데보션

도메인devocean.sk.com

주요 카테고리 AI · DevOps · 백엔드

활동 요약

최근 30일: 2개
평균 조회: 77
누적 조회: 37,237
전체 글: 486개
마지막 발행: 2026. 11. 10.

블로그 방문

데보션 기술 블로그 글 (269)

2024년 11월 7일

고등학생도 이해하는 Transformer (Deep Learning) #4

4차원 이상 벡터의 내적을 유사도 관점에서 쉽게 설명했습니다. DCT Basis Vector와 Softmax를 통해 분류와 주파수 변환의 연결도 소개했습니다.

#Transformer#ML#NLP

2900

고등학생도 이해하는 Transformer (Deep Learning) #4

2024년 11월 6일

고등학생도 이해하는 Transformer (Deep Learning) #3

그래픽스의 Affine 변환을 내적과 매트릭스 연산으로 설명했습니다. 내적의 의미를 이해하면 Transformer와 다차원 공간을 더 쉽게 볼 수 있다고 강조했습니다.

#Transformer#ML#GPU

2300

고등학생도 이해하는 Transformer (Deep Learning) #3

2024년 11월 5일

똑똑한 Agent는 어떻게 일을 할까? : LLM Workflow상세소개

T멤버십 영화예매 에이전트에 LLM Workflow를 적용한 과정을 소개했습니다. 엔티티 추출, 상태 관리, 개인화 반영으로 멀티턴 대화 품질을 높인 사례입니다.

#LLM#prompt#검색

3200

똑똑한 Agent는 어떻게 일을 할까? : LLM Workflow상세소개

2024년 11월 5일

Multimodal LLM 첫 삽 뜨기

멀티모달 LLM의 대표 아키텍처와 instruction tuning, RLHF 계열 정렬 기법을 정리했습니다. LLaVA 기반 사례와 데이터셋 구성을 함께 살펴볼 수 있습니다.

#LLM#ML#Transformer

2300

2024년 10월 31일

[에이닷 미디어 에이전트] 대화형 콘텐츠 탐색은 어디까지 왔을까

에이닷 미디어 에이전트의 대화형 콘텐츠 탐색 구조와 핵심 기술을 설명했습니다. LLM, RAG, 선제 추천을 활용해 개인화된 검색 경험을 강화했습니다.

#LLM#RAG#prompt

2700

2024년 10월 30일

고등학생도 이해하는 Transformer (Deep Learning) #2

Transformer와 딥러닝을 이해하기 위한 기초로 내적의 의미를 그래픽스 예시로 설명했습니다. 회전 행렬과 Basis Vector 변환을 통해 좌표 변환을 직관적으로 풀어냈습니다.

#Transformer#ML#내적

2700

고등학생도 이해하는 Transformer (Deep Learning) #2

2024년 10월 29일

에이닷 뮤직 에이전트 Multi Prompt Fine-tuning 도전기 (feat. gpt-4o-mini)

에이닷 뮤직 에이전트에 Multi Prompt Fine-tuning을 적용하며 겪은 시행착오와 개선 과정을 공유했습니다. gpt-4o-mini 전환으로 한글 깨짐과 품질 문제가 크게 완화된 사례였습니다.

#LLM#Fine-tuning#gpt-4o-mini

2500

에이닷 뮤직 에이전트 Multi Prompt Fine-tuning 도전기 (feat. gpt-4o-mini)

2024년 10월 24일

MNO Performance 마케팅용 최적 요금제 선택을 위한 하이브리드 ML 모델링

통신사 마케팅을 위해 요금제 변경 예측과 추천을 결합한 하이브리드 ML 모델을 소개했습니다. ARPU와 고객 만족도의 균형을 고려해 다운그레이드 방어와 업셀 전략에 활용했습니다.

#ML#XGBoost#Spark

3300

MNO Performance 마케팅용 최적 요금제 선택을 위한 하이브리드 ML 모델링

2024년 10월 23일

AI 산업에 필요한 HBM의 특징과 사용하는 이유

HBM의 구조와 원리를 통해 왜 AI 산업에서 고대역폭 메모리가 중요한지 설명했습니다. DRAM과 비교하며 속도, 대역폭, 용량 측면의 장점을 정리했습니다.

