

AWS MediaConvert 를 활용한 동영상 스트리밍 서비스 구축기 - 3편
AWS Lambda와 S3 트리거로 MediaConvert 변환 작업을 요청하고, 완료 이벤트를 가공해 콜백 API로 전달하는 과정을 설명했습니다. HLS 출력과 썸네일 생성, 환경 변수와 IAM 설정, 데이터 정제 예시까지 함께 정리했습니다.


AWS Lambda와 S3 트리거로 MediaConvert 변환 작업을 요청하고, 완료 이벤트를 가공해 콜백 API로 전달하는 과정을 설명했습니다. HLS 출력과 썸네일 생성, 환경 변수와 IAM 설정, 데이터 정제 예시까지 함께 정리했습니다.


유선과 무선 데이터를 결합해 광케이블 장애의 실제 고객 영향 범위를 지도에서 확인하는 방법을 소개했습니다.망 설계 최적화와 재난 대응, 향후 AI 기반 장애 예측으로의 확장 가능성도 제시했습니다.


에이닷에 Agentic Memory를 도입해 대화를 구조화된 기억으로 저장하고 개인화 응답을 강화했습니다. 비동기 처리와 DSPy 최적화로 성능과 유지보수성도 함께 높였습니다.


추천 실험의 병목을 줄이기 위해 Policy와 Experiment를 분리하고 Python DSL과 Z3 검증을 도입했습니다. 그 결과 설정 작성과 리뷰 시간이 크게 줄고, 엔지니어 개입 없이 실험을 운영할 수 있게 했습니다.


에이닷 서비스 RM 업무에서 장애 감지와 전파를 자동화하는 Slack 봇 구현 사례를 소개했습니다. ChatGPT와 Slack API, Railway를 활용해 실무 적용과 운영 효율화까지 연결했습니다.


Claude Code를 자율형 코딩 에이전트로 소개하며 개발 전 과정을 자동화하는 흐름을 설명했습니다. MCP, 터미널 통합, 다중 에이전트로 생산성과 학습 효율을 높이는 활용법도 정리했습니다.


PEP 723과 uv를 활용해 Python 스크립트를 설치 없이 즉시 실행하는 방법을 소개했습니다. Typer까지 함께 쓰면 Bash처럼 간편한 CLI 도구도 만들 수 있습니다.


DSPy를 활용한 프롬프트 최적화와 자동화 방법을 소개했습니다. 반복 평가와 비교 실험을 코드로 줄여 LLM 품질 관리에 적용할 수 있었습니다.


Amazon Bedrock 기반으로 FAQ Fast-Path와 Advanced RAG를 결합한 고객 응대 챗봇 구축 사례를 소개했습니다. 또한 비식별화, Guardrails, VPC·PrivateLink로 금융 서비스 수준의 보안성을 강화했습니다.

재무회계팀이 반복 수기 업무를 AI와 Python, Cursor로 자동화한 사례를 소개했습니다. 비개발자도 작은 작업부터 시작해 실무 효율과 팀 문화 변화를 이끌 수 있음을 보여줬습니다.


Cursor AI를 활용해 Backend API를 빠르게 구성하는 방법을 소개했습니다. FastAPI와 AWS EC2 예시로 테스트와 피드백을 통한 개선 포인트도 함께 다뤘습니다.


앱 성능을 웹뷰 포함 여부에 따라 공통·앱 전용·웹 전용 지표로 나누어 설명했습니다.\nQA에서 Launch Time, FPS, Jank, LCP, INP를 함께 측정해 품질 기준을 세우는 방법을 정리했습니다.