안녕하세요! 오늘은 추천 시스템에서 '시간'이라는 요소가 별점 예측에 어떤 영향을 미치는지, 그리고 이를 지난 "별점 예측(Rating Prediction) 모델"을 이해한 것에서, 어떻게 반영할 수 있을지 정리해 보려 합니다. 1. 별점에 미치는 ‘시간’의 영향

추천시스템에서 별점을 예측하는 방법은 크게 두 가지로 나뉩니다. 유사도 기반 CF부터 모델 기반 CF(MF)까지!

안녕하세요! 오늘은 추천 시스템의 기초이면서 가장 강력한 방법 중 하나인 유사도 기반 추천(Similarity-based Recommendation)을 구현해 보겠습니다. MovieLens-32M 대용량 데이터셋을 활용하여 태그, 사용자 시청 기록, 별점 패턴에 따라

1.컴퓨터 프로그래밍 언어의 이해 2. 자바의 핵심, 플랫폼 독립성 3. JVM(Java Virtual Machine)

집중이 잘 안 될 때, 혼자 작업할 때의 막막함을 덜어주는 온라인 몰입 도구 '모각작'이 정식 런칭되었습니다. 카메라 공유나 랭킹의 부담 없이도 함께 작업하는 감각을 유지하기 위해 어떤 고민을 했는지에 대한 기록을 담았습니다.

이번 수업에서는 추천할 때 어떤 아이템들이 서로 유사한지를 계산하는 방법론들을 배웠다. 그 중 지난 시간에 모델을 분류 및 정리했었는데, 그중에서 모델의 학습 유무에 따른 분류를 했을 때, 학습된 인공지능이 추천하는 (model-based Approach)가 아니고,

추천시스템을 처음 접했던 건 고3..빅데이터나 AI가 지금만큼은 아니지만 막 화두되고 있던 시기이쪽으로 입시를 하기로 맘먹고, 관련 도서를 뒤적거리다가원래 광고나 마케팅에도 관심이 있어서 자연스럽게 추천시스템이 끌렸다. 한창 넷플릭스의 추천 알고리즘이 떠올랐을 때라 넷

지난번 글에서는 왜 Why 큐시즘에 지원했는지를 이야기했다면, 이번에는 어떻게 How 지원했는지, 즉 지원서 작성 과정과 면접 후기를 공유하려고 한다. 예비 큐밀리들에게 큰 도움이 됐으면 하는 마음으로...👉 지난번 글 보러 가기https://velog.i

너무 길어져서, 내 지원서 내용은 다른 패이지에서 더 자세히 다루겠음2025년은 내 첫 휴학 도전기다! 나는 휴학에 꽤 많은 의미를 뒀다..! 장장 3살 때 어린이집을 다닌 이후 대학교까지, 늘 학교라는 일반적인 흐름 속에서 살아오다가, 처음으로 내가 선택해서 내 시간

Intro, 여정을 마무리하며 8주차, 전시회 회고 : 가설을 증명하다 번외, 마케팅 전략 : '참여하는' 콘텐츠 9주차, 데모데이 회고 : 경쟁과 고립 사이, '지속 가능한 몰입'을 제안하다 Outro, 비하인드 > 🖐️글을 읽기 전에 잠깐. 모각작(Mogakj

앞선 1~2주차를 통해 어느정도 서비스의 틀을 만들었다면, 3~7주차는 그 안을 견고하게 채우는 시간이었다! 사실상 8주차는 서비스 전시, 9주차는 서비스 발표여서 7주차까지 개발을 거의 완료해야 했다. 7주라는 짧은 시간 동안 막연하던 아이디어가 웹 서비스로 따-란

0️⃣ 프롤로그: 두 번째 밋업, 그리고 새로운 도전 1️⃣ 1주차 : 협업 방식 및 MVP 구체화 2️⃣ 2주차 : 와프 작성 및 상세 기능 지난 글에서 'Sparkup' 발제 및 팀빌딩 과정을 다뤘다면, 이번에는 본격적인 프로젝트 진행 과정을 이야기해 보려 한다

지금부터는 본격적으로 '모각작' 프로젝트의 기획 과정을 소개해 보려고 한다! > ** Intro, '모각작'은 어떻게 시작되었나? (밋업 프로젝트의 시작) WARM-UP, 문제 정의와 데이터 기반의 아이디어 도출 CHECK-UP, 현실의 벽과 Pivot 스토리 SPA

정형 데이터대부분 표 형식 스키마반정형 데이터일반적 형식 : Json (서로 다른 정보를 유용하게 담기에 좋음)비정형 데이터NLP, ML등 사용관계형 데이터베이스(RDB)앤터티를 참조할 수 있음따라서, 정규화될 수 있음. (중복된 데이터 제거)비관계형 데이터베이스(No

2023.05https://arxiv.org/abs/2305.18290RM와 RL 없이 LLM policy model만을 학습하여, 사람의 선호도를 반영한 문장을 생성하도록 LLM을 직접적으로 최적화 하는 알고리즘본 논문은 대규모 언어 모델(LM)의 동작을 제

교내 학회에서 방학동안 논문 리뷰와 함께, 간단한 toy project를 한다. 주제를 고민하던 중, 벨로그 상단에 있던 에겐/테토 개발자 유형 테스트를 만드신 내용을 보고 영감 받았다. https://velog.io/@wkddudgk4869/출시-하루만에-트래픽-16

큐시즘 후기를 벨로그에도 남기면 좋을 것 같아, 블로그 내용을 이동시켰다\~~블로그 내용https://blog.naver.com/sbyeori큐시즘에 합격 통보가 1월 20일쯤에 나왔던 것 같다그 이후로, LT, 리쿠르팅, 경총 회식 등등을 거치고 드디어 첫

https://arxiv.org/abs/2302.13971LLaMA는 비교적 가벼운 모델, 오픈 소스 데이터만 사용한 모델LLaMA-13B는 대부분의 벤치마크에서 GPT-3(175B)보다 뛰어난 성능LLaMA-65B는 Chinchilla-70B 및 PaLM-5

Meta의 LLaMA 7B 기반 모델instruction-following 능력을 가진 LLM을 학계가 재현할 수 있도록 만든 공개 프로젝트Meta의 LLaMA 7B 모델을 기반으로, OpenAI text-davinci-003이 생성한 52K instruction 데이

Chain-of-Thought Prompting ABSTRACT 사고의 사슬(chain of thought)은 사고의 사슬 프롬프팅(chain-of-thought prompting)을 통해 구현한다 세 가지 대규모 언어 모델에 대한 실험을 통해 사고의 사슬 프롬프트