소비자들의 책 구매 결정에 대한 도움을 주기 위한 개인화된 상품 추천 대회
일반적으로 책 한 권은 원고지 기준 800~1000매 정도 되는 분량을 가지고 있습니다.
뉴스기사나 짧은 러닝 타임의 동영상처럼 간결하게 콘텐츠를 즐길 수 있는 ‘숏폼 콘텐츠’는 소비자들이 부담 없이 쉽게 선택할 수 있지만, 책 한권을 모두 읽기 위해서는 보다 긴 물리적인 시간이 필요합니다. 또한 소비자 입장에서는 제목, 저자, 표지, 카테고리 등 한정된 정보로 각자가 콘텐츠를 유추하고 구매 유무를 결정해야 하기 때문에 상대적으로 선택에 더욱 신중을 가하게 됩니다.
책과 관련된 정보와 소비자의 정보, 그리고 소비자가 실제로 부여한 평점, 총 3가지의 데이터 셋(users.csv, books.csv, train_ratings.csv)을 활용하여 이번 대회에서는 각 사용자가 주어진 책에 대해 얼마나 평점을 부여할지에 대해 예측하게 됩니다.
네이버 부스트캠프 AI Tech 6기 Level 1 Recsys 2조 투머치인포 입니다.
💡 투머치인포TooMuchInfo의 의미
추천 시스템 2조(Two) + 많은 데이터에서 사용자에게 필요한 정보를 추천하겠다는 포부 ( CLOVA X 의 도움을 받아 작성 😊 )
| 김창영 | 신상우 | 이주연 | 이진민 | 조성홍 |
|---|---|---|---|---|
 |
 |
 |
 |
 |
| Github | Github | Github | Github | Github |
개발자스럽게 깃헙 사용하기
- 커밋 메세지 컨벤션 유다시티 스타일
- 1이슈 1브랜치 1머지
- 매일 진행 목표 정해서 관리
- 데일리 스크럼/피어세션때 PR코드 리뷰 후 병합
모델 학습 및 제출 모델
- 개인별 관심 모델 구현 후 공유
- 개인별 SOTA 모델 기준 가능한 조합 앙상블
제출 방식
- 인당 2회 + 11:20PM 이후 남는 경우 선착순
- OS: Linux-5.4.0-99-generic-x86_64-with-glibc2.31
- GPU: Tesla V100-SXM2-32GB * 5
- CPU cores: 8
├── data # 데이터...
├── ensemble.py # ...
├── evaluation.py
├── log
├── main.py
├── notebooks
├── requirement.txt
├── saved_models
├── src
│ ├── __init__.py
│ ├── data
│ ├── ensembles
│ ├── ml_config
│ ├── models
│ ├── train
│ └── utils.py
├── submit
├── sweep
└── wandb