AI Briefing#mlops
#mlops와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#mlops와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
휴리스틱에서 MAB, GMM 블렌딩으로 진화해 광고 수익을 최적화했다.
AI 페어 프로그래밍으로 MLOps 도구 개발 시간을 70% 단축하고 실패 비용을 최소화한 프로세스를 소개한다.
AI로 배포 노트 생성 시간을 80% 단축하고 과거 장애 사례 기반 리스크 분석을 자동화했다.
Hugging Face가 명령 체계를 개편한 새로운 CLI hf와 서버리스 작업 실행 서비스인 hf jobs를 출시했다.
Hugging Face가 Inference Endpoints의 모니터링 및 디버깅을 위한 실시간 분석 대시보드 업데이트를 발표했다.
카카오페이는 변화하는 사고 패턴에 대응하기 위해 지속적으로 학습하고 스스로 적응하는 적응형 ML 모델을 FDS에 도입했다.
Hugging Face가 대용량 모델과 데이터셋의 효율적인 전송을 위해 CAS 기반의 새로운 업로드/다운로드 아키텍처를 도입한다.
10월 22~24일 카카오 AI 캠퍼스에서 AI, 모빌리티, 인프라 등 3일간 90여 개 세션 진행
AI 에이전트, 플랫폼, 멀티모달 등 6개 트랙에서 카카오의 AI 기술 적용 사례를 공유한다.
실시간 광고 서빙 버킷 시스템과 LLM 기반 스팸 분류 사유 제공 기술 등을 공개했다.
Hugging Face의 Inference Endpoints와 Spaces에서 Google Cloud TPU v5e를 사용할 수 있게 되었다.
컬리 데이터서비스개발팀이 TorchServe 튜닝과 GracefulShutdown 적용으로 장바구니 추천 모델의 무중단 실시간 서빙 시스템을 구축했다.
12월 12일 판교 아지트에서 열리며 온라인 라이브와 녹화 영상도 제공한다.
Renumics Spotlight를 통해 Hugging Face 데이터셋을 한 줄의 코드로 인터랙티브하게 시각화하고 분석할 수 있다.
Hugging Face Inference Endpoints를 통해 고성능 임베딩 모델을 배포하는 방법을 안내한다.
Rocket Money가 Hugging Face Inference API를 통해 4,000개 이상의 클래스를 가진 BERT 모델을 프로덕션에 성공적으로 배포했다.
Fetch가 SageMaker와 Hugging Face를 활용해 ML 파이프라인을 최적화하여 지연 시간을 50% 줄이고 정확도를 200% 높였다.
Hugging Face Hub가 AWS Marketplace에 입점하여 AWS 계정을 통한 통합 결제가 가능해졌다.
Hugging Face의 관리형 SaaS 솔루션인 Inference Endpoints를 활용한 LLM 배포 방법과 주요 기능을 소개한다.
Hugging Face가 내부 모델 서빙을 AWS ECS에서 Inference Endpoints로 전환하며 얻은 성능 및 비용 이점을 공개했다.
AWS가 국내 고객사를 대상으로 MLOps와 대규모 분산학습 실무 워크숍을 열고 SageMaker 기반의 데이터 메쉬 구축 및 Trainium 활용 사례를 공유했다.
컬리 데이터사이언스팀이 수요예측 모델의 운영 원칙과 Leakage 방지 기법을 공유했다.
카카오페이가 모델 관리 효율을 높이기 위해 AWS 기반의 MLOps 학습 파이프라인을 구축했다.