왓챠

RSS

게시글: 48
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

AI
1년차 주니어가 추천 시스템 현장에서 마주한 고민
1년차 주니어 개발자가 왓챠에서 추천 시스템 현장을 경험하며 마주한 고민들을 공유하는 글입니다. 추천 시스템 분야에 매력을 느껴 왓챠에 합류했지만, 논문이나 멈춰있는 데이터만 다룰 때와 달리 실제 서비스 환경에서는 데이터셋의 정의와 선별, AB 테스트의 중요성, 모델이 트렌드를 반영하도록 하는 방법 등 다양한 현실적인 문제에 직면했음을 이야기합니다. 특히 시청 기록을 어떻게 데이터셋으로 정의하고 활용할지에 대한 고민과, 모든 결정이 AB 테스트로 귀결되는 상황 속에서 모델 개선을 위한 접근 방식 등을 다루며, 추천 시스템 실무의 복잡성과 깊이를 보여줍니다.
추천 시스템머신러닝데이터셋
왓챠·2021년 4월 14일
AI
GNN 소개 — 기초부터 논문까지
본 글은 그래프 신경망(GNN)에 대한 소개를 다룹니다. GNN은 그래프 구조의 데이터를 처리하는 데 특화된 딥러닝 모델로, 소셜 네트워크 분석, 추천 시스템, 분자 구조 예측 등 다양한 분야에서 활용됩니다. 글에서는 GNN의 기본적인 개념부터 시작하여, 주요 GNN 모델들의 작동 방식과 특징을 설명합니다. 또한, GNN 관련 최신 연구 동향과 주요 논문들을 소개하며, GNN의 발전 방향과 잠재력에 대해 논의합니다. GNN의 수학적 원리를 이해하고 실제 적용 사례를 살펴보면서, 독자들이 GNN에 대한 깊이 있는 지식을 얻고 관련 연구에 참여할 수 있도록 돕는 것을 목표로 합니다.
GNN그래프 신경망머신러닝
왓챠·2020년 4월 18일
AI
그래프 임베딩 요약
이 글은 Primož Godec의 'Graph Embeddings — The Summary'를 번역한 글로, 그래프 임베딩의 개념, 필요성, 도전 과제 및 주요 방법론을 소개합니다. 그래프는 소셜 네트워크, 생물학, 통신망 등 다양한 분야에서 활용되며, 그래프 임베딩은 이러한 그래프 구조를 저차원 벡터 공간으로 표현하여 머신러닝 모델이 이해하고 활용할 수 있도록 돕습니다. DeepWalk, Node2vec, SDNE, Graph2vec 등 다양한 그래프 임베딩 기법들을 설명하며, 특히 그래프 구조를 벡터로 변환하는 과정과 그 활용 가능성에 초점을 맞춥니다. 그래프 임베딩 공부를 시작하는 입문자나 다른 분야 전문가들에게 유용한 정보를 제공합니다.
그래프 임베딩Graph EmbeddingDeepWalk
왓챠·2020년 1월 29일
AI
왓챠에서 R&D연구원이 하는 일
왓챠 R&D 연구원이 학생 대상 잡지 인터뷰를 통해 추천 알고리즘 업무를 소개하는 글입니다. 연구원은 카이스트 수학과 그래프 이론 전공 후 삼성SDS에서 AI 기반 분석 플랫폼 개발 경험을 쌓았으며, 왓챠에서는 다양한 종류의 데이터를 다루는 머신러닝 및 추천 알고리즘 연구 개발 업무를 수행하고 있습니다. 이 글은 인터뷰에서 다루지 못한 내용을 블로그에 옮겨, 왓챠의 R&D 직무와 추천 시스템에 대한 이해를 높이고자 합니다.
추천 알고리즘머신러닝그래프 이론
왓챠·2019년 12월 28일
AI
머신러닝 부적절 텍스트 분류: 실전편
왓챠는 "취향 존중의 원칙"을 지키기 위해 부적절한 텍스트를 분류하는 머신러닝 프로젝트를 진행했습니다. 수천 개의 코멘트가 작성되는 서비스 특성상, 유저 신고에만 의존하는 것은 한계가 있었습니다. 이 글은 머신러닝 기반 부적절 텍스트 자동 분류를 위한 실전 가이드로, 참고 자료가 부족한 상황에서 데이터셋 구축, 전처리, 모델링, 평가의 4가지 단계를 상세히 공유합니다. 특히 Character-level CNN과 같은 기술을 활용하여 실제 서비스에 적용 가능한 수준의 모델 성능을 확보하는 과정을 다룹니다.
머신러닝텍스트 분류자연어 처리
왓챠·2019년 10월 28일