To. MUSINSA ROOKIES
무신사 루키즈 AI 네이티브 신입 엔지니어 채용 과정과 평가 의도를 설명했습니다. 모호한 요구사항 속 문제 정의 능력과 협업 역량을 중점적으로 봤습니다.
무신사 루키즈 AI 네이티브 신입 엔지니어 채용 과정과 평가 의도를 설명했습니다. 모호한 요구사항 속 문제 정의 능력과 협업 역량을 중점적으로 봤습니다.


AWS Lambda와 Amazon Bedrock, Claude Agent SDK로 멀티 에이전트 Orchestrator-Worker 구조를 구현하는 방법을 소개했습니다. S3 공유 저장소와 Sonnet/Opus 분리를 통해 제약 대응과 비용 최적화를 함께 다뤘습니다.

카카오페이가 Yarn Berry에서 pnpm으로 전환한 배경과 검증 과정을 공유했습니다. 메모리 스파이크를 해결하고 배포 효율과 도커 이미지 크기도 개선했습니다.

Secrethub를 운영 가능한 상태로 만들기 위해 컨테이너화, CI/CD, 로그 수집 구조를 정리했습니다. 서비스 단위가 아닌 플랫폼 레벨에서 관리 가능한 구조를 목표로 표준화를 진행했습니다.

AI 시대의 경쟁력은 빠른 실행과 실무 적용에 있다고 정리했습니다. 컨테이너 자원 최적화, AI 인프라 투자, AI Agent 활용 사례를 함께 소개했습니다.

벌크액션 트래픽의 지연과 오실레이션 문제를 해결하기 위해 동적 스케일링을 개선했습니다. PWQD와 Time Decay를 결합해 Spike에도 안정적으로 대응했습니다.


Amazon EKS에 Friendli Container Add-on을 적용해 LLM 추론 성능과 비용 효율을 높이는 방법을 소개했습니다. 클러스터 준비부터 배포, 검증, 정리까지의 절차를 단계별로 안내했습니다.


복잡한 대기오염 시뮬레이션 대시보드를 Agentic AI와 자연어 제어 중심으로 재구성했습니다. Amazon Bedrock과 Q Developer를 활용해 개발 효율과 사용자 편의성을 크게 높였습니다.


Claude Code Skills로 GitLab 업그레이드 과정을 자동화한 경험을 소개했습니다. 순차 업그레이드, 마이그레이션 대기, 실패 대응을 AI가 처리하도록 설계했습니다.

Claude Code로 슬랙, VS Code, Jupyter를 하나의 서버 작업공간에 통합해 AI 비서를 설계하는 방법을 다뤘습니다. 업무 연속성, 권한 위임, 지식 구조화, 기록과 스케줄링을 핵심 조건으로 정리했습니다.

실행 중인 Docker 컨테이너의 CPU와 메모리를 재시작 없이 조정하는 방법을 다루었습니다. 포트 매핑은 공식 지원이 없어 우회 방법과 주의점도 함께 정리했습니다.


Node.js 컨테이너가 종료 시그널을 받아도 바로 안 죽는 원인을 PID 1과 이벤트 루프로 분석했습니다. dumb-init과 shutdown 훅, K8s 종료 설정을 함께 조정해 graceful shutdown을 맞췄습니다.