Real-World Recommender System Service에 필요한 기술을 공부하고, 각자가 마주한 구체적 문제를 해결하는 팁과 사례를 공유합니다. Recent Top Conf paper(2021,2022,2023) 및 Kakao, Line, Netflix, Spotify 등 기술 블로그를 넘나들며 리뷰합니다.

Real-World Recommender System에서 주목할 대상은 무엇일까요? 우리가 설득할 대상은 고객만일까요? 저희 모임은 아래 주제에 집중합니다. * 번호는 중요도와 무관합니다! 1. Re-ranking (갓성비 추천) 2. ML engineering (Pipeline - 돈과 성능 사이) 3. User, Item, Interaction Modeling (Embedding Method + Architecture) 4. Bandit (MAB, 인과추론 등 - 고객은 진짜 이 추천모델을 더 선호할까?) 5. Explainable Recommender System (고객 및 팀원과 어떻게 소통할까?) 모임 진행 방식 1. Overview Study 시작 후, 첫 주는 공통으로 겪는 문제에 맞도록 함께 Survey Paper를 살펴봅니다. 2. Detail Review 위의 주제 중 현재 해결하고 싶은 문제에 맞는 주제를 선정 후, 해당 paper or blog content를 review합니다. 3. Communication (발표자) 현재 해결하려는 문제와 어떤 관점에서 연결되는지, (발표자 외) 다른 접근으로 해결 해 본 사례가 있는지 함께 나눕니다. * 첫 모임은 오프라인으로만 진행됩니다. 신청 후, 첫 모임 불참시 모임 참여 제외됩니다.

Recommender System (with DeepLearning) 관련 연구를 현재 진행중이거나, 진행해보신적 있는 분 Recommender System (with DeepLearning) 관련 Paper를 최소 10편 이상 읽으신 분 SOTA paper를 읽고, 이해하고, 전달하는 과정이 Study에 포함됩니다.

최근 회사에서 겪는 문제가 저 5가지에 해당되나요? 보다 관심있는 문제를 순서대로 2가지 단답형으로 적어주세요. (ex> MAB, Ranking)

최근 문제 해결을 위해 접하신 Recommender System 분야 paper SOTA 이름, 또는 알고리즘 이름을 3개 알려주세요.

본 모임에서 기대하는 바가 있다면 알려주세요.