[AI Tech] 네이버 부스트 캠프 13주차 회고

12주차 리마인드

강의 회고

이번주 월요일부터 Movie Recommendation 대회가 시작되었다.
전반적으로 이전에 배운 모델들에 대해 리마인드하는 강의들이 많았다.
3, 4강의 이전에 많이 배웠던 협업 필터링에 대해 배우는 시간이었다. Memory based CF, Model based CF, 전통적인 MF기반 협업필터링, 딥러닝 기반 협업 필터링 등 순차적으로 학습했다.

5강에서는 기존 유저와 아이템의 상호관계만을 보는 CF의 한계를 극복하기 위해 context정보 즉 유저,아이템 정보 이외의 정보를 활용하여 보는 Context-based, Context-aware 모델에 대해 배우는 시간을 가졌다. FM, FFM, Wide and Deep 등 추천시스템 기초때 배웠던 모델들을 다시 봐서 반가웠다 ㅎㅎ.
6,7강에서는 시계열 형태의 데이터를 반영한 추천시스템에 대한 강의가 이어졌다. 전통적인 마르코프 의사결정을 통한 추천과 이전 단계의 정보만을 사용한다는 MDP의 단점을 개선하기 위해 딥러닝기반 추천 방법론인 RNN, GRU을 활용한 추천시스템에 대해 배웠다. 더 나아가 최근에 핫한 트랜스포머 기반의 추천시스템인 SASrec과 Bert4Rec에 대해서도 배웠다.
SASrec은 이전 프로젝트에서 우리팀의 최고 성능을 보였던 모델로 여기서 배우니 반가웠다.
이번주 오피스아워에서는 베이스라인 코드로 작성된 S3-Rec 즉 self-supervised기반의 추천시스템에 대한 설명 및 코드리뷰가 있었다.
이번주에 랩업리포트 작성하고 강의 다 듣고 이력서 초안 작성한다고 베이스라인 코드를 못 살펴보았었다. 그래서 잘 이해할 수 있을까 걱정이 되었다.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
걱정은 현실이 되었다…..!
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

머릿 속에 너무 많은 것이 들어오면 점점 행동이 버벅거리며, 뇌에서는 더이상 받아들이는 것을 거부한다.
컴퓨터에 너무많은 IO 작업이 반복되면 버벅거리기 시작하고 CPU처리율이 떨어진다 ㅋ. 개발하는 내 입장에서 컴퓨터를 보면 인간과 참 비슷한 면이 많은 것 같다 ㅎ.

회고

이번주는 정말 바빴다.(사실 안바쁜 주차가 없었다.)
랩업리포트 작성하고 팀원들과 이번주까지 강의를 모두 클리어하고 이력서까지 작성해서 서로 피드백을 주기로 해서 정말 바빴다.

하지만 이 모든 것을 해냈다.

이번주는 우리팀원들과 서로 작성한 이력서를 공유하는 시간을 가졌다.
팀원들의 피드백 덕분에 내 이력서에서 부족한 부분을 찾을 수 있었다 ㅎㅎ.
사실 이력서 공개하기가 살짝 부끄러웠는데 내가 부족한 부분을 찾을 수 있어서 좋은 기회었다고 생각한다.
팀원들의 피드백을 수정해서 더 좋은 이력서를 만들어봐야겠다!!!.
그리고 이번주 주말 휴일은 반납할 예정이다 ㅋ. 강의 미션과 최종프로젝트 주제 그리고 가능하다면 SASrec과 Bert4Rec 논문을 한번 찾아보려고 한다.