Text2SQL이 왜 어려운지 명시적·암묵적 맥락, 사용자 의도, SQL 방언 차이 관점에서 정리했습니다. ERP 데이터 시각화 Agent 맥락에서 실무적으로 고려할 점도 함께 짚었습니다.
ML Engineer (ML/LLM Ops)
토스뱅크 · Seoul
ML/LLM 플랫폼과 공통 기술을 개발·운영하며 모델 학습부터 서빙·모니터링까지의 환경을 고도화합니다. Kubernetes에서 서비스 개발·배포·운영 경험이 필요합니다.
데이터엔지니어링(데이터서비스 AI)
우아한형제들 · 5년 이상
AI 프로덕트용 데이터 파이프라인과 Python 기반 AI Agent·백엔드 API를 개발하며, 대규모 데이터 처리와 AI 서비스 운영·품질 개선을 담당합니다. 대규모 파이프라인 및 Python 백엔드·API, Kubernetes·Cloud 환경의 설계·개발·운영 경험이 필요합니다.
Data Engineer (Platform)
토스뱅크 · Seoul
Hadoop·Airflow 기반 데이터 인프라와 하이브리드 클라우드 플랫폼을 설계·운영하고, 분산 쿼리 엔진 및 BI 플랫폼의 성능·안정성·자동화를 고도화합니다. 분산 처리·쿼리 엔진·Airflow 운영과 AWS 또는 GCP 기반 Kubernetes·데이터 플랫폼 경험이 필요합니다.
#LLM 주제를 이어서 읽기
LLM 기반 Text-to-SQL의 오류 유형과 빈도를 정리하고, 기존 수리 방식의 한계를 분석했습니다. 규칙 기반 감지와 LLM 보조 수정을 결합한 MapleRepair의 실무적 효과를 소개했습니다.
