새로운 기술 블로그가 추가되었어요
다앙근페이 FDS가 규칙 엔진을 기반으로 이상거래 탐지 체계를 확장한 과정을 소개했습니다. 이후 LLM을 붙여 검토 속도와 판단 일관성을 높이려는 시도를 설명했습니다.
자연어 질의에 맞지 않던 기존 검색 구조를 개선하기 위해 하이브리드 인덱스를 설계했습니다. OpenSearch와 임베딩 기반 벡터 검색을 결합해 검색 품질과 운영 효율을 높였습니다.
Amazon Aurora용 Advanced JDBC Wrapper Driver를 소개하며 장애조치와 인증 통합 기능을 설명했습니다. 또한 IAM과 Secrets Manager 연동, 플러그인 기반 설정과 사용 예시를 함께 다뤘습니다.
당근페이는 FDS에 룰엔진을 먼저 구축해 이상거래를 유연하게 탐지하도록 만들었습니다. 이후 LLM과 RAG를 붙여 거래 맥락까지 반영하는 AI Powered FDS로 확장했습니다.
AWS 기반 가상 임베디드 개발 환경으로 자동차 OEM과 공급업체의 협업과 통합 테스트를 앞당기는 방법을 소개했습니다. 소스 공개 없이 CI/CT를 수행하고 하드웨어 비용과 후반 재작업 부담도 줄일 수 있습니다.
OpenRTB 기반 광고 플랫폼에서 수익 최적화를 위해 휴리스틱, MAB, GMM을 단계적으로 진화시켰습니다. AWS MLOps와 이상 탐지로 실시간 보정까지 연결해 광고 매출 효율을 높였습니다.
AWS의 Regional NAT Gateway를 소개하고, VPC 전체를 대상으로 한 자동 확장 구조와 운영 특징을 정리했습니다. 기존 Zonal 방식과의 차이, 비용 및 보안 포인트도 함께 설명했습니다.
Aurora에서 DELETE 후에도 스토리지 비용이 줄지 않는 원인과 파편화 문제를 설명했습니다. 스냅샷 복구로 클러스터를 재생성해 비용을 크게 절감한 사례를 공유했습니다.
AWS advanced JDBC wrapper의 플러그인 동작과 활용법을 정리했습니다. Aurora 초기 연결 전략과 Failover v2의 차이, 구성 시 주의점을 살펴보았습니다.
Amazon EKS와 Amazon Bedrock으로 1:1 수업 피드백을 자동화한 사례를 소개했습니다. 단계 분리와 비동기 파이프라인으로 비용을 줄이고 일관된 개인화 리포트를 제공했습니다.
Amazon Neptune에서 OWL 온톨로지를 활용해 지식 그래프 모델을 만들고 검증하는 방법을 소개했습니다. SPARQL과 RDF 패턴을 이용해 인스턴스를 생성하고 규칙 위반을 점검하는 흐름을 설명했습니다.
Amazon Bedrock AgentCore Runtime으로 AI 에이전트를 프로토타입에서 프로덕션까지 빠르게 배포하는 방법을 소개했습니다. SDK, Starter Toolkit, FastAPI 예시와 함께 세션 격리, 프로토콜 지원, 운영 포인트를 설명했습니다.
