Building Intelligent Recommender Systems
(지능형 추천 시스템 구축)
교육시간
1일 8시간
언어
영어
기술
CuDF, CuPy, TensorFlow 2, NVIDIA Triton™ Inference Server
이미지
교육목적
  • 딥 러닝 기반 추천 시스템은 소매, 엔터테인먼트, 헬스케어, 금융 및 기타 산업에서 맞춤형 온라인 경험과 강력한 의사 결정 지원 도구를 뒷받침하는 중요한 요소입니다.
  • 추천 시스템은 수많은 사람들의 선호 사항, 이전 결정 및 기타 특성을 바탕으로 작동합니다. 예를 들어, 추천 시스템은 사람들이 전에 시청한 영화와 사용 언어를 기준으로 좋아하는 영화 장르를 예측할 수 있습니다. 뉴럴 네트워크를 트레이닝해 이런 산더미 같은 데이터를 일반화하고 유사한 개인이나 상황에 대해 특정한 추천을 신속하게 제공하는 데에는 막대한 양의 컴퓨팅이 필요합니다. GPU는 이러한 컴퓨팅 작업을 대폭 가속화할 수 있습니다. 보다 만족스러운 사용자 경험, 고객과의 더욱 더 돈독한 교류를 제공하고 향상된 정보를 토대로 의사 결정을 제공할 방법을 모색 중인 조직에서는 적절하게 설계되고 트레이닝된 추천 시스템을 적용해 엄청난 가치를 실현할 수 있습니다.
  • 이 교육에서는 매우 효과적인 추천 시스템을 구축하기 위한 기본 도구와 기술뿐 아니라 실시간 추천을 위해 GPU 가속화 솔루션을 배포하는 방법도 다룹니다.
전제조건
  • >

    리스트 내포를 포함한 Python에 대한 중급 지식

  • >

    Python을 사용한 데이터 사이언스 경험

  • >

    NumPy 및 행렬 수학 이해

평가유형
기술 기반 코딩 평가를 실시하여 프로덕션 품질의 추천 파이프라인을 디버깅하고 수정하는 학생의 능력을 평가합니다.
인증서
평가를 성공적으로 완료한 참가자는 관련 분야에 대한 역량을 인정 받고, 전문적 커리어 성장을 지원하는 NVIDIA DLI 인증서를 받게 됩니다.
사전준비 (하드웨어 요구 사항)
최신 버전의 Chrome 또는 Firefox를 실행할 수 있는 데스크톱 또는 노트북을 준비한 참가자에게는 클라우드 상에서 완전하게 구성된 GPU 가속 서버에 접근할 수 있는 전용 권한이 주어집니다.
교육문의하기
학습목표
  • 01

    오픈소스 cuDF 라이브러리 및 Apache Arrow를 사용하여 콘텐츠 기반 추천 시스템 구축
  • 02

    ALS(교대 최소 제곱) 및 CuPy를 사용하여 공동 필터링 추천 시스템 구성
  • 03

    TensorFlow 2로 폭넓은 딥 뉴럴 네트워크를 설계하여 하이브리드 추천 시스템 구축
  • 04

    대규모의 희소 데이터세트를 사용하여 트레이닝과 추론 성능 최적화
  • 05

    추천 시스템 모델을 고성능 웹 서비스로 배포
교육개요
인트로 (15분) · 전문가 강사와 만나기
· courses.nvidia.com/join에서 계정 생성하기
행렬 기반 추천 시스템
(120분)
SVD(특이값 분해)로 공동 필터링을 구현합니다.
· CuPy를 사용하여 GPU에서 희소 데이터 읽기
· NumPy 방송 규칙으로 ALS를 효율적으로 수행하기
· cuDF를 통해 콘텐츠 기반 필터 구축하기
휴식 (60분)
폭넓은 딥 추천 시스템
트레이닝 (120분)
TensorFlow 2를 사용하여 폭넓은 네트워크를 구축합니다.
· Keras를 사용하여 딥 네트워크 구축하기
· TensorFlow 기능 열을 사용하여 폭넓은 네트워크 구축하기
· tf.data로 트레이닝 데이터를 효율적으로 수집하기
· 케이스스터디 1: 추천 시스템 모델 아키텍처의 실제 사례를 확인합니다
휴식 (15분)
추천 시스템을 프로덕션에
배포하는 과제 (120분)
추천 시스템을 프로덕션 환경에 배포합니다.
· 배포를 위해 트레이닝된 모델 구성 획득하기
· 배포용 컨테이너 구축하기
· NVIDIA Triton Inference Server를 사용하여 트레이닝된 모델 배포하기
최종 복습
(15분)
· DLI 기본 환경 컨테이너에서 자체적인 실습 환경을 구축하는 방법 학습하기
· 핵심 내용을 복습하고 질문에 답하기
· 평가를 완료하고 인증서 취득하기
· 워크숍 설문지 작성하기
· 자신만의 AI 애플리케이션 개발 환경을 설정하는 방법 알아보기
· 케이스스터디 2: 규모에 맞는 추천 시스템의 실제 과제를 살펴봅니다