

Cramify Story: Creating a tool that empowers students to succeed
대학생의 시험 준비 비효율을 해결하기 위해 생성형 AI 학습 도구 Cramify를 만들게 된 배경을 소개했습니다. 학생 인터뷰와 문제 데이터베이스, LLM을 바탕으로 약 2개월 만에 MVP를 완성했습니다.
새로운 기술 블로그가 추가되었어요


대학생의 시험 준비 비효율을 해결하기 위해 생성형 AI 학습 도구 Cramify를 만들게 된 배경을 소개했습니다. 학생 인터뷰와 문제 데이터베이스, LLM을 바탕으로 약 2개월 만에 MVP를 완성했습니다.

Jira의 LexoRank 정렬 알고리즘을 소개하고 기존 랭킹 방식의 한계를 비교했습니다. 사내 라이브러리 구현 과정에서 겪은 이슈와 해결 방법도 함께 정리했습니다.


검색 품질 평가는 질의와 결과 유형에 따라 기준이 달라져 단일 지표로 다루기 어렵습니다. 사용자 로그와 만족도 레이블을 결합한 머신러닝 지표로 이를 해결했습니다.


콴다의 2023년 이용 데이터와 콴다과외 성과를 연말결산 형태로 정리했습니다. LLM 기반 AI 튜터를 통해 맞춤형 교육을 더 넓히겠다는 계획도 함께 소개했습니다.
다나와 웹 트래픽 로그 분석용 내부 서비스를 도입한 과정을 정리했습니다. 유비쿼터스 언어 정리부터 Opensearch 선택, 필터링과 검증까지의 흐름을 설명했습니다.

라포랩스 ML 엔지니어 인터뷰로, 퀸잇의 개인화 추천 고도화와 ML 활용 범위를 소개했습니다. 고객·플랫폼 효용과 빠른 PoC를 기준으로 기술을 선택하는 방식도 다뤘습니다.


SSG 선물하기 1.0을 2.0으로 개편한 과정과 전시 방향을 소개했습니다. 고객 행동과 카테고리 데이터를 바탕으로 차별화 구좌를 만들고 성과를 개선했습니다.


롯데온이 계열사 상품 속성 정보를 표준화하는 플랫폼을 구축한 사례를 소개했습니다. 검색·비교 경험 개선과 데이터 자동화를 통해 서비스 확장 기반을 마련했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


후기 서비스의 조회 병목을 해결하기 위해 AWS Opensearch를 도입한 사례를 정리했습니다. CQRS와 이벤트 기반 구조로 전환하고 성능 테스트와 모니터링까지 함께 적용했습니다.

여행 중 다음에 갈 장소를 추천받는 세션 기반 기능 개발기를 소개합니다.\n사용자의 탐색 시간을 줄이는 추천 흐름 설계가 핵심입니다.


성장과 호기심을 기준으로 이직을 결정한 커리어 회고를 공유했습니다. 회고·비동기 소통·좋은 동료 문화가 팀 생산성과 몰입에 기여했음을 설명합니다.


검색창을 고객 탐색의 첫 관문으로 보고 추천 구조를 개편한 사례입니다. AB 테스트와 추천 모델 적용으로 클릭 성과와 전시 효율을 크게 높였습니다.

SK플래닛의 Elasticsearch 기반 공용 검색 시스템 구조와 기능을 소개했습니다. 또한 ChatGPT 이후 대화형 검색으로의 확장 가능성을 함께 살펴보았습니다.
다나와의 상품 데이터가 수집기, 분류기, 오피스, 검색을 거치며 관리되는 흐름을 소개했습니다. 자동 분류와 수동 보완, 검색 색인 최적화의 역할을 함께 설명했습니다.