Data Analysis 글 모음

농심클라우드

2026-06-24 · 11일 전

본 글에서는 Databricks Data + AI Summit 2026의 “Agentic Analytics on Databricks Lakehouse” 세션을 바탕으로 Lakehouse RT, Unity AI Gateway, Genie Ontology, Agent Bricks 중심의 Agentic Analytics 아키텍처와 데이터 분석 플랫폼의 미래를 살펴봅니다. The post [Databricks Data + AI Summit 2026]

농심클라우드

2026-06-24 · 11일 전

본 글에서는 Databricks Data + AI Summit 2026 키노트의 “Agentic Data” 흐름과 Lakehouse//RT, Lakebase, Genie, Unity AI Gateway 발표를 중심으로 기업이 Agentic AI 시대를 준비하기 위한 데이터 플랫폼 전략을 살펴봅니다. The post [Databricks Data + AI Summit 2026] 키노트로 본 Agentic Data 시대의 시작 appeared fi

농심클라우드

2026-06-24 · 11일 전

본 글에서는 Databricks Data + AI Summit 2026 키노트의 “Agentic Data” 흐름과 Lakehouse//RT, Lakebase, Genie, Unity AI Gateway 발표를 중심으로 기업이 Agentic AI 시대를 준비하기 위한 데이터 플랫폼 전략을 살펴봅니다. The post [Databricks Data + AI Summit 2026] Agentic AI 데이터 플랫폼 전략 appeared first o

라인

2026-06-22 · 13일 전

LY Corporation의 기술 컨퍼런스인 Tech-Verse 2026의 공식 기사입니다.안녕하세요. AI 에이전트로 분석을 ‘하나로 잇는’ 프로젝트 ‘PJ One Piece’의...

농심클라우드

2026-06-17 · 18일 전

AI는 이제 정보를 제공하는 도구를 넘어 고객 경험과 기업 운영을 직접 지원하는 에이전트로 발전하고 있습니다. 이번 글에서는 Amazon AI Strategy를 바탕으로 고객 경험, Seller 운영, 공급망에 적용된 에이전틱 AI 사례와 이를 구현하기 위한 AWS의 핵심 기술을 살펴봅니다. The post [AWS Summit Seoul 2026] Amazon’s AI Strategy로 본 에이전틱 AI 전환 appeared first on

매드업

2026-06-17 · 18일 전

1. 들어가며 인스타그램을 보다보면 나오는 화려한 광고들은 누가 만들까요? 대 AI 시대에도 광고 소재는 여전히 많은 전문가들의 손을 거쳐 제작되고, 또 수명이 다하면 사라집니다. 그렇기 때문에 마케팅 에이전시에서도, 인하우스 마케팅 부서에서도, 주기적으로 레퍼런스를 찾기 위해 반복적으로 아까운 시간을 보내게 됩니다. LEVER Xpert AI팀은 간단한 질의로 마케터의 상황에 필요한 광고 소재 이미지를 찾을 수 있는 소재 검색을 구현함으로써

카카오

2026-06-15 · 20일 전

AI 에이전트로 카카오톡 추천 지표 분석 자동화하기: Hadoop 기반 도입 사례 안녕하세요. 소셜추천엔진팀에서 숏폼 추천 모델을 개발하고 있는 루퍼트(rupert)입니다. 추천 시스템을 개발하다 보면 코드를 짜는 시간만큼이나 데이터를 들여다보는 시간이 길어집니다. 지표가 조금만 움직여도 “이번 주 CTR이 왜 떨어졌지?”, “실험군 반응은 어땠지?”, “배포 이후 특정 사용자군에서 달라진 점은 없을까?” 같은 질문이 이어집니다. 질문은 한 문

AWS

2026-06-11 · 24일 전

(주)경농 파밍노트 고도화 프로젝트 — 농약 제품 사진 한 장으로 제품 정보를 자동 검색하는 AI 시스템의 설계와 구현 과정을 공유합니다. 경농 소개 ㈜경농은 1957년 설립된 농산업 토털 솔루션 기업으로, 작물보호제∙비료∙종자∙관수자재 등 다양한 농자재를 공급하며 한국 농업 기술 발전을 선도하고 있습니다. 경농 스마트팜사업부문은 복합환경제어기∙양액공급시스템 등 자체 기술과 글로벌 기업과의 협력을 기반으로 국내 최고 수준의 스마트팜 솔루션을 [

