

Vertex AI Search를 활용한 결과 없는 검색 개선하기
오타와 유의어로 생기는 결과 없는 검색을 Vertex AI Search로 개선한 사례였습니다. BigQuery 기반 데이터와 튜닝으로 검색 품질을 높이고 A/B 테스트에서도 긍정적 성과를 확인했습니다.


오타와 유의어로 생기는 결과 없는 검색을 Vertex AI Search로 개선한 사례였습니다. BigQuery 기반 데이터와 튜닝으로 검색 품질을 높이고 A/B 테스트에서도 긍정적 성과를 확인했습니다.


BigQuery의 Gemini Pro와 ML.GENERATE_TEXT로 리뷰 요약·분류·감성 분석을 수행했습니다. JSON 검증과 배치 처리로 결과 신뢰성과 대량 처리 효율을 높였습니다.


BigQuery에서 Gemini Pro를 활용해 리뷰 요약과 분류, 홍보 문구 생성을 자동화하는 방법을 소개했습니다. JSON 응답, 배치 처리, RAI 결과 확인으로 정합성과 효율을 높이는 팁도 함께 다뤘습니다.


관리형 Airflow를 Kubernetes로 이관하며 CPU 급등, OOM, 로그 누락 문제를 분석·개선했습니다. 리소스 격리와 Worker 확장으로 안정성을 높이고 비용을 약 50% 절감했습니다.


관리형 서비스의 Airflow를 Kubernetes로 전환하며 스케줄러 CPU 과부하, 워커 OOM, 로그 누락 문제를 해결한 운영 경험을 공유했습니다. 자원 제한과 노드 분리를 통해 안정성을 높이고 비용도 줄인 사례입니다.


Google Cloud Next '24 현장 방문기를 통해 최신 클라우드 기술과 AI 에이전트, Axion 발표를 살펴보았습니다. 데이터 플랫폼 마이그레이션 실무 관점에서 세션과 사례를 통해 얻은 인사이트도 함께 정리했습니다.


실시간 장바구니 추천 모델을 위한 서빙 아키텍처와 운영 체계를 소개했습니다. TorchServe, Kubernetes, ArgoCD, MLOps와 모니터링 적용 사례를 정리했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

리디가 추천 시스템 고도화를 위해 Feature Store를 도입한 배경과 구축 과정을 소개했습니다. 키워드 추천에서 빠른 실험과 성과 개선을 확인했습니다.

당근에서 LLM을 어떻게 활용하는지 서비스 사례와 운영 방법을 소개했습니다. 또한 프로덕션 적용을 위한 파이프라인, 모델 선택, 프롬프트 엔지니어링 원칙을 정리했습니다.


AI 모델과 고객 피드백·운영 데이터를 결합해 차량 세차 요청 로직을 재설계했습니다. 요청량과 비용을 줄이면서도 수행 효율과 고객 만족도 개선을 추구했습니다.


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.

DBT와 Airflow를 도입하며 겪은 7가지 문제와 해결 방안을 정리했습니다. 데이터 구조화, 연동, 테스트, 백필까지 운영 관점의 설계 경험을 공유했습니다.


TC 수용력과 배송시간을 반영한 조합 최적화로 권역 배정을 개선했습니다. OR-Tools 기반 도구화와 운영 피드백 반복으로 현실 적용성을 높였습니다.


원티드랩의 데이터 마트 설계 과정을 ERD 작성부터 운영 규칙 정립까지 정리했습니다. BigQuery와 Airflow를 활용해 확장성과 품질을 높인 운영 방식도 소개했습니다.