AI / ML·
토스 SLASH·
토스 SLASH·DS와 MLE가 함께 일하는 법
토스뱅크 ML 팀이 DS와 MLE 간 협업 방식을 1년 동안 세 단계에 걸쳐 개선한 과정을 다룬다. Jupyter 노트북 전달 방식에서 추상화 인터페이스 기반 패키지 계약으로 전환해 "첫 커밋 당일 배포"를 달성했다.
#mlops#monorepo#machine-learning+2
AI / ML·
인프런 (인프랩)·
인프런 (인프랩)·인프런이 자동으로 자막을 생성하기까지 (AI/인프라 편)
문제인프런 강의 영상의 자동 자막 생성을 데이터 보안·비용·속도를 모두 만족하며 만들어야 했고 초기 CPU 처리는 1편당 69분이나 걸렸다.
접근Whisper에서 WhisperX + GPU(g5.xlarge)로 갈아타고 AWS Batch와 Spot Instance로 대량 처리하며 Kiwi 형태소 분석으로 줄 분할을 다듬었다. 서울 GPU 부족은 오레곤 리전 IaC로 우회했다.
결과한 편 처리 시간을 69분에서 59초로 70배 이상 단축하고 약 24,000시간 분량을 4시간 안에 일괄 처리하며 총 비용을 807달러로 맞춰 API 대비 10배 이상 저렴했다.
읽음 (0)
이 글과 비슷한
- AI / ML·
NHN Cloud·AI와 개발하기: 숨은 결정을 드러내기
AI 에이전트와 협업할 때 자연어 요구사항을 그대로 구현 프롬프트로 넘기면, 비즈니스 의도 뒤에 숨은 기술 결정이 AI의 몫으로 넘어간다는 문제를 다룬다. NHN Cloud 개발자가 "grill-me" 인터뷰 패턴을 활용해 구현 전에 기술 결정을 명시적으로 확정하는 방법론을 소개한다.
#ai-agent#llm#prompt-engineering+2 - AI / ML·
LY Corporation·Grafana에서 자연어로 장애 원인을 분석하기: LLM 에이전트 기반 SRELens 개발기
LY Corporation Home SRE 팀이 장애 분석 시 메트릭·로그·트레이스가 각각 다른 화면에 흩어져 있는 문제를 해결하기 위해 Grafana 플러그인 SRELens를 개발했다. SRELens는 LLM 에이전트가 자연어 질의를 받아 실제 관측성 데이터를 조회하고, 근거와 함께 장애 원인 후보를 정리해 주는 도구다. LGTM-P 스택(Loki·Grafana·Tempo·Mimir·Pyroscope)과 FlavaMCP 게이트웨이를 통합해 단일 채팅 인터페이스에서 멀티시그널 분석이 가능하다.
#llm-app#mcp#observability+2