기업 기술블로그의 AI/ML 관련 글 1218개
안녕하세요, 누구나 쉽게 시작하는 클라우드 네이버클라우드 ncloud.com 입니다. 오늘은 로봇을 운영하는 현장에 도움이 될 마켓플레이스 오픈 프로모션 소식을 들고 왔습니다. 야심 차게 도입한 로봇, 생산성과 운영 효율까지 챙기기는 생각보다 쉽지 않으시죠? "실시간 생산성이 보이지 않아 생산 손실과 병목을 찾기 어렵다" "작업 중인 로봇의 상태와 가동 현황을 한눈에 확인할 수 없다" "로봇의 이상 징후와 고장 위험을 미리 알 수 없다" "갑자
AI 서비스를 안정적으로 운영하려면 어떤 인프라와 기술이 필요할까요? 이번 케클s피드에서는 kt cloud summit 2026에서 공개한 고객의 AX를 뒷받침하는 인프라 전략을 소개합니다. AI 데이터센터의 전력 인프라와 구축·운영 기술부터 AI 서비스의 성능과 비용을 함께 고려한 클라우드·AI 기술과 적용 사례까지 담았습니다. 비즈니스 현장에서 AI를 구현하고 운영하는 데 필요한 인사이트를 만나보세요.1,500여 명이 함께한 kt cloud
네이버 사내 Tech Meetup에서 발표되었던 인기 세션을 공유합니다. 에이전트를 개발하다 보면 같은 개념을 서로 다른 뜻으로 쓰고 있어서 논의가 겉도는 경험, 한 번쯤 해보셨을 것 같습니다. "이거 에이전트인가요?" "하네스를 만들어야죠" — 그런데 하네스가 정확히 무엇인가요? "Context 에 넣어두면 되죠" "그건 Memory 아닌가요?" "그건 MCP 인가요 A2A 인가요? 기존 REST API 랑 뭐가 다른가요?" 사실
성균관대 박민수 교수·서던일리노이대 이수정 교수, 세무 플랫폼의 소비자 후생 연구 미청구 환급권과 금전적 편익, 신고시
요즘 AI와 함께 글을 쓰는 일이 부쩍 늘었습니다. 그러다 최근 DEVOCEAN에 올린 개발기(벡터DB를 걷어내고 유사글 추천을 되살린 이야기)가 ＂AI 느낌이 많이 난다＂는 이야기를 들었고, 마침 책 원고 교정 도...
소버린 AI를 개발하는 일은 막대한 비용을 감당해야 하는 승부입니다. ⚔️ 2025년 Meta가 공개한 자료에 따르면, Llama 4의 사전학습에는 H100 GPU 누적 738만 시간이 투입되었는데요. 이를 2026년 현재 클라우드 H100 임대 시세(시간당 약 2.5~3달러)로 단순히 환산하면 GPU 비용만 한화로 약 250억~300억 원 규모인 셈입니다. 이렇게 GPU를 수백만 시간 가동하는 데만 수백억 원이 소요되는 시대에, 학습 속도를
로봇을 움직이는 제어 정책을 학습할 때는 수백만 번의 시행착오가 필요합니다. 학습한 모델로 원하는 동작을 수행하는지 반복해서 검증해야 하는데, 실제 로봇으로 이를 반복하면 시간이 오래 걸리고 비용이 크며 로봇이 파손될 위험이 있습니다. 그래서 로봇 개발팀은 시뮬레이션에서 학습하고 실제 로봇에서 검증하는 Sim-to-Real 접근법을 사용합니다. 하지만 시뮬레이션에서 수많은 시행착오를 거치고 사전 학습된 모델을 로봇 데이터로 미세 조정하는 작업은
소개 무븐트(MVNT)는 춤을 위한 AI 인프라를 만드는 회사입니다. 전 세계 누구나 쉽게 춤을 만들 수 있도록 댄스 생성 AI 모델을 개발하고 있으며, 유명 안무가인 최영준 공동창업자를 필두로 모션 생성·3D·컴퓨터 비전·휴머노이드 백그라운드의 엔지니어들이 함께하고 있습니다. 현재 무븐트의 서비스는 웹앱과 API, 언리얼 엔진 플러그인 형태로 제공되고 있으며 안무가는 물론 K-Pop 기획사, AI UGC(사용자 생성 콘텐츠) 크리에이터, 게임
여러 채널에 분산되어 있던 업무 이력을 출처가 유지되는 Wiki로 연결하여, AI가 중요한 설계 및 구현 판단 전에 과거의 근거를 확인하도록 했습니다. 과거 근거가 현재 상태와 충돌할 경우, AI가 실행 전 차이점과 선택지를 제시하고 사용자 확인을 거치게 했습니다. 44일간 60개의 실무 중 47개 업무에서 Wiki를 836회 조회했으며, 이를 활용한 업무의 89.4%에서 최초 판단이 보완되거나 부정되었습니다.
