조쉬의 탐구생활 조쉬의 탐구생활

안녕하세요 조쉬입니다! 이번 글에서는 추천시스템의 개요를 설명하겠습니다. 추천시스템 서적의 요약본이며 공부한 내용을 정리하였습니다. 개요 neighborhood model이 베이스 모델로 사용 사용자와 아이템 사이에 의존성이 존재 collaborative filtering으로 발전 추천 시스템의 기본 모델 (1) 사용자 - 아이템 간의 조합에 대한 평가값을 예측 (2) 특정 사용자에게 노출할 상위 n개의 아이템을 선택 (랭킹) 보통 (1)을 통해 (2)를 생성 운영 기술적 목표 관련성 사용자와 관련 있는 아이템을 추천 흥미를 느끼는 아이템을 더 많이 소비할 가능성이 있음 참신성 사용자가 이전에 보지 못했던 아이템을 추천 인기 있는 상품의 반복적인 추천은 다양한 구매 기회를 저하 시킴 의외성 잠재적 관심을..

안녕하세요... 밀린 숙제처럼 포스팅을 올리는 조쉬입니다. 방학도 없는 삶을 살고 있는데 방학숙제는 있는 느낌이네요. 새삼 인생 손해 보는 느낌입니다(?) 오늘은 광화문에 위치한 포시즌스 호텔 후기입니다. 사진을 뒤지다 보니 호텔 전경을 찍은 게 없어서 호텔 사이트로 대체합니다;; 2022년 아직도 실내 마스크 쓰기가 풀리지 않았다 미래 인류여... 그래서 호텔에 가면 마스크를 준다(더 달라). 슬리퍼 두 짝이 똑같아요~(?) 객실은 기본에서 업그레이드 한 친구였습니다. 안에 소파도 있고 업무를 할 수 있는 조그만 책상과 침대 그리고 티비가 있었습니다.(크롬 케스트 되는 듯?) 충격적인 건 화장실 세면대에도 화면이 있고 욕조 앞에도 화면이 있습니다.(빅브라더 이스 워칭 유 😎) 화장실은 제외한 객실 전체..

안녕하세요. 오래간만에 돌아온 조쉬입니다. 현생에 치여 블로그 관리를 소홀히 하여 쓸게 쌓여만 가고 있는데요... 천천히 풀어보도록 하겠습니다. 오늘은 우이동에 있는 파라스파라 서울에 다녀온 후기입니다. 프라나 오너 (뭔가 회원권인 듯?) 혜택을 가지고 리조트를 다녀왔습니다. 물론 제가 있는 건 아니고 회사에서 다녀오게 해 줘서 다녀왔습니다(회사 감사요) 차 타고 쭉 들어오다 보면 다음과 같이 호텔, 리조트 체크인 장소가 나오게 되는데요. 리조트로 가시는 분들은 여기 1층에서 좌측으로 가시면 프라나 오너 체크인 장소가 있습니다. 차량은 무조건 이 건물 우측에 보이는 테슬라 충전기 있는 주차장에 주차하는 게 좋습니다. 여기 입구가 달팽이 껍데기처럼 주차장으로 들어가면 비좁고 습습하지만 밝은 분위기의 주차장..

안녕하세요 조쉬입니다. 이번에 기회가 되어 전부터 가보고 싶었던 파크 로쉬 리조트&웰니스에 방문을 하게 되었습니다. 이곳은 평창 올림픽 당시 알파인 스키 경기장 및 선수 숙소로 사용되었으나 지금은 리조트로만 활용을 하며 스키 코스는 미운 영하고 있었습니다. 스키 코스 자체가 산을 깎아 만든 것이니 산 정상까지 등산 코스로 활용을 하는 것은 어떤가...라는 생각을 보면서 했습니다. 너무 추울 때 도착해서 그런지 차를 안에다가 주차시켜야겠다는 일념 하에 반지하 주차장(?)으로 들어갔으나 늦게 도착해서인지 자리가 꽉 차있었습니다. 그래서 건물 외부에 도로변에 우선 주차를 시키고 나중에 안으로 들여보내야지 생각하며 체크인을 했습니다. 로비에는 거대한 화로가 있었으며 밤에는 불이 꺼져있었으나 다음날 오전에는 불이..

