12주차 회고
저번주부터 강의와 구인구팀데이, 프로젝트와 과제가 겹쳐서 시간적으로 쫓기듯 당장 급한 일만 처리하는 것에 급급했었는데 이번주에 그 스노우볼의 여파를 제대로 받았다.
강의 내용과 실습, 과제 코드는 완벽하게 숙지되지 않았고, 그러다보니 이와 연관되어 있는 프로젝트의 베이스 라인 코드도 숙지하는데 시간이 소요되었다.
그렇다보니 해야할 일과 해보고 싶은 일은 많은데, 시간이 부족하여 제대로 처리하지 못하는 일이 발생하면서 시간 관리를 철저히 해야겠다고 다짐하게 되는 계기가 되었다.
Book Rating Prediction
이번 프로젝트는 책 평점 예측 프로젝트였는데, 주제가 흥미롭기도 했고 전부터 논문을 레퍼런스로 바닥부터 모델 구현을 해보고 싶은 마음이 있어서 이번 기회에 도전해보았다.
내가 참고한 논문은 Collaborative Variational Autoencoder for Recommender Systems라는 논문으로, 추천 시스템에서 사용자, 아이템의 잠재요인을 학습하여 모델에 활용하고 싶을 때 주로 사용되는 Collaborative Filtering을 VAE에 적용하여 추천 시스템에 적합하도록 구현한 모델이었다. 이 논문을 참고한 이유는 Collaborative VAE를 유저, 아이템, 평점뿐만 아니라 다른 메타 데이터들을 활용해보고 싶었고 또한 최종적으로 예측에 활용하는 데이터가 implicit feedback보다는 explicit feedback에 가까웠기 때문에 해당 모델을 선택했었다.
저번 프로젝트를 마무리하면서 wandb와 log 모듈을 활용해 실험 기록과 결과를 잘 관리해보고 싶다고 했었는데, 이번 프로젝트 베이스 라인에서 wandb 설정이 잘 되어 있어 큰 참고가 되었다. wandb sweep도 진행해보았는데 이전의 수업에서 wandb sweep을 배웠을 때는 어떻게 활용해야 할 지 몰라 잘 와닿지 않았는데 직접 모델을 구현하여 sweep을 활용해보니 어떤 방식으로 활용해야 할 지 조금 느낌이 왔다.
이번 프로젝트는 베이스 라인의 구조도 굉장히 모듈화가 잘 되어 있었고, 쉘 스크립트와 arguments 설정 등도 굉장히 잘 정리되어 있어 앞으로의 프로젝트를 진행하는 데에 큰 참고가 될 것 같았다.
다음 프로젝트도 이번 프로젝트 내용을 바탕으로 모듈화와 arguments 설정 등을 잘 정리하여 진행해보고 싶다.
주간 학습 내용
📍Collaborative Variational Autoencoder for Recommender Systems
다음주 목표
🚩시간, task 관리 잘하기
