3/21
- 최종 프로젝트 아이디어 : 데이터의 순환 , 숨겨진 시간을 찾아서, 추천을 오프라인처럼
- vscode - ssh 서버 연동 - 협업을 위한 git 코드 연동
- 피어세션 : loss vs cost vs object 의 이해 / compatibility function ~ interaction function / BPR에서 AUC의미 / Bandit 후보아이템 토론
- 마스터 클래스는 다시 듣기(윗집의 테러)
- 멘토링준비 - 나의 강점 / 엔지니어의 역량 / 면접질문답
- 추천 시스템 강의 :
추천시스템 목적,사례(개인화) / 기존 ML과의 차이 / 추천에서 DL의 이점과 논의사항 / 대회설명 / review MF,BPR, Evaluation metric / Factorizing Personalized Markov Chains / Personalized Ranking Metric Embedding / 추천 시스템 주요 conference, dataset, libraries
| Method | Description |
|---|---|
| WRMF | Implicit feedback을 위한 MF(with reweighting scheme, regression) |
| BPR | 사용자별로 Positive 및 negative 아이템 간의 compatibility 차이를 계산하여 개인화된 Pairwise ranking(AUC 최적화와 유사함, classification) |
| FPMC | 다음 아이템은 사용자 뿐만 아니라 이전 아이템과도 compatible |
| PRME | FPMC와 유사하지만, Metric space 상에서의 거리를 통해 compatibility 측정 (inner product X) |
3/22
-
추천시스템 강의
Memory based, Model based Model 차이와 특징 / CF의 특징 / User-free Model(SLM,FSLM,AutoRec, Item2Vec, Sequential Recommendation Models) -
통합멘토링 : 학습방법, 진로, 이외 스터디 공유
-
피어세션 : special mission 에러 해결 (Mulit-VAE 전처리부분 pd.isin() 버젼에 따른 문법 에러)
-
코드 분석 : Multi VAE (더 학습)
3/23
-
추천시스템 강의
Context(side information) in Recsys - 문제점, 적용기법(FM,Deep FM, Wide&Deep) , 종류(text, audio, social networks and group) -
Deep FM 구현 코드 학습
-
마스터 클래스 : RecSys의 흐름
3/24
-
멘토링
AI Engineer가 갖추어야 할 역량, 나의 장점 피드백 / 면접,취업,이직 경험 공유 -
추천시스템 강의
Temporal and Sequential Model in RecSys - 시간에 따른 선호도 변화 / Sequence를 학습하기 위한 기법 마코프 체인 위주(FPMC, FME, TransRec) / Sequence 를 학습하기 위한 기법 RNN,Transformer 위주 (GRU4Rec ,NARM, SASRec, Bert4Rec), 추천에서의 augmentation -
SASRec 구현 코드 학습 - Transformer 학습 필요
-
오피스아워 : 베이스라인(SASRec) 코드 강의 / Pstage 추천 방향성
3/25
- SASRec, BERTRec을 위한 NLP 강의 수강
Attenttion / Transformer
이번주는 뭔가 한건 많은데 한것은 딱히 없는듯한 한주였다.
베이스라인으로 준 코드가 기본부터 쌓는 형태가 아닌 SOTA의 Baseline을 주었기 때문에 해석하는데 상당히 애를 먹었다. Transformer의 개념을 쌓고 코드를 보는게 맞는 것 같아 Attention부터 Transformer의 개념을 공부하는 주말을 보냈다.
이런 방법을 어떻게 생각했을까하는 생각이 들었다.
나도 천재가 되야징
