일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- Stack
- ML 파이프라인
- 그래프데이터
- 머신러닝
- 논문 리뷰
- IT
- 데이터 검증
- agent
- MLOps
- 강화학습
- TFX
- OS
- Semantic segmentation
- 딥러닝
- 선형대수학
- 자료구조
- 개발배경지식
- data structure
- 데이터 전처리
- RL
- recsys
- 글또9기
- 운영체제
- 윤성우의 열혈 자료구조
- 그래프씽킹
- reinforcement learning
- 텐서플로우 익스텐디드
- mdp
- TFDV
- CVPR
- Today
- Total
목록ML&DL (31)
성장通
추천시스템의 한계 빅데이터 시대의 흐름에 따라 선택지는 점차 많아지고 있고, 이러한 상황 속에 더욱 빠르게 최적의 선택을 할 수 있도록 도와주는 추천시스템은 굉장히 각광 받고 있고 많이 연구되고 있는 분야임에는 틀림이 없다. 하지만 추천시스템은 당연히 만능이 아니고, 수행하고자 하는 서비스의 목적성에 따라 치열한 고민이 수반되어야 하는 경우가 많다. 기본적으로 최적의 추천을 위해서 어떤 데이터를 어떻게, 얼마나 수집해야 하는지에 대한 설계가 필요하며, 수집된 데이터를 어떻게 사용해서 언제 추천할 것인지 또한 중요하다. 적절한 추천시스템의 구축을 위해 고민해야 하는 대표적인 내용들은 다음과 같다. Scalability 추천시스템을 학습하고 구축할 때 사용한 데이터와 실제 서비스를 통해 얻어지는 데이터는 상..
추천시스템의 만족도: Beyond Accuracy 추천시스템은 Prediction뿐만 아니라 Discovery의 기능 또한 중요하다. 예를 들어, '트랜스포머'를 재밌게 본 사람에게 '트랜스포머2'를 추천해주는 것은 Prediction이라고 할 수 있고 '리얼스틸'이나 '퍼시픽림'을 추천해주는 것은 Discovery이다. 즉, 유저 자신도 모르는 취향을 발굴하는 것이 Discovery인데 이는 단순히 navigation step을 줄여주는 것을 넘어서 exploration을 높여주어 사용자의 만족도를 높여준다. 이처럼 최근에는 '정확도'를 넘어서 유저에게 최적의 사용 경험을 제공하기 위한 노력이 계속 되고 있다. 이외에도, '..
Identities and Inverses 대수학의 또 다른 특징으로는 Identities(항등원)와 Inverses(역원)가 있다. Identities 어떤 값 a와 연산 *이 있을 때, a에 * 연산을 한 결과가 그대로 a인 경우를 말한다. $a * e = a\qquad$ e는 *에 대한 identities ex) Additive Identities $a+e = a$ $\rightarrow (a+e)-a = a - a$ $\rightarrow (e+a)-a=0\qquad \qquad$by commutativity $\rightarrow e+(a-a)=0\qquad \qquad$by associativity $\therefore e=0\qquad$임의 a의 덧셈에 대한 항등원은 0 ex) Multipl..
Algebraic Property 대수학(Algebra)에는 크게 세 가지 특징이 있다. Commutative Property (=Law) Associative Property Distributive Property 각각에 대해서 살펴보자. Commutative Property 교환 법칙이라고도 한다. 이름에서 알 수 있듯이, 연산자에 의해 피연산되는 객체의 위치가 서로 교환되어도 식이 성립하는지 여부에 관한 법칙으로, Commutative Property가 성립되는 연산자에 대해서는 피연산자의 위치가 서로 바뀌어도 같은 결과를 도출한다. 대표적으로 $+$, $\times$ 등이 있다. 교환 법칙을 만족하는 연산을 가환(commutative), 만족하지 않는 연산을 비가환(noncommutative, a..
"왜 그렇게 힘들게 돌을 두드리시나요?" "꼬마야, 이 바위 안에는 천사가 들어있단다. 나는 지금 잠자는 천사를 깨워 자유롭게 해주는 중이야." '다비드상'을 조각 중인 미켈란젤로와 한 소년의 대화 콘텐츠 기반 필터링 콘텐츠 기반 필터링 방식은, 사용자가 특정한 아이템을 매우 선호하는 경우, 그 아이템과 비슷한 콘텐츠를 가진 다른 아이템을 추천하는 방식이다. 예를 들어 한 사용자가 특정 영화에 높은 평점을 줬다면, 그 영화의 장르, 출연진, 감독, 키워드 등 공통점을 갖는 유사한 다른 영화를 추천해주는 방식이다. 이는 보통 태그 형식으로 레이블 된 데이터에 대하여 적용된다. [자세히] 최근접 이웃 협업 필터링 신작 영화가 나왔을 때를 생각해보자. 영화를 보게 된다면 만원이 넘는 영화 관람료는 물론이고, ..
"절대 거절 못할 제안을 하지" 영화 '대부'에서 추천 시스템의 개요 21세기는 '추천 시스템 전성시대'라고 봐도 무방하다. 아마존, 쿠팡 등 전자상거래 업체부터, 유튜브, 애플 뮤직 등 콘텐츠 포털까지, 대부분의 온라인 스토어는 사용자의 취향을 이해하고 최적의 상품과 콘텐츠를 추천하는 추천 시스템을 적극적으로 활용하고 있다. 범람하는 데이터의 홍수 속에, 사람들은 점점 더 선택에 어려움을 느끼고, 이는 사용자 경험에 악영향을 끼친다. 한정된 시간이라는 제약 조건 속에 너무 많은 선택지가 부여되는 것은 사용자로 하여금 압박감을 느끼게 하는데, 이러한 문제를 해결해주는 것이 바로 추천 시스템인 것이다. 추천 시스템을 채택하는 주체는 추천을 위한 대량의 데이터를 가진다. 예를 들어 온라인 스토어는 많은 양의..