

Random Forest with Grid Search
항공권 예약 데이터로 Random Forest 분류 모델을 구현하고 Grid Search로 튜닝한 과정을 설명했습니다. 불균형 데이터 처리, 성능 평가, 특성 중요도 해석까지 함께 다뤘습니다.
새로운 기술 블로그가 추가되었어요


항공권 예약 데이터로 Random Forest 분류 모델을 구현하고 Grid Search로 튜닝한 과정을 설명했습니다. 불균형 데이터 처리, 성능 평가, 특성 중요도 해석까지 함께 다뤘습니다.


AI 모델만으로 세차 필요 여부를 단정할 수 없어, 판단 기준과 차량 상태 정의를 다시 설계했습니다. 그 결과 세차 요청 로직을 구조화해 운영 효율과 고객 만족도를 함께 높였습니다.

사내에서 여러 LLM을 한곳에서 비교해볼 수 있는 플레이그라운드를 만들고, 이를 프롬프트 엔지니어링 체험 행사로 확장한 사례를 공유했습니다. 서비스 캐릭터를 AI 페르소나로 재해석하는 프롬프톤 운영 경험도 함께 소개했습니다.

당근이 Vertex AI Pipelines와 TFX로 서버리스 ML 훈련 인프라를 구축한 사례를 공유했습니다. 공통 컴포넌트, 모니터링, 알림, EoS 관리로 운영 효율을 높였습니다.

왓챠는 추천 서비스의 Monolithic 추론 구조를 분리된 TorchServe 기반 서버로 개선했습니다. CPU 최적화와 모델 경량화, Datadog 모니터링으로 성능과 안정성을 함께 높였습니다.

왓챠 추천 서비스에 MLOps를 적용한 배경과 기존 EC2 기반 파이프라인의 문제를 정리했습니다. 도커·쿠버네티스, 온프레미스 GPU, S2S VPN으로 학습 환경과 운영 안정성을 개선했습니다.

USC 학생들의 Cramify 사용 후기를 모아 시험 준비와 과제 정리에 도움이 됐다는 반응을 소개했습니다. AI 기반 요약, 문제 생성, 개인화 학습 지원 기능에 대한 기대도 함께 전했습니다.


대학생의 시험 준비 비효율을 해결하기 위해 생성형 AI 학습 도구 Cramify를 만들게 된 배경을 소개했습니다. 학생 인터뷰와 문제 데이터베이스, LLM을 바탕으로 약 2개월 만에 MVP를 완성했습니다.

생성형 AI가 교육을 개인화된 대화형 학습으로 바꾸는 흐름을 소개했습니다. QANDA의 Qutor 사례를 통해 질문 응답 보완과 학습 경험 개선 가능성을 설명했습니다.

Mergekit으로 공개 LLM을 병합하는 방법과 YAML 설정, 실행 절차를 정리했습니다. 병합 결과를 허깅페이스에 올려 활용하는 흐름까지 소개했습니다.

차량 주행 소리를 AI로 분석해 도로 노면 상태를 검지하는 ARHIS를 소개했습니다. 4단계 처리와 음향 전처리, 이중 AI 모델로 높은 검지 성능과 운영 장점을 설명했습니다.

카카오뱅크 금융기술연구소 3주년 기념행사와 전시회 구성을 소개했습니다. 생성형 AI를 활용한 체험형 프로그램으로 연구 성과를 선보였습니다.