2018 02-05 Tensorflow-KR 개발자가경험한기계학습
Download as PPTX, PDF11 likes1,916 views
PLAYERUNKNOWN’S BATTLEGRONDS 배틀그라운드의 Intelligent Service Development 팀입니다. 저희는 글로벌 사용자를 위한 서비스 구축을 진행하고자 합니다. 그리고 해당 서비스를 사용자에 맞게 최적화하는 작업을 기계학습을 통해 진행하고자 하며 많은 관심 부탁드립니다. 저희는 현재 채용을 진행중입니다!
![제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [COLLABO-AZ] : 고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗](https://cdn.slidesharecdn.com/ss_thumbnails/random-240214103130-13fea14b-thumbnail.jpg?width=560&fit=bounds)
![[141]지난 1년간의 웨일 브라우저와 그 미래 (부제: 제품 매니저가 들려주는 생생한 기술/제품 이야기)](https://cdn.slidesharecdn.com/ss_thumbnails/141-181010154133-thumbnail.jpg?width=560&fit=bounds)
More Related Content
Similar to 2018 02-05 Tensorflow-KR 개발자가경험한기계학습 (20)
2018 02-05 Tensorflow-KR 개발자가경험한기계학습
- 1. 개발자가 경험한 기계학습 PLAYERUNKNOWN’S BATTLEGRONDS Intelligent Service Development Hyunjong Lee
- 2. 이력
- 3. 지난 10년간의 경험 메신저 MFC/C++ WinAPI 토픽 모델 LDA C++ MMORPG 서버 데이터분석/기반 생산성향상 C++/C# 추천 푸시 개인화 Python
- 4. 펍지 김창한 대표 "배틀그라운드, 종합 미디어 IP로 키우고 싶다“ 현재
- 5. 추천
- 6. 추천? A recommender system or a recommendation system (sometimes replacing "system" with a synonym such as platform or engine) is a subclass of information filtering system that seeks to predict the "rating" or "preference" that a user would give to an item. Reference https://en.wikipedia.org/wiki/Recommender_system
- 7. Reference 추천? http://www.dustjunky.com/fantastic-recommendation-for-effective-mobile-marketing-campaigns/ 단순히 레이팅 혹은 선호도 예측 (X) 수많은 정보를 가공하여 사용자의 의도를 파악한 후 제한된 공간에 적절히 정보를 보여주는 것
- 8. 왜 추천이 중요한가? 데이터는 기하급수적으로 증가하는데 기기는 갈수록 작아지는 추세
- 9. Reference 수많은 정보 https://www.quora.com/What-is-the-difference-between-content-based-filtering-and-collaborative-filtering/answer/Deepanjan-Majhee?share=1eab0bde&srid=uiUlF Contents-based filtering Collaborative filtering
- 10. Reference 사용자 의도 https://www.kdnuggets.com/2014/07/interview-cliff-lyon-stubhub-recommendation-personalization-analytics.html 개인의 행동/로그를 모두 알 수 있다면 해당 사용자의 의도를 파악하여 서비스에 맞게 고도화 된 개인화 가능 예시) 야구 보는 것만 좋아하는 사용자에겐 > 야구 영상 추천 야구 하는 것을 좋아하는 사용자에겐 > 야구 용품 추천
- 11. Reference 제한된 공간 https://medium.com/firefox-ux/photon-project-on-mobile-9ab3a50870e5 추천 결과의 위치가 상단/중단/하단/오버레이 인지에 따라 추천 스크롤이 상하/좌우 인지에 따라 하나의 추천 아이템이 몇 번째 위치에 있는지에 따라 사용자의 반응이 달라짐
- 12. Reference 평가는 어떻게? https://vwo.com/ab-testing/ 추천 논문은 대부분 오프라인 실험 주로 RMSE 최적화 등을 진행 오프라인 실험과 현실은 차이가 꽤 큼 … 실시간 A/B testing 이 오프라인 실험보다 정확 환경 구축이 오프라인보다 까다로움 평가 기간은 얼마나 가져가야 할까?
- 13. 결론
- 14. Intelligent Service • 사용자를 위한 생태계 구축 및 • 사용자의 의도에 맞는 정보를 찾아내어 • 제한된 공간에 적절히 보여주려 함
- 15. We are hiring! > front < > backend < Scale: 동접 300만이상 > UI/UX < + Machine Learning
- 16. We are hiring! > Text Mining < > Data Modeling <
- 17. We are hiring! • http://bluehole.jobagent.co.kr/jobinfo/jobinfo_view.asp?ID=1473 • http://bluehole.jobagent.co.kr/jobinfo/jobinfo_view.asp?ID=1474 • http://bluehole.jobagent.co.kr/jobinfo/jobinfo_view.asp?ID=1475 • http://bluehole.jobagent.co.kr/jobinfo/jobinfo_view.asp?ID=1478 • http://bluehole.jobagent.co.kr/jobinfo/jobinfo_view.asp?ID=1476