헤매어도 한 걸음씩

지난 3월 29일, 한빛미디어에서 열린 '가짜연구소 인과추론팀 2025 Meetup for Product & Data'에 다녀왔습니다. 요즘 인과추론-데이터분석에 관심이 많아 기대하고 갔던 행사인데요, 세션별로 주제가 명확했고 또 실무 사례를 통해 발표자분들이 실제 업무에서 인과추론을 어떻게 바라보고 활용하는지, 그 과정에서의 고민과 각자의 관점을 들을 수 있어 의미 있는 시간이었습니다. 밋업에선 데이터, 인과추론(Causal Inference) 을 주제로 총 5개의 세미나가 진행됐고, 그 중 개인적으로 기억에 남는 2개 세션을 간단히 정리했습니다. 1. Causal Inference with CausalML 발표 자료 : 🔗 첫 번째 세션은 하이브IM 박이삭님의 발표로, 게임업계에서의 인과추론 적용 ..

논문 링크 : https://arxiv.org/abs/2202.13090?utm_source=chatgpt.com소스 코드 : https://github.com/tsinghua-fib-lab/clsr   최근 음악 스트리밍 서비스인 Spotify 를 처음 사용하게 되었는데요, 상황에 따라 달라지는 제 노래 취향을 반영한 추천 음악🎵 을 들으면서 Spotify 의 추천 알고리즘에 관심을 갖게 되었습니다. 저뿐만 아니라 많은 사용자들이 산책할 때, 업무 중일 때, 출퇴근길 등등 다양한 상황에서 서로 다른 음악을 듣는다는 점에서 이러한 상황 기반의 취향 변화를 추천 모델이 어떻게 학습하는지가 궁금해졌습니다. 해서 읽게 된 논문이 Variational User Modeling with Slow and Fast..

최근 Causal Recommendation: Progresses and Future Directions 를 읽다가 추천 시스템에서 사용자의 진짜 관심(Interest)과 사회적 동조(Conformity= 즉 가짜 관심)를 분리하는 흥미로운 방법론인 DICE(Disentangling Interest and Conformity Embedding) 를 알게되어 관련 내용을 간단히 정리했습니다.  추천 시스템에서 인과 모델링을 할 때 체인(Chain), 교란(Confounding), 충돌(Colliding)이라는 세 가지 기본 인과 구조가 활용되는데, DICE는 그중에서도 충돌 구조의 특성 활용합니다. 충돌 구조란 두 독립적인 변수 X₁과 X₂가 모두 Z에 영향을 주는 형태(X₁→Z←X₂)로, Z를 조건부로 ..

구독 중인 뉴스레터를 통해 Torque Clustering 알고리즘을 알게 되어, 관련 자료 및 논문을 읽고 정리한 글 입니다. 해당 뉴스레터 : 물리학의 원리로 푸는 AI의 미래 - 사람의 개입이 없는 완전 자율 학습 모델의 발견논문 : Autonomous clustering by fast find of mass and distance peaks  물리학의 원리로 푸는 AI의 미래 - 사람의 개입이 없는 완전 자율 학습 모델의 발견AI 혁신의 새 장! 호주 UTS 연구팀의 ‘Torque Clustering’ 알고리즘이 자율 학습의 한계를 뛰어넘습니다. 우주의 물리 원리를 AI에 접목해 97.7% 정확도를 기록한 이 혁신 기술을 지금 확인하세요!news.aikoreacommunity.com  Cluste..

Amazon Bedrock을 사용하여 Claude 3.5 Sonnet/Haiku를 호출하는 과정에서 ValidationException 오류가 발생했습니다. 단순한 InvokeModel 에러처럼 보이지만, Cross-Region Inference 설정과 관련된 문제였습니다. 이 문제는 Cross-Region을 지원하는 모든 모델에 적용될 수 있으므로, Amazon Bedrock을 활용하는 분들에게 참고가 되길 바랍니다!! 문제 해결을 위해선 섹션만 확인하시면 됩니다. 1. 발생한 오류 Amazon Bedrock 의 InvokeModel API 를 호출할 때 아래와 같은 ValidationException 에러가 발생할 수 있습니다.ERROR:__main__:Query error: An error occ..