사용자의 취향과 상황에 맞춘 맞춤형 맛집 추천 시스템을 개발하는 것을 목적으로 합니다. 이 LAB에서는 단순히 평점이나 인기순에 의존한 맛집 추천이 아닌, 개인의 선호도와 특정 상황을 고려한 맞춤형 추천 리스트를 제공하는 시스템을 연구하고 구현하게 됩니다. 현재의 지도 기반 앱, 예를 들어 카카오맵이나 네이버지도에서는 동일한 지역과 시간대에 동일한 맛집 목록을 보여줍니다. 그러나 사람마다 음식 취향과 상황은 다르기 때문에, 이 LAB의 목표는 각 사용자에게 최적화된 맛집 추천을 제공하는 것입니다. 예를 들어, 같은 지역에서 세 명의 사용자가 맛집을 검색할 때, 이들의 각기 다른 취향과 상황에 따라 서로 다른 맞춤형 맛집 목록이 제시되는 것을 목표로 합니다. LAB의 궁극적인 목표는 이러한 추천 시스템의 데모를 제작하는 것이며, 나아가 이 시스템을 앱으로 상용화하는 가능성까지 염두에 두고 있습니다. 이를 통해 사용자 경험을 한층 더 개인화하고, 사용자에게 보다 유용한 맛집 정보를 제공하는 혁신적인 서비스를 개발하고자 합니다. 더불어, 본 LAB은 모두의연구소의 핵심 가치인 지식 공유와 상생을 적극적으로 실천하고자 합니다. 이를 위해 연구 과정과 결과를 모두연 커뮤니티와 다양한 방식으로 공유할 계획입니다. 먼저, 정기적인 블로그 포스팅을 통해 프로젝트의 진행 상황, 기술적 도전과 해결 방법을 상세히 공유할 예정입니다. 이는 다른 연구자들에게 실질적인 도움이 될 뿐만 아니라, 우리 팀의 연구 과정을 체계적으로 정리하는 데에도 도움이 될 것입니다. 또한, 프로젝트에서 사용된 주요 기술들에 대한 온라인 세미나를 주기적으로 개최할 계획입니다. 특히 GCN(Graph Convolutional Network)이나 PINSAGE와 같은 최신 추천 시스템 기술에 대해 심도 있게 다룰 예정입니다. 이러한 세미나를 통해 우리 팀이 습득한 지식과 경험을 커뮤니티 전체와 공유하며 모두가 발전하는 계기가 되리라 믿습니다.

[운영방식] 매주 화요일 19:30-21:30 모두의연구소 강남캠퍼스에서 오프라인 만남을 기본으로 합니다. 피치 못할 사정이 있으신 분들은 온라인 참석 가능합니다. 1-3주차: 도입 및 기본 개념 이해 - 프로젝트 개요 및 목표 설정 세션: LAB의 목표와 전체적인 활동 계획을 소개하는 세션을 진행합니다. LAB 참여자들이 프로젝트의 목적을 이해하고, 앞으로의 진행 방향을 공유합니다. - 기본 추천 시스템 리뷰 세미나: 협업 필터링, 콘텐츠 기반 필터링 등 기존의 추천 시스템 기법들을 리뷰하는 세미나를 개최합니다. 기본적인 추천 시스템에 대한 이해를 높이기 위한 입문자 대상의 튜토리얼도 함께 진행합니다. 4-6주차: 고급 추천 시스템 연구 및 적용 - GCN 및 PINSAGE 튜토리얼 세션: 그래프 신경망(GCN)과 PINSAGE와 같은 고급 추천 시스템 기법에 대한 튜토리얼 세션을 진행합니다. - 데이터 크롤링 및 전처리 워크숍: 서울 일부 지역에 대한 맛집 데이터를 크롤링하고, 이를 전처리합니다. 7-9주차: 모델 구현 및 테스트 - 맞춤형 추천 시스템 모델 설계 및 구현 세션: 모델을 설계하고 구현합니다. 이 과정에서 GCN이나 PINSAGE와 같은 고급 기법을 실제로 적용하며, 개인의 취향과 상황을 고려한 맞춤형 추천 시스템을 구축합니다. - 중간 점검 및 피드백 세션: 각 그룹이 진행한 모델 설계 및 구현 과정을 발표하고, 피드백을 주고받는 시간을 가집니다. 이를 통해 모델의 개선 방향을 논의하고, 앞으로의 진행 방향을 조율합니다. 10-12주차: 시스템 완성 및 데모 발표 - 시스템 최적화 및 데모 제작: 구현된 모델을 최적화하고, 실제 데이터를 기반으로 데모를 제작합니다. LAB의 목표인 맞춤형 추천 시스템이 제대로 작동하는지 최종 점검을 진행합니다. - 데모 발표 및 평가 세션: 최종 데모를 발표하는 세션을 개최합니다. 추천 시스템의 데모를 공유하고, 서로의 결과물을 평가하며 피드백을 주고받습니다. - 향후 계획 논의 및 상용화 가능성 검토: LAB의 결과물을 바탕으로 향후 상용화 가능성을 논의하고, 실제 앱 개발로 이어질 수 있는지 검토합니다. 마지막으로 LAB의 성과를 정리하고, 참여자들과의 네트워킹 시간을 가집니다.

Python 기본 프로그래밍 능력 - 코드 구조 이해(필수), 데이터 수집 경험 데이터 분석 기초 지식 - Pandas, NumPy 라이브러리 활용 경험 - 데이터 전처리 과정에 대한 이해 팀 협업 경험 - 소그룹 프로젝트 진행 가능한 협업 능력 - Git 활용 경험 자기 주도 학습 능력 - 최신 기술 트렌드에 대한 관심과 자기 주도적 학습 의지 추천 시스템에 대한 기본 이해 - 추천 시스템의 기본 구조와 작동 원리에 대한 지식(모임 전까지만 숙지) 위 조건이긴 하지만, 문제를 해결하고자 하는 의지와 끈기가 제일 중요하게 생각하고 있습니다.

본인의 이름과 연락처를 작성해 주세요.

데이터 분석 경험이 있나요? 어떤 라이브러리나 도구를 사용해 보았는지 작성해 주세요. (예: Pandas, NumPy, R 등)

맛잘알이신가요? 친구가 종로3(예시)가 주변 맛집을 찾아달라고 했을 때 어떻게 답변을 하는지 작성해주세요. 재질문을 통해 답변을 초래한다면 질문과 답변을 모두 작성해주셔도 됩니다.

기타 하고 싶은 말이나 추가로 알리고 싶은 정보가 있다면 작성해 주세요.