<최신 연구 리뷰> 2022년 이후 최근 Top Conf 논문들을 참조해, 최신 추천 시스템 연구의 트렌드와 기술을 파악합니다. 알고리즘의 강점과 기술적 한계, 또는 인프라 구조를 고려하는 문제에 초점을 두고 이야기 나눕니다. 현재 연구의 최전선에서 무슨 일이 일어나고 있는지 이해할 수 있습니다. <산업계 사례 분석 > Kakao, Line, Netflix, Spotify와 같은 기업들의 기술 블로그를 꼼꼼히 살펴보며, 실제 서비스에서 어떻게 추천 시스템이 작동하는지 분석합니다. 기업들의 사례를 통해, 이론과 실제 적용 사이의 차이를 이해하고, 실무에서 어떻게 이 문제를 해결하는지 통찰을 얻습니다.

1. Overview 스터디를 시작하는 첫 주는 제(스터디 모집자)가 최근의 Conf나 Technical Presentation을 리뷰합니다. 전체 주제의 범위와 방향성을 파악해 공유드리며, 각자 해결하고 계시는 문제의 motivation을 돕습니다. 2. Detail Review 2주 차부터는 각자 현재 해결하고 싶은 특정 문제에 초점을 맞춥니다. 선정한 문제에 맞게 논문이나 블로그 콘텐츠를 선택해, 그 내용을 깊이 있게 리뷰합니다. 이 과정은 개별적인 문제에 대한 이해를 높이고, 해결 방안을 찾는 데 도움이 됩니다. 0. Communication 발표자 Detail Review에서 현재 직면한 문제와 선택된 논문이 어떻게 연결되는지 분명하게 전달합니다. 다른 참여자들이 문제와 그 해결 방향에 대한 명확한 이해를 할 수 있게 돕습니다. 발표자 외 참여자 각자의 경험을 바탕으로, 다른 접근 방식이나 해결한 사례를 공유합니다. 발표자에게 동일한 문제에 다양한 관점과 해결 방안을 제공해, 더 효과적인 해결책을 찾는 데 기여합니다. 이 과정은 해결책을 발견하는 과정에서 서로의 지식과 경험을 공유해, 함께 성장을 이루도록 돕습니다.

이 스터디 모임은 논문 리뷰를 통해 각자 회사에서 직면하고 있는 문제를 함께 고민하고, 해결책을 찾기 위한 공간입니다. 서로 다른 배경과 경험을 가진 참여자들이 모여, 지식을 공유하고 토론하는 시간을 가집니다. 다음 조건은 모임의 목표를 이루는 데 스스로 및 타인을 위한 역량 요건입니다. <필수> 추천 시스템(딥러닝 기반) 논문을 최소 10편 이상 읽은 경험 10편 이상의 추천 시스템 관련 논문을 읽으셨다면, 기초 지식을 갖추고 계시다는 뜻입니다. 읽은 논문을 기반으로 더 깊은 토론이 가능하다고 기대합니다. <기대> 최신 연구 논문(SOTA) 이해 역량 스터디 과정은 최신 연구 논문을 읽고 이해하며, 서로에게 전달하는 작업이 포함됩니다. 현업에서 문제 해결 능력 더욱 향상시킬 수 있을 것입니다.

최근 읽으신 Recommender System 분야의 SOTA(3년 내의 Top Conf 논문)의 이름, 또는 알고리즘 이름을 3개 알려주세요.

특별히 최근 주목하거나, 도움받고 싶은 추천 문제를 구체적으로 알려주세요.