풀잎스쿨

연구를 위한 지식을 플립러닝 방식으로
2-3개월 간 학습하는 집중 스터디 과정입니다.

* 풀잎스쿨은 3개월마다 진행됩니다.

지도학습으로 풀기 어려운 추천 문제를 bandit 문제로 접근해 봅니다.
1. 어떤 상황에서 Bandit 기반 추천을 사용해야 하는지 이해합니다.
2. Bandit 기반 추천 논문에서 나오는 용어와 baseline 모델을 익힙니다.
3. Bandit 기반 추천 모델의 평가를 어떻게 할지 익힙니다.
4. Bandit 기반 모델을 구현하고 평가하는 Framework를 익힙니다.
5. 항상 실무를 염두에 두고, 공부하고 토의합니다.
사회적 거리두기 2단계 이상일 경우, ZOOM을 활용하여 온라인으로 진행될 수 있습니다.
이런 분들께 추천합니다
- 기초 통계 지식(기댓값, 확률분포, 조건부 확률 등)과 파이썬 기본 지식을 갖추고 계셔야 합니다.
- Multi-Armed Bandit 이나 추천을 전혀 모르시는 분들도 괜찮습니다. 난이도, 양 조절은 조정할 수 있습니다.
- 난이도가 Hard인 이유는 진행방식 때문입니다. 매주 발표 준비를 해야 합니다. 모여서 무작위로 발표할 사람을 뽑습니다. Free-rider가 없으면 좋겠습니다.
- 자세한 진행방식은 MLOps KR 글(https://www.facebook.com/groups/MLOpsKR/permalink/1164221717298425/)에 달린 댓글을 참고해주세요.
난이도
학습유형
사전학습 (주차별 학습내용을 각자 학습한 후 모여서 토론합니다)
커리큘럼
1주차_Bandit 추천 문제 정의 (1)

2주차_Bandit 추천 문제 정의 (2)
1주차 이어서 진행

3주차_Bandit 추천 문제는 어떻게 다른가? (1)
A Gentle Introduction to Recommendation as Counterfactual Policy Learning
자료1: https://www.youtube.com/watch?v=hBeOxwTIawc&ab_channel=ACMSIGCHI
자료2: https://github.com/criteo-research/bandit-reco

4주차_Bandit 추천 문제는 어떻게 다른가? (2)
3주차 이어서 진행

5주차_Bandit 모델 평가는 어떻게 할까? (1)
Offline A/B testing for Recommender Systems
자료1: https://arxiv.org/pdf/1801.07030.pdf

6주차_Bandit 모델 평가는 어떻게 할까? (2)
5주차 이어서 진행

7주차_케이스 스터디(1) - 카카오 뉴스 추천
기계학습 기반의 뉴스 추천 서비스 구조와 그 효과에 대한 고찰*: 카카오의 루빅스를 중심으로
https://brunch.co.kr/@kakao-it/57

8주차_케이스 스터디(2) - 넷플릭스

9주차_실습 (1) - 데이터셋 이해
A Large-scale Open Dataset for Bandit Algorithms
https://arxiv.org/pdf/2008.07146.pdf

10주차_실습 (2) - 직접 만들고 비교하기
9주차 이어서 진행

11주차_총 복습
파이프라인, 데이터셋, 모델, 평가 복습하기.

* 이론+실습으로 진행되는 과정입니다. 참고해주세요.
교재 및 학습자료 / 준비물
  • 쥬피터 노트북, 아나콘다를 사용할 수 있는 노트북이 필요합니다.

풀잎스쿨이란
풀잎스쿨이란
풀잎스쿨 신청자분들께는 과정 시작 일주일 전에 참여 관련 안내 메일을 드릴 예정입니다.
퍼실이 소개
박지민

박지민

#추천좋아 #왓챠왓챠왓챠

Bandit, RL 기반 추천 모델이 대세가 되리라 믿고 있습니다.
대부분의 추천 시스템도 순차적 결정 문제이고, 장기적 보상을 만족해야 하는 문제이기 때문입니다.
혼자 공부하면 잘못 이해할까 봐 같이 공부하고 싶습니다.

풀잎스쿨 / LAB 참여 이력

추천시스템 부트캠프 2기 퍼실을 맡았습니다.
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
Bandit-Based 추천시스템

시작일

2021년 1월 12일

진행일시

화 / 19:30

수강기간

11주 (2시간/주)

진행장소

강남캠퍼스

231,000원

선결제자가 가상 계좌 입금 대기 상태인 경우, 실질적으로 마감되었음에도 마감 임박으로 표시됩니다.
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
Bandit-Based 추천시스템

시작일

2021년 1월 12일

진행일시

화 / 19:30

수강기간

11주 (2시간/주)

