

고등학생도 이해하는 Transformer (Deep Learning) #2
Transformer와 딥러닝을 이해하기 위한 기초로 내적의 의미를 그래픽스 예시로 설명했습니다. 회전 행렬과 Basis Vector 변환을 통해 좌표 변환을 직관적으로 풀어냈습니다.
새로운 기술 블로그가 추가되었어요


Transformer와 딥러닝을 이해하기 위한 기초로 내적의 의미를 그래픽스 예시로 설명했습니다. 회전 행렬과 Basis Vector 변환을 통해 좌표 변환을 직관적으로 풀어냈습니다.
![[APP] 라이브방송에서 360 영상을 보여줄 수 있을까?](https://miro.medium.com/v2/resize:fit:1200/1*UgGw64douyfIFpmS9GuJFQ.png)

360° 영상을 라이브 방송에 적용할 수 있는지 여러 장비와 송출 방식으로 테스트했습니다. 정상 재생은 확인했지만 지연과 화질, 제작 환경 등 상용화 과제가 남았습니다.

포스타입 프론트엔드 엔지니어 인터뷰에서 업무 방식과 협업 문화, 성장 방향을 소개했습니다. 빠르게 변하는 프론트엔드 환경에서 지속 학습과 문제 해결, 소통의 중요성을 강조했습니다.


코드 네이밍이 가독성과 협업 효율, 유지보수성에 큰 영향을 준다고 설명했습니다. 대상과 행위가 드러나는 이름, 명확한 시제, 본딧말 사용 등 5가지 방법을 제안했습니다.

DEVIEW 세션에서 MLOps, LLM, Vision, Web 분야의 네이버 개발 사례를 소개했습니다.\nLLM 서빙 최적화와 서비스 적용, 웹 성능 관리 등 실무 주제가 중심입니다.

ELK 환경에서 Multi Thread Context를 활용해 이슈 트래킹을 정교하게 개선한 사례를 공유했습니다. 멀티 스레드 로그 추적성을 높이는 실무 적용 포인트를 다뤘습니다.


단일 VM에 kubeadm으로 Kubernetes를 설치하는 절차를 단계별로 정리했습니다. containerd, Calico, taint 제거까지 포함해 바로 따라할 수 있게 설명했습니다.

일본 배달 앱 데마에칸의 코드베이스와 아키텍처를 전면 교체한 Recode 프로젝트를 소개했습니다. UI는 유지하되 보안, 안정성, 테스트 가능성을 높이기 위해 앱 4개를 다시 개발했습니다.

일본 1위 배달 앱 데마에칸의 Recode 프로젝트를 소개하는 글입니다. 기존 서비스를 바닥부터 다시 설계한 배경을 다룹니다.
Iceberg를 DataLake에 도입해 Kafka·CDC 입수와 테이블 운영을 더 효율적으로 개선했습니다. 또한 자동화된 모니터링과 유지보수로 실시간 조회와 성능 최적화를 함께 달성했습니다.

ts-pattern은 복잡한 조건 분기를 타입 안전하게 정리해 주지만, 성능은 기본 제어문보다 떨어질 수 있다고 설명했습니다. 단순한 분기에는 if/else, switch, IIFE 같은 방식이 더 적합할 수 있다고 정리했습니다.


에이닷 뮤직 에이전트에 Multi Prompt Fine-tuning을 적용하며 겪은 시행착오와 개선 과정을 공유했습니다. gpt-4o-mini 전환으로 한글 깨짐과 품질 문제가 크게 완화된 사례였습니다.