딥 러닝 기반 추천 시스템은 소매, 엔터테인먼트, 헬스케어, 금융 및 기타 산업에서 맞춤형 온라인 경험과 강력한 의사 결정 지원 도구를 뒷받침하는 중요한 요소입니다.
추천 시스템은 수많은 사람들의 선호 사항, 이전 결정 및 기타 특성을 바탕으로 작동합니다. 예를 들어, 추천 시스템은 사람들이 전에 시청한 영화와 사용 언어를 기준으로 좋아하는 영화 장르를 예측할 수 있습니다. 뉴럴 네트워크를 트레이닝해 이런 산더미 같은 데이터를 일반화하고 유사한 개인이나 상황에 대해 특정한 추천을 신속하게 제공하는 데에는 막대한 양의 컴퓨팅이 필요합니다. GPU는 이러한 컴퓨팅 작업을 대폭 가속화할 수 있습니다. 보다 만족스러운 사용자 경험, 고객과의 더욱 더 돈독한 교류를 제공하고 향상된 정보를 토대로 의사 결정을 제공할 방법을 모색 중인 조직에서는 적절하게 설계되고 트레이닝된 추천 시스템을 적용해 엄청난 가치를 실현할 수 있습니다.
이 워크숍에서는 매우 효과적인 추천 시스템을 구축하기 위한 기본 도구와 기술뿐 아니라 실시간 추천을 위해 GPU 가속화 솔루션을 배포하는 방법도 다룹니다.
학습 목표
이 워크숍에 참여함으로써 다음을 수행하는 방법을 학습할 수 있습니다.
- 오픈소스 cuDF 라이브러리 및 Apache Arrow를 사용하여 콘텐츠 기반 추천 시스템 구축
- ALS(교대 최소 제곱) 및 CuPy를 사용하여 공동 필터링 추천 시스템 구성
- TensorFlow 2로 폭넓은 딥 뉴럴 네트워크를 설계하여 하이브리드 추천 시스템 구축
- 대규모의 희소 데이터세트를 사용하여 트레이닝과 추론 성능 최적화
- 추천 시스템 모델을 고성능 웹 서비스로 배포
워크숍 데이터시트 다운로드 (PDF 79.8 KB)