🥲눈물의 Personalize 도입 일기 part 1. 커리어리 피드의 첫번째 이슈는 성능이었다. 지금도 목표로 하고 있는 페이스북이나 인스타만큼은 아니지만, 그래도 데이터 로딩에 걸리는 시간이

🥲눈물의 Personalize 도입 일기 part 1. 커리어리 피드의 첫번째 이슈는 성능이었다. 지금도 목표로 하고 있는 페이스북이나 인스타만큼은 아니지만, 그래도 데이터 로딩에 걸리는 시간이 2초 이내로 빨라져서 약간의 숨은 돌릴 수 있게 되었다. 그 다음으로 고민하던 것은 개인화였다. 피드하면 개인화가 되어야 할 것 같았고 나도 커리어리는 개인화된 추천 시스템으로 피드가 생성되어야 한다고 생각했다 (지금은 조금 고민이 있는 상태..) 그러나 현실은 늘 그랬듯 절벽에서 뛰어내리며 비행기를 고쳐서 타야 하는 상황. 협업 필터링을 직접 시스템으로 구현하고 싶었지만 나는 시간도, 지식도 부족했다. 그렇다면 남은 옵션은 솔루션을 쓰는 것 고민한 솔루션은 크게 AWS Personalize 와 구글의 Vertex AI. 아쉽게도 구글 vertex ai에서 제공하는 알고리즘은 협업 필터링은 없어서 패스. Personalize은 협업 필터링응 바탕으로 Amazon 에서 사용되는 더 발전된 모델을 사용한다고 한다. Amazon 에서 상품 추천에서 사용된다고 하니 뭔가 좋겠지. 일단 빠르게 도입 가능한 반제품 형태로 AWS의 서비스 피처 형태로 구현되어 있었으므로 더 고민하기 보다 써보면서 잘맞는지 확인하자의 마음으로 작업를 시작했다. (계속…)