

리멤버 유저에게 보다 깨끗한 명함 이미지 제공을 위한 이미지 복원 방법
리멤버 명함 이미지 복원을 위해 전통적 방법과 딥러닝 기반 방법을 비교해 정리했습니다. 실서비스에서는 품질뿐 아니라 리소스와 추론 시간도 함께 고려해야 했습니다.


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.

반복문 내부의 큰 조건 분기가 흐름 파악과 대응 관계를 어렵게 만든다고 설명했습니다. 이를 해결하는 네 가지 재구조화 방식과 각 장단점을 정리했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


MSA 기반 미디어 업로드 구조를 재설계해 람다 간 복잡한 호출과 분기 코드를 줄였습니다. 또한 DynamoDB, DocumentDB, Step Functions, Kafka를 활용해 유지보수성을 높였습니다.


Figma Slides를 디자이너 관점에서 테스트하며 팀 도입 가능성을 살펴보았습니다. 기존 툴의 한계를 보완하면서 협업과 수정 효율을 높일 수 있다는 점이 인상적이었습니다.

Chrome의 unload 이벤트 지원 중단 배경과 대안을 정리한 글입니다. 카테노이드 미디어 플레이어는 해당 변경의 영향을 받지 않는다고 확인했습니다.

Classic AUTOSAR의 NVM 개념과 ECU에서 영구 데이터를 보존하는 필요성을 소개했습니다. 자동차 전자제어 환경에서 NVM의 역할을 이해하는 데 도움이 되는 글입니다.

Kubernetes Job으로 배치 작업을 클러스터에서 병렬 실행하도록 전환한 경험을 공유했습니다. 또한 커스텀 컨트롤러와 Kubebuilder로 순차 실행용 스케줄러를 구현한 방법을 설명했습니다.

Kotlin과 Java에서 SLF4J 로깅 시 불필요한 문자열 연산을 줄이는 방법을 다뤘습니다. 성능과 가독성을 비교해 Parameterized Logging과 kotlin-logging의 선택 기준을 제시했습니다.