AWS에서 데이터 거버넌스 구현하기: 자동화, 태깅 및 라이프사이클 전략 – 1부
AWS에서 데이터 거버넌스를 구현하기 위한 기반 전략과 태깅, 분류 체계를 정리했습니다. 조직 준비와 자동화 중심의 운영 지표까지 함께 제시했습니다.
#AWS#데이터 거버넌스
6600
국내 IT 기업 기술 블로그 최신 글
필터 1
EKS Application 로그를 Amazon Bedrock으로 자동 요약하는 시스템 구축하기
EKS 애플리케이션 로그를 Athena와 Amazon Bedrock으로 자동 분석하는 파이프라인을 구축했습니다. 수작업 로그 분석을 줄이고 장애 원인과 패턴을 빠르게 파악하도록 구성했습니다.
#AWS#EKS
5500
기존 개발 코드(Java)로 Amazon Neptune Analytics GraphRAG 구현하기
기존 Java/Spring 코드에서 그래프 스키마와 비즈니스 규칙을 추출해 spec.json을 만들고 GraphRAG를 구현하는 방법을 소개했습니다. Neptune Analytics와 Bedrock Knowledge Bases로 관계 기반 질의를 처리하는 흐름을 설명했습니다.
#Java#Spring Boot
6000
프로덕션 Multi-Agent 시스템이 해결해야 할 5가지 문제 – Deep Insight 아키텍처로 배우는 실전 설계
프로덕션 Multi-Agent 시스템이 겪는 실행 흐름, 검증, 보안, 운영 문제를 Deep Insight 아키텍처로 정리했습니다. Strands Agents SDK와 Bedrock, Fargate 기반 설계로 실전 배포와 운영 방법을 소개했습니다.
#LLM#Multi-Agent
6000
OWASP 기반 GenAI 보안 실무 점검 가이드
OWASP의 LLM Top 10과 Agentic Top 10을 바탕으로 GenAI 보안 점검용 100개 체크리스트를 정리했습니다. 프롬프트, 데이터, 에이전트, 인프라까지 계층별 대응과 AWS 적용 시 주의사항을 함께 제시했습니다.
#OWASP#LLM
14800
분산 트레이닝 관점에서의 AWS 인터커넥트 기술 소개 – AWS는 왜 인터커넥트 기술로 EFA를 사용하는가?
분산 트레이닝에서 GPU 간 통신 오버헤드가 큰 병목이므로 인터커넥트 선택이 중요하다고 설명했습니다. AWS는 클라우드 환경의 멀티테넌시와 운영 효율성 때문에 EFA를 선택했다고 정리했습니다.
#AWS#분산 트레이닝
3400
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
NVIDIA와 함께 AWS에서 자율주행 3.0을 위한 End-to-End Physical AI 데이터 파이프라인 구축하기
AWS와 NVIDIA가 자율주행 3.0을 위한 End-to-End Physical AI 데이터 파이프라인을 소개했습니다. 센서 수집부터 큐레이션, 복원, 학습, 시뮬레이션 검증까지의 반복 루프를 정리했습니다.
#AWS#NVIDIA
5400
클라우드 환경에서의 비디오 인텔리전스 구현: TwelveLabs로 시작하는 AI 영상 분석 1부 – VoD환경에서의 비디오 분석 파이프라인 구축하기
TwelveLabs Marengo와 AWS 서비스를 결합해 VoD 영상 분석 파이프라인을 구성하는 방법을 설명했습니다. 업로드 즉시 처리, 배치, 대규모 병렬 처리에 맞는 아키텍처 선택 기준도 정리했습니다.
#AWS#Amazon S3
3200
QA가 서버를 죽여본 이유 – Host Level 카오스 엔지니어링 테스트
Host Level 카오스 엔지니어링으로 인프라 장애를 직접 재현하고 QA 관점에서 고객 경험과 데이터 정합성을 검증했습니다. 이를 통해 알림 체계, 자동 복구, 정기 테스트 프로세스를 강화했습니다.
#카오스 엔지니어링#QA
9000
라포랩스 직무 인터뷰 시리즈 Colon: Backend Chapter Leader
라포랩스 Backend Chapter Leader의 커리어와 팀 운영 방식, AI Native 전환 방향을 소개했습니다. 시니어 엔지니어의 역할을 팀 임팩트와 리더십 중심으로 설명했습니다.
#AWS#SRE
9000
클라우드 환경에서의 비디오 인텔리전스 구현: TwelveLabs로 시작하는 AI 영상 분석 2부 – 준실시간 환경에서 AWS 미디어 서비스를 활용한 분석 파이프라인 구축하기
AWS 미디어 서비스와 TwelveLabs를 결합해 준실시간 비디오 분석 파이프라인을 구성하는 방법을 정리했습니다. 서버리스와 서버 기반, Kinesis Video Streams 활용 사례까지 함께 소개했습니다.
#AWS#LLM
3400
클라우드 환경에서의 비디오 인텔리전스 구현 : TwelveLabs로 시작하는 AI 영상 분석 5부 – 비디오 임베딩을 위한 Vector DB 비교
TwelveLabs Marengo 3.0 비디오 임베딩을 AWS에서 저장·검색하는 두 벡터 DB를 비교했습니다. OpenSearch Serverless와 S3 Vectors의 성능, 비용, 활용 시점을 정리했습니다.
#AWS#OpenSearch Serverless
4200
클라우드 환경에서의 비디오 인텔리전스 구현: TwelveLabs로 시작하는 AI 영상 분석 4부 – TwelveLabs Marengo 3.0 임베딩 및 검색 전략과 구현 가이드
TwelveLabs Marengo 3.0의 멀티모달 비디오 검색 전략을 정리했습니다. 고정 가중치, 순위 기반 융합, 의도 기반 라우팅의 차이와 트레이드오프를 설명했습니다.
#LLM#검색
4500
클라우드 환경에서의 비디오 인텔리전스 구현: TwelveLabs로 시작하는 AI 영상 분석 3부 – Strands Agent를 활용한 Agentic video engine구현
Strands Agents SDK로 TwelveLabs와 AWS 서비스를 결합한 에이전틱 비디오 엔진 구현 방식을 소개했습니다. 단일 에이전트와 멀티 에이전트 구조로 영상 검색, 요약, 자막 처리 흐름을 구성했습니다.
#AWS#LLM
3100