외부 링크 비즈니스 문제를 AI 문제로 정렬하는 방법

최적화 이론의 완화(relaxation) 개념을 비즈니스 문제에 적용하여, 비즈니스 문제를 AI 문제로 정렬하는 방법을 소개합니다.

외부 링크 당신의 AI 모델이 비즈니스에 기여하지 못하는 이유

AI 모델이 오프라인 메트릭은 올라가는데 비즈니스에 기여하지 못하는 이유와 해결책을 소개합니다.

Hyperconnect AI가 만드는 팀

저는 사람의 능력을 일종의 벡터로 봅니다. 누구나 잘하는 게 있으면 못하는 것도 있습니다. 그건 저도 마찬가지입니다. 능력은 벡터이기 때문에 누가 역량이 더 좋다 나쁘다 이야기 하는 것은 어렵습니다. 벡터는 대소 비

AI 문제를 풀 때 논문을 최소 100편 읽어야 합니다

문제를 풀 때 가장 중요한 건 ‘문제 정의’입니다. 우리가 문제를 잘 정의했다면 이미 절반은 푼 것이나 다름없습니다. 그래서 빠르게 해결책을 찾는 것보다, 충분한 시간을 들여 문제를 제대로 정의하는 것이 오히려 전체

AI 문제에서 최적화하고자 하는 지표는 하나여야 합니다

현실에서 AI로 비즈니스 문제를 풀다보면, X와 Y 두 지표를 동시에 올려야 하는 상황을 흔하게 마주합니다. 실험군은 X 지표에서 100, Y 지표에서 90을 나타냈고, 대조군은 X에서 90, Y에서 100이 관측되

왜 AI 추천인가?

새로운 시장을 키워 나가기 위해서는 마케팅, 제품, AI 로직 등 여러 요소가 하나의 팀처럼 유기적으로 움직여야 합니다. 그중에서도 AI 기반 추천 시스템은 새로운 시장을 침투(penetration)하는 데 있어 인

AI 추천을 잘하려면 UI 도 알아야 합니다

인스타그램 앱의 첫 번째 탭(홈)과 두 번째 탭(탐색)은 스크롤 방식이 다릅니다.

실험이 우리를 자유케 하리라: 하이퍼커넥트 AI의 A/B 테스트

AI 조직에서는 매일, 그리고 매주 새로운 모델이 만들어집니다. 하지만 새로운 모델이 정말 더 좋은 모델일까요?

정렬(alignment)과 스케일링(scaling)

저는 조직의 AI 업무를 크게 두 가지로 봅니다. 바로 정렬과 스케일링입니다. 이런 관점은 LLM에만 국한되는 이야기가 아닙니다. 저는 추천 업무에서도, Trust & Safety 업무에서도 똑같이 정렬과 스케일링의

어떤 우선순위로 일해야 하는가

여러 액션들 중 현재 어떤 액션을 먼저 실행해야 할지 고민일 때, 이론적으로는 UCB(Upper Confidence Bound) 전략으로 선택하는 것이 최적에 가깝다는 이야기를 많이 합니다. 액션마다 얻을 수 있는

Hyperconnect AI 채용에 대한 FAQ

커피챗이나 면접 자리에서 종종 받는 질문입니다. 제가 늘 드리는 대답은 이렇습니다.

제품에 기여하는 AI조직에 대한 오해

제품에 기여하는 AI 조직은 연구 안하지 않나요?

외부 링크 아자르에서는 어떤 추천 모델을 사용하고 있을까?

아자르의 1:1 비디오 채팅에 사용되는 추천 모델 CUPID를 소개합니다.

외부 링크 협업 필터링을 넘어서: 하이퍼커넥트 AI의 추천 모델링

하이퍼커넥트 AI 조직이 추천 시스템에 협업 필터링(collaborative filtering)을 넘어 어떤 모델링을 적용하고 있는지 소개합니다.

외부 링크 Behind the Paper: 하이퍼커넥트 AI 조직이 제품에 기여하면서 연구하는 법

하이퍼커넥트 AI 조직이 어떻게 연구를 통해 제품에 기여하고 논문까지 출판하는지 소개합니다.

외부 링크 아자르에서 AI 기반 추천 모델의 타겟 지표를 설정하는 방법(feat. 아하 모멘트)

리텐션을 올리기 위해서는 어떤 AI 모델을 학습시켜야 할까요? 아자르에서 아하 모멘트 프레임워크로 AI 추천 모델의 타겟 지표를 설정한 방법을 소개합니다.

외부 링크 [How AI Lab Works] Recommendation Squad - Zerry & Airdish 인터뷰

Hyperconnect Recommendation Squad의 Zerry와 Airdish가 추천 시스템 개발 경험을 공유합니다.

외부 링크 아무튼 출근! 그래서 개발자는 무슨 일 하는데요?

AI 개발자는 실제로 무슨 일을 할까요? 하이퍼커넥트 AI 개발자의 일상을 소개합니다.

외부 링크 비용 효율적인 Click-Through Rate Prediction 모델로 하쿠나 라이브 추천시스템 구축하기

하쿠나 라이브에 들어가는 추천시스템을 소개합니다.

외부 링크 [How AI Lab Works] 인터뷰x하커야 ML Team

실서비스 개선과 연구, 두 마리 토끼를 동시에 잡는 ML팀의 방법을 직접 물어봤습니다.