필터 1
DynamoDB 핫 파티션을 해결하는 3가지 방법 (3): 조회를 인덱스 테이블로 옮기기
채널톡
백엔드

DynamoDB 핫 파티션을 해결하는 3가지 방법 (3): 조회를 인덱스 테이블로 옮기기

DynamoDB GSI의 조회 경로를 인덱스 테이블과 공통 라이브러리로 전환한 사례를 정리했습니다. limit, 커서, 삭제 데이터 처리 함정을 규칙화해 GSI를 최종 제거했습니다.

#DynamoDB#GSI
31005분
합성 데이터 없이 로봇 월드 모델을 학습하는 방법
AWS
AI

합성 데이터 없이 로봇 월드 모델을 학습하는 방법

합성 데이터와 원시 픽셀 중심의 로봇 학습 한계를 짚고, 단안 영상에서 장면 시맨틱을 추출하는 F.R.A.N.T.Z. 접근을 소개했습니다. 또한 추출 결과를 어포던스와 정책 학습으로 연결하고, JEPA 스타일 월드 모델로 확장하는 방향을 제시했습니다.

#AWS#computer vision
6005분
분산 학습을 위한 AWS 컴퓨트 선택 가이드 (2편: 초대규모 스케일링과 인스턴스 확보)
AWS
데브옵스

분산 학습을 위한 AWS 컴퓨트 선택 가이드 (2편: 초대규모 스케일링과 인스턴스 확보)

AWS 분산 학습용 컴퓨트를 초대규모로 확장하는 울트라클러스터와 울트라서버를 설명했습니다. 또한 ODCR과 Capacity Block으로 GPU 용량을 미리 확보하는 전략을 비교했습니다.

#AWS#EC2
6005분
A1Mobilsoft의 운영 문의 자동화 여정 (2): 세 에이전트 구현과 사람 vs AI 검증
AWS
AI

A1Mobilsoft의 운영 문의 자동화 여정 (2): 세 에이전트 구현과 사람 vs AI 검증

세 에이전트 구현 과정에서 겪은 검색 오판, 코드 분석 루프, DB 접근 안전장치를 정리했습니다. 사람 vs AI 비교로 속도와 한계도 함께 검증했습니다.

#AWS#LLM
9005분
A1Mobilsoft의 운영 문의 자동화 여정 (1): 문제 정의와 3-에이전트 아키텍처 설계
AWS
AI

A1Mobilsoft의 운영 문의 자동화 여정 (1): 문제 정의와 3-에이전트 아키텍처 설계

운영 문의 채널의 지연과 반복 작업을 줄이기 위해 3-에이전트 아키텍처를 설계했습니다. Knowledge·Code·DB로 역할을 나눠 빠른 응답과 정확한 진단을 노렸습니다.

#AWS#LLM
10005분
AWS MediaTailor SSAI 환경에서 멀티 CDN 구성과 동적 전환 – Part1
AWS
데브옵스

AWS MediaTailor SSAI 환경에서 멀티 CDN 구성과 동적 전환 – Part1

AWS MediaTailor SSAI에서 멀티 CDN을 동적으로 전환하는 방법을 정리했습니다. 콘텐츠와 광고 세그먼트의 라우팅 위치, 트래킹, CORS와 캐시 설정 차이도 함께 설명했습니다.

#AWS#CDN
4005분
Amazon Braket으로 양자-고전 하이브리드 알고리즘 실행하기 (2편)
AWS
AI

Amazon Braket으로 양자-고전 하이브리드 알고리즘 실행하기 (2편)

Amazon Braket의 `@hybrid_job`으로 RX(θ) 회로와 Z 기댓값을 반복 실행하는 하이브리드 알고리즘을 소개했습니다. 일반 실행, 하이브리드 잡, 로컬 잡의 차이와 결과 확인 방법도 함께 정리했습니다.

#AWS#Amazon Braket
8005분
당근이 AWS CloudHSM으로 대규모 서명키 관리 시스템을 구축한 방법 – 1부: 서명키 보안의 중요성과 서비스 선택
AWS
데브옵스

당근이 AWS CloudHSM으로 대규모 서명키 관리 시스템을 구축한 방법 – 1부: 서명키 보안의 중요성과 서비스 선택

당근이 대규모 JWT 서명 환경에서 키 유출 위험과 접근 제어 한계를 해결하기 위해 KMS와 CloudHSM을 비교했습니다. 비용과 성능, 장애 대응을 함께 고려해 CloudHSM 중심의 하이브리드 구조를 선택했습니다.

#AWS#AWS CloudHSM
7005분
AWS 환경에서 Physical AI 모델 구축하기 – (1) 데이터
AWS
AI

AWS 환경에서 Physical AI 모델 구축하기 – (1) 데이터

Physical AI는 모델보다 데이터가 성능을 좌우하며, 실제·합성·인간 영상 데이터를 조합하는 전략이 중요했습니다. AWS는 수집부터 큐레이션, 학습 연결까지의 데이터 파이프라인을 서비스 조합으로 설계하는 방식을 제시했습니다.

#AWS#Physical AI
11005분
2주 만에 Strands SDK와 Amazon Bedrock AgentCore로 구현한 어스얼라이언스의 CS 환불 자동응답 에이전트 시스템
AWS
AI

2주 만에 Strands SDK와 Amazon Bedrock AgentCore로 구현한 어스얼라이언스의 CS 환불 자동응답 에이전트 시스템

Strands SDK와 Amazon Bedrock AgentCore로 환불 CS 자동응답 에이전트를 2주 만에 구축했습니다. 내부 검수 초안 방식과 멀티턴 맥락·안전성 검증을 결합해 운영 가능성을 확보했습니다.

#Amazon Bedrock#LLM
11005분
금융사를 위한 AWS GameDay 2026: 카카오뱅크 2연패 이야기 🏆
카카오뱅크
AI

금융사를 위한 AWS GameDay 2026: 카카오뱅크 2연패 이야기 🏆

카카오뱅크가 AWS GameDay 2026에서 2년 연속 우승한 과정을 공유했습니다. Amazon Q Developer와 Kiro CLI를 활용한 장애 대응 전략과 실전 시행착오를 정리했습니다.

#AWS#Kiro CLI
13005분
AWS Kiro를 활용한 바이브코딩 협업 및 관리 환경 구축
농심NDS
데브옵스

AWS Kiro를 활용한 바이브코딩 협업 및 관리 환경 구축

AWS Kiro와 Notion, Git을 조합해 다수 개발자와 AI Agent가 함께 일하는 협업 환경을 구축한 사례를 소개했습니다. 도메인 lock과 단계별 승인으로 충돌을 막고, PM Agent로 진척과 리스크를 관리했습니다.

#AWS#AI Agent
24005분