네이버

2026-06-08 · 27일 전

네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2026(5월)에서 발표되었던 세션을 공개합니다. 발표 내용 AI국민비서 에이전트 개발 과정에서 겪었던 lesson learn과 노하우를 공유합니다. 발표 대상 공공서비스 접근성 개선에 관심이 있으신 분 네이버 HyperClovaX 모델과 에이전트 개발에 관심이 있으신분 목차 프로젝트 개요 모델 선택 문제의 난이도를 낮추기 속도 최적화 Safety 대응 평가 / QA 체계 경

AWS

2026-06-01 · 약 1개월 전

RIMAN KOREA 소개 RIMAN KOREA는 2018년 설립된 K-뷰티 글로벌 다이렉트 셀링 기업입니다. 자이언트 병풀, 제주 용암해수 등 독자 원료를 기반으로 고기능성 스킨케어(ICD), 비건 뷰티(보타랩), 건강기능식품(라이프닝)을 주력 제품으로 합니다. 리만코리아의 E-Commerce 팀은 운영 중인 온라인 자사몰(이하 리만몰)을 고도화하기 위해 사용자로부터 접수된 문의 내역을 분석하였습니다. 그 결과 상품 검색이 어렵다는 문제를 발

한글과컴퓨터

2026-05-29 · 약 1개월 전

이 글은 Claude Code의 핵심 설정 파일인 CLAUDE.md를 효율적으로 관리하기 위한 컨텍스트 엔지니어링 전략을 다룹니다. 무분별한 규칙 추가가 오히려 AI의 성능을 저해하는 컨텍스트 부패(Context Rot) 현상을 설명하고, 이를 방지하기 위한 JIT(Just-In-Time) 전략, 메모리 계층 구조 활용, 그리고 안드레 카파시(Andrej Karpathy) 스타일의 간결한 지침 작성법을 제시합니다. 단순한 프롬프트 작성을 넘어

농심클라우드

2026-05-26 · 약 1개월 전

Amazon OpenSearch는 키워드와 벡터 검색을 넘어, AI 에이전트가 문맥을 이해하고 탐색하는 에이전틱 검색 플랫폼으로 진화하고 있습니다. 이번 글에서는 주요 신기능과 차세대 검색 구조를 살펴봅니다. The post [AWS Summit Seoul 2026] 나야, 차세대 OpenSearch: 에이전틱 AI를 곁들인 appeared first on NDS Cloud Tech Blog.

인포그랩

2026-05-20 · 약 2개월 전

개발팀 성과를 경영진 보고로 정리하는 데 며칠씩 걸리시나요? 2024년 이후 BI에서 DevOps로 확장된 생성형 AI 데이터 분석, 그리고 GitLab Data Analyst Agent와 인포그랩 Mantis가 이를 자연어 한 줄로 바꾸는 방식을 살펴봅니다.

AWS

2026-05-07 · 약 2개월 전

기존의 RAG(Retrieval-Augmented Generation) 방식은 주로 ‘벡터 유사성 검색’에 의존합니다. 하지만 이 방식은 단순히 질문과 언어적으로 유사한 정보만 찾기 때문에, 데이터 간의 복잡한 구조적 관계나 숨겨진 맥락을 놓칠 수 있다는 한계가 있습니다. 지식 그래프(Knowledge Graph)는 이러한 한계를 보완합니다. 데이터를 개체(Entity)와 관계(Relation) 중심으로 연결하여, 질문과 직접적인 단어 유사성이

AWS

2026-04-29 · 2개월 전

한국어 SPLADE v3 스타일 모델(sewoong/korean-neural-sparse-encoder-base-klue-large)을 Amazon OpenSearch Service에 배포하고, BM25 / Titan Embedding V2 / 각 하이브리드 조합을 MIRACL-ko로 비교했습니다. 코드와 정량 지표 중심으로 Sparse / Dense / Lexical을 어떻게 선택할지 판단할 수 있도록 정리했습니다. 검색의 출발점: TF-ID

AWS

2026-04-27 · 2개월 전

이 글은 AWS Spatial Computing Blog에 게시된 Simulating Expert Teams with Agentic AI and Amazon Bedrock AgentCore 를 한국어로 번역 및 편집하였습니다. 소개 여러 전문 분야에 걸친 기술적 질문에 답하는 것은 단순히 정답을 찾는 문제가 아닙니다. 가장 어려운 부분은 그 답을 제공할 수 있는 적절한 사람들을 조율하는 일인 경우가 많습니다. 만약 AI가 전문가 팀을 대체하는