3/21
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
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