

iOS 앱 사이즈 줄이기
iOS 앱 사이즈를 줄인 경험을 소개했습니다. 이미지 최적화와 중복 리소스 제거로 17MB를 줄였습니다.


iOS 앱 사이즈를 줄인 경험을 소개했습니다. 이미지 최적화와 중복 리소스 제거로 17MB를 줄였습니다.


미저장 연락처의 관계를 예측하는 AI 기능 고도화 과정을 소개했습니다. 데이터 정제와 LLM 학습으로 정확도를 13% 이상 높였습니다.


VLM은 쉬운 공간 관계 문제도 자주 틀리는 한계가 있습니다. 현업 적용 전 정확성과 취약점을 충분히 검토해야 했습니다.

광고 추천 ML 파이프라인 분리 프로젝트에서 긴밀한 협업 방식을 소개했습니다. 데일리 스레드, 페어프로그래밍, 랜덤 코드 리뷰로 맥락 공유와 지식 확장을 이끌었습니다.

시맨틱 캐싱을 도입해 채팅 AI 메시지 추천의 LLM 호출 비용을 크게 줄인 사례를 소개했습니다. 오프라인과 온라인 검증을 통해 약 25% HIT 비율과 연간 2억 원대 절감 효과를 확인했습니다.

X


AR 언어모델의 한계를 보완하기 위해 Diffusion 기반 언어생성 접근을 소개했습니다. 학습과 추론 절차, 성능 강점과 한계까지 논문 관점에서 정리했습니다.


AI 발전으로 디지털 마케팅 전 과정을 통합 자동화할 가능성을 소개했습니다. 특히 광고 소재는 레이아웃 최적화와 배경 생성이 핵심이라고 설명했습니다.


추론 모델 학습용 데이터 레시피를 실험 중심으로 정리한 글입니다. 어려운 질문 선별, 다중 답변 생성, 데이터 확장이 성능 향상에 중요하다고 설명했습니다.

네이버 웹툰의 Cohort System으로 유저 세그먼트를 정의하고 액션 채널과 자동 연동하는 흐름을 소개했습니다. 데이터 추출부터 캠페인 활용까지의 구조와 사례를 함께 공개했습니다.

소득증빙과 신용정보가 부족한 고객의 대출금액 산정 문제를 다뤘습니다. 대안데이터와 구간중도절단 추정으로 모든 신청자에 대한 승인금액 예측 방식을 소개했습니다.


Teacher–Student 구조를 지식 증류와 멀티턴 대화 학습 관점에서 설명했습니다. BERTScore, 코사인 유사도, Classifier로 검증하는 방법도 함께 정리했습니다.