[오프라인/마감] MoAI-ADK 개발기: AI 코딩 에이전트를 통제와 자율의 균형 속에 두는 길
※ 참가 신청은 3월 13일 금요일 17:00에 마감됩니다. COMMIT 신청하기 goorm 구름은 ‘모두가 개발자가 된다’는 비전으로 ‘개발자 성장 중심’ 생태계를...
devBlog
MLOps 글 모음
기업 기술블로그의 MLOps 관련 글 130개
Transformer World: LLM의 기본 구조 뜯어보기
Transformer 기반 LLM의 내부 구조를 단계별로 살펴보고, Token Embedding·Attention·LM Head 등 각 모듈의 의미와 KV Cache·MHA·GQA 등 최적화 기법을 정리합니다.
Amazon Connect AI Agent로 우리 회사만의 Agentic AI 컨택센터 구축하기
본 블로그 게시글은 AWS Blog의 영어 원문을 한글로 번역 및 일부 수정한 포스팅 입니다. 소개 컨택센터 리더들은 점점 더 복잡한 과제에 직면하고 있습니다: 고객은 모든 채널에서 즉각적이고 개인화된 서비스를 기대하는 반면, 상담원은 문제 해결을 위해 여러 시스템, KMS(Knowledge Management System)와 같은 지식 베이스나 시스템, 워크플로우를 동시에 다뤄야 합니다. 기존 접근 방식—각 시스템에 대한 커스텀 및 […]
AI 코딩 에이전트에게 사고 과정을 설계하다— /start부터 Agent Teams까지
Copy & Paste에서 코딩 에이전트까지: 조용한 변화의 시작
Copy & Paste에서 자율 코딩 에이전트까지: 조용한 변화의 시작 안녕하세요, 하이퍼엑셀 ML 팀 엔지니어 엄태서입니다. 개발자들 사이에는 이런 농담이 있습니다. “우리 일은 결국 문제를 구글에 검색하고, 첫 번째로 뜨는 링크를 눌러서, Stack Overflow에서 답을 복사해 붙여넣는 거 아니냐?” 어떤 면에서는 AI 코딩 도구의 등장이 우리가 하는 일을 완전히 바꾼 건 아닙니다. 다만 그 일을 훨씬 더 잘, 훨씬 더 빠르게 하게 만들
인간과 AI, 함께 데이터를 탐험하다 - BDA 2.0 서비스의 탄생, 현재 그리고 미래
자연어-SQL 변환 정확도가 높은 LLM 에이전트를 서비스하기 위해 기존에는 도메인 전문가의 지식을 바탕으로 각 도메인에 특화된 에이전트를 만드는 전문가-개발자 협업 과정이 필요했습니다. 하지만 이 방법은 하나의 에이전트 개발에도 많은 인력과 시간을 투입해야 하며, 데이터 변동에 대응하는 데 비효율적입니다. 이러한 문제점을 해결하기 위해 그 간의 에이전트 개발 경험을 토대로, 개발 지식이 없는 도메인 전문가도 누구나 웹 UI를 통해 도메인 특화
질풍노도의 AI(Claude)에게 엄격한 선생님 장착하기
[클로바 시선 #45] 인공지능 시대의 게임체인저: AI 반도체
AI는 이제 연구 단계를 넘어, 실제 서비스와 산업 전반에서 활용되는 핵심 기술로 자리 잡았습니다. 문장을 생성하고, 이미지를 이해하고, 음성으로 대화하는 AI도 더 이상 낯선 기술이 아니죠. 하지만 사용자가 AI를 “자연스럽게” 받아들이기 위해서는 반드시 충족되어야 할 조건이 있습니다. 바로 빠르고 안정적인 동작입니다.⚡️ 예를 들어 대규모 언어 모델(LLM)의 응답 속도가 사람이 글을 읽는 속도보다 느리다면, 사용자는 즉시 답답함을 느끼게
Agentic AI로 구현하는 대화형 대기오염·기후변화 예측 애플리케이션 구축
들어가며 복잡한 대시보드, 정말 활용되고 있을까? 많은 기업과 연구기관이 데이터 기반 의사결정을 위해 정교한 대시보드를 구축합니다. 하지만 실제 현장에서는 이러한 대시보드가 제대로 활용되지 못하는 경우가 많습니다. 수십 개의 파라미터를 조정해야 하는 복잡한 UI, 전문 용어로 가득한 입력 필드, 그리고 “만약 이렇게 하면 어떻게 될까?”라는 간단한 질문에도 많은 시간이 소요되는 구조 때문입니다. 특히 시뮬레이션 기반 대시보드의 […]
업무 생산성 향상을 위한 Agentic RAG 기반 서비스
삼성리서치에서 개발 중인 Agentic RAG 기반 보고서 작성 서비스인 ‘DeepDive’의 아키텍처와 기술적 고도화 여정을 소개합니다. 긴 문서에서 핵심만 빠르게 추출하는 방법부터 멀티 에이전트 협업으로 다중 문서를 분석하는 방식까지 업무 효율을 높이는 Agentic AI 기술을 실제로 개발하는 과정에서 마주한 문제와 해결책을 담았습니다.
