이용혁
메가존 클라우드
EM 기반의 SoftImpute 알고리즘을 활용한 추천 알고리즘 적용 사례
Large Matrix comletion을 해결하기 위한 이론적인 접근이 SVD를 적용하는 것이라면, 알고리즘의 관점에서 빠르게 converge하는 방법론으로 제시된 것이 SoftImpute알고리즘입니다. 개인화추천 영역에서 추정되어야 하는 matrix의 양이 점점 커져가는 환경에서 SoftImpute알고리즘이 빠른 속도와 수렴성의 측면에서 효율적인 방법론으로 제시될 수 있을 것입니다. 본 발표에서는 실제 추천 영역에서 희박성(sparcity)과 낮은 계수(row rank) 특성을 가정한 데이터를 바탕으로 알고리즘의 성능을 속도와 정확도의 측면에서 다른 알고리즘과 비교하는데 목적을 두었습니다. SoftImpute 패키지에 포함된 몇 가지 다른 옵션 또한 소개할 것입니다.
패키지문서와 비넷은 다음을 참조하실 수 있습니다.
- 패키지 문서 – https://cran.r-project.org/
web/packages/softImpute/ softImpute.pdf , - 비넷 – https://web.stanford.edu/~
hastie/swData/softImpute/ vignette.html
발표자 소개
카이스트에서 금융공학을 전공하였습니다. 쉽게 데이터를 확보할 수 있었던 금융 도메인 특성상 Big Data 환경에서의 알고리즘 적용에 관심을 가질 수 있었습니다. 금융 도메인에서 활용되는 알고리즘이 개인화추천 영역이나 경영예측 분야 등 다른 도메인에서도 동일하게 적용이 가능하다는 것을 알게 된 이후로 더 많은 데이터 형태에 알고리즘을 적용해보고자 현재 메가존클라우드에서 데이터사이언티스트로 근무하고 있습니다.