

모던 백엔드 - 병렬처리 리팩토링(2)
구조화된 동시성을 활용해 병렬 API 호출 코드를 리팩토링하는 과정을 다뤘습니다.\n기존 스레드 풀과 CompletableFuture를 정리하고 예외 처리와 테스트까지 확인했습니다.


구조화된 동시성을 활용해 병렬 API 호출 코드를 리팩토링하는 과정을 다뤘습니다.\n기존 스레드 풀과 CompletableFuture를 정리하고 예외 처리와 테스트까지 확인했습니다.

대출 재신청의 불확실성을 줄이기 위해 100% 보장된 사전 승인 오퍼를 설계했습니다.\nAI 도구를 개발 전 과정에 활용해 해커톤 결과물을 빠르게 구현했고, 실제 서비스 적용도 준비 중입니다.

검색용 DL 모델을 3주 만에 만든 작업 경험을 공유했습니다. 코드를 거의 타이핑하지 않고 진행한 학습 방식에 초점을 맞췄습니다.


PM이 AI를 활용해 점심 식비 잔액 계산 크롬 익스텐션을 만들고 배포한 사례를 소개했습니다. 동작하는 프로토타입이 기획 논의를 더 빠르게 바꾸는 과정을 함께 정리했습니다.

투자 정보는 적시성, 정확성, 검증 가능성이 중요해 LLM 출력만으로는 부족했습니다. 근거 선별과 절차 통제, 평가 가능한 구조를 통해 AI가 말해도 되는 상태를 운영했습니다.


Amazon GameLift Streams로 클라이언트 설치 없이 브라우저에서 게임을 즉시 실행하는 방법을 소개했습니다. 런타임, 스트림 클래스, 용량, 관측성까지 포함한 설계와 운영 흐름을 정리했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


분산 학습용 AWS 클러스터를 구축·운영하는 방법을 정리했습니다. Enroot와 Pyxis로 환경을 고정하고, EFA·용량 예약·장애 복구를 함께 점검해야 합니다.

X

X

시계열 데이터 설명 가능한 AI 기법 TIMING을 소개했습니다. 에이아이트릭스 연구팀 논문이 ICML 2025 Spotlight로 선정됐습니다.
당근 프론트엔드 코어 팀이 웹뷰를 넘어서는 개발 환경을 위해 Lynx를 선택한 배경을 소개합니다. 포스트 제목상 Lynx 도입 이유를 다루는 기술 공유 글입니다.
레퍼런스가 거의 없는 Lynx를 당근이 왜 선택했는지 다룬 글입니다. 프론트엔드 개발 환경과 배포 인프라 관점에서 도입 맥락을 살펴봅니다.


게시판 프로젝트의 병렬 API 호출을 CompletableFuture에서 Java 25 구조화된 동시성으로 바꾸는 설계 과정을 다뤘습니다. 취소 전파 문제와 스레드 관리 한계를 테스트로 확인하고 개선 방향을 정리했습니다.


AI 에이전트 스킬 파일 `SKILL.md`에서 발생하는 결함 유형과 원인을 분석했습니다. Frontmatter와 본문을 어떻게 고쳐야 하는지 8가지 점검 항목으로 정리했습니다.