<aside> 💡 🛒온라인 쇼핑, 🍗맛집, 🎶음악, 🎥영화, 📺콘텐츠 등 여러 비즈니스가 살아있는 한 없어지지 않을 추천 시스템의 기초부터 심화과정까지 함께 공부하고자 합니다.
</aside>
<aside> 💡 추천 시스템 관련해서는 자료가 많지 않습니다. 이번 스터디를 통해 어디에 공유해도 부끄럽지 않을만한 자료를 함께 만들고자 합니다.
</aside>
<aside> 🔍 현명한 사람은 그가 찾은 것보다 더 많은 기회를 만들 것이다 - 프랜시스 베이컨 (Francis Bacon)
</aside>
😍 가짜연구소 소개
🧪 **가짜연구소 Github** 🎥 가짜연구소 Youtube
🧪 가짜연구소 LinkedIn 🧪 **가짜연구소** Facebook
<aside> 📢 스터디는 종료되었습니다! 다들 고생하셨습니다!~
</aside>
첫 모임(왼쪽), 마지막 모임(오른쪽)
Introduction to Recommendation system
Collaborative filtering
Content based recommendation
Paper: Collaborative Filtering for Implicit Feedback Datasets
Deview: 쿠팡 추천 시스템 2년간의 변천사 - 오성민(Coupang Recommendation Tech Lead)
Paper: Item2Vec - Neural Item embedding for Collaborative Filtering
Paper: Field-aware Factorization Machines for CTR Prediction
Deview: 추천시스템 3.0 - 딥러닝 후기시대에서 바이어스, 그래프, 그리고 인과관계의 중요성 - 김경민(Naver 클로바 리더)
Paper: DeepFm - A Factorization Machine based Neural Network for CTR Prediction