1. 넷플릭스부터 유튜브까지, 추천서비스의 역사 "오늘도 알 수 없는 유튜브 알고리즘이 나를 여기로 이끌었다" 유튜브에서 가장 자주 볼 수 있는 댓글입니다. 그만큼 유튜브의 추천 알고리즘은 사람의 마음을 읽는다고 해도 과언이 아니죠 실제로 유튜브는 서비스 대부분이 추천으로 구성되어 있습니다. 홈 화면도 추천이고 영상을 보고 나면 바로 밑에 나오는 관련 동영상도 모두 추천이죠. 통계에 따르면, 유튜브에서 사람들이 보는 영상 중 70%는 알고리즘이 추천한 영상이라고 합니다. 사실 추천 알고리즘을 얘기할 때 유튜브보다도 넷플릭스를 얘기안할 수가 없습니다. 심지어 넷플릭스는 스트리밍 서비스를 시작하기도 전, DVD를 우편으로 배달하던 시절인 2006년부터 그 유명한 넷플릭스 프라이즈를 개최하죠 한 편의 영화를 ..
1. motivation 상품을 추천하고자하는 사용자가 x일때, x와 유사한 취향을 가지는 여러 사용자들을 찾는다. 이 유사한 취향을 가지는 여러 사용자들이 선호한 상품들을 찾는다. 이 상품들을 x에게 추천하고자 하는 방법이 협업 필터링이다. 2. idea 유사한 취향의 사용자들을 찾는 것이 핵심인데 어떻게 찾아야 할까? 위와 같은 상황을 상상해보자. 평점이 입력되지 않는 경우도 존재한다. 그리고 한눈에 보면 지수와 제니는 취향이 비슷하고 제니와 로제는 취향이 서로 반대된다. 지표로 어떻게 나타내냐? 평점간 상관계수로 두 사람의 취향의 유사도를 구하는 것이다. 공동 구매한 상품을 가정하고 있는데 2명중 평점을 1명만 제시한 경우 그 상품은 상관계수 계산에 제외하겠다는 것이다. 당연하지만 분자를 보면 같은..
1. 아마존 알렉사, 스마트 스피커의 시대를 열다 첫 음성인식 비서는 애플의 시리였지만, 스마트 스피커라는 카테고리를 처음 만든 회사는 아마존입니다. 원래 제품명은 '플래시'라는 이름의 원통형 스피커였다고 합니다. 그러나 마지막에 에코라는 이름으로 바꾸었고 2014년 세계 최초의 스마트 스피커를 세상에 내놓았죠 오늘날 에코는 전 세계에 1억 대가 넘게 팔린 베스트셀러이며, 미국 시장조사 기업 이마케터가 조사한 바에 따르면, 미국 가정에 있는 스마트 스피커의 약 70%가 에코라고 합니다 에코를 부르는 호출어가 처음에는 '아마존'이었다고 합니다. 제프 베이조스는 제품 개발 막바지까지 아마존을 고집했으나 엔지니어들은 아마존이라는 단어가 일상 대화에서 너무 흔하게 나오지 않을까 걱정했습니다 아마존은 이미 세상에..
1. motivation 태어날 때 50조개의 neuron이 있는데 1년 뒤에는 1000조개의 neuron이 있다고함 이제 어른이 되면서 자주 쓰는 neuron은 보존하면서 자주 쓰지 않는 neuron은 없어지면서 500조개로 줄어든다고함 비슷한 원리로 막 설계한 machine learning model을 training하면서 complexity를 늘려가는데 자주쓰는 parameter는 살리고 자주 쓰지 않는 parameter는 제거 중요한 parameter는 살리고 중요하지 않은 parameter는 제거하는 기법 neural network뿐만 아니라 decision tree에서도 주로 사용해왔다 2. pruning을 왜 하는가? network의 parameter를 잘라내니까 복잡도가 감소함 복잡도가 감..
1. 인공지능 비서의 탄생 "헤이 카카오, 오늘 비 와?" "네, 오늘 역삼동 날씨는 흐리고 오후에 비가 오겠어요. 나가실 때 꼭 우산을 챙겨 가세요." 이제는 스마트 스피커와 대화하는 게 낯설지 않죠. 2011년 애플은 음성 비서 시리를, 2014년 아마존은 스마트 스피커 에코를 출시했습니다. 에코의 음성 비서 알렉사는 이제 7만개가 넘는 기능을 갖춘 엄청난 플랫폼이 됐습니다. 뒤이어 마이크로소프트가 코타나를 출시했고 2016년에는 구글이 구글 어시스턴트를 출시하며 경쟁에 뛰어들었습니다. 우리나라도 열기가 뜨겁습니다. 2016년 skt는 음성인식 서비스이자 스피커 NUGU를 국내에서 가장 먼저 만들었습니다. 뒤이어 네이버가 2017년에 클로바를 출시했고, 카카오도 이에 뒤질세라 2017년 여름 카카오 ..
1. 유사도 점수만으로 검색 결과를 내놓을까 지금까지 랭킹을 이해하기 위해 꽤 기나긴 과정을 거쳤습니다. 점수를 구하려 계산하다 보니 수학을 많이 사용했습니다. 좋은 랭킹 공식을 만들기 위해 좋은 알고리즘을 사용하는 것과 함께 수학 실력도 매우 중요합니다. 랭킹의 결과는 최종적으로 사용자에게 노출된다는 점에서 검색엔진 기술의 꽃이라고 할 수 있습니다. 그렇다면 검색엔진은 최종 순위를 어떻게 정할까요? 직전에 살펴본 유사도 점수가 순위를 결정하는 중요한 요인이긴 하지만 유사도 점수만 높다고 항상 1등이 되진 않습니다 철인 3종 경기에서 마라톤이 가장 중요하다 해도 결국은 수영, 사이클, 마라톤 세 종목의 모든 시간을 합산하여 1등을 정하는 것과 유사하죠 마찬가지로 지금까지 살펴본 최신, 품질, 유사도에 더..
딥러닝/머신러닝, 통계학, IT프로그래밍, 알고리즘을 좋아하는 사람 https://github.com/yundaehyuck
