TikTok for Text! 라이너 앱 Session-based Recommender 구축기

안녕하세요. 머신러닝 엔지니어 에디입니다🙂 올해 1분기, 라이너 앱과 웹에 대대적인 변화가 있었습니다. 사람들의 정보 탐색과 정보 소비를 혁신시키기 위해 하이라이팅 유틸리티에서 벗어나 추천・검색을 중심으로 프로덕트를 개편한 것인데요. 이번 글에서는 달라진 라이너 앱에 새로 도입된 추천 기술에 대한 소개를 드리려고 합니다. UX를 개편하면서 이제 라이너 앱을 사용하는 유저들은 화면을 아래 위로 더보기…

LINER Chat: From Prompt Engineering to Plugins

안녕하세요, 머신러닝 엔지니어 카터입니다. OpenAI가 ChatGPT를 공개한지 4개월이 지난 지금, 세상은 엄청나게 빠르고 급격한 변화를 겪고 있습니다. 이러한 변화의 물결 속에서 라이너 역시 “Help People Get Smart Faster”라는 미션을 해결하기 위해 ChatGPT를 비롯한 Large-scale Language Model (이하 LLM) 을 활용할 수 있는 방안에 있어 많은 고민을 이어오고 있는데요. 지난 3월 더보기…

LINER에서 실험은 어떻게 시작될까? – LINER ‘가설공장’ 이야기

안녕하세요~ 프로덕트-그로스 플래닛 데이터 분석가 라이언입니다. 오늘은 LINER의 ‘가설공장’에 대한 소개를 드리려고 합니다. 가설공장은 말 그대로 가설을 만들어내는 프로세스, 시스템을 의미하는데요, LINER에서 어떤 고민과 합의의 과정을 거쳐 실험 소재들이 선정되는지 지금부터 함께 살펴보도록 할게요. 그럼 시작해볼까요? 🙂 LINER의 실험 현황 ‘22년 4분기부터 ‘23년 3월 현재까지 약 30명의 LINER 팀원들은 2주의 더보기…

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 실정이기도 하고요. 이러한 상황에서 연구를 수행함에 있어서 라이너는 저에게 정말로 매력적인 선택지였습니다. 라이너는 “Help People 더보기…

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 대표님이 소개하셨던 C.C (Carrying Capacity) 그리고 B2B 업계의 PLG (Product led growth — 제품주도성장) 더보기…

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 역할을 톡톡히 수행해주고 있는 알짜 엔진입니다. 그러나 서비스를 운영하다 보면 항상 더보기…

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 소개하겠습니다. 📒 웹 개발과 다른 이메일 여러분 웹 표준을 아시나요? 내가 더보기…

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 용이해진 사용자들의 경험”만 챙기겠다는데에 그치는 것은 아닙니다. 플랫폼에 이제 막 진입해 더보기…

우리끼리 풀기 아까워 올리는 React Query 퀴즈 – (1) staleTime & cacheTime

안녕하세요, 프론트엔드 엔지니어 셀리나입니다. 라이너는 일주일에 한 번씩 각 플래닛마다 위클리 미팅을 진행하고 있습니다. 엔지니어링 플래닛은 미팅 시간을 활용해 매주 한 사람씩 돌아가며 리액트 쿼리에 대한 내용을 발제하였고, 주가 거듭될수록 우리끼리만 풀기 아깝다는 생각이 들어 리액트 쿼리 퀴즈를 블로그에도 올리기로 했습니다. 이번주에는 리액트 쿼리의 라이프 사이클과 관련한 퀴즈를 준비했습니다.개념을 간단하게 소개한 더보기…

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 해결할 문제에 큰 관심을 가지고 있습니다. 많은 기업들이 Pinterest의 기술을 벤치마크하고 있겠지만, 더보기…