나만의 맞춤법 검사기 만들기: 개발 과정과 노하우 공유
이 글은 한컴오피스 맞춤법 검사기의 자체 개발 가능성을 검토한 개인 프로젝트의 기록입니다. 범용 LLM의 일관성 문제와 과교정 경향을 분석하고, 이를 극복하기 위해 규칙 기반 교정과 KoBART 모델을 결합한 하이브리드 아키텍처를 설계했습니다. KoGPT-2에서 KoBART로의 전환 이유, 50개 이상의 규칙 엔진 설계, 글자 수 기반 검증 필터 구현 과정을 다루며, 프로토타입 개발부터 향후 한컴오피스 적용 계획까지의 여정을 공유합니다.
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
벤치마크 시리즈 1편: 리트리벌 벤치마크 제작기
Claude Code를 REST API로 감싸기: 세션, 스트리밍, MCP
NAVER DAN 2025 참관기
NAVER DAN 2025 참관기 Introduction 안녕하세요? HyperAccel ML팀 박신현입니다. 2025년 11월 6~7일 양일간 코엑스에서 열렸던 NAVER DAN 2025에 다녀와서 느낀 점을 공유하려고 합니다. 참관 동기 이번 컨퍼런스 참관의 주요 목적은 다음과 같습니다: 확장 가능한 스토리지 인프라 인사이트 확보: 컴퓨팅 클러스터 내 노드끼리 데이터를 공유하는 것을 넘어, 서로 다른 클러스터 간 데이터를 주고 받을 수 있는
SGLang paper review
SGLang의 철학 LLM이 도입된 이후, LLM은 문제 해결, 코드 작성, 질문 답변 등 다양한 분야에서 복잡한 작업을 해결하는 데 사용되어 왔습니다. 오늘날 LLM은 에이전트 능력을 확장하여 인간의 개입 없이 사용자가 요청한 작업을 완료하고 있습니다. 이를 위해서는 skeleton of thought나 tree of thought와 같은 다양한 프롬프팅 기법이 필요합니다. 즉, 우리는 LLM이 특정 패턴을 따르도록 구조화하여 우리의 요구에
휴먼의 'AI 학습'은 이렇게 #2: DeepLearning.ai (& pro)
안녕하세요, Joe! 입니다. '휴먼의 AI학습' 시리즈 그 두번째는 여러분이 잘 아시는 DeepLearning.ai 사이트를 소개합니다. 최근에 구독형 서비스(pro)를 오픈하면서 화제가 되기도 했지요. 2025년 11월 버전 기준으로 정리해 보도록 하겠습니다. (1) https://www.deeplearning.ai…
Pytorchcon 2025 참관기
PyTorch Conference 2025 참관기 Introduction 안녕하세요? HyperAccel ML팀 Lead 박민호입니다. 지난 10월 22일~23일에 샌프란시스코에서 열렸던 PyTorch Conference 2025에 다녀와서 보고 느낀 점을 공유하려고 합니다. HyperAccel 소개 저희 HyperAccel은 Large Language Model (LLM)을 효율적으로 추론하는 AI Chip을 설계하는 회사입니다. 현재 FPG
도로의 숨결과 표정으로 결빙을 감지하는 멀티모달 AI 솔루션 'ARHIS Ambient'
안녕하세요, 데이터서비스개발팀에서 AI를 개발하는 이준성입니다. 이번 글에서는 멀티모달 기반의 블랙아이스 감지 솔루션을 소개하려고 합니다. 기술적인 부분도 어렵지 않게 풀어 설명했으니 편하게 읽어 주세요. 개요 AI…
페이지 4 / 8 (총 130개)