
RAG를 활용한 검색 서비스 만들기
동네생활 게시글과 댓글에서 업체 추천 정보를 찾아 RAG 기반 검색 서비스로 연결했습니다.\n벡터 검색, LLM 요약, 적절성 필터링을 거쳐 신뢰도 높은 추천 결과를 제공했습니다.

동네생활 게시글과 댓글에서 업체 추천 정보를 찾아 RAG 기반 검색 서비스로 연결했습니다.\n벡터 검색, LLM 요약, 적절성 필터링을 거쳐 신뢰도 높은 추천 결과를 제공했습니다.


PTQ의 성능 저하 한계를 보완하기 위한 QAT 개념과 원리를 설명했습니다.\nNVIDIA pytorch-quantization으로 QAT를 수행하고 ONNX/TensorRT로 변환하는 절차를 소개했습니다.


CXL의 개념과 PCIe 기반 동작, 메모리 풀링·캐시 일관성 같은 특징을 정리했습니다. AI 연산 시스템과 데이터센터에서 메모리 확장성과 효율을 높이는 활용 가능성도 소개했습니다.

제로 트러스트는 내부도 신뢰하지 않고 모든 접근을 지속적으로 검증하는 보안 모델입니다. 원격 근무와 클라우드 환경에서 보안을 강화하지만, 권한 관리와 모니터링을 철저히 해야 합니다.


리오(RIO) 명함 촬영 인식을 모바일 기기에서 동작시키기 위해 모델 변환과 안드로이드 적용 과정을 정리했습니다. PyTorch를 TF Lite로 옮기고, JNI와 OpenCV로 후처리를 구성한 실험 내용을 공유했습니다.


리멤버 명함 이미지 복원을 위해 전통적 방법과 딥러닝 기반 방법을 비교해 정리했습니다. 실서비스에서는 품질뿐 아니라 리소스와 추론 시간도 함께 고려해야 했습니다.


SSG.COM 검색 실패를 줄이기 위해 BERT 계열 모델과 벡터 DB 기반 매칭 방식을 도입했습니다. 적용 후 전체 검색 실패의 46%를 성공으로 전환했고 정확도 75%를 달성했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

카카오페이 FDS에 지속 성장하는 ML을 적용해 급변하는 사고 패턴에 대응한 사례를 소개했습니다. 지속적 학습과 자가 적응 피처로 신규 유형 사고 탐지 성능을 높였습니다.


독일 법원의 LAION 판결을 통해 AI 학습용 데이터 수집과 저작권 보호의 균형을 살펴보았습니다. 국내 AI 기업도 TDM 예외와 opt-out 쟁점을 주의 깊게 확인할 필요가 있습니다.


롱테일 상품과 간헐적 수요의 차이를 설명하고, 수요 패턴 분류 기준과 예측 난점을 정리했습니다. 또한 Croston 계열 기법과 머신러닝을 함께 쓰는 실무 전략을 소개했습니다.


에이닷의 Push 알림을 유저 행동 데이터로 분석해 개인화와 발송 빈도의 중요성을 확인했습니다. 클릭률과 피로도를 함께 고려한 Push Utility 기반 최적화 방향도 제안했습니다.

Amazon SageMaker Canvas로 코딩 없이 머신러닝 모델을 만들고 예측하는 실습 과정을 소개했습니다. 데이터 준비부터 모델 분석, 배치·단일 예측, MLOps 연계까지의 흐름을 정리했습니다.

AWS의 생성형 AI 서비스 흐름 속에서 Amazon Q의 기능과 활용 가치를 소개했습니다. 개발 지원, 데이터 분석, 보안과 통합 측면에서 기업 도입 효과를 설명했습니다.

세금계산서 발행 등을 가장한 피싱 메일이 급증해 기업 보안 위협이 커지고 있습니다. 악성메일 모의훈련으로 직원 대응력을 점검하고 선제적으로 대비할 수 있습니다.