허깅페이스 트랜스포머 라이브러리 사용방법
허깅페이스 트랜스포머의 기본 개념과 사용 흐름을 정리했습니다. 모델 로딩, 토크나이징, 데이터셋 준비, 학습, 추론까지 한 번에 살펴볼 수 있었습니다.
#Python#LLM
30005분
새로운 기술 블로그가 추가되었어요
필터 0
DevOps 효율성 극대화를 위한 데이터 시각화 전략
DevOps 효율을 높이기 위해 Jira, GitLab, Jenkins 데이터를 REST API로 수집하고 PostgreSQL에 저장하는 시각화 전략을 소개했습니다. 라인 차트, 산점도, 테이블을 활용해 현황을 한눈에 보고 분석과 보완을 반복하는 흐름을 제안했습니다.
#데이터 시각화#REST API
10005분
React 전역 상태 관리, 무슨 라이브러리 써야 할까? \:\ Redux, Zustand 특징과 장단점 비교
React 전역 상태 관리가 필요한 이유와 Context API의 한계를 먼저 설명했습니다. 이어서 Redux와 Zustand의 특징, 장단점을 비교해 선택 기준을 정리했습니다.
#React#Redux
41005분
기업용 AI 에이전트 스튜디오, 달파 준비하기
달파는 기업용 AI 에이전트 스튜디오로서 다양한 AI 솔루션과 맞춤 서비스를 제공합니다. 또한 개발 프로세스와 최근 뉴스까지 함께 소개했습니다.
#LLM#ML
12005분
기업용 AI 에이전트 스튜디오, 달파준비하기
달파는 기업용 AI 솔루션을 제공하는 B2B SaaS 기업으로 소개했습니다. AI 스토어와 맞춤형 서비스, 단계별 개발 프로세스를 중심으로 설명했습니다.
#LLM#ML
59005분
기업용 AI 다이소, 달파준비하기
달파는 기업용 AI 솔루션을 제공하는 B2B SaaS 기업으로 소개했습니다. AI 스토어와 맞춤형 서비스, 개발 프로세스, 최근 소식까지 함께 다뤘습니다.
#LLM#NLP
11005분
코루틴과 Virtual Thread 비교와 사용
코루틴과 Virtual Thread를 비교하고 사용 예제를 통해 차이를 살펴보았습니다. 비동기 실행 방식 선택 시 두 경량 동시성 모델의 활용 포인트를 확인할 수 있습니다.
#Kotlin#동시성
28005분
![[SpringBatch 연재 08] CompositeItemProcessor 으로 여러단계에 걸쳐 데이터 Transform하기](https://devocean.sk.com/thumnail/2024/10/22/28954aaf79694daff24eae993730b632354b0632bf2ddd2b26265d25e3f5f5ad.png)
[SpringBatch 연재 08] CompositeItemProcessor 으로 여러단계에 걸쳐 데이터 Transform하기
Spring Batch의 CompositeItemProcessor로 여러 ItemProcessor를 순차 결합하는 방법을 소개했습니다. 이름·성별 변환과 나이 증가를 분리해 단계별 처리와 재사용성을 높였습니다.
#Spring Batch#Java
15005분
Keycloak 활용한 SSO 구현 : #2 완벽한 HTTPS 보안: Ingress 컨트롤러와 Let＇s Encrypt으로 무료 인증서 설정하기
Kubernetes에서 Ingress와 Cert-Manager를 활용해 무료 HTTPS를 설정하는 방법을 소개했습니다. Let’s Encrypt로 인증서를 자동 발급받고 운영용 인증서로 전환하는 절차를 다뤘습니다.
#Kubernetes#Ingress
19005분
Poetry를 이용한 멀티 프로젝트 Python 애플리케이션 개발 방법
Python 대규모 LLMOps 프로젝트에서 Poetry로 멀티 프로젝트 구조와 의존성 관리를 구성한 사례를 소개했습니다. 또한 Dependency Injector로 코드 결합도를 낮추는 방법도 함께 다뤘습니다.
#Python#Poetry
25005분
당근 중고차 개인 직거래 가이드. 자동차 몰라도 쉽고 안전하게 따라하기
당근 중고차 개인 직거래를 안전하게 진행하는 방법을 안내하는 글입니다. 자동차를 잘 몰라도 사기를 피하기 위한 기본 주의사항을 강조했습니다.
#자동차#사기
3005분
아자르에서는 어떤 추천 모델을 사용하고 있을까?
아자르는 1:1 비디오 채팅 매칭을 위해 CUPID 추천 모델을 설계하고 적용했습니다. 투 타워 구조와 세션 임베딩 분리로 레이턴시를 줄이고 추천 성능을 높였습니다.
#추천 시스템#two-tower architecture
23005분