# RS
책) 프로그래밍 러스트
이번에 Programming Rust 2nd Edition 을 구매했다.830 페이지에 배우고 싶은 문법과 패턴, advice 가 잔뜩있다.이번주가 끝나기 까지 최대한 체득할 것이다.책 링크:http://www.yes24.com/Product/Goods/116
rs-7. 구조체
https://doc.rust-lang.org/beta/book/ch05-00-structs.html구조체는 사용자 정의 타입이다.관련된 여러 값의 이름을 정의하고, 관련 fn 인 method 를 정의한다.java나 javascript 의 class 와 비슷하
rs-6. 소유권
https://doc.rust-lang.org/beta/book/ch04-00-understanding-ownership.htmlrust 핵심 소유권을 간단하게 알아보자.이 코드를 실행하면 에러가 발생한다.3번째 라인, let s2 = s1; 에서 발생한 오류
rs-5. 기본 문법 2
https://doc.rust-lang.org/beta/book/ch03-05-control-flow.htmlhttps://doc.rust-lang.org/beta/book/ch03-05-control-flow.html\`\`\`rustif 조건 {}
rs-4. 기본 문법 1
https://doc.rust-lang.org/beta/book/ch03-01-variables-and-mutability.html 문서볼때 이 친구가 있으면 컴파일 안되는게 정상이다.*(1) (https://doc.rust-lang.org/beta/book/ch00
rs-3. Cargo.toml
https://doc.rust-lang.org/beta/book/ch01-03-hello-cargo.htmlcargo 는 rust 에서 사용하는 패키지 매니저다.javascript 의 npm, yarn 같은 포지션이다.rust 에서 사용할 library 의 d
rs-2. hello world
https://doc.rust-lang.org/beta/book/ch01-02-hello-world.htmlhello world 를 해보자.필자는 mac m1 을 쓰고 있다.toolchain 은 해당 언어의 개발툴 /bin 위치다.아마 clion 설치하자마자
rs-1. docs 전체 둘러보기
https://doc.rust-lang.org/beta/book/index.html이 시리즈는 위 사이트를 참고하여 공부한다.공부 순서는 이론 -> 문법 순서로 진행된다.문서가 잘 되어 있어서 굳이 블로그들을 찾아볼 필요가 없다.이 글도 마찬가지23년 3월 기
rs-0. rust 공부 계획
동기: 취미교과서: https://doc.rust-lang.org/beta/book/index.htmlide: clion + rust plugin
[논문리뷰] Deep Neural Networks for YouTube Recommendations
대규모인 유튜브 환경에서 추천을 진행하기 위해 two stage information retrieval을 이용해 추천시스템을 구성하였다.이 과정에서 딥러닝을 적용하였고 성능이 dramatic하게 향상됐다.Two-stage information retrieval dich
Year Dream School Clinic
Tree & Heap Tree 트리: Node와 Branch를 이용해서, 사이클을 이루지 않도록 구성한 데이터 구조 실제로 어디에 많이 사용되나? 트리 중 이진 트리 (Binary Tree) 형태의 구조로, 탐색(검색) 알고리즘 구현을 위해 많이 사용됨 2.
[논문 리뷰] DDFL: A Deep Dual Function Learning-based Model for Recommender Systems
지난 20년동안, 유저에 적합한 아이템을 매칭시키기 위해 잠재 기반 협업 필터링이 연구되었다.일반적으로 CF는 2가지 타입으로 나눠진다. \- MLP를 활용한 matching function 학습 \- representation 학습: 잠재 공간에 투영, 내적을
[논문 리뷰] Enhancing VAEs for Collaborative Filtering
CF 기반 신경망은 어텐션을 사용하기 시작했다.생성 모델 기반 연구들이 많이 등장 - VAE가 SOTA 만듦VAE를 사용한 CF 연구는 높은 잠재력 보유 \- 유저의 선호도의 잠재 표현을 학습하기에 VAE가 너무 단순한 사전 분포를 사용 \- 깊은 신경망으로 더 깊
[논문 리뷰] GLocal-K: Global and Local Kernels for Recommender Systems
추천 시스템은 고차원 sparse한 유저-아이템 행렬 사용행렬 완성은 한 사람의 흥미를 다른 사람의 아이템 구매의 일부를 기반으로 하여 예측하는 도전GLocal-K는 고차원 sparse 유저-아이템 행렬을 저차원 공간으로 표현하고 일반화 \- 적은 수의 중요한 fea
[논문 리뷰] Neural Collaborative Filtering
최근에 딥러닝이 음성인식, 컴퓨터비전, 자연어처리에서 엄청난 성공을 이루었다.하지만 추천시스템에서는 상대적으로 덜 적용되었다.이 연구에서는 암시적 피드백 기반의 협업 필터링 추천시스템의 주요 문제를 해결하기위해 신경망 기반의 기술을 발전시킬 것이다.최근에는 딥러닝을 언
DeepFM : Related Work - Factorization Machine
DeepFM은 FM Component와 Deep Component로 이루어져 있다. 본 정리는 DeepFM의 FM component 부분을 정리하기 위해 2010년 발표된 Factorization Machines 논문을 리뷰하고자 한다. 작성자: 투빅스 16기 이승주
Neural Graph Collaborative Filtering
강의자 : 투빅스 16기 이승주ContentsUnit 01 ㅣ IntroductionUnit 02 ㅣ MethodologyUnit 03 ㅣ ExperimentsUnit 04 ㅣ Conclusion and Future WorkTwo key components in
