벡터DB를 걷어내고 유사글 추천 되살리기 — 임베딩 배치 Agent 개발기
들어가며 — 비어 있던 추천 섹션 DEVOCEAN 블로그 글을 끝까지 내리면 맨 아래에 ＂DEVOTEE 추천 블로그＂ 라는 자리가 있습니다. 지금 읽는 글과 비슷한 주제의 글 4건을 슬쩍 띄워주는 곳인데, 언젠가부터...
devBlog
AI/ML 글 모음
기업 기술블로그의 AI/ML 관련 글 1219개
AI 기반 온라인 서비스 24X7 즉시 대응 체계 구축
DS와 MLE가 함께 일하는 법
노트북과 서빙 사이
분산 학습을 위한 AWS 컴퓨트 선택 가이드 (2편: 초대규모 스케일링과 인스턴스 확보)
1편에서는 모델 규모에 맞는 GPU 인스턴스와 인터커넥트, 병렬화 전략, 그리고 모델 메모리 계산까지 ‘무엇을 고를까’를 다뤘습니다. 이번 2편에서는 그 선택을 수천 장 규모로 확장합니다. 수천에서 수만 개의 GPU를 하나의 학습으로 묶는 울트라클러스터와 울트라서버 아키텍처, 그리고 이런 고성능 인스턴스를 실제로 확보하는 ODCR 및 Capacity Block 전략을 다룹니다. 시리즈 블로그 보기 분산 학습을 위한 AWS 컴퓨트 선택 […]
AI와 개발하기: 숨은 결정을 드러내기
[](https://www.nhncloud.com/kr) ## 들어가며 AI 시대의 개발은 코드를 직접 얼마나 잘 쓰느냐보다, AI가 만든 산출물이
늙어버린 당신의 AI
Gemini Robotics 2, Gemini Spark 등 7월 다섯째 주 Google for Developers 위클리 업데이트를 지금 확인하세요!
개발자 여러분, 안녕하세요!7월 다섯째 주 블로그에 발표된 Google의 주요 개발자 제품별 최신 소식을 살펴보세요.[주요 개발자 블로그 업데이트]AI & Machine LearningGemini Robotics 2: 로봇에 전신 지능을 구현하다 (국문)Gemini Robotics ER 2를 소개합니다 (국문) 24시간 개인 AI 에이전트 'Gemini Spark' 를 선보입니다 (국문) 최신 음악 생성 모델 'Lyria 3.5'로 더 감성 깊
[클로바 시선 #56] 충돌은 나누고, 성능은 합치다: 효율적인 LLM Post-training 전략 MERIT
서로 충돌하는 데이터는 어떻게 다룰까요? 최근 멀티모달 대규모 언어모델(MLLM)을 만드는 표준 레시피는 점점 더 큰 여러 종류의 지시 및 응답 데이터를 한데 섞은 학습 데이터인 'Instruction Mixture'를 활용한 후학습(Post-training)으로 자리잡고 있습니다. ✔️ 인식(Perception) ✔️ 추론(Reasoning) ✔️ OCR ✔️ 문서 이해 ✔️ 비디오 이해 등 모델이 수행해야 하는 능력이 다양해질수록, 학습에
여기어때 리서치 아카데미
[네이버클라우드 아카데미] 가천대학교와 함께한 <AI 부트캠프 생성형 AI 고급 과정> 모아보기✨
안녕하세요! 누구나 함께 시작하는 클라우드 네이버 클라우드 플랫폼 ncloud.com입니다. ☁️ 지난 6월 22일부터 7월 2일까지 총 8일 동안 가천대학교 AI부트캠프사업단의 <생성형 AI 고급 과정> 교육이 진행되었습니다! 40시간 동안 진행된 이번 교육은 ‘생성형 AI 활용 과정’과 ‘심화 과정’에 이어 보다 전문적이고 실무 중심적인 학습을 목표로 운영된 고급 프로그램이었습니다. 뜨거운 열정과 훌륭한 성취도가 인상적이었던 가천대학교 <생
A1Mobilsoft의 운영 문의 자동화 여정 (2): 세 에이전트 구현과 사람 vs AI 검증