안녕하세요. 조쉬입니다. 오늘 다뤄볼 내용은 Graph Neural Network입니다. 1. 개요 Graph란 정형 데이터와 비정형 데이터와는 또 다른 형태의 데이터 구조입니다. 주로 개체 사이의 연관성이 중요한 요소로 떠오를 때 고려할만한 구조로서 관계나 상호작용을 분석할 때 쓰이게 됩니다. 대표적인 예시로는 페이스북 유저 간의 관계, 분자 구조 내의 원자 간의 관계 등을 표현하는 구조로 사용이 되고 있습니다. 2. 데이터 특성 Graph는 데이터 구조상 Node와 Edge의 두 가지 요소를 포함하게 됩니다. Node는 개체의 특성을 대표하고 Edge는 개체 간의 연결성을 나타냅니다. Graph는 주로 G = (V, E)라고 정의가 됩니다. 여기서 V는 Node, E는 Edge에 관한 정보입니다. 보..

오늘은 집에서 간단하게 해 먹을 수 있는 대패삼겹살 숙주 볶음에 대해 알아보겠습니다. 재료 우선 1인분(?) 재료로는 대패 삼겹살 300g 숙주 gs25산 한 봉지(대략 2~300g?) 마늘 4개 이상 소금 굴소스 치킨스톡 간장 크러쉬드 페퍼 큐민(살짝) 후추 재료 손질 재료 손질은 간단하게 마늘만 편으로 썰어 줍니다. 기호에 따라서 다진마늘로 만들어 버리거나 통마늘을 사용하여도 무관하나 볶는 시간이 좀 있기 때문에 마늘의 형태를 어느 정도 유지하면서 향을 적당히 내고 싶다 하시면 편 마늘을 추천드립니다. 대패삼겹살을 썼기 때문에 추가적인 전처리 과정은 생략하였으나 기호에 따라 양념에 잠시 휴식을 취하게하는 방법도 있습니다. 숙주는 채에 받쳐서 물로 한번 휘리릭 샤워시켜줍니다. 중요한 일이 있을 때는 한..

안녕하세요 조쉬입니다. 오늘 리뷰할 주제는 TFT입니다! (teamfight tactics 아닙니다;;) 이전 포스팅인 TabNet의 저자들과 Oxford 대학 연구진이 공동 개발한 multi-horizeon forecasting 알고리즘으로 pytorch forecasting docs에 사용법이 자세하게 기술되어 있습니다. 오늘은 그 알고리즘의 사상과 구조 그리고 사용법에 대해 간단하게 알아보겠습니다. 1. 개요 기존의 시계열 알고리즘은 time window를 설정하여 이전 시점의 패턴을 input으로 받고 이후 시점을 예측하는 구조로 이루어져 있습니다. 여기서 예측하는 시점은 바로 다음 시점일 수도 아니면 이후 여러 시점 일 수도 있습니다. 하지만 시계열 알고리즘의 치명적인 단점이라 하면 예측 시점의..

안녕하세요 조쉬입니다. 오늘 리뷰할 내용은 정형 데이터를 딥러닝으로 풀이하는 SOTA 알고리즘인 TabNet입니다. 보통 딥러닝 네트워크가 활용되는 데이터들은 주로 텍스트, 이미지, 음성 등 비정형 데이터입니다. NLP, OCR 등의 task를 생각하면 바로 떠오르는 딥러닝 아키텍처들이 있을 것이라 생각합니다. 하지만 정형 데이터를 다룰 때 네트워크를 사용한다면 어떻게 대응을 해야 하는가... 는 쉽게 생각이 나지 않으실 것 같습니다. 정형 데이터는 보통 lightgbm, xgboost 등 decision tree 기반의 아키텍처를 사용하여 진행하는 것이 일반적이기 때문일 것입니다. 하지만 최근에 나온 TabNet은 decision tree-based gradient boosting을 녹여낸 네트워크 모..