딸깍으로 안되는 Multi-interest 모델 개발기
Multi-interest 추천 모델의 Hubness 원인을 유저 무관 성분과 후보 집합 특성에서 분석했습니다. Centering·bias 분리·다양성 규제로 과노출을 줄이고 평가 체계를 보완했습니다.
#추천시스템#multi-interest#Hubness
3400
딸깍으로 안되는 Multi-interest 모델 개발기

Multi-interest 추천 모델의 Hubness 원인을 유저 무관 성분과 후보 집합 특성에서 분석했습니다. Centering·bias 분리·다양성 규제로 과노출을 줄이고 평가 체계를 보완했습니다.
Slack 대화만으로 CDC 파이프라인 온보딩을 처리하는 AI Agent 사례를 소개했습니다. LangChain/LangGraph와 MCP를 연결해 반복 절차를 자동화한 구성입니다.
KREAM이 Gemini로 전사 해커톤을 열어 AI 협업 방식을 조직 안에서 실험했습니다. 문제 정의와 결과물의 논리성을 중심으로 다양한 프로젝트와 실제 적용 가능성을 확인했습니다.
셀러팀이 ChatGPT와 Cursor로 반복 업무와 데이터 분석을 자동화한 사례를 소개했습니다. 주간 지표 처리와 파일 생성 시간을 크게 줄이며 내부 툴로 확장하고 있습니다.

Two-Tower 모델로 추천시스템의 후보 검색 단계와 학습 방식을 개선한 적용 사례를 다루었습니다. In-Batch Sampled SoftMax, LogQ Correction, ScaNN 활용과 운영 모니터링까지 함께 소개했습니다.

Kubeflow로 추천 시스템의 데이터 수집, 학습, 서빙, 튜닝까지 전체 흐름을 구성한 사례를 소개했습니다. 오프라인 추론 전환과 파이프라인 자동화로 응답 속도와 운영 효율을 개선했습니다.
