공공 폐쇄망 환경에 k8s 기반 AI 플랫폼 구현하기
공공기관 폐쇄망에서 K8s 기반 AI 플랫폼을 안전하게 운영하기 위한 네트워크 구조를 설계했습니다.\nDMZ, HAProxy, WireGuard와 오프라인 배포 자동화를 조합해 내부망 보호와 외부 접속을 함께 만족했습니다.
#Kubernetes#HAProxy#WireGuard
10500
모든 블로그
대표 인기 포스트공공 폐쇄망 환경에 k8s 기반 AI 플랫폼 구현하기105 조회105 조회 데브옵스 데브옵스
데브옵스
기타 기타 AI
AI
AI
AI
AI
AI
AI
AI
AI
AI
기타 기타 기타 기타 기타
마키나락스
주요 카테고리 AI · DevOps · Else
활동 요약
- 최근 30일
- 0개
- 평균 조회
- 25
- 누적 조회
- 651
- 전체 글
- 26개
- 마지막 발행
- 2025. 6. 10.
최신 게시글 (20)
AI 서비스의 안정성과 비용 최적화 둘다 잡은 Runway Autoscaling 개발 여정
Runway 추론 서비스의 Autoscaling 과정에 자원 한도 검증을 추가해 멀티테넌트 환경의 비용과 안정성을 함께 개선했습니다. Kubernetes Admission Webhook과 Runway API를 연동해 KPA와 HPA 모두에 일관된 정책을 적용했습니다.
#Kubernetes#Autoscaling#Admission Webhook
3900
헤맨 만큼 고도화된, Runway DB 인프라 구성 개선기
Runway의 PostgreSQL 인프라를 K8s 환경에 맞게 개선한 과정을 정리했습니다. Bitnami HA의 Split Brain 문제를 겪은 뒤 CloudNativePG로 전환해 자동 복구와 안정성을 높였습니다.
#Kubernetes#PostgreSQL#DB
6900
[Notice] MakinaRocks Tech Blog Has Move
X
1900
[Notice] MakinaRocks Tech Blog Has Move
[공지] 마키나락스 테크 블로그 이전 안내
X
#공지
5400
[공지] 마키나락스 테크 블로그 이전 안내
산업 현장에서 작동하는 AI 에이전트 구현하기
산업 현장에 맞는 Vertical AI 에이전트 구현 방식과 설계 원칙을 소개했습니다. Agent Flow와 Autonomous Agent를 조합해 예측 가능한 문제와 예외 상황을 함께 다뤘습니다.
#LLM#API#DB
2000
MLOps Community 오프라인 밋업을 준비하는 개발자의 기쁨과 슬픔
MLOps Community Seoul 오프라인 밋업을 준비한 organizer의 회고를 담았습니다.\nLLM 시대에 커뮤니티와 MLOps가 왜 중요한지, 행사 운영의 기쁨과 어려움을 함께 풀어냈습니다.
#MLOps#LLM#RAG
3600
체계적인 실험관리 #2 AI 플랫폼에서 유연하게 연동하고 정확하게 재현하기
Runway의 실험 관리 기능과 재현 기능을 중심으로, MLflow 연동과 데이터셋·코드·환경 버전 관리를 정리했습니다. 산업 현장에서 빠른 원인 파악과 재배포를 위해 실험 재현이 왜 중요한지도 설명했습니다.
#MLOps#MLflow#dataset versioning
2100
체계적인 실험 관리 #1. AI 모델의 성능을 높이는 첫걸음
AI 프로젝트에서 성능 비교와 재현성을 높이기 위한 실험 관리 체계를 소개했습니다. 데이터·코드 버전과 MLflow 기록을 분리해 협업과 추적성을 강화했습니다.
#MLflow#Git#LLM
2000
Application Specific Integrated Circuit (ASIC) Floorplan Automation - Part II
ASIC 플로어플랜 배치 최적화를 강화학습으로 풀어낸 사례를 설명합니다. 넷리스트 연결성과 배치 정보를 함께 다루기 위해 GNN과 CNN을 결합했습니다.
#LLM#Reinforcement learning#GNN
1100
Application Specific Integrated Circuit (ASIC) Floorplan Automation - Part I
ASIC 물리설계의 floorplan 자동화 문제와 그 어려움을 소개했습니다. 기존 메타휴리스틱 한계를 짚고, 강화학습 기반 접근의 필요성을 설명했습니다.
#ASIC#reinforcement learning#floorplan automation
1100
주문형 반도체 Floorplan 자동화 (3)
ASIC floorplan 자동화에 강화학습을 적용해 엔지니어 대비 수행 시간을 크게 줄이고 성능을 개선한 사례를 소개했습니다. standard cell 처리, 분산 학습, 후처리까지 더해 현실적인 배치 자동화 가능성을 확인했습니다.
#강화학습#ASIC#floorplan
1800
주문형 반도체 (ASIC) Floorplan 자동화 - Part III
ASIC floorplan 자동화를 강화학습으로 구현한 장기 프로젝트 결과를 소개했습니다. 엔지니어 대비 수행 시간을 줄이고 PPA 성능도 개선한 사례를 공유했습니다.
#강화학습#ASIC#반도체 설계
1800
강화학습을 이용한 SMT 공정의 Chip Mount Planning 최적화
SMT 공정의 chip mount planning을 강화학습으로 최적화한 초기 결과를 소개했습니다. 33개 sample 실험과 IPC sample 분석을 통해 적용 가능성과 개선 과제를 확인했습니다.
#강화학습#최적화#ML
1000
Dynamics Model로 무엇을 할 수 있을까?
Dynamics Model을 제어와 시뮬레이션 문제에 활용하는 사례를 소개했습니다. 실제 데이터와 물리 모델을 결합해 sim-to-real gap을 줄이는 가능성을 설명했습니다.
#LLM#ML#강화학습
700
주문형 반도체 (ASIC) Floorplan 자동화 - Part I
MakinaRocks의 COP(Combinatorial Optimization Problem) 팀에서는 주문형 반도체(Application Specific Integrat
2300
주문형 반도체 (ASIC) Floorplan 자동화 - Part II
Related to 강화학습, 산업의 난제에 도전하다! - ASIC 반도체 설계 (Floorplan) 자동화 (Naver Deview 21 발표 영상) 주문형 반도체 (A
2300
주문형 반도체 Floorplan 자동화 (2)
본 포스팅은 COP팀이 약 5개월간 경험한 Floorplan 문제의 이해부터 솔루션 구현까지의 과정을 소개합니다.
2300
주문형 반도체 Floorplan 자동화 (1)
본 포스팅에서는 ASIC 설계 프로젝트 중 복잡한 플로어플랜 배치의 중요성과 이를 해결하기 위한 접근 방식을 소개합니다.
1700
Kubeflow/Katib의 안전한 사용과 커뮤니티를 위해 기여하기
마키나락스의 Platform 팀에서는 Kubeflow를 기반으로 하여 ML/DL 모델의 실험과 배포의 간극을 줄이는 MLOps 플랫폼을 개발하고 있습니다. Kubeflow
2300