pile·
AI / ML·스타일쉐어스타일쉐어·

스타일쉐어에서 이미지 분류하기 feat.ML

문제하루 4,000~6,000개 업로드되는 게시물에서 뷰티 카테고리(눈/입술/헤어 등)를 자동 분류할 수단이 없었다.
접근konlpy 형태소 분석 + Word2Vec/KMeans로 텍스트 기반 자동 라벨링(약 30만 장) → VGG16 전이학습 이미지 분류 모델 개발. Flask + Celery + RabbitMQ로 CPU/GPU 큐 분리 ML 서버 구성.
결과상위 10,000장 선별 학습으로 분류 모델을 서비스에 배포했다. S3 기반 모델 버전 관리와 웹서비스 1분 주기 동기화로 운영 안정성 확보.
스타일쉐어
스타일쉐어 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2