Building Intelligent Recommender Systems
(지능형 추천 시스템 구축)
-
교육시간
1일 8시간
-
언어
영어
-
기술
CuDF, CuPy, TensorFlow 2, NVIDIA Triton™ Inference Server
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.
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) |
|
| 행렬 기반 추천 시스템 (120분) |
SVD(특이값 분해)로 공동 필터링을 구현합니다.
|
| 휴식 (60분) | |
| 폭넓은 딥 추천 시스템 트레이닝 (120분) |
TensorFlow 2를 사용하여 폭넓은 네트워크를 구축합니다.
|
| 휴식 (15분) | |
| 추천 시스템을 프로덕션에 배포하는 과제 (120분) |
추천 시스템을 프로덕션 환경에 배포합니다.
|
| 최종 복습 (15분) |
|