진행장소

강남캠퍼스

231,000원

선결제자가 가상 계좌 입금 대기 상태인 경우, 실질적으로 마감되었음에도 마감 임박으로 표시됩니다.
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
지도학습으로 풀기 어려운 추천 문제를 bandit 문제로 접근해 봅니다.
1. 어떤 상황에서 Bandit 기반 추천을 사용해야 하는지 이해합니다.
2. Bandit 기반 추천 논문에서 나오는 용어와 baseline 모델을 익힙니다.
3. Bandit 기반 추천 모델의 평가를 어떻게 할지 익힙니다.
4. Bandit 기반 모델을 구현하고 평가하는 Framework를 익힙니다.
5. 항상 실무를 염두에 두고, 공부하고 토의합니다.
사회적 거리두기 2단계 이상일 경우, ZOOM을 활용하여 온라인으로 진행될 수 있습니다.
이런 분들께 추천합니다
- 기초 통계 지식(기댓값, 확률분포, 조건부 확률 등)과 파이썬 기본 지식을 갖추고 계셔야 합니다.
- Multi-Armed Bandit 이나 추천을 전혀 모르시는 분들도 괜찮습니다. 난이도, 양 조절은 조정할 수 있습니다.
- 난이도가 Hard인 이유는 진행방식 때문입니다. 매주 발표 준비를 해야 합니다. 모여서 무작위로 발표할 사람을 뽑습니다. Free-rider가 없으면 좋겠습니다.
- 자세한 진행방식은 MLOps KR 글(https://www.facebook.com/groups/MLOpsKR/permalink/1164221717298425/)에 달린 댓글을 참고해주세요.
난이도
학습유형
사전학습 (주차별 학습내용을 각자 학습한 후 모여서 토론합니다)
커리큘럼
1주차_Bandit 추천 문제 정의 (1)

2주차_Bandit 추천 문제 정의 (2)
1주차 이어서 진행

3주차_Bandit 추천 문제는 어떻게 다른가? (1)
A Gentle Introduction to Recommendation as Counterfactual Policy Learning
자료1: https://www.youtube.com/watch?v=hBeOxwTIawc&ab_channel=ACMSIGCHI
자료2: https://github.com/criteo-research/bandit-reco

4주차_Bandit 추천 문제는 어떻게 다른가? (2)
3주차 이어서 진행

5주차_Bandit 모델 평가는 어떻게 할까? (1)
Offline A/B testing for Recommender Systems
자료1: https://arxiv.org/pdf/1801.07030.pdf

6주차_Bandit 모델 평가는 어떻게 할까? (2)
5주차 이어서 진행

7주차_케이스 스터디(1) - 카카오 뉴스 추천
기계학습 기반의 뉴스 추천 서비스 구조와 그 효과에 대한 고찰*: 카카오의 루빅스를 중심으로
https://brunch.co.kr/@kakao-it/57

8주차_케이스 스터디(2) - 넷플릭스

9주차_실습 (1) - 데이터셋 이해
A Large-scale Open Dataset for Bandit Algorithms
https://arxiv.org/pdf/2008.07146.pdf

10주차_실습 (2) - 직접 만들고 비교하기
9주차 이어서 진행

11주차_총 복습
파이프라인, 데이터셋, 모델, 평가 복습하기.

* 이론+실습으로 진행되는 과정입니다. 참고해주세요.
교재 및 학습자료 / 준비물
  • 쥬피터 노트북, 아나콘다를 사용할 수 있는 노트북이 필요합니다.

풀잎스쿨이란
풀잎스쿨이란
풀잎스쿨이 무엇인가요?
연구에 필요한 기초 지식&기술을 플립러닝 방식으로 2~3개월 간 함께 집중적으로 학습하는 과정입니다.
퍼실이는 누구인가요?
‘facilitator’에서 나온 명칭으로, 풀잎스쿨 각 과정의 조력자입니다.
함께 공부하고 싶은 과정을 기획하고 풀잎 모임을 리딩 및 진행합니다.
다른 곳들과 어떤 차이점이 있나요?
수동적으로 배우게 되는 기존의 학원과 다르게 플립러닝(flipped learning, 거꾸로 학습)으로 진행됩니다.
따라서 질문과 토론을 통해 지식을 인터랙티브하게 공유하고 성장할 수 있습니다.
* 플립러닝(flipped Learning) : 거꾸로 학습. 각자 학습을 해온 후 모여서 질문, 토론 등으로 공부하는 방식
풀잎스쿨이란
풀잎스쿨 신청자분들께는 과정 시작 일주일 전에 참여 관련 안내 메일을 드릴 예정입니다.
퍼실이 소개

박지민

박지민

#추천좋아 #왓챠왓챠왓챠
Bandit, RL 기반 추천 모델이 대세가 되리라 믿고 있습니다.
대부분의 추천 시스템도 순차적 결정 문제이고, 장기적 보상을 만족해야 하는 문제이기 때문입니다.
혼자 공부하면 잘못 이해할까 봐 같이 공부하고 싶습니다.
풀잎스쿨 / LAB 참여 이력
추천시스템 부트캠프 2기 퍼실을 맡았습니다.
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.