논문·프로젝트로 추천 도메인 공부 경험
약 90초
추천 시스템 기초를 스터디와 직접 구현으로 익힌 과정
추천 시스템에 관심이 생겨서 넷플릭스 프라이즈 관련 논문부터 읽기 시작했습니다. 협업 필터링의 원리를 이해하는 데 2주 정도 걸렸는데, 읽는 것만으로는 한계가 있어서 직접 구현해 봤습니다.
영화 평점 데이터로 사용자 기반 협업 필터링을 처음 구현했습니다. 이론에서 쉬워 보였는데 실제로 짜보니 유사도 계산의 계산 복잡도와 콜드 스타트 문제가 바로 나타났습니다. 논문에서 읽었던 개념들이 왜 필요한지를 직접 막혀보면서 이해하게 됐습니다.
그 경험 이후로 추천 시스템 공부는 데이터를 직접 다뤄봐야 깊어진다는 걸 알게 됐습니다. 사이드 프로젝트에서 간단한 추천 기능을 만들 때 그 기반이 됐고, 콘텐츠 기반 필터링을 조합한 하이브리드 구조로 콜드 스타트 문제를 부분적으로 해결했습니다.
이 결의 특징
추천 시스템에 관심이 생겨서 넷플릭스 프라이즈 관련 논문부터 읽기 시작했습니다. 협업 필터링의 원리를 이해하는 데 2주 정도 걸렸는데, 읽는 것만으로는 한계가 있어서 직접 구현해 봤습니다. 영화 평점 데이터로 사용자 기반 협업 필터링을 처음 구현했습니다. 이론에서 쉬워 보였는데 실제로
이 결이 통하는 자리
바로 나타났습니다. 논문에서 읽었던 개념들이 왜 필요한지를 직접 막혀보면서 이해하게 됐습니다. 그 경험 이후로 추천 시스템 공부는 데이터를 직접 다뤄봐야 깊어진다는 걸 알게 됐습니다. 사이드 프로젝트에서 간단한 추천 기능을 만들 때 그 기반이 됐고, 콘텐츠 기반 필터링을 조합한 하이브