국내 IT 기업 기술 블로그 최신 글

NEW FEATURE

기술을 읽던 곳에서, 다음 기회를 만나세요.

채용 검색부터 관심사 기반 추천, 내 적합도까지.

새로운 기술 블로그가 추가되었어요

필터 1
이루다 서버의 모니터링 스택을 소개합니다
스캐터랩 핑퐁
데브옵스

이루다 서버의 모니터링 스택을 소개합니다

Kubernetes 기반 Spring Boot 서버에 Prometheus·Grafana·BigQuery를 결합한 모니터링 구성을 소개했습니다.\nActuator와 Micrometer로 핵심 지표를 수집하고 장애 대응에 활용하는 방법을 설명합니다.

#Prometheus#Grafana
000
KURLY 현직자가 직접 뽑은 직무별 핵심 키워드를 소개합니다!
마켓컬리
기타

KURLY 현직자가 직접 뽑은 직무별 핵심 키워드를 소개합니다!

컬리 LIVE 직무 토크쇼에서 현직자가 직무별 핵심 역할과 역량을 소개했습니다. 프로덕트·개발·데이터·DevOps 분야의 주요 기술 키워드를 정리했습니다.

#UI/UX#Next.js
000
올리브영 데이터 엔지니어링
올리브영
데브옵스

올리브영 데이터 엔지니어링

올리브영은 IDC 기반 ETL·DW 구조를 GCP 기반 데이터 플랫폼으로 확장했습니다.\nAirflow·Spark·BigQuery로 데이터 수집·처리·분석과 로그 수집을 지원합니다.

#ETL#GCP
2300
오토피디아 데이터 웨어하우스 구축하기
오토피디아
데브옵스

오토피디아 데이터 웨어하우스 구축하기

초기 스타트업의 데이터 분석 한계를 해결하기 위해 BigQuery 중심 데이터 웨어하우스를 구축했습니다. dbt·Airflow·Data Studio를 결합해 데이터 변환과 전사 대시보드 운영 방식을 정립했습니다.

#BigQuery#dbt
1700
화해의 Data Warehouse를 소개합니다
화해
백엔드

화해의 Data Warehouse를 소개합니다

화해는 분산된 원천 데이터를 Redshift Data Lake와 BigQuery DW로 이관·구축했습니다. 반정규화 FACT 테이블과 데이터 카탈로그로 분석 효율과 지표 일관성을 높였습니다.

#데이터 웨어하우스#Data Lake
000
Google BigQuery와 Data Studio를 활용한 앱 광고 매출 대시보드 개발기
더핑크퐁컴퍼니
백엔드

Google BigQuery와 Data Studio를 활용한 앱 광고 매출 대시보드 개발기

광고 플랫폼 확장 부담이 큰 기존 분석 시스템을 BigQuery와 Data Studio로 이전했습니다. 파티션·DML 배치 적재·뷰 기반 대시보드로 비용과 운영 부담을 관리했습니다.

#BigQuery#Data Studio
2400
데이터 엔지니어: 오토피디아 5개월 인턴 후기
오토피디아
백엔드

데이터 엔지니어: 오토피디아 5개월 인턴 후기

인턴으로 데이터 대시보드, ELT 파이프라인, 검색 엔진, 업무 자동화를 구축한 경험을 공유했습니다. 데이터 품질 관리와 지속적인 파이프라인 유지보수의 중요성을 설명합니다.

#BigQuery#Airflow
1500
[기술 블로그] 로플랫의 대용량 데이터 처리
로플랫
백엔드

[기술 블로그] 로플랫의 대용량 데이터 처리

월 4.5TB 위치 로그를 처리하기 위한 설계·구현·운영·장애 대응 원칙을 소개했습니다. BigQuery, 사전 집계, Redis와 쿼리 최적화로 대용량 분석 부담을 줄였습니다.

#BigQuery#Elasticsearch
2400
쿠팡 파트너스

광고

개발자를 위한 서적을 확인해 보세요

이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

#개발서적#프로그래밍
딥러닝 모델을 활용하여 미응대 상담 알리미 개발하기
오토피디아
AI

딥러닝 모델을 활용하여 미응대 상담 알리미 개발하기

미응대 상담을 중요도별로 분류해 Slack으로 알리는 시스템을 구축했습니다. KoELECTRA의 높은 재현율을 바탕으로 중요한 상담을 우선 처리하도록 지원합니다.

#KoELECTRA#ML
2000
유저들이 정말로 원하는 컨텐츠는 무엇일까? — 우리의 추천시스템의 시작 (1)
스타일쉐어
AI

유저들이 정말로 원하는 컨텐츠는 무엇일까? — 우리의 추천시스템의 시작 (1)

사용자 행동 데이터를 Matrix Factorization과 ALS로 분석해 연관 스타일 추천을 개선했습니다. A/B 테스트에서 방문과 전환, 구매전환율 상승으로 관심사 기반 추천의 효과를 확인했습니다.

#Matrix Factorization#ALS
3000