어쩌다데싸

이 글은 최신 추천 시스템의 기술 트렌드부터, 실제 서비스에 도입할 때 반드시 고려해야 할 설계·운영 포인트까지 정리했습니다. 데이터, 모델, 아키텍처, 윤리를 아우르는 ‘시스템 전체’ 관점에서 접근하려는 실무자에게 실질적인 가이드를 제공합니다. 추천 시스템 접근 방식추천 시스템을 처음 시작하면 보통 위의 그림 속 내용들을 가장 먼저 떠올립니다. 콘텐츠 기반, 협업 필터링, 하이브리드 추천 모델로 대표되는 전통적인 추천 시스템 분류죠. 하지만 오늘날 추천 시스템은 이러한 알고리즘 분류만으로 설명하기 어렵습니다. 알고리즘에 집중하기 보다는 데이터 종류와 처리 방식, 실시간성, 대규모 분산 아키텍처, 윤리성, LLM·GNN·강화학습 등의 최신 기법이 함께 고려되는 '시스템 전체' 접근이 주류가 되었습니다..

이 글은 추천 시스템의 주요 알고리즘 중 하나인 DeepFM에 대해 설명합니다. DeepFM은 Factorization Machine과 딥러닝을 결합하여 이차 상호작용과 고차원 비선형 관계를 모두 학습해 추천 정확도를 크게 높일 수 있는 모델입니다. 연산 비용과 복잡한 최적화가 필요하다는 한계가 있지만, 적절히 적용하면 정교하고 개인화된 추천이 가능합니다. 목차 https://login-data.tistory.com/30 [추천시스템] 콘텐츠 기반 필터링(CBF)과 협업 필터링(CF)추천시스템의 가장 기본적인 알고리즘인 콘텐츠 기반 필터링과 협업 필터링에 대한 개념을 정리한 글입니다. 콘텐츠 기반 필터링은 사용자와 아이템의 속성 데이터를 바탕으로, 협업 필터링은login-data.tistory.com  ..

추천시스템의 가장 기본적인 알고리즘인 콘텐츠 기반 필터링과 협업 필터링에 대한 개념을 정리한 글입니다. 콘텐츠 기반 필터링은 사용자와 아이템의 속성 데이터를 바탕으로, 협업 필터링은 사용자 간 상호작용 데이터를 기반으로 추천을 수행하는 방식입니다. 특히, 협업 필터링의 잠재 요인 기법은 사용자와 아이템의 숨겨진 특징을 학습하여 추천의 정교함을 높입니다. 추천 시스템은 단일 알고리즘보다 하이브리드 접근을 통해 다양한 환경에서 더 높은 성능을 보일 수 있습니다. 목차 https://login-data.tistory.com/23 AI 추천시스템(Recommender Systems) 시작하기목차 지금까지 해왔던 분야인 추천 시스템과 LLM 중 앞으로는 추천 시스템에 집중하고 싶어 블로그 초창기에 작성했던 추천 ..

목차 지금까지 해왔던 분야인 추천 시스템과 LLM 중 앞으로는 추천 시스템에 집중하고 싶어 블로그 초창기에 작성했던 추천 시스템 관련 글을 다시 정리해보려 한다.본격적인 글 작성에 앞서, 왜 추천 시스템을 선택했는지를 고민해봤다. AI 시장에는 다양한 도메인과 기술이 존재하지만, 모든 분야의 전문가가 되기는 어렵다. 그래서 적어도 오랫동안 지속할 수 있는 특화 분야를 정해야겠다는 생각이 들었다. SI 회사의 특성상 프로젝트마다 도메인과 기술이 다르지만, 다행히도 투입된 프로젝트마다 '추천 시스템'이라는 공통점이 있었다.일 때문에 흥미를 갖기 시작했지만, 개인적으로도 전공인 경영학과 관련이 있으면서 현재에도, 미래에도 반드시 필요할 것 같은 분야가 추천 시스템이라 생각해 이를 집중적으로 공부해보려 한다. ..

업무상 추천시스템을 공부해야 할 일이 생겼다. 영어로 된 추천시스템 관련 논문을 정리하라는 미션이 내려왔기에 하는 김에 여기에도 정리하려고 한다. IT에서는 논문을 읽기 위해서라도 영어 공부 꾸준히 해야 하는 듯... 1. 추천시스템 추천 시스템은 정보 필터링 기술의 일종으로, 사용자가 좋아할 아이템을 '예측'하기 위한 시스템이다. 유튜브에서 '알고리즘'이 나를 이끌었다던가, 넷플릭스에서 회원님이 좋아하실 영상을 본다던가 등 우리는 일상 속 많은 곳에서 추천시스템을 접하고 있다. 2. 추천시스템 방식 크게 Colloborative Filtering(CF)와 Content-based Filtering 방식이 있다. 1) Content-based Filtering 콘텐츠의 속성에 기초해서 유사한 콘텐츠를 추..