AWS Control Tower 리전 제약 조건에서 Amazon Bedrock 크로스 리전 추론 기능 활용 지침
AWS Control Tower의 리전 거부 정책이 Amazon Bedrock 크로스 리전 추론을 막는 문제와 원인을 설명했습니다. SCP와 Control Tower 제어를 조정해 Bedrock만 예외 허용하는 방법을 제시했습니다.
#AWS Control Tower#Amazon Bedrock
3000
AI 기술 블로그 최신 글
필터 0
API 연동 자동화를 위한 여정: 토스는 왜 사내 MCP 서버를 개발하였는가? with Spring-AI
사내 API 스펙 공유와 연동 자동화를 위해 MCP 서버를 개발한 사례를 소개했습니다. Spring-AI 기반 구현과 운영상 문제 해결, Swagger 자동화 방향까지 정리했습니다.
#MCP#Spring Boot
19200
Amazon EKS에서vLLM Deep Learning Container를 사용하여LLM 배포하기
Amazon EKS에 vLLM DLC를 적용해 DeepSeek 모델을 배포하는 과정을 설명했습니다. EFA와 FSx for Lustre를 활용해 고성능 추론 환경을 구성했습니다.
#Amazon EKS#LLM
5600
‘이번 달의 코딩왕’이 전하는 Claude Code 실전 활용기
Claude Code를 실무에서 동료처럼 활용하며 개발 방식의 변화를 소개한 글입니다. AI와 협업하려면 문제를 정확히 설명하고 구조화하는 능력이 중요하다고 강조했습니다.
#Claude Code#prompt
44700
배송 완료 사진 속 객체 탐지를 통한 수기 검수 비용 줄이기
배송 완료 사진에서 퍼플 박스·종이봉투·비닐 상태를 탐지해 수기 검수를 자동화했습니다. 데이터 중심 라벨 개선과 재학습으로 검수 필요 건을 99.8% 줄였습니다.
#객체 탐지#YOLO
100
배송 완료 사진 속 객체 탐지를 통한 수기 검수 비용 줄이기
배송 완료 사진에서 퍼플 박스와 종이봉투를 탐지해 수기 검수 대상을 줄인 사례를 소개했습니다. 데이터 중심 학습과 라벨 개선 반복으로 성능을 높이고 검수 비용을 93% 절감했습니다.
#ML#객체 탐지
8800
Eval for Agents와 Google Stax, QA가 주목해야 할 LLM 평가 도구 비교
OpenAI Eval for Agents와 Google Stax의 차이를 QA 관점에서 비교했습니다. 에이전트 전체 흐름 진단은 Eval for Agents, 텍스트 응답 평가와 시각화는 Stax가 강점입니다.
#LLM#QA
4100
SageMaker AI로 해보는 GPT-OSS 추론 성능 테스트와 용량 산정
SageMaker AI에서 GPT-OSS 120B 추론 성능 테스트와 GPU 용량 산정 방법을 다뤘습니다. vLLM과 SGLang을 비교하며 워크로드별 성능 지표와 최적화 포인트를 정리했습니다.
#SageMaker#LLM
7800
AI 스타일 검색 1편 : OpenSearch Efficient KNN Filtering 도입기
OpenSearch KNN과 필터 조합에서 결과 누락이 발생한 원인을 쿼리 구조에서 찾았습니다. pre-filtering 기반 Efficient KNN Filtering으로 검색 품질과 지연 시간을 함께 개선했습니다.
#OpenSearch#KNN
16400
마케터를 돕는 LLM 기반 DMP - Seg Lens 시스템 개발기
마케터를 돕는 LLM 기반 DMP - Seg Lens 시스템 개발기
LLM과 벡터 검색을 결합해 마케터의 자연어를 실행 가능한 세그먼트로 바꾸는 Seg Lens 개발기를 소개했습니다. 기존 수동 조건 생성의 한계를 줄이고 의미 기반 탐색과 권한 제어를 함께 구현했습니다.
#LLM#DMP
8400
저 유쾌한 친구지만 선은 안 넘습니다. - 에이닷 통화제목 AI 길들이기
통화제목이 더 구체적이고 핵심적인 방향으로 개선되도록 학습데이터와 프롬프트를 재설계했습니다. 또한 3중 안전 장치를 더해 유쾌함은 살리되 불편한 재미요약은 줄였습니다.
#LLM#prompt
5600
if(kakao)25 - 카카오모빌리티의 랩업과 리뷰
if(kakao)25에서 카카오모빌리티가 자율주행 AI와 경로탐색, AI 업무 자동화 사례를 공유했습니다. 실서비스 적용과 기술 교류를 함께 강조한 행사 리뷰였습니다.
#자율주행#강화학습
9300
Amazon Bedrock Agent로 30분 만에 여행 예약 에이전트 구축하기 실전 가이드
Amazon Bedrock Agent로 여행 예약·취소·조회와 추천까지 수행하는 에이전트 구축 과정을 설명했습니다. DynamoDB, Lambda, Knowledge Base를 연결해 실제 업무 자동화 흐름을 구현했습니다.
#Amazon Bedrock#RAG
5200
AutoML로 다음주의 가성비 Spot 인스턴스 AZ/Type 예측하기
AWS EMR의 Spot Instance 비용을 줄이기 위해 Zone과 Type별 가격 데이터를 수집해 AutoGluon으로 예측했습니다. 예측 평균을 바탕으로 다음 주에 더 저렴한 AZ와 Instance Type을 추천하고 운영 비용 절감 가능성을 확인했습니다.
#AWS#AutoML
2700