼을 위한 추천 시스템 설계

 

Decomposition

• 사용자 데이터 수집:
  • 사용자 프로필 정보(나이, 성별, 지역)
  • 구매 이력(상품명, 가격대, 구매 날짜)
  • 장바구니와 위시리스트에 담긴 상품 정보
  • 상품 검색 기록(자주 검색한 키워드, 클릭한 상품)
• 상품 데이터 분석:
  • 상품 카테고리(전자제품, 패션, 가구 등)
  • 가격대, 브랜드, 인기 순위
  • 재고 여부 및 할인 정보
• 추천 시스템 구성 요소 정의:
  • 콘텐츠 기반 추천(사용자 선호 상품과 유사한 상품 추천)
  • 협업 필터링(다른 사용자들의 구매 패턴과 비교)
  • 하이브리드 접근법(위 두 가지를 결합)

Pattern Recognition

• 사용자 행동에서 패턴 찾기:
  • 특정 시간대(예: 저녁 8~10시)에 구매가 증가하는지 확인
  • 자주 구매하거나 클릭하는 특정 카테고리 식별
  • 계절별 구매 트렌드 분석 (예: 겨울에는 코트, 여름에는 에어컨)
• 상품 간 연관성 분석:
  • 함께 구매되는 상품(예: 노트북과 노트북 가방)
  • 특정 브랜드 선호도 증가 패턴 확인
  • 상품 리뷰 패턴에서 긍정적/부정적 피드백 추출

Abstraction

• 데이터 모델링:
  • 사용자 데이터를 벡터 형식으로 변환 (나이, 구매 카테고리, 지출 금액 등)
  • 상품 데이터를 수치화 (가격, 카테고리, 인기 점수 등)
  • 사용자-상품 간 연관성을 수치로 표현 (구매 확률, 유사도 점수 등)
• 주요 요소 추출:
  • 사용자에게 영향을 미치는 주요 변수만 추상화(예: 나이보다는 구매 패턴에 중점)
  • 상품 간 유사도를 계산하기 위해 주요 속성만 사용 (예: 브랜드, 가격대, 카테고리)

Algorithmic Thinking

• 추천 시스템 알고리즘 설계:
  1. 사용자 데이터를 수집 및 전처리
  2. 상품 데이터를 분석하여 유사도를 계산
  3. 사용자 선호도 기반으로 추천 목록 생성
  4. 협업 필터링 알고리즘 적용 (유사한 사용자들의 데이터를 활용)
  5. 추천 결과를 사용자의 홈 화면에 정렬하여 표시
• 알고리즘 예시:
  • 콘텐츠 기반 추천:
    1. 사용자가 구매하거나 클릭한 상품의 속성을 추출
    2. 유사한 속성을 가진 다른 상품을 추천
  • 협업 필터링:
    1. 비슷한 구매 이력을 가진 사용자 그룹 형성
    2. 해당 그룹이 구매한 상품을 추천
  • 하이브리드 방식:
    1. 콘텐츠 기반 추천과 협업 필터링 결과를 결합
    2. 가중치를 적용하여 최적의 추천 리스트 생성