임베딩부터 트랜스포머까지: 내적으로 이해하는 추천시스템의 수학
오늘은 샘
무료
중급이상 / attention-model, factorization, iframes, recommender-systems, transformer
New
New
영화 평점 예측이라는 하나의 문제를 통해 PCA, SVD, 행렬분해, 어텐션을 내적의 관점에서 연결합니다. 라이브러리 호출만 하던 사람이 임베딩 숫자의 의미와 트랜스포머의 계산 원리를 스스로 설명할 수 있게 됩니다. 추천시스템의 빈칸을 채우는 모든 과정을 하나의 수식으로 이해하는 여정입니다.
중급이상
attention-model, factorization, iframes














