AirSPACE

AirSPACE?

AirSPACE는 사용자 위치/취향에 기반한 개인화된 POI(Point-of-Interest, 장소) 추천 서비스를 개발하고, 추천을 위한 유저/지역/POI 데이터 분석 및 모델링을 개발합니다.

주요 연구개발 분야
- CF / MF / GNN / MAB 등 개인화 추천 알고리즘 연구 및 고도화
- MLOps 기반의 ML 서비스 개발
- 온/오프라인에서의 이용자 검색/리뷰/구매 등 행위 분석을 통한 User Modeling (Embedding)
- 온/오프라인 장소별 이용자 로그를 통한 POI & Region Modeling (Embedding)
주요 연구개발 실적
- Deview 2016, "딥러닝을 이용한 지역 컨텍스트 검색"
- AI Colloquium 2018, "Location based Recommendation"
- AI Colloquium 2019, "Smart Around : from embedding to POI recommendation"
- Deview 2020, "당신 취향의 맛집을 추천해드립니다 : 장소 개인화 추천 시스템의 비밀 (Collaborative Filtering Meets the Item Embedding)"
- AI Colloquium 2021, "Understanding POI: from Context to Embedding

AirSPACE 팀 기술 스택
- Data Engineering : Python, Scala, Spark, MapReduce, Hive, Jupyter Notebook, Zepplin
- AI Modeling : Pytorch, Tensorflow
- Model Serving : Elastic Search 등 Search Engine, FAISS, Flask
- Workflow : k8s, docker, airflow, kubeflow
ML Engineer 우대사항
- 통계 기반 지식을 바탕으로 한 데이터 분석 또는 AI/ML 경험을 소유하신 분
- CF, MF, 강화학습 등 추천 모델링 경험 또는 지식을 보유하신 분
- CNN, GANs, RNN/LSTM, GNN 등 딥러닝 관련 경험과 지식을 보유하신 분
- POI, 사용자 위치 데이터를 활용한 데이터 처리 또는 모델링 경험이 있으신 분
Back-end Engineer 우대사항
- Spark, MapReduce 등 대규모 데이터 분산처리 경험이 있으신 분
- k8s, docker 등 클러스터 및 컨테이너 개발 환경에 대한 지식이 있으신 분
- 머신러닝/딥러닝 모델을 서빙하거나 AI 모델에 대한 지식이 있으신 분
모든 것을 뛰어넘을 단 하나의 필수 요구역량
- 맛집과 같은 개인화 장소 추천 서비스를 내 손으로 만들어보고 싶은 의지가 활활 타오르시는 분은 누구든 환영합니다.

Last updated 2 years ago