

데이터 사이언티스트 없이 수요 예측 자동화, 다이닝브랜즈그룹의 Amazon SageMaker Canvas 활용기
SageMaker Canvas와 AWS 자동화 서비스로 식자재 수요예측부터 발주 시스템 반영까지 자동화했습니다. 이벤트 데이터 구조화와 모델·운영 흐름 분리로 재현성과 비용 효율을 높였습니다.


SageMaker Canvas와 AWS 자동화 서비스로 식자재 수요예측부터 발주 시스템 반영까지 자동화했습니다. 이벤트 데이터 구조화와 모델·운영 흐름 분리로 재현성과 비용 효율을 높였습니다.


Web Functions BFF로 브라우저와 AgentCore Runtime V2 사이의 인증·세션·SSE 중계를 구성했습니다. 타임아웃·하트비트·세션 비용을 고려하고 두 에이전트 프레임워크를 비교했습니다.


UneeQ는 Amazon EKS와 EC2 스팟 인스턴스를 활용해 디지털 휴먼 렌더링 비용을 줄였습니다. 워크로드 인지형 Group Manager로 다중 리전 GPU 용량을 자동 조정해 가동 시간도 유지했습니다.


Rerank와 Weight 튜닝을 OpenSearch 검색 품질에 적용해 본 결과를 정리했습니다. 데이터 특성과 기존 성능에 따라 개선과 악화가 갈리므로, 측정 기반의 지속 평가가 중요했습니다.


Amazon ECS의 배포 전략, 네트워크, 스토리지, 플랫폼 옵션을 상황별로 정리했습니다. 서비스 쿼터와 기동 상한까지 함께 살펴 설계 기준을 제안했습니다.

AWS Lambda를 네 가지 실행 모델로 나눠 구조와 용도를 비교했습니다. 워크로드 성격에 따라 어떤 모델에서 시작할지와 주요 한도도 정리했습니다.


Claude Code로 만든 데이터 분석 에이전트를 Amazon Bedrock AgentCore로 프로덕션에 배포하는 과정을 설명했습니다. 로컬 구성은 유지하면서 Gateway, Runtime, Web Search로 관리형 전환하는 방법을 다뤘습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

Amazon Bedrock 기반 Claude Code를 LLM Gateway 없이 통제하는 경량 아키텍처를 소개했습니다. 로그 집계와 IAM Deny 정책으로 사용자별 비용 관리와 차단을 구현하는 방법을 정리했습니다.

사용자와 AI가 만든 코드를 운영 서버에서 안전하게 실행하기 위해 별도 Kernel 계층을 설계했습니다. 기존 서비스와 실행 환경을 분리하고 인증정보와 세션 상태를 밖으로 빼는 방향을 정리했습니다.


Amazon S3 Files 도입 전에 비용, 성능, 공존 문제를 실측과 문서로 점검하는 방법을 정리했습니다. 소형 파일 과금, 읽기 경계, Mountpoint 충돌을 먼저 확인해야 합니다.


OpenSearch 기반 이력서 검색에서 하이브리드 검색과 자연어→DSL 변환을 최적화한 사례를 다뤘습니다. Function Calling과 RAG를 결합해 검색 정확도와 응답 속도를 개선했습니다.
중고 의류 디테일컷 자동 생성을 위해 VLM 대신 Detector와 규칙 기반 크롭을 선택했습니다. 그 결과 공정 시간을 90% 줄이고 11만 개 상품에 일괄 적용했습니다.


AWS의 7개 전문 도메인을 본뜬 멀티 에이전트 AI 시뮬레이션을 소개했습니다. AgentCore와 Strands Agents로 초기 리서치와 초안 작성을 가속화하는 구조를 설명했습니다.


Amazon Bedrock Agents와 SAW를 연결해 AWS 리소스 문제 해결을 자동화하는 확장 방법을 소개했습니다. 새 런북을 통합하는 6단계와 CloudWatch Agent 진단 예시를 통해 실전 패턴을 설명했습니다.