MLOps Community 오프라인 밋업을 준비하는 개발자의 기쁨과 슬픔
MLOps Community Seoul 오프라인 밋업을 준비한 organizer의 회고를 담았습니다. LLM 시대에 커뮤니티와 MLOps가 왜 중요한지, 행사 운영의 기쁨과 어려움을 함께 풀어냈습니다.
#MLOps#LLM
4200
AI 기술 블로그 최신 글
필터 0
이미지 기반 스팸 대응을 위한 카카오의 AI 기술 활용 / 제6회 Kakao Tech Meet
제6회 Kakao Tech Meet에서 이미지 기반 스팸 대응에 활용한 카카오의 AI 기술 사례를 소개했습니다. 발표 영상과 발표자 이야기를 함께 공유하는 글입니다.
#ML#세미나
2100
시간은 금이다: LLM을 이용한 AI 코드 리뷰 도입기
시간은 금이다: LLM을 이용한 AI 코드 리뷰 도입기
LLM을 이용한 자동 코드 리뷰 도입 경험을 공유하는 발표입니다. 기업 사례, 아키텍처, 활용 방식과 향후 방향을 함께 다루었습니다.
#LLM#자동화
3300
신용평가에서 사용해보는 머신러닝
신용평가에서 사용해보는 머신러닝
신용평가를 분류 문제로 보고 CB 데이터와 전처리, 변수 선택, 여러 모델을 비교한 내용을 소개했습니다. 탭уляр 데이터에서는 XGBoost가 신경망보다 성능이 좋았고, Transformer 변형이 신경망 중 가장 나았습니다.
#ML#신용평가
1800
나의 하루를 읽어주는 AI, mini 일기 서비스 개발기
나의 하루를 읽어주는 AI, mini 일기 서비스 개발기
Azure OpenAI ChatGPT로 mini 고객용 일기형 응원 서비스를 개발한 사례를 소개했습니다. 생성 기능 구현, 성능 분석, 서비스 적용 인사이트를 함께 다뤘습니다.
#ChatGPT#Azure
5900
Google Cloud Next 2024 참관 후기 4편 - AI를 장착한 개발자의 파워풀한 퍼포먼스 내기
Google Cloud Next 2024에서 Gemini 활용 개발 사례와 Gemini Code Assist를 소개했습니다. 개발자 생산성 향상을 위한 AI 적용 가능성을 살펴봤습니다.
#GCP#Gemini
1400
기기와 앱의 무결성 보장부터 서비스 요청 보호까지: LINE의 기기 증명 서비스 - 1편
LINE 서비스에 적용한 기기 증명 서비스를 소개했습니다. 기기·앱·요청의 무결성을 하드웨어 기반으로 검증해 남용을 줄이는 구조를 설명했습니다.
#Android#iOS
4100
Google Cloud Next 2024 참관 후기 3편 - Generative AI with Enterprise Data
기업 데이터로 가치를 창출하는 과정의 중요성과 어려움을 소개했습니다. 생성형 AI를 활용한 가능성을 Google Cloud Next 2024 관점에서 다뤘습니다.
#GCP#LLM
1500
Tokenizer: LLM은 텍스트를 어떻게 받아들일까? (feat. Andrej Karpathy) #1
LLM이 텍스트를 토큰으로 어떻게 받아들이는지 설명하는 입문 글입니다. 토큰 개념과 학습 맥락을 이해하는 데 도움이 됩니다.
#LLM#토큰
1800
AI vs Human, AI는 정말 사람처럼 행동하는 것일까? (feat. 설명 가능한 XAI) - #01
AI가 사람처럼 행동하는지와 설명 가능한 XAI 관점을 다루는 글입니다. 자율주행을 포함한 다양한 분야로 확장되는 AI 기술의 맥락을 제시했습니다.
#XAI
2900
Writing Path: MBTI J처럼 체계적으로 글쓰는 AI
Writing Path: MBTI J처럼 체계적으로 글쓰는 AI
CLOVA for Writing의 LLM 기반 긴 블로그 초안 생성 기법 WritingPath를 소개한 세션입니다. 글쓰기 생산성과 평가 방법을 함께 다루며 체계적인 작성 흐름을 제안했습니다.
#LLM#글쓰기
3700
토스뱅크가 AI로 보안과 효율도 챙기는 방법
토스뱅크는 ML 모델로 신분증 사본 품질을 검사해 반려와 경고를 자동화했습니다. 임계값과 A/B 테스트로 고객 불편을 줄이면서 수기 검토 효율도 높였습니다.
#ML#A/B 테스트
4400
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
2900
오픈챗 해시태그 예측을 위한 다중 레이블 분류 모델 개발하기
오픈챗 이름과 설명을 바탕으로 해시태그를 예측하는 다중 레이블 분류 모델 개발 과정을 소개했습니다. 또한 MMR과 임계치 조정으로 실시간 추천과 오프라인 태깅의 요구를 각각 맞췄습니다.
#ML#multi-label classification
2700