
구글 머신러닝 부트캠프 2024를 마무리하며
구글 머신러닝 부트캠프 2024 5기 졸업식과 함께 참가자들의 성과가 공유되었습니다. DLS, 캐글, 젬마 프로젝트를 통해 학습과 협업의 경험을 쌓았습니다.
새로운 기술 블로그가 추가되었어요

구글 머신러닝 부트캠프 2024 5기 졸업식과 함께 참가자들의 성과가 공유되었습니다. DLS, 캐글, 젬마 프로젝트를 통해 학습과 협업의 경험을 쌓았습니다.
![[10월 4주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (#TheAndroidShow, Firebase Demo Day 2024)](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjNGleuvh_5ifDsOtW0kzXLCkvY7XYc-F06GUikEOdMjiDeZsbnDjz7RhXeyMREp6l4AX_VrQECkz67VDXvH2KJwDtPG8qlSCJiMy9yu3ttxNDMKwl8e_ukSr63dHzE44eKCWEslxqyNog/s1600/lockup_google_developers_horizontal_knockout_wht.png)
Google for Developers의 10월 4주차 최신 소식과 주요 블로그 업데이트, 이벤트를 소개했습니다.\n관심 있는 제품군의 문서와 행사 정보를 확인해보시면 좋습니다.

네이버페이 주문 서비스에 확장 가능한 대기열 Massronome을 적용한 사례를 소개했습니다. 주문 실패를 줄이기 위해 통신, 대기표, 서버 분배를 각각 확장 가능하게 설계했습니다.


쿠버네티스를 이해하기 위한 기반 기술로 cgroup v2와 CPU 컨트롤러를 실습 중심으로 설명했습니다. requests, limits, throttling, 사용률 측정의 의미를 정리해 실무 판단에 도움이 되도록 했습니다.

테스트를 무조건 많이 쓰기보다 가치와 목적에 따라 선별적으로 작성하는 전략을 정리했습니다. 실제 객체 중심의 통합 테스트, 데이터 격리, 승인 테스트로 실용성과 신뢰성을 높이는 방법을 공유했습니다.


통신사 마케팅을 위해 요금제 변경 예측과 추천을 결합한 하이브리드 ML 모델을 소개했습니다.\nARPU와 고객 만족도의 균형을 고려해 다운그레이드 방어와 업셀 전략에 활용했습니다.

X

Apache Iceberg와 Flink CDC를 다루는 심층 탐구 글입니다. 발췌만으로는 구체적 내용 확인이 어려워 핵심 주제만 요약했습니다.


Ktor REST API 서버에서 OAS 스펙을 작성하고 OpenAPI Generator로 모델 코드를 생성하는 방법을 설명했습니다. 생성된 모델을 Ktor 라우트에 연결하고 OpenAPI UI로 스펙을 서빙하는 구성도 함께 다뤘습니다.


HBM의 구조와 원리를 통해 왜 AI 산업에서 고대역폭 메모리가 중요한지 설명했습니다. DRAM과 비교하며 속도, 대역폭, 용량 측면의 장점을 정리했습니다.

데마에칸이 레거시를 해소하기 위해 인프라 단절, 코드 재작성, 사양 경량화라는 세 가지 방법을 소개했습니다. 각 방법의 장단점과 실제 적용 사례를 통해 서비스 개선의 트레이드오프를 설명했습니다.


엑셀 업로드 중 Apache POI가 Zip Bomb으로 파일을 차단한 원인과 로그 분석 과정을 정리했습니다. 최소 압축 비율 조정과 파일 크기·중첩 레벨 점검으로 대응했습니다.