
애니메이션에서 찾아보는 디지털 트윈 기술 - 뼈대구성에서 모방학습까지
애니메이션 제작 흐름을 통해 디지털 트윈을 사람에게 적용하는 관점을 소개했습니다. CAD, Mesh, GLTF, USD 개념을 함께 살펴보는 기술 개념 글입니다.

애니메이션 제작 흐름을 통해 디지털 트윈을 사람에게 적용하는 관점을 소개했습니다. CAD, Mesh, GLTF, USD 개념을 함께 살펴보는 기술 개념 글입니다.
토스에서 여러 역할을 거치며 성장한 제품 디자이너의 도전 경험을 인터뷰로 소개했습니다. 두려움이 있어도 먼저 맡고, 과거의 성과로 자신을 다독이는 태도를 전했습니다.

Karpenter 도입 과정에서 마주한 스케줄링 정합성, AMI 운영, Node Churn 문제를 정리했습니다. 적절한 budget과 리소스 보정으로 비용을 줄이고 안정성을 개선했습니다.


YARN 라벨링으로 Spark의 AM과 Executor를 서로 다른 노드에 배치하는 방법을 소개했습니다. EMR에서 Spot Instance 사용 시 발생하는 장애와 비용 문제를 완화하는 구성도 설명했습니다.


AI 시대 흐름에 맞춰 LLM과 LangChain의 개념, 한계를 처음 정리한 글입니다. OpenAI API와 Colab으로 gpt-3.5-turbo를 호출하는 간단한 실습도 소개했습니다.

생성 이미지 평가는 정답이 없어 품질과 프롬프트 일치율을 함께 보는 접근이 필요했습니다. FID, CLIP Score, Aesthetic Score 등 다양한 지표의 특징과 한계를 정리했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Amazon Bedrock과 Claude 3 Haiku로 연말정산 Q&A 챗봇을 구축해 문의 대응을 개선했습니다. 구조화 데이터와 프롬프트 최적화를 통해 직접 문의를 약 40% 줄이고 생산성을 높였습니다.


Spark의 원격 연동 한계를 보완하는 Spark Connect의 등장 배경과 동작 방식을 소개했습니다. 서버·클라이언트 환경을 구성해 Jupyter Notebook에서 실제 연결과 실행을 확인했습니다.


Spark의 Broadcast 기능으로 셔플을 줄이고 join 성능을 높이는 방법을 소개했습니다. 작은 데이터셋에는 자동 broadcast 감지와 설정 조건도 함께 설명했습니다.


CodeRabbit의 PR 요약·자동 리뷰·질문·이슈 생성·리포트 기능과 활용 사례를 소개했습니다. 프로젝트별 Review Instructions로 팀 규칙을 주입해 리뷰 효율을 높였습니다.


Actionable Agent와 OpenAI Operator의 개념, 동작 방식, 장단점을 정리한 글입니다. 반복 작업 자동화의 가능성과 현재 한계도 함께 살펴봅니다.
![[Vue] motion 라이브러리로 더 나은 UX 제공하기](https://devocean.sk.com/thumnail/2025/3/26/161965bcf2c0b07df46454d50714fad4eb4e06189069272bebd9fabacb97b9b4.png)

Vue에서 motion-v를 사용해 다양한 UI 애니메이션을 선언적으로 구현하는 방법을 소개했습니다. Transition, IntersectionObserver, GSAP보다 간결하게 작성할 수 있는 사례를 함께 살펴보았습니다.
Bedrock에서 파일 기반 라우팅의 타입 안전성을 높이는 방법을 소개했습니다. 선언 병합과 자동 타입 생성으로 파라미터 검증과 네비게이션 추론을 개선했습니다.


여러 가격 모델의 결과를 Multi-Armed Bandit과 Thompson Sampling으로 통합하는 방식을 소개했습니다. 최근 성과를 반영하는 sliding window와 scoring으로 최종 할인율을 선택했습니다.