리디 추천 시스템 Phase 2 – Feature Store 도입기

이 글은 리디의 추천 시스템 고도화를 위해 Feature Store를 도입한 경험을 공유합니다. 개인 맞춤형 추천 시스템의 중요성이 커지는 가운데, 리디는 매달 증가하는 신규 등록 작품 수에 대응하고 사용자에게 최적의 작품을 추천하기 위해 시스템 개선에 나섰습니다.

데이터 파이프라인과 저장소의 효율성을 높이고자 머신러닝 파이프라인 관리에 도움을 주는 Feature Store 프레임워크를 도입하기로 결정했습니다. 글에서는 Feature Store 도입 배경, 과정에서의 도전 과제와 해결 방안, 그리고 이를 통해 얻은 통찰을 다룹니다.