AWS 환경에서 Physical AI 모델 구축하기 – (1) 데이터
Physical AI는 모델보다 데이터가 성능을 좌우하며, 실제·합성·인간 영상 데이터를 조합하는 전략이 중요했습니다. AWS는 수집부터 큐레이션, 학습 연결까지의 데이터 파이프라인을 서비스 조합으로 설계하는 방식을 제시했습니다.
#AWS#Physical AI
5005분
필터 1
“AI를 쓰는 회사가 아니라, AI 없이는 일이 안 되는 회사”: 마이리얼트립이 AI Native 조직으로 전환한 이유
마이리얼트립이 AI 기능 추가를 넘어 AI Native 조직으로 전환한 배경과 과정을 공유했습니다. 분업 구조를 바꾸고 AI 활용 성과를 평가와 리더 역할에 반영한 점이 핵심입니다.
#LLM#자동화
78005분
토스증권 Iceberg 적용기 #1: CDC 환경은 왜 제대로 동작하지 않을까?
Iceberg CDC에서 발생하는 정합성 이슈와 원인을 정리하고, Position Delete 중심의 처리 원칙을 설명했습니다. Kafka key 설정, Commit Timeout, Schema Evolution 대응으로 중복 문제를 해결한 사례를 공유했습니다.
#Iceberg#CDC
168005분
AI가 지켜보는 데이터 파이프라인: 노이즈 제거부터 장애 대응까지
데이터 파이프라인 운영에서 노이즈 알림과 반복 대응으로 인한 피로를 줄이기 위해 AI 활용 방안을 소개했습니다. 로그 전처리, 노이즈 분류, AI Assistant 적용 사례를 중심으로 장애 대응 자동화를 다뤘습니다.
#LLM#데이터 파이프라인
104005분
ETL의 미래 기술: 빅데이터 시대 데이터 통합을 이끄는 트렌드와 혁신
ETL의 기원부터 현대의 ELT, 클라우드, AI 활용 흐름까지 정리했습니다. 현업 파이프라인을 AWS Glue로 재구성했을 때의 장점도 함께 설명했습니다.
#ETL#ELT
29005분