01. DIF-SR, BST 모델 구현 및 Transformer를 활용한 모델 경량화 노하우 전수
Sequential 추천시스템 모델로 잘 알려진 BERT4Rec, SASRec 모델과 BERT4Rec의 발전된 모델인 DIF-SR, BST 모델의 원리를 파악하고 모델 구현까지 해볼 수 있습니다. 이 외에도 추천시스템에 많이 사용되고 있는 다양한 딥러닝 모델과 최근 추천시스템의 문제를 해결하기 위해서 어떻게 모델이 발전되고 있는지에 대해 배웁니다. 더불어 Progressive Layer Dropping을 통한 Transformer 모델 경량화 적용으로 모델의 학습 속도를 높이는 노하우를 알려드립니다.
02. Controllable & Explainable 모델로 현업에 즉시 적용 가능한 추천시스템 구현
효과적인 추천시스템 모델을 하기 위해서는 단순히 모델의 성능을 높히는 것에 그치는 것이 아닌 추천이 왜 되었는지 그 이유를 설명할 수 있어야하며, 기업의 정책을 반영하여 모델을 컨트롤 할 수 있어야 합니다. 해당 강의에서 Controllable & Explainable 모델을 이용하여 Post-Hoc 방식의 설명가능한 추천시스템을 구현해보고, 비즈니스 정책에 맞춰 컨트롤이 가능한 추천시스템을 어떻게 구현하는지에 대해 배울 수 있습니다.
03. 네이버 플레이스, 카카오뱅크 등 다양한 IT 플랫폼 기업의 추천서비스 Case-Study
실제 현업에서는 회사 기술 블로그에 작성된 추천서비스들을 벤치마킹해서 적용하기도 하고, 실제로 서비스하고 있는 모델과 관련된 논문을 찾아 적용해보기도 합니다. 네이버 플레이스, 카카오뱅크, 스포티파이, 카카오웹툰 등 다양한 IT 플랫폼 회사들의 추천서비스를 함께 Case-Study 함으로써 어떤 추천시스템 서비스들을 제공하고 있는지 파악하고, 이 회사들에서 풀어가고자 하는 문제들과 그에 대한 해결 방안에 대해 배울 수 있습니다.
