딥러닝(Deep Learning)56 [SKT AI 커리큘럼] 추천시스템 - 6. Collaborative Filtering - Memory based SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 6. 추천 기술 : ③ Collaborative Filtering - Memory based Collaborative Filtering - 나뿐만 아니라 서비스를 사용하는 다른 사람들의 피드백을 활용하는 방법 - Memory based, Model based 의 방법이 존재 Memory Based (User-User CF) - 어떤 사용자의 상품에 대한 정보가 없다면, 해당 사용자와 가장 유사한 다른 사용자들을 찾고 그 사용자들의 점수를 이용하여 알고자 하는 사용자의 rating 값을 구하는 것! - 이 때 구한 값은 사용자별 점수를 주는 정도의 차이가 있기 때문에 평균값을 이용해.. 2022. 12. 24. [SKT AI 커리큘럼] 추천시스템 - 5. Collaborative Filtering SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 5. 추천 기술 : ② Collaborative Filtering - 나뿐만 아니라 다른 소비자들이 이 아이템과 어떻게 Interaction하는지에 대한 정보를 중요하게 사용 사용자의 Feedback(Ratings)을 활용 1. Explicit Feedback : 사용자가 서비스를 사용한 뒤 명시적으로 표현 - 사용자가 명확한 시그널을 보내기 때문에 Valuable하다 - 추천을 위한 강력한 clue가 됨 - 획득이 어려움 ( Rating Matrix를 채우기 어렵 ) ex) 별점 or 평점을 남김 2. Implicit Feedback : 사용자의 의도와는 관계없이 제공받은 서비스.. 2022. 12. 21. 딥러닝 단어장 (계속 추가) 1. 퍼셉트론이란? : 다수의 신호를 입력받아 하나의 신호를 출력하는 알고리즘 2. MLP(Multi Layer Perceptron)란? : 퍼셉트론으로 이루어진 레이어를 쌓아 올린 형태로 구성되어 있는 모델 3. 역전파(Backpropagation)란? : 계산한 output과 정답 사이의 차이를 계산하여 MLP의 parameter를 update하는 과정 4. 활성함수(Activation Function)을 사용하는 이유는? : 선형 연산의 결과에 비선형성을 더해주기 위하여 5. 손실함수(Loss Function)란? : 신경망이 학습할 수 있도록 해주는 지표로 모델의 출력 값과 정답과의 차이(오차)를 의미한다. 6. 손실함수를 사용하는 이유는? : 미분 가능한 손실함수를 통해 Weight와 Bias를.. 2022. 12. 3. [SKT AI 커리큘럼] 추천시스템 - 4. Contents-based Methods SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 4. 추천 기술 : ① Contents-based Methods - 추천 기술은 Contents-based, Collaborative Filtering, Hybrid 방식 3가지가 존재한다. - 사용자 A가 이전에 사용한 아이템을 기반으로 가장 유사한 아이템을 추천해주는 방식 Item Profile : Item을 표현하는 Feature들의 set ( Item을 가장 잘 표현하는 속성 정보 ) ex. 시놉시스, 장르, 감독, 배우 등등.. - 중요하게 생각하는 특정 feature에 대해서 가중치를 부여할 수 있다. - 일반적으로 Vector 형태로 Representation되고 각각.. 2022. 11. 11. [SKT AI 커리큘럼] 추천시스템 - 1, 2, 3 SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 1. 추천이란? - 추천할 대상과 추천하는 대상에 대한 이해를 하는 과정 (Preference, Decision Making, Discovery) ex) E-commerce, Media Contents - 추천은 검색이 아니다. 검색 (Explicit Request), 추천(Implicit Request) -> 사용자의 의도에서 차이 有 2. 추천 시스템이란? : Systems that Help users Discover items they may Like 사용자가 좋아할지도 모르는 Contents를 뽑는 방법 두가지 (1) Prediction Problem - User의 Pref.. 2022. 11. 2. [X:AI] DeepLAB V1 논문 이해하기 [ 사전 지식 ] Fully Convolutional Networks (FCN) : 기존 이미지 분류에서 성능이 좋은 CNN 기반 모델을 Semantic Segmentation Task를 수행할 수 있도록 변형시킨 모델 구조 1. Convolution Layer를 통해 Feature 추출 2. 1x1 Convolution Layer를 이용해 Feature map의 channel 수를 dataset 객체의 개수와 동일하게 변경 ( Heatmap 추출 ) 3. 낮은 해상도의 Heatmap을 Upsampling 하여 입력 이미지와 같은 크기의 Map을 생성 4. 최종 피처 맵과 라벨 피처 맵의 차이를 이용하여 Network 학습 하지만 FCN Network에서는 입력 이미지가 convolution 과정을 거치.. 2022. 8. 29. 이전 1 2 3 4 5 6 7 8 ··· 10 다음
