datawhalechina/fun-rec

프로젝트 이름: datawhalechina/fun-rec（심층 추천 알고리즘 실습, 일명 "소맥서"）

프로젝트 포지셔닝: 추천 시스템의 기술 진화를 체계적으로 설명하는 오픈 서적. 기존 '캐스케이드 아키텍처'부터 최첨단 '생성적 패러다임'까지의 완전한 로드맵을 다룹니다. 머신러닝 기초가 있고 추천 알고리즘 원리와 엔지니어링 실무를 체계적으로 익히고 싶은 독자에게 적합합니다.

콘텐츠 구조:

• 상편(캐스케이드 아키텍처): 고전적인 추천 프로세스를 소개합니다. 후보 재생성(협업 필터링, 벡터 재생성, 시퀀스 재생성), 정밀 랭킹(특징 교차, 시퀀스 모델링, 멀티 타겟/멀티 시나리오 모델링), 재랭킹 다양성(그리디, 개인화 재랭킹)을 포함합니다.
• 하편(생성적 패러다임): 최신 방향에 초점을 맞춥니다. 생성적 추천 기초(Transformer, 확산 모델, Tokenizer), Scaling Law 아키텍처 탐구, 엔드투엔드 생성적 모델링(OneRec 시리즈 등), 생각하는 추천 모델(추론 강화), 확산 기반 추천 모델, 그리고 프로덕션급 추천 시스템의 완전한 구축 실습을 다룹니다.

현재 상태: 아직 개발 중이며 코드와 내용이 자주 업데이트됩니다. 현재 Pull Request는 받지 않습니다. 제안이나 문제가 있으면 GitHub Issue로 피드백할 수 있습니다.

커뮤니티 및 지원: 프로젝트에는 학습 커뮤니티(WeChat 그룹 + Zhishi Xingqiu)가 있으며 Bilibili 동영상도 연결되어 있습니다. 지정된 WeChat을 추가(비고 "Fun-Rec")하면 교류 그룹에 참여할 수 있습니다.

기여자: 핵심 기여자는 Ruyi Luo(추천 알고리즘 엔지니어)와 Bo Kang(객원 교수, nobl.ai 공동창업자)이며 초기 기여자들도 다수 있습니다.

라이선스: 크리에이티브 커먼즈 저작자표시-비영리-동일조건변경허락 4.0 국제 라이선스(CC BY-NC-SA 4.0)를 채택합니다.