- 사용자의 영화 평가 이력을 바탕으로 사용자가 선호할 10개의 영화를 예측
- Ubuntu 18.04.5 LTS
- GPU Tesla V100-PCIE-32GB
- 김건우: 모델 탐색 및 튜닝, 일정 관리
- 김동우: 모델 탐색 및 튜닝, Ensemble
- 박기정: Project Template 설계 및 리드, 모델 튜닝, Ensemble
- 심유정: MLFlow 및 NNI 적용, Project Template 작업, 모델 튜닝
- 이성범: 모델 탐색, 모델 선정 및 분석, Ensemble, Project Template 제작을 위한 모델 모듈화
- 다양한 모델을 실험하고, Model Best Combination Search를 진행하여 최적의 모델 조합을 찾은 후, 모델 별로 가중치를 다르게 두어 re-ranking을 진행함
- 유저 별로 10개의 영화를 random sampling하여, 주어진 Task와 비슷한 validation set을 구축
- validation set에서 성능이 오르면 리더 보드에서도 동일하게 성능이 오르는 것을 확인하여 빠른 속도로 다양한 실험을 진행
- Multinomial Likelihood을 사용하는 AutoEncoder 기반의 모델과 선형 결합으로 item-item similarity 표현하는 EASE 기반 모델의 성능이 좋음
- 추상 클래스를 활용하여 각 코드별 의존성을 낮춤
- MLFlow와 NNI를 적용하여, 효과적이고 효율적인 실험 관리를 진행
- AdmmSLIM, EASER, RecVAE, Multi-DAE, Multi-VAE 모델을 사용하여 Weighted Ensemble을 진행했을 때 가장 좋은 결과를 얻음