오늘은 누구의 손을 들어줘야 할까?
MAB 기반 가격결정의 한계를 보완하기 위해 그룹화, 목적함수, adaptive window, regret 평가를 단계적으로 도입했습니다. 상품별 판매 결과를 바탕으로 더 민첩하게 모델을 선택하는 방향으로 개선했습니다.


MAB 기반 가격결정의 한계를 보완하기 위해 그룹화, 목적함수, adaptive window, regret 평가를 단계적으로 도입했습니다. 상품별 판매 결과를 바탕으로 더 민첩하게 모델을 선택하는 방향으로 개선했습니다.

신세계백화점 PC 메인 페이지를 Spring에서 React와 Next.js 기반으로 전환했습니다. 초기 로딩, 인피니트 스크롤, SEO까지 함께 고려해 사용자 경험과 유지보수성을 개선했습니다.

여러 가격 모델의 결과를 Multi-Armed Bandit과 Thompson Sampling으로 통합하는 방식을 소개했습니다. 최근 성과를 반영하는 sliding window와 scoring으로 최종 할인율을 선택했습니다.

제휴 서비스 수집 시스템의 레거시 한계를 개선해 이벤트 기반, CQRS, Zero Payload 구조로 재설계했습니다.실시간 연동과 부하 분산을 통해 속도, 정합성, 운영 효율을 높인 과정을 공유했습니다.

Redis 분산 락과 스프링 AOP로 입하 확정 처리 API의 동시성 이슈를 해결했습니다. 또한 @Transactional과의 실행 순서 문제와 커넥션 사용 이슈를 @Order로 정리했습니다.

쓱데이 트래픽 대응을 위해 상품 유닛에 카나리 배포를 도입한 경험을 공유했습니다. 성능 개선 작업과 함께 조기 장애 감지와 롤백의 중요성을 강조했습니다.
API 개발 중 발생한 동시성 이슈를 해결하기 위해 Redis 분산 락 애노테이션 구현 사례를 다뤘습니다. 스프링 AOP 활용 방식과 주의점을 함께 정리했습니다.

SSG.COM 검색 실패를 줄이기 위해 BERT 계열 모델과 벡터 DB 기반 매칭 방식을 도입했습니다. 적용 후 전체 검색 실패의 46%를 성공으로 전환했고 정확도 75%를 달성했습니다.

ES에 의존하던 LTR 구조를 분리해 rerank API와 model API로 재구성했습니다. gRPC, 응답 압축, 2단계 캐싱으로 성능과 운영 리스크를 함께 개선했습니다.

롱테일 상품과 간헐적 수요의 차이를 설명하고, 수요 패턴 분류 기준과 예측 난점을 정리했습니다. 또한 Croston 계열 기법과 머신러닝을 함께 쓰는 실무 전략을 소개했습니다.

업무 문서화와 지식 부채를 줄이기 위한 글쓰기 방법을 소개했습니다. 독자 분석, 일관성, 테스트, 다양한 전달 수단의 중요성을 정리했습니다.

VLM과 LLM을 활용해 멀티모달 학습 데이터를 만드는 방법을 소개했습니다. OCR, 프롬프트 엔지니어링, 후처리로 수작업 라벨링의 비용과 시간을 줄였습니다.
이미지 생성 AI를 프로모션 키 비주얼 제작에 적용한 사례를 소개했습니다. 미드저니와 파이어플라이를 병행해 공수를 줄이고 퀄리티를 높였지만, 프롬프트 조정과 리터치에는 여전히 시간이 들었습니다.

암호화의 기본 개념과 종류를 정리하고, 단방향·양방향 방식의 차이를 설명했습니다. 또한 AES와 RSA를 중심으로 실제 동작 원리와 활용 맥락을 자세히 다뤘습니다.

API 상품 연동 실패 사유를 내부 차단과 제휴사 응답으로 나눠 분석했습니다. 실패 사유를 가이드화한 화면과 자동 재처리로 조치율을 높인 사례를 소개했습니다.
쓱렌즈 매장 서비스를 개편한 과정과 주요 기능 개선 내용을 소개했습니다. 객체 검출, 분류, 멀티모달 기술로 검색 품질과 처리 속도를 높였습니다.

SSG의 개인화 추천 서비스 AI Pick 베타 개발 과정을 소개했습니다. 관련성·다양성·신기함을 기준으로 설계하고 내부 테스트와 지표 개선 결과를 공유했습니다.

다양한 판매 채널의 주문을 한곳에서 통합 관리하는 SIS 시스템을 소개했습니다. 상품 매핑과 WMS 연동으로 주문, 재고, 배송 상태를 연결했습니다.
