한국어 문장의 유사도를 계산하는 모델을 학습하고, REST API를 이용해 두 개의 문장을 입력받아 유사도를 출력하는 모델을 생성하였습니다. • Role: 문장 전처리, 데이터 증강, sentence-bert 모델 학습 • Preprocessing: 데이터 전처리, Easy Data Augmentation으로 데증강, Pororo 기반 Back-Translation • Model: RoBERTa base 문장 임베딩 모델 사용 학습 • Finetuning: Wandb 이용 fine tuning • Serving: FastAPI

유저가 쉽게 정보를 파악할 수 있도록 뉴스의 핵심 추출하고, 핵심 문장이 잘 만들었는지 판단할 수 있는 NLG 모델 개발합니다. 4명이 진행한 기업협업 프로젝트입니다. • Role: 문장 전처리, 데이터 증강, 모델 학습 • Preprocessing: 데이터 전처리, Easy Data Augmentation 으로 증강, Pororo 기반 Back-Translation • Label: Gensim의 extractive summarization • Model: KoBART base

대한민국 정책 공고문 context에서 정책의 특성을 추출하고, 이를 토대로 전국의 정책/지원 사업을 개인의 프로필 특성에 맞게 추천하는 기업 협업 프로젝트입니다. 2명의 팀으로 이루어졌습니다. • Role: KoBERT 모델 학습, 유사도 기반 추천 모델 구축 • Tagging Model: 키워드 기반 label 생성 후, KoBERT로 학습 • RecSys Model: 유사도 기반 추천, Wide & Deep 모델 추천

유저가 구입한 책의 평점과 리뷰, 책 정보를 토대로 관심을 가질법한 다른 아이템을 추천하는 개인 프로젝트입니다. • Data: Selenium으로 yes24 웹 스크레이핑 • Sqlite3 이용하여 db에 저장 • Konlpy로 줄거리 토큰화 후, tf-idf로 유사도 계산하여 CB 진행 • 평점 기준 비슷한 유저를 추천하는 CF 진행