Product Recommendation (AiTEMS)
Last updated
Last updated
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
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
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.
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
