

Amazon Bedrock기반에서 Contextual Retrieval 활용한 검색 성능 향상 및 실용적 구성 방안
Amazon Bedrock에서 Contextual Retrieval로 RAG 검색 정확도를 높이는 방법을 설명했습니다. 전처리 컨텍스트 생성, 하이브리드 검색, 리랭킹, 프롬프트 캐싱까지 실무 구성을 함께 다뤘습니다.
새로운 기술 블로그가 추가되었어요


Amazon Bedrock에서 Contextual Retrieval로 RAG 검색 정확도를 높이는 방법을 설명했습니다. 전처리 컨텍스트 생성, 하이브리드 검색, 리랭킹, 프롬프트 캐싱까지 실무 구성을 함께 다뤘습니다.


Gemma와 MediaPipe로 차량 제어용 On-Device AI를 프롬프팅만으로 구현한 실험 과정을 공유했습니다. 기본 명령은 잘 처리했지만, area 인식과 응답 일관성 보완을 위해 파인튜닝이 필요했습니다.


Amazon Bedrock과 AWS Config로 규제 요구사항을 규칙에 자동 매핑하는 도구를 소개했습니다. 수동 관리의 한계를 줄이기 위한 프롬프트 설계와 운영 포인트도 함께 설명했습니다.

네이버 FE 엔지니어들이 25년 4월 FE News에서 LLM 실패 사례, 프롬프트 엔지니어링, Vibe Coding 등을 소개했습니다. 웹과 AI 관련 주요 기술 소식을 월간으로 큐레이션해 공유했습니다.


안드로이드에서 DistilKoBERT 기반 스팸 분류 모델을 온디바이스 AI로 구현한 과정을 정리했습니다.\nTFLite 변환과 양자화로 모델 크기와 추론 속도를 개선하고 단말 벤치마크 결과도 확인했습니다.


Amazon Rekognition Face Liveness로 무인 키오스크의 얼굴 등록과 로그인 흐름을 구현한 사례를 다뤘습니다. SAGA 패턴과 스냅샷 기반 인식으로 일관성과 저사양 기기 호환성도 함께 확보했습니다.


Amazon Bedrock과 Amazon OpenSearch로 헤지펀드용 Company Screener Agent를 구현한 사례를 소개했습니다. 금융 특화 임베딩과 하이브리드 검색으로 종목 선별, 요약, 검증을 자동화한 효과를 설명했습니다.
![[Python] Python 개요 정리](https://bespin-wordpress-bucket.s3.ap-northeast-2.amazonaws.com/wp-content/uploads/2025/03/image-114.png)

Python의 기본 개념과 특징, 장점을 소개한 글이었습니다. 여러 기업의 활용 사례를 통해 실무 적용 가능성도 함께 설명했습니다.

밸런스히어로가 AI 기반 ACS와 플랫폼 확장으로 2024년 매출 1,442억 원, 영업이익 355억 원을 기록했습니다. 인도 중저신용자 금융 접근성을 높이며 원스톱 크레딧 플랫폼으로 성장 전략을 강화했습니다.

밸런스히어로가 AI 기반 ACS와 플랫폼 비즈니스 확대로 연매출 1,442억을 달성했습니다. 인도 중저신용자 대상 금융 플랫폼으로 성장 전략을 강화했습니다.

밸런스히어로가 AI 기반 ACS를 바탕으로 2024년 매출 1,442억 원과 영업이익 355억 원을 기록했습니다. 인도 중저신용자 대상 마이크로 크레딧과 플랫폼 비즈니스를 확대하며 고성장을 이어가고 있습니다.

기본형 AI 에이전트를 직접 구현하며 도구 사용과 반복 추론 구조를 설명했습니다. Gradio 테스트와 DB, Git 시나리오로 실제 동작도 확인했습니다.