.ktc-poster img { transition: transform .3s ease, box-shadow .3s ease; } .ktc-poster:hover img { transform: translateY(-4px); box-shadow:0 10px 22px rgba(0,154,135,0.22) !important; } .imageblock img { max-width:100% !important; height:auto !importan
모델 학습부터 검색엔진 고도화까지, 실제 AI 제품을 만드는 과정에서의 고민과 경험을 공유합니다.
머신러닝의 학습 과정에서 고품질 모델을 훈련시키려면 대규모의 고품질 데이터가 필수적이며, 이를 준비하는 과정은 보통 여러 출처의 데이터를 한곳에 모으는 작업을 동반합니다. 이 방식은 효과적이지만 의료 기관, 금융 기관, 정부 기관과 같이 데이터 프라이버시, 규제 준수, 데이터 주권에 민감한 환경에서는 조직 밖으로 반출할 수 없는 소중한 데이터를 보유하고 있는 경우가 많습니다. 연합 학습(Federated Learning, FL)은 이에 […]
AI 시대에 기업의 진짜 자산은 ‘모델’이 아니라 현장에서만 쌓이는 도메인 데이터와 도구·스킬·평가·가드레일이 결합된 하네스다. 업의 본질은 그대로이고, 경쟁력은 프로세스를 바꾸는 데이터와 실행 체계에서 나온다. The post [AI 트렌드] 모델은 사는 것, 자산은 쌓는 것 — Domain Data와 Harness appeared first on BESPIN Tech Blog.
개발자 여러분, 안녕하세요!9월 넷째 주 블로그에 발표된 Google의 주요 개발자 제품별 최신 소식을 살펴보세요.[주요 개발자 블로그 업데이트] AI & Machine LearningAntigravity SDK로 기기 내 로컬 AI 모델 연동하기 (Introducing Support for Local AI Models in the Antigravity SDK) Google ‘AI & Economy ATLAS’가 전하는 새로운 인사이트 (국문)
전화 문의를 줄이려다 사용자의 경험에서 답을 찾은 이야기예요.
같은 PR도 어떤 LLM에 어떤 프롬프트로 맡기느냐에 따라 결함이 잡히기도 하고 그냥 묻히기도 합니다. Code Review War는 쓸 수 있는 모든 LLM을 워커로 동원하고 8개 리뷰 관점(페르소나)을 실행 단위로 얹어 PR을 병렬 리뷰한 뒤, 심판 모델의 검증과 결정적 병합을 거쳐 한 장의 라인 단위 리뷰로 만드는 시스템입니다. 이 글에서는 결함을 매설한 샘플 PR과 정답지 자동 채점으로 구성별 품질을 측정하여 단일 모델 대비 결함 탐지가
데이터 분석 툴 '노트북'을 만들며
.ktc-poster img { transition: transform .3s ease, box-shadow .3s ease; } .ktc-poster:hover img { transform: translateY(-4px); box-shadow:0 10px 22px rgba(0,154,135,0.22) !important; } .imageblock img { max-width:100% !important; height:auto !importan
페이지 1 / 68 (총 1218개)
