도메인 관리 자동화를 위한 ExternalDNS
ExternalDNS로 EKS Ingress 도메인을 Route53에 자동 등록·관리하는 구성을 설명했습니다. 교차 계정 IAM 설정과 Helm 옵션, Ingress annotation, 삭제 동작 및 주의점까지 정리했습니다.
#EKS#ExternalDNS
66005분
필터 0
Next.js 개발 중 마주한 Hydration Error와 원인
Next.js SSR 환경에서 Hydration Error가 발생한 원인과 점검 방법을 정리했습니다. dayjs locale 불일치로 서버와 클라이언트 렌더 결과가 달라진 사례를 설명했습니다.
#Next.js#React
137005분
모니터링에서 옵저버빌리티로 더 나은 시스템 이해를 위한 여정
기존 모니터링의 한계를 짚고 옵저버빌리티의 필요성을 설명했습니다. 메트릭·로그·트레이스를 연결해 원인 분석과 장애 대응을 더 정확하게 만드는 방향을 제시했습니다.
#모니터링#옵저버빌리티
110005분
“딸깍! QA 대응 완료” : 자동화로 QA 대응 프로세스 50% 단축하기
QA 대응 프로세스에 GitLab, Jenkins, Jira Automation을 연동해 수동 작업을 자동화했습니다.그 결과 개발자 후속 대응 단계를 절반으로 줄여 업무 흐름을 개선했습니다.
#자동화#QA
78005분
올해에는 DTO에 @Jacksonized 하나 놓아 드려야겠어요
Lombok `@Builder`와 Jackson을 함께 사용할 때 단일 필드 DTO에서 역직렬화 오류가 발생하는 원인을 설명했습니다. `@Jacksonized`를 사용하면 빌더 기반 역직렬화를 명시적으로 활성화할 수 있습니다.
#Lombok#Jackson
124005분
신입개발자의 역량과 성장에 대해서(feat. Done is better than perfect)
신입 개발자에게 필요한 소통, 탐색, 기록, 질문의 태도를 중심으로 성장 방법을 정리했습니다. 완벽한 코드보다 동작하는 기능부터 시작해 점진적으로 개선하자는 메시지를 담았습니다.
#Java#Kotlin
736005분
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
![[AWS Summit 2025] 생성형 AI 기반으로 스마트 인사이트 구현](https://tech.cloud.nongshim.co.kr/wp-content/uploads/amzonq250805.jpg)
[AWS Summit 2025] 생성형 AI 기반으로 스마트 인사이트 구현
AWS Summit 2025에서 Amazon Q in Quicksight와 Amazon Q Business 활용 사례를 소개했습니다.\n자연어 기반 분석과 사내 질의 응답으로 데이터 활용 장벽을 낮춘 점이 핵심입니다.
#AWS#LLM
49005분
AI 에이전트와 카카오페이 결제 오픈 API 연동하기: MCP Agent Toolkit 개발기
카카오페이는 AI 에이전트가 결제 API를 호출할 수 있도록 MCP 기반 Agent Toolkit을 개발했습니다. 표준 프로토콜과 멀티 프레임워크 지원으로 결제 연동의 확장성과 호환성을 높였습니다.
#MCP#LLM
98005분
밑바닥에서 개선한 추천시스템 with Two-Tower Model
Two-Tower 모델로 추천시스템의 후보 검색 단계와 학습 방식을 개선한 적용 사례를 다루었습니다. In-Batch Sampled SoftMax, LogQ Correction, ScaNN 활용과 운영 모니터링까지 함께 소개했습니다.
#추천시스템#Two-Tower
261005분
재무회계팀의 바이브 코딩 이야기
재무회계팀이 반복 수기 업무를 AI와 Python, Cursor로 자동화한 사례를 소개했습니다. 비개발자도 작은 작업부터 시작해 실무 효율과 팀 문화 변화를 이끌 수 있음을 보여줬습니다.
#Python#ChatGPT
110005분
“보이는 데이터”를 “쓸 수 있는 데이터 “로: 코오롱몰의 LLM 기반 상품 속성 추출 여정
코오롱몰은 이미지에만 있던 상품 속성을 LLM으로 추출해 검색과 필터에 활용할 수 있게 했습니다. 그 결과 추출 시간과 비용을 크게 줄이고, 사이즈탭 노출과 구매 전환율도 높였습니다.
#LLM#Amazon Bedrock
66005분
모델 크기 경쟁을 넘어: MoE가 제시하는 스마트한 AI
LLM의 무작정 큰 모델 경쟁 한계를 짚고 MoE의 구조와 장점을 정리했습니다. 또한 실제 서비스에서 필요한 메모리, 통신, 로드 밸런싱 최적화 포인트를 설명했습니다.
#LLM#MoE
70005분