# Product Recommendation (AiTEMS)

### AiTEMS 쇼핑추천 플랫폼이란?

![](/files/-MiMHXsijmMViPnsCaS4)

AiTEMS 쇼핑추천 플랫폼은 아래와 같이 크게 4단계로 이루어져 있습니다.\
1\) 데이터 정제 & 확장: 사용자의 취향을 분석하는 사용자 프로파일링과 상품 자체의 추천성 정보를 확장하는 상품 프로파일링 등의 원천 데이터 가공\
2\) AI 모델 연구: 추천 기술의 기본적인 Item2Item / User2Item 등의 AI 모델을 연구 개발하고 있으며, 최근에는 HyperScale AI 기술을 추천 모델에 접목 시도 중\
3\) 서비스 기술 개발: AI 추천모델을 서비스 컨셉 & 목적에 맞게 온라인 평가를 하면서 품질적으로 최적화된 추천기술 개발\
4\) 백엔드 & 서빙 시스템 개발: 개인화 추천데이터 관리 및 서비스 프론트에 추천 결과를 실시간으로 제공하는 추천시스템 개발

### AiTEMS에서 하는 업무는?

1\) 쇼핑추천 AI 기술 연구 & 개발 (AI/ML)

* 사용자/상품 프로파일링 모델 연구 & 개발
* 연관 상품추천 (Item2Item) / 개인화 상품추천 (User2Item) 모델 연구 & 개발
* 개인화 상품검색 리랭킹 모델 연구 & 개발
* HyperScale AI X 쇼핑추천 모델 연구 & 개발

2\) 쇼핑추천 백엔드 & 서빙 시스템 개발 (DE/BE)

* 실시간 사용자/상품 데이터 파이프라인 개발 & 운영
* 개인화추천 데이터관리 시스템 개발 & 운영
* 실시간 AI 모델 서빙 엔진 개발 & 운영
* 개인화추천 API 엔진 개발 & 운영
* 온라인 테스트 시스템 개발 & 운영

### AiTEMS에서 제공하는 서비스는? **@NAVER (2021.08 Updated)**

![](/files/-MiMKWhatg64awE1iOZA)

AiTEMS는 네이버의 다양한 쇼핑 지면에서 맞춤형 추천서비스를 제공하고 있습니다.\
1\) 네이버 메인: 사용자의 실시간 취향에 맞는 개인화된 추천 결과와 함께 둘러볼만한 요즘 쇼핑트렌드를 제공하여 사용자 고유의 쇼핑 공간을 만들어 나가고 있습니다.\
2\) 쇼핑 검색: 사용자의 쇼핑 취향과 방금 입력한 검색어가 동시에 고려된 추천/검색 결과를 제공하여 검색 결과에서도 개인화 경험을 확장해나가고 있습니다.\
3\) 쇼핑 버티컬: 상품 엔드 페이지에서는 "현재 보고있는 상품"과 "함께 볼만한 상품"을 추천하고, 구매완료 페이지에서는 "방금 구매 상품"과 "다음으로 구매할만한 상품" 추천 등의 상품 간 관계 (Item2Item)를 고려한 추천도 주요하게 다루고 있습니다.

### With AiTEMS: 채용 직무 및 요건은?

1\) 쇼핑추천 AI 기술 연구 & 개발 (AI/ML)

* (도전) 평소 AI 추천모델링 및 쇼핑추천 서비스에 관심이 많으신 분
* (도전) 네이버/글로벌 쇼핑데이터를 활용하여 추천 모델링 연구에 도전하고 싶으신 분
* (우대) 데이터 분산처리(MR/Spark) 경험이 있으신 분
* (우대) TensorFlow / PyTorch / Spark-ML 등 기계학습 도구 활용해 본 경험이 있으신 분
* (우대) 실 서비스 차원의 AI/ML 기술 개발 경험이 있으신 분
* (우대) 추천모델 연구 경험이 풍부하거나 주요학회 저자이신 분 (RecSys / WWW / AAAI / KDD / SIGIR / CIKM 등)

2\) 쇼핑추천 백엔드 & 서빙 시스템 개발 (DE/BE)

* (도전) 평소 개인화추천 백엔드 & 서빙 플랫폼 및 쇼핑추천 서비스에 관심이 많으신 분
* (도전) 네이버/글로벌 쇼핑서비스에 최적화된 시스템 개발을 함께하고 싶으신 분
* (우대) 데이터 분산처리(MR/Spark) 경험이 있으신 분
* (우대) 쇼핑추천 B2B 플랫폼 (AWS Personalize 등) 활용해 본 경험이 있으신 분
* (우대) 실 서비스 차원의 추천 백엔드 & 서빙 시스템 개발 경험이 있으신 분


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://naver-career.gitbook.io/kr/service/search/undefined-3/product-recommendation-aitems.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.