토스가 다양한 ML 모델을 만드는 법: Feature Store & Trainkit
토스가 Feature Store와 Trainkit으로 ML 학습·서빙 파이프라인을 표준화한 사례를 소개했습니다. 재사용성, 재현성, skew 해소를 통해 운영 효율을 높인 점이 핵심입니다.
#MLOps#Feature Store
120005분
필터 1
밑바닥에서 개선한 추천시스템 with Two-Tower Model
Two-Tower 모델로 추천시스템의 후보 검색 단계와 학습 방식을 개선한 적용 사례를 다루었습니다. In-Batch Sampled SoftMax, LogQ Correction, ScaNN 활용과 운영 모니터링까지 함께 소개했습니다.
#추천시스템#Two-Tower
223005분
Ray를 활용한 GPU Util 100% MLOps: 배치처리부터 모델 서빙까지
Ray를 활용한 GPU Util 100% MLOps: 배치처리부터 모델 서빙까지
Ray를 활용해 GPU Util 100% 배치 처리와 확장 가능한 모델 서빙 아키텍처를 소개했습니다. Ray Serve와 vLLM 기반 LLM 추론 파이프라인 및 운영 사례도 다뤘습니다.
#Ray#MLOps
226005분
MLOps를 통한 AI 모델 개발 및 배포 효율화 : 데이터 시계열 분석 사례
MLOps를 통한 AI 모델 개발 및 배포 효율화 : 데이터 시계열 분석 사례
시계열 분석용 AI 모델 개발에서 전처리와 훈련 자동화를 위한 MLOps 파이프라인 구축 경험을 소개했습니다. 상세 본문은 확인되지 않아 핵심 주제만 파악할 수 있었습니다.
#MLOps#pipeline
0005분
공공 폐쇄망 환경에 k8s 기반 AI 플랫폼 구현하기
공공기관 폐쇄망에서 K8s 기반 AI 플랫폼을 안전하게 운영하기 위한 네트워크 구조를 설계했습니다.\nDMZ, HAProxy, WireGuard와 오프라인 배포 자동화를 조합해 내부망 보호와 외부 접속을 함께 만족했습니다.
#Kubernetes#HAProxy
105005분
기술블로그를 책으로, “요즘 우아한 AI 개발” 출간!
기술블로그를 책으로, “요즘 우아한 AI 개발” 출간!
우아한형제들 기술블로그를 엮은 두 번째 책 “요즘 우아한 AI 개발”을 소개했습니다. AI·데이터·로봇의 실무 적용 사례와 구성 내용을 함께 담았습니다.
#LLM#RAG
137005분
![[MLOPS] Kubeflow란?](https://blog.bespinglobal.com/wp-content/uploads/2025/02/다운로드.png)
[MLOPS] Kubeflow란?
Kubeflow의 개념을 소개하는 글입니다. MLOps 관점에서 Kubeflow가 무엇인지 간단히 안내했습니다.
#MLOps#Kubeflow
45005분
FDS에 지속 성장하는 ML 모델 적용 이야기
카카오페이 FDS에 지속 성장하는 ML을 적용해 급변하는 사고 패턴에 대응한 사례를 소개했습니다. 지속적 학습과 자가 적응 피처로 신규 유형 사고 탐지 성능을 높였습니다.
#ML#MLOps
43005분
GitLab은 MLOps를 어떻게 최적화할까?
GitLab의 MLOps 기능과 역할을 소개하며 모델 관리와 배포 자동화를 설명했습니다. Model registry와 실험 추적 기능으로 협업과 운영 효율을 높이는 방향을 제시했습니다.
#GitLab#MLOps
19005분
GitLab은 MLOps를 어떻게 최적화할까?
GitLab의 MLOps 기능을 중심으로 모델 등록과 실험 추적 방식을 살펴봤습니다. CI/CD와 연동해 ML 배포와 관리를 자동화하는 흐름을 소개했습니다.
#GitLab#MLOps
28005분
Poetry를 이용한 멀티 프로젝트 Python 애플리케이션 개발 방법
Python 대규모 LLMOps 프로젝트에서 Poetry로 멀티 프로젝트 구조와 의존성 관리를 구성한 사례를 소개했습니다. 또한 Dependency Injector로 코드 결합도를 낮추는 방법도 함께 다뤘습니다.
#Python#Poetry
25005분
[DAN 24] <DEVIEW> 세션 살펴보기 (참가신청 10/30~31)
[DAN 24] <DEVIEW> 세션 살펴보기 (참가신청 10/30~31)
DEVIEW 세션에서 MLOps, LLM, Vision, Web 분야의 네이버 개발 사례를 소개했습니다.\nLLM 서빙 최적화와 서비스 적용, 웹 성능 관리 등 실무 주제가 중심입니다.
#LLM#MLOps
25005분