모델 서빙 관리 도구 SELDON-CORE
Seldon Core를 이용한 모델 서빙 관리와 배포 흐름을 소개했습니다. Kubernetes 환경에서 모니터링과 A/B 테스트까지 함께 고려할 수 있었습니다.
#Kubernetes#ML
3200
필터 1
Vertex AI Search를 활용한 결과 없는 검색 개선하기
오타와 유의어로 생기는 결과 없는 검색을 Vertex AI Search로 개선한 사례였습니다. BigQuery 기반 데이터와 튜닝으로 검색 품질을 높이고 A/B 테스트에서도 긍정적 성과를 확인했습니다.
#Vertex AI Search#검색
3600
Server Driven UI 호출 구조 개선
서버 드리븐 UI를 통해 유연한 UI 업데이트와 A/B 테스트를 운영한 사례를 소개했습니다. 장기 운영 과정에서 드러난 호출 구조의 문제와 개선 방향을 다뤘습니다.
#UI/UX#A/B 테스트
3800
실시간 반응형 추천 개발 일지 #1. 프로젝트 소개
배민 검색 홈 추천에 실시간 행동 이력을 반영하는 추천 시스템을 소개했습니다. 3개 컴포넌트로 구성해 CTR과 주문전환율을 높였습니다.
#추천 시스템#Kafka
3600
맞춤형 콘텐츠, 배민은 사장님께 어떻게 제공할까? : 배민외식업광장 세그먼트 적용기
배민외식업광장은 사장님 특성에 맞는 콘텐츠를 보여주기 위해 세그먼트와 슬롯판 구조를 도입했습니다. BUDS 연동과 A/B 테스트 우선순위 자동화를 통해 운영 복잡도를 줄였습니다.
#CMS#A/B 테스트
3700
토스뱅크가 AI로 보안과 효율도 챙기는 방법
토스뱅크는 ML 모델로 신분증 사본 품질을 검사해 반려와 경고를 자동화했습니다. 임계값과 A/B 테스트로 고객 불편을 줄이면서 수기 검토 효율도 높였습니다.
#ML#A/B 테스트
3500
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
프로덕트 디자이너의 성장 마인드셋
프로덕트 디자이너가 유저 인터뷰를 통해 잘못된 확신을 바로잡고 성장 마인드셋을 정리했습니다. 유저를 데이터가 아닌 공감의 대상으로 바라보는 태도가 설계와 성과 개선으로 이어졌습니다.
#UI/UX#프로덕트 디자인
1200
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부
장바구니 바텀시트에 맞는 보완재 추천 모델을 개발하고, NPMI 정제와 셔플링 후처리로 추천 품질을 개선했습니다. A/B 테스트에서 전환과 담은 상품 수, 금액이 유의미하게 상승해 실제 서비스에 적용했습니다.
#ML#BERT4Rec
4800
아자르에서 AI 기반 추천 모델의 타겟 지표를 설정하는 방법 (feat. 아하 모멘트)
아자르가 추천 모델의 목표를 리텐션으로 두고 아하 모멘트 기반으로 1차 지표를 찾는 과정을 소개했습니다. 세그먼트 분석과 A/B 테스트를 통해 신규·기존 사용자 모두에서 유효한 지표를 검증했습니다.
#추천 시스템#리텐션
4000
머신러닝으로 퀸잇의 퀀텀 점프를 이끌어낸 엔지니어, 하홍석
라포랩스 ML 엔지니어 인터뷰로, 퀸잇의 개인화 추천 고도화와 ML 활용 범위를 소개했습니다. 고객·플랫폼 효용과 빠른 PoC를 기준으로 기술을 선택하는 방식도 다뤘습니다.
#ML#추천시스템
1800
오프라인과 온라인 A/B 테스트를 통해 오픈챗 추천 모델 개선하기
오픈챗 추천 모델 개선 과정에서 오프라인과 온라인 A/B 테스트의 간극을 줄이기 위해 Adhoc A/B 테스트를 도입했습니다. 개별 변경점을 순차 검증하며 안정적으로 새 모델을 릴리스한 사례를 공유했습니다.
#A/B 테스트#추천 시스템
1800
리디와 함께하는 CRM 여정
리디가 Braze 기반 CRM 캠페인을 통해 고객 세분화와 맞춤형 알림 실험을 진행한 사례를 공유했습니다. 수동 테스트에서 검증한 뒤 Athena, replica DB, Kafka로 자동화하고 빈도 제한과 단계적 배포로 운영 안정성도 확보했습니다.
#CRM#Braze
2100