Elevation

학습 데이터 가공기본적인 토대를 짠 이후에 추천 시스템에 대해 생각해 보았다. 고전적인 ML 기반의 추천 시스템은 크게 2가지로 나뉜다. Content-based Filtering: 사용자의 과거 선호 아이템들을 분석해, 유사도가 높은 다른 아이템 추천.Collaborative Filtering: 사용자와 성향이 비슷한 다른 사용자들이 선호한 아이템 추천. Content-based Filtering은 새로운 성향의 아이템을 추천해 주기 어렵다는 문제가 있기 때문에, 트리 구조를 갖는 체스 오프닝의 경우에는 기존 오프닝의 상위/하위 오프닝들만 추천해 줄 가능성이 높다고 생각해 Collaborative Filtering을 사용하기로 결정했다. Collaborative Filtering의 가장 큰 문제는 co..

최근 머신러닝 공부를 위해 미니 프로젝트로 포트폴리오 웹사이트를 만들어 보고 있다. 오랜만에 진행하는 개인 프로젝트이기도 하고 개발 실력을 좀 기르고 싶어서 프로젝트 메뉴를 만들고, 각 메뉴를 클릭하면 각각의 서브 페이지로 이동하는 방식으로 규모를 좀 키워서 작업하고 있다. 프론트로는 예전에 몇번 다뤄본 react를 사용했고 백엔드는 처음 써보는 fastapi를 이용했다. LLM이 없던 시절에 비하면 확실히 새로운 것을 배우기가 엄청 편해진 것 같다. MNIST 숫자 예측 기능은 테스트용으로 넣어봤고, 처음으로 떠올린 프로젝트는 체스 오프닝 추천이었다. 개발 과정에서 공부한 것들과 느낀 점들을 가볍게 정리해 보고자 한다. 데이터 수집체스 오프닝 데이터는 내가 다뤄본 데이터 중 가장 까다로운 유형의 데..