日日 Deep 每日 Learning

1. 오늘 한 일 - level 2 MovieRec SASRec 모델 최종 inference - level 3 최종 프로젝트 회의 - level 3 SLIMElastic 베이스라인 코드 작성 2. 학습 내용 정리 - Recbole 사용방법 Dataset 정의 overall.yaml, {dataset_name}.yaml, {model_name}.yaml 정의 run_recbole.py, trainer.py, utils.py 등 학습에 필요한 파일 수정 run_recbole.py 실행으로 학습 - 해야할 일 inference 코드 생성 필요 베이스라인 코드 실행 후 metric 확인 후 선택 3. 회고 level 2 DKT, level 2 MovieRec을 진행하는 동안 프로젝트에 집중하느라 하루정리 등을 ..

1. 오늘 한 일 - context aware model (FM, FFM) 정리 - DL model (NCF, WDN, DCN), AutoRec 정리 2. 과제 및 정리 - context aware model (FM, FFM) 정리 https://kkuneeee.tistory.com/68 [RecSys] 한 눈에 보기 정리 - 6 : Context-Aware Recommender System Context Aware : 유저와 아이템 간 상호작용 정보 뿐만 아니라, 유저 feature와 아이템의 feature 간의 맥락(context) 정보를 반영하는 것 CTR : Click-Through Rate Prediction CTR 예측 : 유저가 주어진 아이템.. kkuneeee.tistory.com - DL..

1. 오늘 한 일 - 실습 5 - 한 눈에 보기 정리 2 ~ 5 + 추가) - 미션 2 2. 과제 및 정리 - 한 눈에 보기 정리 2 https://kkuneeee.tistory.com/63 [RecSys] 한 눈에 보기 정리 - 2 1. 추천시스템이 필요한 이유 사용자가 정보를 찾는데 소요되는 시간을 효과적으로 감소시키는 것 사용자의 관심사에 해당되는(유사한) 컨텐츠(아이템)을 추천하여, 선택의 폭을 확장시키는 것 kkuneeee.tistory.com - 한 눈에 보기 정리 3 https://kkuneeee.tistory.com/64 [RecSys] 한 눈에 보기 정리 - 3 : Content Based Recommendation System Content : 아이템의 성질 및 특성 --->>> 사용자..

1. 오늘 한 일 - 논문리뷰 : Item-based collaborative filtering recommendation algorithms - NBCF, IBCF 복습 2. 과제 및 정리 - 논문 리뷰 https://kkuneeee.tistory.com/58 [논문] Item-based collaborative filtering recommendation algorithms Recommender System Collaborative Filtering NBCF : Neighborhood-Based Collaborative Filtering UBCF : User-Based Collaborative Filtering IBCF : Item-Based Collaborative Filtering 1. Colla..

1. 오늘 한 일 - Git 특강 3 * 어제 한 일 - RecSys 9, 10강 - Git 특강 2 복습 2. 과제 및 정리 - 한눈에 보기 정리 https://kkuneeee.tistory.com/59 [RecSys] 한 눈에 보기 정리 - 1 Recommender System 개요 사용 이유 문제 정의 평가 지표 Offline Test Online Test Simple Aggregate Popularity Rating 연관분석 : Association Analysis / Association Rule Mining 컨텐츠 기반 필터링 : Cont.. kkuneeee.tistory.com 3. 회고 매주 마스터클래스와 멘토링 등 현업에 계신 분들의 말씀을 들은 것을 정리해보면 다음과 같다. 모델링 역량..

1. 오늘 한 일 - 코테 1 2 3 * 어제 한 일 - RecSys 7, 8강 - 기본과제 3 2. 회고 Git 특강을 졸았더니 엄청 놓쳐버렸다. 나중에 올라오는 VOD로 따로 공부해야겠다. 뭔가 오늘은 그동안 공부한 것들이 머릿속에서 떠오르지 않았다. 어제까지만 해도 남아있던 것들이 이렇게 하나도 남김없이 떠오르지 않는 것은 이상하지만, 하나도 제대로 떠오르지 않았다. 생각을 오래해야하는 심화과제는 내일하도록 해야겠다. 점점 부스트코스 상에서 주어진 과제는 줄어들고 있다. 개인적으로 공부할 수 있는 시간이 늘어난 것은 좋지만 무엇을 더 할지 약간 막막하다. 따로 해야할 것들 1. 코딩테스트 문제 2. RecSys 딥러닝 베이스 모델들 3. 코드 정리 + 모델 아이디어별로 정리 + 도메인 공부 + 프로..

1. 오늘 한 일 - 심화과제 1 - 실습 1, 2 - 복습 2. 과제 및 정리 - 실습 내용 정리 및 복습 https://kkuneeee.tistory.com/53 [RecSys] Basic - 3 인기도 기반 추천 / 평가지표 - MovieLens 데이터셋 가공 - 가공한 데이터 활용 -> 인기도 기반 추천 - 평가지표 1. 전처리 MovieLens 100k Dataset - 원천데이터 https://grouplens.org/datasets/movielens/ Movi.. kkuneeee.tistory.com https://kkuneeee.tistory.com/54 [RecSys] kNN Collaborative Filtering : scikit-surprise 라이브러리 / MovieLens Dat..

1. 오늘 한 일 - 기본과제 2 - 논문리뷰 * 어제 한 일 - RecSys 5, 6강 - 기본과제 1 2. 과제 및 정리 https://kkuneeee.tistory.com/51 [논문] BPR: Bayesian Personalized Ranking from Implicit Feedback BPR: Bayesian Personalized Ranking from Implicit Feedback은 Model-based Collaborative Filtering의 하나로, Implicit Feedback 데이터를 활용해 Matrix Factorization를 학습할 수 있는 방법이다. Bayesian.. kkuneeee.tistory.com 3. 회고 어제는 하루정리를 안했다. 하루정리를 하는 것이 중요한..

1. 오늘 한 일 - Git 특강 - RecSys 1-4강 2. 과제 및 정리 - RecSys Basic 1 https://kkuneeee.tistory.com/47 [RecSys] Basic - 1 1. 추천 시스템 : Recommender System - 필요성 1) 과거에는 유저가 접할 수 있는 상품, 컨텐츠가 제한적 -> 적은 수의 매체 2) 웹/모바일 환경 -> 다양한 상품과 컨텐츠를 쉽게 접할 수 있게 만들어줌 --> kkuneeee.tistory.com - RecSys Baic 2 https://kkuneeee.tistory.com/48 [RecSys] Basic - 2 (1) 추천시스템은 다른 분야(CV, NLP)에 비해 딥러닝 모델과 전통적인 머신러닝 모델의 성능차이가 Dramatic하지..

1. 오늘 한 일 - Data visualize : 1-1~2-3강 - 심화과제 1 2. 과제 및 정리 - 심화과제 1 Vit 풀이 3. 회고 오피스아워에서 나온 것처럼 논문을 리뷰하는게 좋을 것 같다. 내용만 요약정리하고 이해하기만 하면 안되고 실제 코드와 연결해서 이해해야 정확하게 구현하면서 이해할 수 있을 것 같다. 팀원들에게 단순히 리뷰만 할 것이 아니라 코드랑 같이 리뷰하도록 얘기해보자. 오늘은 하루종일 집중이 잘 되지 않았다. 블로그에 복습하고 정리하는 것도 힘들어서 오늘은 넘어가려고 한다. 지금까지 거의 매일 하나 이상 복습정리를 진행했지만, 3주를 하면서 지친 것 같다. 사실 어제 복습정리하면서 transformer와 KL divergence, GAN까지 하려고 하다가 터진거 같다. 또 욕..