

AWS re:Invent 2023 참관기
AWS re:Invent 2023 현장 분위기와 참가 팁, 주요 세션 내용을 함께 정리했습니다.\n특히 AI/ML과 OpenSearch, Amazon Q 등 업무에 참고할 만한 AWS 신기능을 소개했습니다.


AWS re:Invent 2023 현장 분위기와 참가 팁, 주요 세션 내용을 함께 정리했습니다.\n특히 AI/ML과 OpenSearch, Amazon Q 등 업무에 참고할 만한 AWS 신기능을 소개했습니다.


텍스트를 숫자와 벡터로 표현하는 여러 방법과 문장 임베딩 기반 의미 검색을 정리했습니다. 또한 BERT, FAISS, 하이브리드 검색의 구조와 활용 방향을 소개했습니다.


리멤버 웹 서비스에 Yarn Berry를 점진적으로 도입한 과정과 문제 해결 경험을 정리했습니다.\nPnP와 Zero-Installs로 빌드 시간과 의존성 관리 안정성을 개선했고, 각종 호환 이슈도 함께 다뤘습니다.


메타휴먼 한유아의 미디어 아트 전시회 소식을 소개했습니다. 관람객의 고민과 위로를 연결한 참여형 전시 구성과 지원 사업 연계가 핵심입니다.


리오(RIO) 명함 촬영 인식을 모바일 기기에서 동작시키기 위해 모델 변환과 안드로이드 적용 과정을 정리했습니다. PyTorch를 TF Lite로 옮기고, JNI와 OpenCV로 후처리를 구성한 실험 내용을 공유했습니다.


리멤버 명함 이미지 복원을 위해 전통적 방법과 딥러닝 기반 방법을 비교해 정리했습니다. 실서비스에서는 품질뿐 아니라 리소스와 추론 시간도 함께 고려해야 했습니다.


명함 촬영 인식의 정확도와 사용자 경험을 높이기 위해 기존 방식에서 Instance Segmentation 기반 모델로 전환했습니다. 탐지와 후처리를 분리하고 OpenCV 기법으로 명함 이미지를 정제한 적용기를 소개했습니다.


리멤버 커뮤니티 새 글 피드 개인화 추천에 SimCSE와 OpenSearch k-NN을 적용한 과정을 소개했습니다. MongoDB 병목을 줄여 평균 0.2초 응답의 추천 API를 구성했습니다.


Redis SET에 저장하던 설문 대상 유저 목록을 Bitmap으로 바꿔 메모리를 크게 절감한 사례를 다뤘습니다. 조회는 상수 시간으로 유지하면서도 대규모 타겟팅에서의 Redis 부담을 줄였습니다.


실시간 행동 이력과 위치 정보를 반영하는 추천 시스템의 요구사항을 기술 문제로 풀어냈습니다. 벡터 검색 도입 과정에서 pre filter와 ANN의 한계를 검토하고 후보군 실험을 진행했습니다.

문과 출신 개발자가 토스에서 프론트엔드와 UX 엔지니어링 리더로 성장한 과정을 들려주셨습니다. 디자인 시스템과 편집기 개발, 팀 빌딩과 리더십 고민도 함께 공유했습니다.


Keycloak과 ArgoCD를 OIDC로 연동해 SSO와 Single Sign Out을 테스트하는 과정을 정리했습니다. 로그인, 로그아웃, RBAC, 401 오류 대응까지 함께 다뤘습니다.