AWS R-Assistant: Amazon Bedrock 기반 자연어 인터페이스의 클라우드 리소스와 비용 관리를 위한 챗봇
Amazon Bedrock과 Streamlit을 활용해 AWS 리소스와 비용을 자연어로 관리하는 챗봇을 소개했습니다. 콘솔 탐색을 줄이고 모니터링, 분석, 최적화를 한 화면에서 제공하는 점이 핵심입니다.
#AWS#Amazon Bedrock
36005분
필터 1
Amazon Bedrock을 활용한 (주)레듀텍의 독서 교육 콘텐츠 생성 자동화 시스템 구축
Amazon Bedrock과 AWS Lambda로 독서 문항 초안 생성 과정을 자동화한 사례입니다. 프롬프트 관리와 캐싱, 병렬 처리를 통해 비용과 작업 시간을 줄였습니다.
#Amazon Bedrock#LLM
49005분
“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
AI로 혁신하는 70년 언론사: 한국일보의 AWS 기반 인물 사진 자동 분류 및 AI 검색 시스템 구축 사례
한국일보는 AWS 기반으로 인물 사진 자동 분류와 AI 검색 시스템을 구축했습니다. 수작업 태깅을 줄이고 맥락 중심 검색을 가능하게 했습니다.
#AWS#Amazon Rekognition
100005분
KCC의 Amazon Bedrock Tool Use를 활용한 Multi Agent 플랫폼 구축 사례
KCC가 Amazon Bedrock Tool Use로 부서별 업무를 연결하는 Multi Agent 플랫폼을 구축한 사례를 소개했습니다. 손익 분석 중심의 에이전트 아키텍처와 Text2SQL, 가드레일, 프롬프트 캐싱 적용 방식도 공유했습니다.
#Amazon Bedrock#LLM
103005분
경농의 스마트팜 지원을 위한 농업 AI 챗봇
경농이 스마트팜 지원을 위해 농업 특화 생성형 AI 챗봇을 구축했습니다. RAG, 벡터 검색, 용어 사전과 쿼리 증강으로 정확한 응답을 높였습니다.
#LLM#RAG
73005분
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
Amazon Bedrock을 활용한 Omelet의 경로 최적화 AI 에이전트, TOAST
Amazon Bedrock을 활용해 경로 최적화 AI 에이전트 TOAST를 구현한 사례를 소개했습니다. 자연어 입력, 다중 에이전트 구조, 시각화와 재최적화를 통해 활용성을 높였습니다.
#Amazon Bedrock#LLM
75005분
Amazon Bedrock을 활용한 MCP 허브 아키텍처로 기업의 AI 시스템 비즈니스 민첩성 가속화
Amazon Bedrock과 MCP로 기업 AI 에이전트가 공통 도구를 표준화해 쓰는 중앙 허브 구조를 소개했습니다. 분산 개발과 중앙 거버넌스를 결합해 확장성, 보안, 운영 효율을 높이는 방식입니다.
#Amazon Bedrock#MCP
65005분
Amazon Bedrock을 이용해 Amazon Rufus 구현해보기
Amazon Bedrock과 AWS 서비스 조합으로 Rufus 같은 쇼핑 어시스턴트를 구현하는 방법을 소개했습니다. Tool 최적화, 컨텍스트 사전 로딩, prompt caching으로 응답 속도를 줄이는 방식을 설명했습니다.
#Amazon Bedrock#LLM
113005분
Amazon OpenSearch Service의 AI Search Flow를 활용한 손쉬운 AI 기반 검색 기능 구현
OpenSearch Service의 AI Search Flow 빌더로 Semantic 검색과 멀티모달 RAG를 빠르게 구성하는 방법을 소개했습니다. Ingest/Search Pipeline과 템플릿, AI 제공업체 연동으로 미들웨어 없이 검색 기능을 확장하는 흐름을 설명했습니다.
#OpenSearch#검색
79005분
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 2: 데이터 수집과 관리, 향후 계획
당근페이는 Bedrock 기반 Text-to-SQL에서 메타데이터와 샘플 쿼리, 용어 사전을 체계적으로 수집·관리하는 방식을 소개했습니다. 또한 검색 최적화와 SFT, MCP 확장으로 정확도와 활용 범위를 넓혀갈 계획을 공유했습니다.
#Amazon Bedrock#Text-to-SQL
67005분
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 1: 브로쿼리 개요와 아키텍처
당근페이는 브로쿼리라는 내부 Text-to-SQL 봇의 배경과 아키텍처를 소개했습니다. 자연어 질문을 SQL로 바꾸고 컨텍스트를 보강해 데이터 활용 장벽을 낮추는 구조를 설명했습니다.
#Amazon Bedrock#Text-to-SQL
84005분