Deep Learning 학습계획

* 이전 글: http://blog.daum.net/rollin/8097057

h2. Deview 자료.

http://deview.kr/2013/detail.nhn?topicSeq=39

http://deview.kr/2014/session?seq=26

기본학습용으로 좋다.

h2. 뉴럴네트워크 기반 딥러닝 학습용으로 좋은 사이트.

http://neuralnetworksanddeeplearning.com/

h2. 딥러닝 교육자료.

http://deeplearning.stanford.edu/tutorial/

h2. caffe : 딥러닝용 잘 만들어진 솔루션.

http://caffe.berkeleyvision.org/

위 학습자료들을 다 숙지하면 자유롭게 사용 가능하단다..;;

h2. word2vec 관련 자료.
http://www.moreagile.net/2014/11/word2vec.html

* 기사 내용에서 vector를 뽑을 때 사용하는 듯.

* word2vec을 이용해서 구문분석한 논문 : http://cs.kangwon.ac.kr/~leeck/paper/HCLT2014_deep_learning.pdf

* word2vec Java 라이브러리 : http://deeplearning4j.org/word2vec.html

----- 모델링 ----

* 문제정의: 학습을 통해 정해진 n개의 컨텐츠 중에서 선택확률이 높은 top N개를 추출하는 뉴럴네트워크

* 의문점

** 정해진 n개의 컨텐츠가 지속적으로 바뀔텐데 학습이 가능할까?

** 입력 feature를 뭐로 정해야하지?

* 문제정의: 각 사용자(UUID 혹은 프로파일)마다 하나의 뉴럴을 생성해서 클릭여부를 yes/no로 판단

* 의문점

** list에 뿌려줄 후보군 100개를 실시간에 돌려볼 수 있을까?

** 입력은 기사의 컨텐츠가 되나? 태그가 되나?

------

네. 기본적인 내용보면서 적용된 서비스를 위주로 보는것도 좋을 것 같습니다.
추천은 SVD만 알아도 할 수 있어요. deep learning없어도
추천을 하려면요. 말한거 들어보면 그것만 해도 하고 싶은거 하실 수 있을 것 같아요. 예전에 야후 뉴스 첫페이지 관련 personalization 때문에 사람들이 한 번 씩 다 봤었거든요. 그 정도는 deep learning없이 SVD를 공부하시면 됩니다.
singular value decomposition 이고요. 이것만 알면 일단 추천에 대해서는 좀 안다고 할 수 있어요
원하시는게 딥러닝은 아닌거 같아요. SVD는 엄청 쉬워요. 여기서 조금씩만 배우면 되실 것 같아요.
ㄴ SVD=특이값_분해 http://ko.wikipedia.org/wiki/%ED%8A%B9%EC%9D%B4%EA%B0%92_%EB%B6%84%ED%95%B4
이걸 어떻게 추천에 사용하는지만 보세요
이게 collaborative filtering에 어떻게 되는지만 이해하시면 됩니다.