상담사향 TTS 만들기
상담사처럼 말하는 한국어 TTS를 만들기 위해 데이터 학습, 명료도 개선, 선호도 기반 후학습을 단계적으로 적용했습니다. GRPO와 DPO로 상담사향 프로소디와 화자 일관성을 높인 과정을 소개했습니다.
#TTS#LLM
6005분
새로운 기술 블로그가 추가되었어요
필터 1
TabbyML: 완전한 온프레미스 AI 코드 어시스턴트
TabbyML은 온프레미스에서 동작하는 AI 코드 어시스턴트로, 조직 내부 데이터를 유지하면서 개발 지원 기능을 제공합니다. 보안이 중요한 환경에 적합하지만 복잡한 작업에서는 제안 품질이 제한될 수 있습니다.
#LLM#Docker
45005분
AI 에이전트와 함께하는 개발
AI 에이전트를 실제 개발 과정에 활용한 경험과 한계를 정리했습니다. 작은 작업부터 시작하고 맥락 문서화를 통해 활용도를 높이려는 방향을 제안했습니다.
#LLM#Kotlin
23005분
IUI 2025 참관기: AI의 지속성과 인간 중심의 AI에 대해서
IUI 2025에서 인간 중심 AI와 지속가능성의 주요 논의를 정리했습니다. AI는 인간을 대체하기보다 강화하고 협력해야 한다는 메시지를 강조했습니다.
#LLM#HCI
53005분
비개발자가 AI 기술과 만나는 방법 : Vibe-coding 도구
비개발자가 Vibe-coding 도구로 AI 기술을 실험하고 프로토타입을 만드는 방법을 정리했습니다. 다만 데이터 손실과 프롬프트 무시 같은 한계가 있어 백업과 검토가 필요했습니다.
#LLM#Cursor
83005분
생성형 AI, 일하는 방식에 어떻게 내재화될까?
생성형 AI를 업무에 내재화하는 과정을 단계별로 정리하고, 개발자 위치별 역할을 제안했습니다. 개인 활용을 넘어 조직 문화와 제도로 확산하려면 One Team 협력이 필요하다고 강조했습니다.
#LLM#Python
61005분
LangExtract: LLM 기반 비정형 데이터 추출을 위한 오픈소스 라이브러리
비정형 텍스트에서 구조화된 정보를 추출하는 LangExtract를 소개했습니다. 소스 그라운딩과 스키마 강제로 신뢰성과 재현 가능성을 높였습니다.
#LLM#Python
72005분
Amazon Nova Premier와 에이전트 워크플로우를 활용한 코드 마이그레이션 간소화
Amazon Nova Premier와 Strands Agents로 C 코드를 Java/Spring으로 마이그레이션하는 멀티 에이전트 워크플로우를 소개했습니다. 토큰 제한 대응과 반복 검증, DBIO의 MyBatis 전환까지 함께 다뤘습니다.
#Amazon Bedrock#LLM
33005분
LLMOps로 확장하는 AI플랫폼 2.0
LLMOps로 확장하는 AI플랫폼 2.0
AI플랫폼 2.0에서 LLMOps를 지원하기 위한 운영 과제와 대응 방안을 정리했습니다. Studio, SDK, API Gateway, Labs를 중심으로 프롬프트 관리와 관측성, 보안을 강화했습니다.
#LLM#MLOps
29005분
A2A 튜토리얼 코드 톺아보기
구글의 A2A 프로토콜과 공식 튜토리얼 코드를 바탕으로 서버·클라이언트 구조를 살펴보았습니다. LangChain 에이전트를 A2A로 노출하고 호출하는 흐름도 함께 정리했습니다.
#A2A#LLM
70005분
[Hands-On] Amazon Bedrock AgentCore를 사용한 Strands 에이전트 배포
[Hands-On] Amazon Bedrock AgentCore를 사용한 Strands 에이전트 배포
Amazon Bedrock AgentCore로 Strands 에이전트를 배포하고 운영하는 실습 과정을 다뤘습니다. 로컬 테스트부터 클라우드 배포, 호출, 모니터링까지의 흐름을 정리했습니다.
#AWS#Python
49005분
BTS, Bunker Trading System : 정유사 최초의 AI 챗봇 기반 해상유 마케팅 시스템
정유사 최초의 AI 챗봇 기반 해상유 마케팅 시스템 BTS를 소개했습니다. 해상유 거래 전 과정을 디지털화해 효율을 높이고, AI로 고도화를 추진하고 있습니다.
#chatbot#LLM
44005분