크림

블로그 방문

KREAM Hackathon × Gemini • 2025

KREAM은 Gemini 기반 전사 해커톤으로 AI를 조직 업무에 자연스럽게 도입하는 실험을 진행했습니다. 38개 팀이 참여해 VOC 모니터링, 트렌드 탐지, 참여형 UX 등 프로토타입을 도출했습니다.

#Gemini#VOC 모니터링#트렌드 분석

94000분

KREAM Hackathon × Gemini • 2025

10월 28일

백엔드

서버가 UI를 제어하는 SDUI, KREAM 백엔드의 관리 전략

KREAM은 서버가 UI를 제어하는 SDUI 아키텍처를 통해 빠른 UI 변경과 플랫폼 간 일관성을 달성했습니다. 이를 효과적으로 관리하기 위해 4-Layer Architecture와 의존성 주입 기반 설계를 도입하여 유지보수성과 확장성을 강화했습니다.

#Python#server#Flask

143000분

10월 16일

스스로 업무용 툴을 만들며 일하는 셀러팀

KREAM 셀러팀은 ChatGPT와 Cursor를 활용해 반복 업무와 데이터 분석을 자동화하며 업무 효율을 크게 향상시켰습니다. 이 과정에서 대용량 데이터 처리와 쿼리 작성이 자동화되어 팀의 생산성이 크게 높아졌습니다.

#data#자동화#효율성

86000분

8월 25일

아키텍처

KREAM Tech Culture

KREAM Tech는 수평적 소통과 투명한 정보 공유, 주도적 업무 태도를 핵심으로 하는 독특한 조직 문화를 구축하고 있습니다. 이 문화는 협업과 심리적 안전을 강화해 더 나은 제품 개발과 개인 성장을 도모합니다.

#협업#communication#feedback

170000분

8월 6일

밑바닥에서 개선한 추천시스템 with Two-Tower Model

KREAM은 Two-Tower Neural Network 모델을 도입해 기존 Matrix Factorization의 한계를 극복하고 추천 정확도를 크게 향상시켰습니다. In-Batch Sampled SoftMax와 LogQ Correction 기법을 적용해 효율적 학습과 편향 보정을 실현했습니다.

#MLOps#recommendation#tensorflow

171000분

5월 28일

밑바닥부터 시작하는 추천시스템 with Kubeflow

이 글은 Kubeflow를 활용하여 추천 시스템의 데이터 처리부터 모델 학습, 서빙, 하이퍼파라미터 튜닝까지 전 과정을 자동화한 사례를 다룹니다. 또한, 추천 시스템의 실시간 응답 속도 개선과 SQL 기반 간단 추천 구현 방법도 소개합니다.

#Kubernetes#MLOps#Kubeflow

53000분

5월 14일

백엔드

우리 팀에 맞는 Git 전략 찾아가기

이 글은 Git Flow의 복잡함과 코드 충돌 문제를 극복하기 위해 Trunk Based Development와 Github Flow 방식에 기반한 간소화된 Git 전략을 도입한 경험을 다룹니다. 이를 통해 빠른 배포와 효율적인 협업 프로세스를 구축한 사례를 공유합니다.

#refactoring#CI/CD#workflow

40000분