Computer Use Agent(CUA)를 직접 돌려보자! (Feat. AgentQ)
Computer Use Agent의 개념과 활용 배경을 소개하고, AgentQ 논문과 구현을 직접 실행해보는 과정을 정리했습니다. MCTS와 DPO를 결합한 정책 학습 구조와 실습 절차도 함께 설명했습니다.
#LLM#AI Agent
71005분
새로운 기술 블로그가 추가되었어요
필터 0
“누구세요?”는 이제 그만 – AI 예측 LLM 개발기
미저장 연락처의 관계를 예측하는 AI 기능 고도화 과정을 소개했습니다. 데이터 정제와 LLM 학습으로 정확도를 13% 이상 높였습니다.
#LLM#ML
113005분
Amazon Q Developer와 MCP로 Aurora PostgreSQL 성능 최적화하기: 바이브 코딩부터 비용 절감까지
Amazon Q Developer와 MCP로 Aurora PostgreSQL의 성능 분석과 운영 작업을 자연어 기반으로 자동화하는 방법을 소개했습니다. 바이브 코딩, 튜닝, 비용 시뮬레이션까지 생산성 향상 사례를 함께 설명했습니다.
#Aurora PostgreSQL#MCP
52005분
MLOps를 통한 AI 모델 개발 및 배포 효율화 : 데이터 시계열 분석 사례
MLOps를 통한 AI 모델 개발 및 배포 효율화 : 데이터 시계열 분석 사례
시계열 분석용 AI 모델 개발에서 전처리와 훈련 자동화를 위한 MLOps 파이프라인 구축 경험을 소개했습니다. 상세 본문은 확인되지 않아 핵심 주제만 파악할 수 있었습니다.
#MLOps#pipeline
0005분
개발 파트너, AI 코딩 에이전트 체험기 (feat. Copilot, Cursor, Windsurf, Junie, Jules)
AI 코딩 에이전트 5종의 실제 사용 경험을 바탕으로 강점과 한계를 비교했습니다. 반복 작업은 AI에 맡기고 개발자는 더 창의적인 업무에 집중하는 방향을 제안했습니다.
#LLM#Cursor
146005분
시각 언어 모델(Vision Language Model) 활용시 꼭 알아야 할 사실
VLM은 쉬운 공간 관계 문제도 자주 틀리는 한계가 있습니다. 현업 적용 전 정확성과 취약점을 충분히 검토해야 했습니다.
#LLM#ML
58005분
무신사의 AI 기반 상품 추천 및 검색 시스템 구현 사례
무신사는 스냅 이미지와 자연어를 활용한 AI 추천·검색 프로토타입을 AWS 기반으로 구현했습니다. 실제 데이터 평가에서 높은 정확도를 보였지만, 일부 이미지 조건에서는 한계도 확인했습니다.
#LLM#검색
178005분
Beyond Vibe Coding to Agentic Coding: 카카오의 AI 협업 개발 실험
AI 코딩 에이전트 등장으로 개발 패러다임이 바뀌는 흐름을 다뤘습니다. 카카오의 개발자-AI 협업 실험을 소개하는 글입니다.
#협업#prompt
86005분
AI 피처 스토어를 MongoDB와 Spring Cloud Stream으로 새롭게 구축한 이야기
AI 피처 스토어를 MongoDB와 Spring Cloud Stream으로 새롭게 구축한 이야기
AI 피처 스토어를 MongoDB와 Spring Cloud Stream으로 새롭게 구축한 사례를 소개했습니다. 기존 레거시 피처 스토어를 재구성한 과정과 기술 조합을 공유했습니다.
#MongoDB#Spring Cloud
62005분
당근의 엔지니어가 긴밀하게 협업하는 방법
광고 추천 ML 파이프라인 분리 프로젝트에서 긴밀한 협업 방식을 소개했습니다. 데일리 스레드, 페어프로그래밍, 랜덤 코드 리뷰로 맥락 공유와 지식 확장을 이끌었습니다.
#ML#GitHub Actions
136005분
랭턴의 개미와 마르코프 체인으로 보는 고객 채널 점유율 시뮬레이션
랭턴의 개미와 마르코프 체인으로 고객 채널 점유율 변화와 정상 상태 수렴을 시뮬레이션했습니다. 프로모션만으로는 한계가 있어 기본 전이 구조를 바꿀 필요가 있음을 보였습니다.
#Python#마르코프 체인
111005분
연간 LLM 호출 비용 25% 절감, 인턴이 도전한 시맨틱 캐싱 도입 기록
시맨틱 캐싱을 도입해 채팅 AI 메시지 추천의 LLM 호출 비용을 크게 줄인 사례를 소개했습니다. 오프라인과 온라인 검증을 통해 약 25% HIT 비율과 연간 2억 원대 절감 효과를 확인했습니다.
#LLM#cache
313005분