AI가 이해하는 기업
기업 AI가 ROI로 이어지지 않는 이유를 의미 계층의 부재로 설명했습니다. 온톨로지와 Active Ontology를 통해 맥락을 기계가 읽게 만드는 방향을 제안했습니다.
#LLM#RAG
1200
필터 1
코드를 거의 타이핑하지 않고 3주 만에 DL모델 만들기
검색용 DL 모델을 3주 만에 만든 작업 경험을 공유했습니다. 코드를 거의 타이핑하지 않고 진행한 학습 방식에 초점을 맞췄습니다.
#DL#검색
4200
AI에게 투자정보를 말하게 하기까지
투자 정보는 적시성, 정확성, 검증 가능성이 중요해 LLM 출력만으로는 부족했습니다. 근거 선별과 절차 통제, 평가 가능한 구조를 통해 AI가 말해도 되는 상태를 운영했습니다.
#LLM#ML
3800
통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기
통합 검색 임베딩 모델을 개발하며 9개 태스크를 고르게 학습시키는 과정을 다룬 글입니다. 본문이 일부 차단되어 세부 내용은 확인되지 않았습니다.
#검색#ML
2100
우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기
검색·추천 스코어링 모델을 vLLM 기반 풀링 런타임과 IO Processor로 전환해 성능을 크게 높인 사례를 소개했습니다. 전후처리 통합과 배치 최적화로 처리량과 지연 시간을 개선했습니다.
#vLLM#검색
4300
포스타입이 개인화 추천을 하는 방법 2부
포스타입은 벡터 추천의 쿼리 비용을 줄이기 위해 HNSW 활용, 필드 최적화, 스레드 취소를 적용했습니다. 이후 전용 클러스터 분리와 차원 축소로 메모리 문제와 검색 장애를 함께 해결했습니다.
#OpenSearch#검색
2100
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
포스타입이 개인화 추천을 하는 방법 1부
포스타입의 개인화 추천이 태그 한계를 벗어나 벡터와 하이브리드 검색으로 동작하는 방식을 설명했습니다. 오프라인 검증과 A/B 테스트를 통해 추천 성과가 개선된 사례도 함께 소개했습니다.
#추천시스템#OpenSearch
2200
A1Mobilsoft의 운영 문의 자동화 여정 (2): 세 에이전트 구현과 사람 vs AI 검증
세 에이전트 구현 과정에서 겪은 검색 오판, 코드 분석 루프, DB 접근 안전장치를 정리했습니다. 사람 vs AI 비교로 속도와 한계도 함께 검증했습니다.
#AWS#LLM
1100
LLM은 똑똑한데, 왜 우리 회사 일은 모를까
LLM이 내부 업무를 잘 답하려면 검색보다 신뢰할 수 있는 컨텍스트 관리가 필요했습니다. 문서, 코드, 메신저를 공통 단위로 정규화하고 관계와 최신성을 함께 검증하는 Topic 설계를 소개했습니다.
#LLM#검색
15100
제품이 잘 되는데, 브랜딩이 왜 필요할까?
제품이 잘 될수록 회사의 정체성과 구조를 보여주는 브랜딩이 더 중요하다고 정리했습니다. 딜라이트룸은 홈페이지 개편으로 세 사업 구조와 조직의 온도를 함께 드러냈습니다.
#브랜딩#UI/UX
1700
4050의 장바구니 속 고민을 들여다보며 시작된 PB팀 이야기
라포랩스 PB팀이 4050 여성 고객을 위한 브랜드를 데이터와 현장 관찰, AI, 글로벌 소싱으로 운영하는 방식을 소개했습니다. 빠른 가설 검증과 자동화로 상품 경쟁력과 실행 속도를 높이는 사례를 담았습니다.
#패션#자동화
2900
AI채팅 구축 사례: 725만 건 설계 자료를 AI로 검색하다, 서영엔지니어링
방대한 설계 자료를 자연어로 찾기 위해 사내 플랫폼에 AI채팅을 연동했습니다. 실무 검증에서 정답률 96%를 확인하고 검색 시간을 크게 줄였습니다.
#RAG#검색
4400
MATCH란 무엇인가
X
#검색
41800
통합 검색 임베딩 모델 개발기: 디자인 검색을 하나의 표현 공간으로 묶기
미리캔버스의 여러 검색 과제를 하나의 임베딩 공간으로 묶기 위한 모델 개발 과정을 소개했습니다. 태스크별 운영의 한계를 줄이고 디자인 도메인 특성에 맞게 학습한 방식이 핵심이었습니다.
#LLM#ML
14300