-
빅재미(BigZami) 기반 분석 워크플로우 설계 가이드
by
1. 노코드 기반 분석 환경에서 설계가 중요한 이유 데이터 분석 도구는 점점 더 사용하기 쉬운 방향으로 발전하고 있다. 과거에는 R, Python과 같은 코드 중심 환경이 일반적이었지만, 최근에는 마우스 기반 인터페이스에서 분석 과정을 구성할 수 있는 플랫폼이 확산되고 있다. 그러나 사용이 … 더 보기
-
AI-Native 설계 패러다임: 엔터프라이즈 시스템에 AI를 안전하게 내재화하는 아키텍처 원칙
by
AI를 도입하는 것은 쉽다. 하지만 AI를 “안전하게, 비용 효율적으로, 유지보수 가능하게” 시스템에 내재화하는 것은 완전히 다른 문제다. 이 글은 엔터프라이즈 환경에서 AI를 핵심 시스템에 통합할 때 적용해야 할 설계 패러다임, 통제 원칙, 비용 최적화 전략, 그리고 반드시 피해야 할 안티패턴을 … 더 보기
-
Public Cloud 기반 AI/ML서비스 비교 분석
by
개요 주요 Public Cloud 벤더(AWS/GCP/Azure)는 API를 통해 파운데이션 모델(Foundation Model)을 사용하고 배포 할수 있는 AI/ML 모델 서비스를 제공하고 있습니다. 이와 같은 고성능 AI 모델을 별도의 서버 구축이나 운영 부담 없이 API 호출을 통해 사용 가능하도록 제공하는 기능을 MaaS (Model as … 더 보기
-
RDB 한계를 넘기 위해 Redshift Serverless와 이벤트 기반 파이프라인을 도입한 이야기
by
STT(Speech-to-Text) 및 TA(Text Analysis) AI 데이터를 시각화하는 대시보드를 운영하고 있습니다. 초기 웹 애플리케이션은 대시보드 성격보다는 AI 추론 결과를 검증하고 재학습 데이터를 생성하기 위한 검증 도구로 설계되었습니다. 이후 고객 니즈에 따라 대시보드 화면이 추가되었고, 점차 분석 및 조회 기능이 확장되었습니다. 초기에는 … 더 보기
-
데이터 품질은 점검이 아니라 설계다.
by
차세대 프로젝트 경험 기반 재구성 사례 차세대 프로젝트에서 품질대상을 선별해 규칙 세팅과 진단을 수행하며 전반적인 데이터 품질의 개념과 경험을 기반으로 구성한 사례로 품질 진단 방식에 대해서 공유합니다. 제가 경험한 프로젝트는 전환과 초기 적재 대상을 기준으로 품질 진단을 했으며, 일반적으로 일시적 … 더 보기
-
Agentic AI: “스스로 일하는 AI”의 시대
by
들어가며 “ChatGPT에게 보고서 초안을 작성해달라고 했더니 정말 잘 써주더라.” 2023년 이후 우리가 흔히 하는 이야기입니다. 생성형 AI는 사용자가 요청하면 뛰어난 결과물을 만들어냅니다. 하지만 여기엔 전제 조건이 있습니다. 바로 먼저 요청해야 한다는 것입니다. 우리는 Siri에게 “내일 날씨 어때?”라고 물어보고, Alexa에게 “거실 … 더 보기
-
GKE (Google Kubernetes Engine) SNAT(Source NAT) 구성
by
GKE(Google Kubernetes Engine)에서는 Pod에서 전송되는 패킷의 소스 IP를 노드 IP로 변경하여 전송이 가능합니다. 이와 같이 목적지 IP를 변경하는 기술을 SNAT (Source NAT)라 하며, 노드 내 iptables의 Masquerade 규칙에 따라 결정됩니다. 1. GKE의 기본 SNAT 기능에 따른 SNAT 동작 GKE의 SNAT … 더 보기
-
패키지 기반 빌드·배포 파이프라인: R로 보는 5단계 구조
by
1. 시작하며: ‘코드를 고쳤는데 왜 반영이 안 되지?’ 오랜만에 R 코드를 수정했을 때의 이야기입니다. 한글 인코딩 오류가 발생했는데 Java 코드 수정만으로는 해결되지 않는 상황이었습니다. 그래서 R 코드도 확인해 보고자 .R 파일을 열어 코드를 일부 수정하고 로그 출력을 추가했습니다. 이후 서비스를 … 더 보기
