

케라스를 활용한 한국어 감성 리뷰 자동 분류 : 기술적 접근과 분석
한국어 감성 리뷰를 Keras로 이진 분류하는 전처리와 모델 구조를 설명했습니다. Okt 형태소 분석, BiLSTM, 콜백을 활용한 학습과 예측 흐름을 다뤘습니다.
새로운 기술 블로그가 추가되었어요


한국어 감성 리뷰를 Keras로 이진 분류하는 전처리와 모델 구조를 설명했습니다. Okt 형태소 분석, BiLSTM, 콜백을 활용한 학습과 예측 흐름을 다뤘습니다.


Oracle DMS의 제약으로 마이그레이션이 막히는 경우 Oracle Database Gateways를 대안으로 소개했습니다. 원격 database link와 PL/SQL 커서로 Aurora MySQL 이관 절차를 설명했습니다.

어피닛이 인도 테크 브랜드 어워드에서 AI 대안신용평가 성과로 핀테크 대상을 수상했습니다. 현지 금융기업과의 파트너십을 확대하며 인도 시장 영향력 강화를 추진했습니다.


TMAP에 에이닷 4.0 기반 음성 AI Agent를 적용해 주행 중 맥락을 이해하는 내비게이션으로 확장했습니다.\n목적지·경유지 설정, 장소 검색, 생활 정보 조회를 멀티턴 대화로 제공하는 구조를 소개했습니다.


효율적인 광고 제작을 위한 레이아웃 생성 기술을 주요 방식별로 정리했습니다. 각 모델의 장점과 한계를 비교하며 실전 선택 기준도 함께 제시했습니다.


HotelStory가 Amazon Q in QuickSight와 AWS 데이터 পাই프라인으로 셀프 서비스 BI 환경을 구축했습니다. 자연어 분석과 자동화된 전처리로 분석 시간을 줄이고 운영 효율을 높였습니다.

당근이 AI 활용 경험을 정리한 책 『요즘 당근 AI 개발』을 출간했습니다. 실험적 시도부터 운영 자동화와 플랫폼 구축까지의 실무 경험을 담았습니다.

detekt와 reviewdog을 GitHub Actions에 연결해 PR마다 정적 코드 분석과 리뷰 코멘트 생성을 자동화하는 방법을 다뤘습니다. 멀티모듈 결과 병합, 경고 노출 방식, 실패 조건 설정까지 함께 설명했습니다.

detekt에 custom rule을 추가해 팀 컨벤션을 자동 검증하는 방법을 설명합니다. `println()` 금지 rule 예시와 테스트, 적용 설정까지 단계별로 다뤘습니다.

SonarQube Cloud의 불안정성과 custom rule 한계 때문에 detekt와 reviewdog으로 전환했습니다.\n도입 전에는 팀 컨벤션 정리와 기존 경고 코드 정리가 먼저 필요했습니다.

라포랩스 프론트엔드 조직의 역할과 일하는 방식을 소개한 인터뷰였습니다. AI First와 빠른 실험, 기술 공유 문화를 통해 성장하는 환경을 강조했습니다.


Amazon MSK의 KRaft 모드가 Zookeeper 의존성을 어떻게 줄이는지 설명했습니다. 또한 지원 버전, 마이그레이션 방법, 모니터링 포인트까지 정리했습니다.