#DRAM#HBM#GPU

2700

2024년 10월 22일

‘아이보’ 로봇의 장례식을 통해 본 AI 로봇 상용화 시 고려할 점

아이보 장례식 사례를 통해 AI 반려로봇 상용화의 과제를 짚었습니다. 인터넷 연결 안정성, 부품 모듈화, 자기진단과 쉬운 사용성이 핵심으로 제시했습니다.

#AI 로봇#온디바이스 AI#유지보수

3300

2024년 10월 21일

자동차와 AI가 만나면 무슨 일이 벌어질까?

생성 AI와 LLM이 자동차에 들어오며 차량 상태 안내, 대화형 어시스턴트, 경로 추천 같은 개인화 기능이 확장되고 있습니다. 또한 비전과 LLM 결합으로 자율주행과 실내 인식의 정확도를 높일 가능성을 보여줍니다.

#LLM#자율주행#SDV

3100

2024년 10월 17일

[에이닷 AI숏폼 서비스] 지금은? 숏폼시대!

스포츠 중계 영상을 자동으로 숏폼화하는 에이닷 AI숏폼 서비스의 구성과 운영 방식을 소개했습니다. AWS 워크플로우, AI 모델, 모니터링, 비용 최적화로 상용 서비스를 확장한 사례를 설명했습니다.

#AWS#LLM#ChatGPT

3000

2024년 10월 16일

AWS 및 Azure의 RAG 아키텍처 비교

AWS와 Azure에서 RAG를 구현하는 방식과 구성 요소를 비교해 정리했습니다. 각 플랫폼의 강점이 달라 프로젝트 요구사항에 맞춰 선택할 필요가 있습니다.

#RAG#LLM#AWS

3400

2024년 10월 10일

변화하는 이미지 변환기: Vision Transformer의 비밀

Vision Transformer의 기본 구조와 핵심 임베딩 요소를 중심으로 동작 원리를 정리했습니다. 또한 CNN 대비 장단점과 대규모 사전학습의 필요성도 함께 설명했습니다.

#Vision Transformer#Transformer#ML

2400

2024년 10월 8일

Long context LLM : 2부 RoPE Extension Method

RoPE 기반 LLM의 context length를 늘리는 Position Interpolation 방법을 소개했습니다. 제한 범위를 넘어갈 때의 attention score 폭발을 줄이고, 적은 finetuning으로 성능을 유지한 결과를 다뤘습니다.

#LLM#Transformer#RoPE

2300

Long context LLM : 2부 RoPE Extension Method

2024년 10월 7일

LLM 기반 Chat application framework ＇Aide＇ 개발기

LLM 기반 대화형 애플리케이션을 위한 자체 프레임워크 Aide 개발 과정을 소개했습니다. 멀티턴 대화와 Workflow 추상화로 복잡성을 줄이고 확장성을 높인 점을 정리했습니다.

#LLM#OpenAI API#API

2200

LLM 기반 Chat application framework ＇Aide＇ 개발기

2024년 10월 4일

Responsible AI

Responsible AI의 개념과 핵심 원칙을 정리하고, ISO 42001과 주요 테크 기업의 적용 사례를 소개했습니다. AI의 윤리성과 투명성을 높이기 위한 관리 체계의 중요성을 설명했습니다.

#LLM#ISO 42001#Responsible AI

2600

2024년 10월 2일

아직도 포탈에서 검색?(LLM 검색 서비스를 알려드립니다. feat. 에이닷)

LLM 발전으로 검색 서비스가 어떻게 바뀌고 있는지 주요 서비스 사례를 중심으로 정리했습니다. 에이닷 멀티 LLM 에이전트에서 Perplexity와 다른 모델을 함께 쓰는 방식도 소개했습니다.

#LLM#검색#Perplexity

4000