Velopers
모든 블로그
데보션

데보션

도메인devocean.sk.com
주요 카테고리 AI · DevOps · 백엔드

활동 요약

대표 인기 포스트나의 새로운 주니어 개발자는 AI? LLM을 활용한 코드 리뷰 자동화744 조회
최근 30일
2개
평균 조회
77
누적 조회
37,237
전체 글
486개
마지막 발행
2026. 11. 10.
블로그 방문

데보션 기술 블로그 글 (486)

데브옵스

Docker Desktop 없이 WSL로 Docker 사용하기

윈도우에서 Docker Desktop 없이 WSL2와 Ubuntu로 Docker Engine을 설치하는 과정을 정리했습니다. 또한 hello-world와 ubuntu 이미지를 실행해 정상 동작을 확인했습니다.

#Docker#WSL#Linux
2200

AI

AI, 채팅창을 벗어나 로봇의 두뇌가 되다

AI가 채팅창을 넘어 로봇의 인지, 판단, 행동을 담당하는 흐름을 정리했습니다. 휴머노이드와 로봇 파운데이션 모델의 최신 사례도 함께 소개했습니다.

#LLM#로봇#Vision AI
2800

데브옵스

쿠버네티스가 쉬워지는 컨테이너 이야기 — memory편

쿠버네티스 메모리 관리에서 리눅스와 cadvisor가 보는 관점 차이, 페이지 캐시, RSS/WSS를 설명했습니다. OOM 동작과 oom_score_adj의 영향까지 짚어 메모리 모니터링 기준을 정리했습니다.

#Kubernetes#container#Linux
2500

백엔드

[SpringBatch 연재 07] MyBatisPagingItemReader로 DB내용을 읽고, MyBatisItemWriter로 DB에 쓰기

Spring Batch에서 MyBatisPagingItemReader와 MyBatisBatchItemWriter를 사용하는 방법을 정리했습니다. XML 매퍼 분리와 청크 단위 페이징 처리로 DB 읽기와 쓰기를 구성했습니다.

#Spring Batch#MyBatis#DB
3400

AI

고등학생도 이해하는 Transformer (Deep Learning) #5

벡터 내적과 Linear Layer를 MNIST 분류 예제로 풀어 설명했습니다. 학습이 진행되며 가중치가 숫자 이미지와 닮아가는 과정을 통해 원리를 이해하도록 돕습니다.

#Transformer#ML#MNIST
1900

AI

효과적인 Telco LLM 구축을 위한 토크나이저의 역할

토크나이저가 LLM 성능과 비용에 미치는 영향을 설명하고, 언어별 차이와 한국어 최적화 사례를 소개했습니다. SKT의 Telco LLM이 한국어에서 더 효율적인 토크나이저를 설계한 배경과 비교 결과를 다뤘습니다.

#LLM#토크나이저#NLP
2100

AI

From One to Ten: YOLO 시리즈 변천사

YOLO 시리즈의 버전별 변화와 핵심 개선점을 정리한 글입니다. 실시간 객체 탐지의 속도·정확도 균형과 생태계 변화를 함께 살펴보았습니다.

#ML#객체 탐지#Python
1500

AI

안드로이드에서 Gemma2 파인튜닝 모델 실행하기

안드로이드에서 Gemma2 파인튜닝 모델을 실행하는 과정을 파인튜닝, MediaPipe 변환, 온디바이스 실행 순서로 설명했습니다. 한국어 요약 모델 예시와 파인튜닝 전후 비교, 긴 입력 시 제약도 함께 다뤘습니다.

#Android#Gemma#MediaPipe
3000

AI

나야, 에이닷 음성모드

에이닷 3.1에 한국어 최적화 음성모드를 도입한 내용을 소개했습니다. 스트리밍 응답을 문장 단위로 나눠 TTS 지연을 줄인 구현 방식도 다뤘습니다.

#LLM#TTS#ASR
3500

AI

허깅 페이스 Trainer API 이용하기

허깅페이스 Trainer API로 KLUE/ynat 텍스트 분류 모델을 학습하고 평가하는 과정을 정리했습니다. 또한 학습한 모델을 허브에 업로드하고 pipeline으로 추론하는 방법도 함께 소개했습니다.

#Hugging Face#Trainer API#transformers
2200

AI

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

프론트엔드

디자인 시스템 #2 : SwiftUI를 활용한 BottomSheet 제작기-1

SwiftUI의 `sheet`와 `presentationDetent`를 활용해 BottomSheet를 구현한 경험을 정리했습니다. 동적 높이와 확장형 시트, 커스텀 배경을 위한 인터페이스 설계 방향을 소개했습니다.

#SwiftUI#iOS#디자인 시스템
4500

AI

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

AI

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

AI

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

백엔드

[SpringBatch 연재 06] JpaPagingItemReader로 DB내용을 읽고, JpaItemWriter로 DB에 쓰기

Spring Batch에서 `JpaPagingItemReader`로 JPA 엔티티를 페이지 단위로 읽고 `JpaItemWriter`로 DB에 저장하는 방법을 소개했습니다. 또한 페이지 기반 처리의 누락 가능성과 JPA writer 설정상의 주의점도 함께 설명했습니다.

#Spring Batch#JPA#MySQL
2900

프론트엔드

에이닷 UI 테스트 자동화 이야기: 우리의 도전, 선택, 그리고 미래

에이닷이 모바일 UI 테스트 자동화 도입을 검토한 과정을 공유했습니다. 수동 QA의 한계를 줄이기 위해 Espresso와 XCTest를 선택하고 Zephyr 연동 방향까지 정리했습니다.

#모바일#UI/UX#자동화
3000

AI

[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