추천시스템 Bootcamp 2기
Bootcamp, DL, 추천시스템
시작일
매주 2019년 10월 12일
진행일시
매주
모집현황
data-product-id="11556" data-recruit-progress="0" data-activity-progress="0"
진행장소
캠퍼스
학습대상
추천 시스템에 대해 넓고 얇게 공부해보고 싶으신 분.
추천 시스템의 다양한 문제와 다양한 접근 방법을 알고 싶으신 분.
다양한 딥러닝 모델을 추천 시스템에서 어떻게 활용하고 있는지 알고 싶으신 분.
추천 시스템의 다양한 문제와 다양한 접근 방법을 알고 싶으신 분.
다양한 딥러닝 모델을 추천 시스템에서 어떻게 활용하고 있는지 알고 싶으신 분.
과목난이도
쉬움 (1단계) ~ 어려움(5단계)
학습목표
딥러닝 모델을 추천 시스템에서 어떻게 활용하고 있는지 살펴봅니다.
운영방식
1. 논문 한 명 코드리뷰 한 명. 없으면 핵심 논리를 간단하게 코드(Pseudo라도) 짜기.
2. 발표하지 않는 사람은 매주 논문 소감과 어떤 데이터에 적용할 수 있을지에 대한 상상을 간단히 써옵니다.
2. 발표하지 않는 사람은 매주 논문 소감과 어떤 데이터에 적용할 수 있을지에 대한 상상을 간단히 써옵니다.
선수지식
다양한 딥러닝 알고리즘 기초를 아시거나 곧 익히실 수 있는 분
ex) CNN, RNN, Attention, Autoencoder, RL, GAN
매주 논문을 한 개씩 읽으실 수 있고 구현 코드를 읽을 수 있는분.
ex) CNN, RNN, Attention, Autoencoder, RL, GAN
매주 논문을 한 개씩 읽으실 수 있고 구현 코드를 읽을 수 있는분.
학습 및 참고자료
- Deep learning based recommender system a survey and new perspectives에 소개된 논문 중 기본적인 구조를 제시한 논문.
- 이전 풀잎 스쿨 참가자들에게 소개 받은 논문.
- 이전 풀잎 스쿨 참가자들에게 소개 받은 논문.
커리큘럼
/
주차 | 모임내용 | 학습자료 |
---|---|---|
1 주차 | Deep learning based recommender system a survey and new perspectives. 추천 시스템, 이제는 돈이 되어야 한다. |
https://arxiv.org/pdf/1707.07435.pdf https://www.slideshare.net/ssuser2fe594/ss-164511610?from_action=save |
2 주차 | SLIM: Sparse Linear Methods for Top-N Recommender Systems | https://glaros.dtc.umn.edu/gkhome/fetch/papers/SLIM2011icdm.pdf |
3 주차 | Tag-aware personalized recommendation using a deep-semantic similarity model with negative sampling Personalized recommendation in social tagging systems using hierarchical clustering |
https://static.aminer.org/pdf/fa/cikm2016/shp0489-xuA.pdf https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.146.5429&rep=rep1&type=pdf |
4 주차 | Collaborative denoising auto-encoders for top-n recommender systems AutoRec: Autoencoders Meet Collaborative Filtering |
https://alicezheng.org/papers/wsdm16-cdae.pdf https://users.cecs.anu.edu.au/~akmenon/papers/autorec/autorec-paper.pdf |
5 주차 | DEEP CONTENT-BASED MUSIC RECOMMENDATION | https://mac.kaist.ac.kr/~juhan/gct634/2018/finals/deep_content_based_music_recommendation_report.pdf |
6 주차 | Session-based Recommendations with Recurrent Neural Networks | https://arxiv.org/pdf/1511.06939.pdf |
7 주차 | SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS | https://openreview.net/pdf?id=SJU4ayYgl |
8 주차 | Attentive Collaborative Filtering: Multimedia Recommendation with Item- and Component-Level Aention | https://cseweb.ucsd.edu/classes/fa17/cse291-b/reading/Attentive%20Collaborative%20Filtering%20Multimedia%20Recommendation%20with%20Item-%20and%20Component-Level%20Attention.pdf |
9 주차 | IRGAN: A Minimax Game for Unifying Generative and Discriminative Information Retrieval Models | https://arxiv.org/pdf/1705.10513.pdf |
10 주차 | DRN: A Deep Reinforcement Learning Framework for News Recommendation | https://www.personal.psu.edu/~gjz5038/paper/www2018_reinforceRec/www2018_reinforceRec.pdf |
11 주차 | Quote Recommendation for Dialogs and Writings | https://ceur-ws.org/Vol-1673/paper7.pdf |
퍼실소개
박지민
콘텐츠, 전자상거래, 플랫폼에 관심이 많습니다. 쏟아지는 정보 속에서 취향과 선호를 찾기 희망합니다. 좋아하는 데이터, 좋아하는 알고리즘에 관해 이야기해봤으면 좋겠습니다.
논문을 혼자 보면 오독하는 경우가 많은데 추천시스템은 자료도 많지 않아서 꼭 같이 공부했으면 좋겠다고 생각했습니다.
콘텐츠, 전자상거래, 플랫폼에 관심이 많습니다. 쏟아지는 정보 속에서 취향과 선호를 찾기 희망합니다. 좋아하는 데이터, 좋아하는 알고리즘에 관해 이야기해봤으면 좋겠습니다.
논문을 혼자 보면 오독하는 경우가 많은데 추천시스템은 자료도 많지 않아서 꼭 같이 공부했으면 좋겠다고 생각했습니다.
풀잎스쿨 신청 및 결제를 위해서 로그인을 해주세요
취향을 알기는 어렵습니다. 내가 뭘 좋아한다고 말하기 망설여집니다.
예전에 별로였던 영화가 오늘 좋기도 하고 예쁜 옷이라 생각했는데 잘 안 입는 옷도 있습니다.
새벽녘에 좋은 노래가 있고 비 오는 날에 좋은 노래가 있습니다.
도메인과 추천 시나리오에 따라 적용할만한 다양한 추천 알고리즘을 공부해보려 합니다.
특히 다른 분야의 딥러닝 모델들을 추천에 어떻게 적용하고 있는지 얇고 넓게 살펴볼 생각입니다.