Sequential Recommenders: 기계들과 회로들
Introduction 안녕하세요, ML 인턴 새미입니다. 작년 12월부터 라이너에서 Sequential Recommender 를 주제로 3개월째 인턴을 진행하고 있습니다. 대학원에서 추천 시스템을 연구해오면서 현실적인 데이터셋과 평가 메트릭의 부재가 언제나 아쉬웠습니다. 많은 회사들이 각자 자체적으로 보유한 데이터에 집중하고 있는 실…
Marketing x Product 협업—제품주도성장 (Product-led Growth) 을 위한 필수요소
Intro 안녕하세요, 프로덕트 데이터 분석가 알렉스입니다! 제품과 그로스 쪽에서 업무를 하고 자료를 찾다보면 어떤 것들이 현재 트렌드에 있는지 보입니다. 잠시 반짝하고 사라지는 개념들도 있는 반면에 어떤 개념들은 업계에 뿌리를 내리면서 산업을 변화시킵니다. 개인적으로 가장 인상깊었던 개념들은 Toss 이승건 대…
그 많던 벡터는 다 어디로 갔을까? Milvus 활용기
우리가 마주한 문제 안녕하세요, 머신러닝 엔지니어 카터입니다. 지난 콘텐츠 기반 필터링 구축기 포스트를 통해 텍스트 임베딩을 활용해 구현한 추천 엔진에 대한 소개를 드린 적이 있습니다. Huggingface + TorchServe + ScaNN 등의 기술 스택으로 구성“되었던” 해당 엔진은 아직까지 Candidate Generator의…
라이너 이메일 마크업 – 기초편
안녕하세요. 프론트엔드 엔지니어 셀리나입니다. 이메일 코딩은 겉으로 봤을 때는 난이도가 낮아 보이지만, 막상 개발을 시작하면 생각이 180도 달라지게 됩니다. 뜬금없는 테이블 태그부터 당최 이해되지 않은 스타일 대응까지! 🤯 이번 글에서는 이메일 개발은 왜 생각보다 어려운지, 이메일의 핵심은 무엇인지에 관해 소…
콜드 스타트 사용자에게 콘텐츠 추천을 ! – 트렌드 기반 추천
안녕하세요, 머신러닝 엔지니어 카터입니다. 지난 몇 편의 글들을 통해 라이너가 개인화 콘텐츠 추천을 위해 어떤 방향으로 기술을 발전시켜 나가고 있는지에 대한 소개를 드릴 기회가 있었습니다. 하지만 프로덕트에 적용되는 추천 기술을 개발한다는 의미가 단순히 “로그 데이터가 충분히 쌓여, 개인화 추천에 용…
LINERVA-WALK : Pixie 기반 랜덤 워크 추천 모델링
안녕하세요, 머신러닝 엔지니어 카터입니다. 라이너 기술 블로그를 통해 연재되고 있는 추천 시스템 포스트에 관심을 가져주신 분들이라면, 라이너가 Pinterest의 기술 발전사에 많은 관심을 가지고 있다는 사실을 쉽게 눈치 채셨을 것 같습니다. 실제로 라이너는 Pinterest가 추천 시스템을 구축해온 과정과 앞으로 해결…
콘텐츠 기반 필터링에 PinnerSage 입히기
안녕하세요, 머신러닝 엔지니어 카터입니다. 지난 글에서 공유드린 바와 같이 라이너는 추천 시스템의 여러 꼭지 중 하나로 콘텐츠 기반 필터링을 계속해서 발전시켜 나가고 있습니다. 많은 분들이 이미 알고 계시듯 콘텐츠 기반 필터링은 Cold start 에 강점을 지니며, Sparse 한 사용자-아이템 인터랙션 매트릭스로 인한…