![[4월 1주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (Build with AI 이벤트)](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjNGleuvh_5ifDsOtW0kzXLCkvY7XYc-F06GUikEOdMjiDeZsbnDjz7RhXeyMREp6l4AX_VrQECkz67VDXvH2KJwDtPG8qlSCJiMy9yu3ttxNDMKwl8e_ukSr63dHzE44eKCWEslxqyNog/s1600/lockup_google_developers_horizontal_knockout_wht.png)
[4월 1주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (Build with AI 이벤트)
Google for Developers의 4월 1주차 주요 소식과 Build with AI 이벤트를 소개했습니다. 다양한 제품 업데이트와 개발자 학습·커뮤니티 참여 방법도 함께 안내했습니다.
#ML#Android
1500
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
학생 여러분, Google Developer Student Clubs 리더가 되는 방법을 배워보세요!
GDSC 리드 지원 방법과 역할을 소개하는 안내 글입니다. 학생 주도의 커뮤니티 운영과 기술 행사 기획 사례를 함께 보여줍니다.
#Google Cloud#Android
900
우선순위에 시달리다 공식을 만들었다
우선순위 논쟁을 줄이기 위해 매출, 비용, 만족도, 레거시를 기준으로 수치화 공식을 만들었습니다.\nExcel 정렬과 시각화로 설명 가능성을 높이고, 정기적으로 기준을 조정하는 방법을 소개했습니다.
#Excel#ML
1900
Random Forest with Grid Search
항공권 예약 데이터로 Random Forest 분류 모델을 구현하고 Grid Search로 튜닝한 과정을 설명했습니다. 불균형 데이터 처리, 성능 평가, 특성 중요도 해석까지 함께 다뤘습니다.
#ML#Python
1500
Data Product (2) AI(데이터)로 실제 운영 효율화가 가능할까?
AI 모델과 고객 피드백·운영 데이터를 결합해 차량 세차 요청 로직을 재설계했습니다. 요청량과 비용을 줄이면서도 수행 효율과 고객 만족도 개선을 추구했습니다.
#ML#BigQuery
000
Data Product (2) AI(데이터)로 실제 운영 효율화가 가능할까?
AI 모델만으로 세차 필요 여부를 단정할 수 없어, 판단 기준과 차량 상태 정의를 다시 설계했습니다. 그 결과 세차 요청 로직을 구조화해 운영 효율과 고객 만족도를 함께 높였습니다.
#LLM#ML
1500
서버리스 ML 훈련 인프라 구축하기: Vertex AI Pipelines & TFX
당근이 Vertex AI Pipelines와 TFX로 서버리스 ML 훈련 인프라를 구축한 사례를 공유했습니다. 공통 컴포넌트, 모니터링, 알림, EoS 관리로 운영 효율을 높였습니다.
#Vertex AI Pipelines#TFX
4100
인공지능, 너 이 문제 내 가설로 푼 거 맞니? : XAI 활용기
인공지능, 너 이 문제 내 가설로 푼 거 맞니? : XAI 활용기
XAI 알고리즘 개발과 실제 적용 사례를 통해 모델 결과를 해석하는 방법을 다뤘습니다. AI 신뢰성과 성능 개선 관점에서 XAI 활용 포인트를 소개했습니다.
#XAI#ML
3600
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
머신러닝을 활용한 검색 품질 지표 개발 (SIGIR’23 Paper Recap)
검색 품질 평가는 질의와 결과 유형에 따라 기준이 달라져 단일 지표로 다루기 어렵습니다. 사용자 로그와 만족도 레이블을 결합한 머신러닝 지표로 이를 해결했습니다.
#ML#검색
2100
버즈빌의 ML 플랫폼 Buzzflow (1) - 모델을 개발하고 관리하기
Buzzflow는 YAML·래퍼·MLflow로 ML 파이프라인 개발과 모델 저장소를 표준화했습니다. 로컬 디버깅, CI 권한 관리, Airflow 기반 실행과 실패 모니터링도 구성했습니다.
#ML#MLOps
000
버즈빌의 ML 플랫폼 Buzzflow (1) - 모델을 개발하고 관리하기
버즈빌의 머신러닝 플랫폼 Buzzflow를 소개하며, 모델 개발과 관리를 위한 파이프라인과 저장소 구성을 설명했습니다. 모델 배포 방식은 다음 글에서 이어서 다룰 예정입니다.
#ML#MLOps
2500
고객에게 뚜렷한 경험을: 컬리의 후기 이미지 처리 기술
컬리의 후기 이미지 흐림 판별 개선 과정을 정리했습니다. 딥러닝 실험의 한계를 확인한 뒤 라플라시안 필터와 표준편차 기반 방식으로 정확도를 높였습니다.
#ML#CNN
4000
Open LLM Leaderboard 찍먹 후기
Open LLM Leaderboard 찍먹 후기
Huggingface Open LLM Leaderboard와 모델 병합 사례를 소개하는 후기 글입니다. CarbonVillain과 KF-DeBERTa를 통해 팀의 프로젝트도 함께 살펴볼 수 있습니다.
#LLM#NLP
2500
Data Product (1) 쏘카 고객은 무슨 목적으로 쏘카를 이용할까?
쏘카는 차량 정차지와 POI를 결합한 데이터 제품 SOPIA로 고객의 이용 목적을 분석했습니다. 정차지 생성, 지역·POI 보강, 템플릿 쿼리 제공까지 포함한 데이터 제품화 과정을 소개했습니다.
#데이터 제품#데이터 분석
1800