AWS EC2 중지/시작 자동화: 사람도 퇴근, 서버도 퇴근! 태그 기반 EC2 스케줄링
개발/테스트용 EC2의 불필요한 실행 비용을 줄이기 위해 자동 시작·중지 구성을 소개했습니다. EventBridge와 Lambda, 태그 기반 필터링으로 업무 시간에만 인스턴스를 제어했습니다.
#AWS#EC2
3800
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
FastAPI에서의 의존성 주입: 유연하고 확장 가능한 서비스 구조 만들기
FastAPI의 Depends()로 의존성 주입을 적용하는 방법을 설명했습니다. 비즈니스 로직과 구현체를 분리해 유연성과 테스트 용이성을 높이는 구조를 소개했습니다.
#FastAPI#Python
6800
Amazon Bedrock을 이용한 Text API 구축하기
Amazon Bedrock을 이용한 Text API 구축하기
Amazon Bedrock과 Lambda, API Gateway를 연결해 긴 텍스트 요약 API를 구성하는 과정을 다루었습니다. 요청 전달, IAM 권한, 응답 처리와 테스트 방법까지 실습 중심으로 설명했습니다.
#Amazon Bedrock#API Gateway
3600
LLM 앱의 제작에서 테스트와 배포까지, LLMOps 구축 사례 소개
LLMOps 구축 사례를 통해 LLM 애플리케이션의 데이터 준비, 프롬프트, 배포, 테스트를 하나의 흐름으로 관리하는 방법을 소개했습니다. 도메인 전문가 참여와 재사용 가능한 공통 컴포넌트로 협업 효율을 높인 내용입니다.
#LLM#RAG
6800
Asyncio 없이 싱글 스레드 논 블락킹 비동기 서버 만들기 (Feat. Event Loop 이해하기)
asyncio 없이 소켓과 selectors만으로 비동기 서버를 단계적으로 구현해보았습니다. 이를 통해 asyncio 이벤트 루프가 I/O 이벤트를 기다리고 처리하는 원리를 설명했습니다.
#Python#asyncio
3300
NVIDIA가 개발한 오픈 소스 툴킷: NeMo Guardrails 소개
NeMo Guardrails는 LLM 응답을 YAML 또는 Python 규칙으로 제어하는 오픈 소스 툴킷입니다. 안전한 응답 필터링과 비즈니스 규칙 적용 예시를 함께 소개했습니다.
#LLM#YAML
5600
FastAPI 프로젝트의 결합도 낮추기 전략
FastAPI 프로젝트에서 service와 router를 분리해 결합도를 낮추는 구조를 소개했습니다. 모듈 독립성과 테스트 용이성을 높여 유지보수성과 확장성을 개선하는 방법을 정리했습니다.
#FastAPI#Python
4500
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
Year-End Thanks Card를 보내보자(feat.AI)
연말 감사 웹카드를 AI와 여러 도구로 시스템화해 제작한 과정을 소개했습니다. 수신자 데이터 정리부터 템플릿 구성, 메시지 생성까지 개인화 발송 흐름을 정리했습니다.
#LLM#Python
2200
숫자 속에 숨은 버그를 찾아라!
숫자 속에 숨은 버그를 찾아라!
레저티켓 정산 검증에서 예약내역 API와 쿠폰 API를 활용해 필요한 데이터를 직접 수집했습니다. 스프레드시트 계산과 웹 표시값을 비교해 입력 실수와 시행착오를 줄였습니다.
#QA#Python
2300
자동화를 생활화 합시다. — Online DDL 테스트 자동화 이야기
온라인 DDL 테스트를 자동화해 알고리즘 선정과 사전 검증 과정을 표준화했습니다. 클론 생성, 비동기 실행, 히스토리 저장, Slack 알림으로 운영 효율과 안정성을 높였습니다.
#Python#Flask
4200
제7회 데보션(DEVOCEAN) 테크 데이 영상 및 발표자료 공유
제7회 데보션 테크 데이의 영상과 발표자료를 공유했습니다. OpenLab 2기 스터디 성과를 Web3, AI, 프론트엔드, 클라우드 등 다양한 주제로 소개했습니다.
#세미나#React
1900
HuggingFace에서 LangFlow 시작하기
LangChain 기반 노코드 플랫폼 LangFlow를 HuggingFace Spaces에서 시작하는 방법을 소개했습니다. 드래그 앤 드롭으로 플로우를 만들고 OpenAI API로 기본 챗봇을 구성하는 흐름을 다뤘습니다.
#HuggingFace#LangFlow
3500
수능 끝! 수험생들은 어디로 갔을까? (feat.데이터 분석)
수능 이후 수험생의 관심사와 방문 지역을 데이터로 분석해 마케팅 인사이트를 도출했습니다. 또한 bertopic과 LLM으로 세그먼트를 나누고 특징 요약을 자동화하는 방법을 소개했습니다.
#Python#LLM
3600
TAG를 활용한 실용적 AI 서비스 구축하기
TAG를 활용해 CSV 테이블 기반 영화 추천 서비스를 구현하고 RAG와 비교했습니다.\n정형 데이터에서는 TAG가 더 정확한 질의 처리와 비용 효율성을 보였습니다.
#LLM#RAG
3400