본 블로그 시리즈는 A1Mobilsoft, Megazone, AWS 가 공동 작성 하였으며, 두 편으로 이루어져 있습니다. 각 편의 구성은 다음과 같습니다. 1편 (0~3장): 문제 정의와 3-에이전트 아키텍처 설계 2편 (4~7장, 현재 글): 세 에이전트 구현 우여곡절과 사람 vs AI 검증 2편: Bedrock AgentCore·Strands 기반 구현 디테일, 프롬프트 캐시, 그리고 14건 병렬 비교 결과 1편에서는 32개월간 846건이
Amazon Braket으로 양자-고전 하이브리드 알고리즘 실행하기 (2편)
본 블로그는 Amazon Braket 하이브리드 알고리즘 시리즈의 두 번째 글입니다. 각 편의 구성은 다음과 같습니다. 1편: 알고리즘 스크립트 방식의 하이브리드 잡 환경 구성 2편 (현재 글): @hybrid_job 데코레이터 방식과 로컬 잡 활용 지난 블로그에서는 알고리즘 스크립트 방식에 기반한 하이브리드 잡 환경을 구성하는 방법에 대해 소개하였습니다. 이번 블로그에서는 @hybrid_job 데코레이터를 이용한 하이브리드 잡 환경을 구성하는
AI infra
"AI-Ready Infrastructure"는 글로벌 표준 어휘이지만 ①물리 인프라 ②AI-ready 데이터 ③조직 준비도라는 3개 층위를 아우르는 우산형 용어다. 국내는 ①에 과집중되어 있어 MSP 차별화는 GPUaaS의 슬라이싱·관측·AI 네트워킹·스케줄링·FinOps 중심의 운영 서비스화와 ②·③ 확장에 있다. The post AI infra appeared first on BESPIN Tech Blog.
월간 AI 보안 소식 - 2026년 7월
AI SDLC의 올바른 접근법과 사전 준비사항
AI 코딩의 성공을 SDLC 전 과정 자동화로 과대포장하는 ‘모두 다 된다’식 약속은 위험하다. 단계별 성숙도를 구분하고, PoC로 검증한 뒤 범위를 확정하며, KPI를 정량화하고 Human-in-the-loop로 운영해야 엔터프라이즈 환경에서 AI SDLC를 현실적인 로드맵으로 구현할 수 있다. The post AI SDLC의 올바른 접근법과 사전 준비사항 appeared first on BESPIN T
LLM은 똑똑한데, 왜 우리 회사 일은 모를까
문서 · 코드 · 사내 메신저에 흩어진 정보를, 믿고 쓸 수 있는 컨텍스트로 만드는 여정
AWS 환경에서 Physical AI 모델 구축하기 – (1) 데이터
Physical AI는 텍스트를 생성하던 AI가 물리 세계에서 직접 인식하고, 추론하고, 행동하는 단계로 넘어가는 흐름을 뜻합니다. 휴머노이드 로봇부터 자율주행까지 응용은 빠르게 늘고 있지만, 실제로 만들어 내려면 대규모 멀티모달 데이터, 막대한 학습 연산, 고정밀 시뮬레이션, 그리고 이 모든 것을 실제 동작으로 잇는 오케스트레이션까지 새로운 파이프라인이 필요합니다. 이 시리즈는 Physical AI를 뒷받침하는 핵심 기술과 그 과정의 챌린지를
[클로바 시선 #55] 우리의 눈과 귀로 현장을 이해하다 : 독자 인코더와 HyperCLOVA X SEED 4B 개발기
현대 전장은 드론 영상과 위성사진, 무전 음성, 작전 문서 등 서로 다른 형태의 정보가 실시간으로 쏟아지고, 이를 신속한 의사결정으로 연결해야 하는 환경으로 빠르게 바뀌고 있습니다. ⏰ 그리고 이것이 텍스트와 이미지, 영상 그리고 음성까지 동시에 이해하는 옴니모달 AI가 국방의 핵심 기술로 주목받는 이유죠! 팀네이버는 바로 이러한 환경에 최적화된 경량 옴니모달 언어모델 HyperCLOVA X SEED 4B와 그 기반이 되는 HyperCLOVA