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.
.png)
AirSPACE 소개 Tech Blog : https://blog.naver.com/naver_search/221240314802
이런 서비스를 만듭니다¶
- Smart Around (그린닷 내주변)
- 네이버 지도(앱/웹) > 주변 추천
- 네이버 통합검색 > 플레이스 ForYou
- 네이버 My플레이스 > POI, 유저 추천
- Line Place > Menu/Review Search, Review\&User Recommendation
.png)
- 주요 서비스 기사
- 네이버 ‘스마트어라운드’, 골목상권 매출 성장 이끌었다
- 네이버 지도에서 AI가 골목식당 추천하자 일평균 85만명이 사용
- 네이버 스마트어라운드에 '주변 쇼핑' 정보 탑재
- 네이버서 예약하면 AI가 목적 맞는 장소 추천해준다
이런 연구 개발을 하고 있습니다¶
- 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
이렇게 생활하고 있습니다¶
함께 하실 분을 찾습니다¶
- 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.