구글

·AI/ML·

Java, Google Cloud, Vertex AI, Firestore

구글의 ADK for Java 1.0.0은 자바 기반 에이전트 개발 키트로, Google Maps grounding과 내장 URL 가져오기, Agent2Agent 프로토콜을 포함합니다. 새로운 App/Plugin 아키텍처로 전역 로깅, 이벤트 압축 기반 컨텍스트 관리, 휴먼-인-더-루프 워크플로우를 통한 행동 확인이 가능해졌습니다. Firestore와 Vertex AI를 활용한 세션 및 메모리 서비스로, 장기 상태 관리와 대용량 데이터 아티팩트의 안정적 저장·복원 흐름을 제공합니다.

올리브영

·DevOps·

AWS, DevOps, Microservices

올리브영은 Host Level 카오스 엔지니어링 테스트를 통해 인프라를 의도적으로 중지시키고 실제 고객 관점의 복원력을 평가합니다. 전체 노드 차단과 단일 노드 Failover의 두 모드를 활용하고 3가지 패턴에서 9건의 버그를 발견해 4건은 즉시 개선, 5건은 로드맵 반영을 수립했습니다. 실전 적용 사례로 상품 상세 시스템의 MSA 전환에서 서킷브레이커의 한 영역 누락 등 예외를 발견했고, 자동 복구 및 데이터 정합성 API 도입으로 안정성을 높였습니다.

AWS

·Architecture·

AWS Lambda, PostgreSQL, Amazon Bedrock, Titan, Vector Embeddings

AWS의 이 블로그 포스트는 Amazon Aurora PostgreSQL에서 Bedrock으로 벡터 임베딩을 자동 생성하는 다중 구현 접근법을 제시합니다. 다섯 가지 구현 접근 방식은 데이터 변경 시점 처리 방식(동기/비동기)과 Lambda, SQS, pg_cron 구성의 차이로 다양한 트레이드오프를 제공합니다. Titan 기반 임베딩과 Bedrock 외 Cohere/Claude 같은 대안, SageMaker, Sentence Transformers 등 선택지, 사전 준비 및 GitHub 예제 코드로 실무 가이드를 제공합니다.

여기어때

·Else·

Company Culture, Hiring, Career, Interview

여기어때의 인터뷰 당일 준비와 현장 운영 프로세스를 구체적으로 다루며, 리셉션 안내, 대기실 구성, 인터뷰룸 배정 등의 절차를 설명합니다. 또한 인터뷰 전후에 제공되는 지원 체계로 쿠폰 발송, 만족도 설문, 내부 결과 안내를 투명하게 관리하는 방식을 확인할 수 있습니다. 이를 통해 구직자에게 긴장을 완화하고 원활한 면접 경험을 제공하는 실무 가이드가 제시됩니다.

라인

·AI/ML·

Machine Learning, Deep Learning, Multimodal LLM, Content Moderation

라인이 대규모 서비스 환경에서 이미지 콘텐츠 모더레이션과 멀티모달 LLM 기반 접근법의 기술적 맥락과 기대 효과를 다룹니다. 현업 적용 가능성 및 구체적 시나리오를 제시하여 실무 인사이트를 다룹니다.

구글코리아

·AI/ML·

Innovation, Journey, Productivity

구글코리아가 요즘 구글에서 구글 지도에 제미나이와 Ask Maps를 활용한 길찾기와 맛집 탐색의 핵심 내용을 제시합니다. AR 길찾기와 Immersive View를 통해 낯선 지역에서도 현지인처럼 경로를 확인하고 최적화된 방문 계획을 구성하는 방법을 다룹니다. 출장이나 방문 시 위치 기반 의사결정의 정확도와 운영 효율성을 크게 높일 수 있는 실용적 인사이트를 제공합니다.

AWS

·Cloud·

Amazon Bedrock, AWS Elemental MediaLive, TwelveLabs Marengo, TwelveLabs Pegasus, AWS Elemental MediaPackage

AWS의 '클라우드 환경에서의 비디오 인텔리전스 구현' 2부는 TwelveLabs를 활용한 AI 영상 분석과 준실시간 파이프라인 구축의 핵심 방법을 다룹니다. 구체적으로 AWS Elemental의 서비스 조합으로 라이브 스트림 분석 파이프라인을 구성하는 세 가지 방법을 제시하고, 각 방식의 데이터 흐름과 분석 단계, 그리고 TwelveLabs API 연동을 설명합니다. 또한 서버리스와 서버 기반 구성의 선택 시 고려사항과 실무 적용 사례를 제시해 독자가 현장에 바로 활용할 수 있도록 돕습니다.

AWS

·Architecture·

AWS, Python

AWS의 블로그 시리즈는 TwelveLabs Marengo 3.0으로 생성한 비디오 임베딩을 OpenSearch Serverless와 S3 Vectors에 저장하고 검색하는 설계와 성능 비교를 다룹니다. 하이브리드 검색(벡터+키워드), 배치 인제스트 최적화, 512차원 임베딩 구조, 인덱스 설계와 비용 차이를 비교하고, 실사용 시나리오에 따른 성능 차이와 구성 가이드를 제공합니다. 실무 적용 팁과 PoC 고려사항도 함께 제시되어, 개발자와 엔지니어가 클라우드 기반 비디오 인덱싱 인프라를 설계하는 데 활용할 수 있습니다.

AWS

·AI/ML·

Vector Search, Video Analytics, Multimodal Embeddings, Fused Embeddings, Intent Based Routing

AWS의 블로그는 TwelveLabs Marengo 3.0을 활용해 비디오의 시각, 음성, 자막을 하나의 공유 벡터 공간으로 통합하고 any-to-any 검색을 가능하게 하는 멀티모달 비디오 인텔리전스 구현을 다룬다. 대표적인 세 가지 접근법은 1) Fused Embeddings, 2) Multi-Vector Retrieval(Score-based Fusion 및 RRF), 3) Intent-based Dynamic Routing으로, 각각의 설계 의도와 구현 시 고려할 점을 제시한다. 또한 모달리티별 가중치, 라우팅 및 랭킹 전략, 디버깅 가능성 등 클라우드 기반 시스템에서의 실용적 구현 가이드를 제공한다.

AWS

·AI/ML·

Amazon Bedrock, Amazon S3, Amazon DynamoDB, TwelveLabs Marengo, TwelveLabs Pegasus

AWS가 Strands Agents SDK를 활용해 TwelveLabs의 비디오 AI 모델과 AWS 서비스를 연결한 에이전틱 비디오 엔진 구축 사례를 단계별로 소개한다. 본문은 에이전트 루프, 훅, 도구 정의를 통해 영상 임베딩, 검색, 요약, 자막 생성 등 다양한 워크플로를 상황에 맞게 구성하는 방법과 핵심 구현을 다룬다. 또한 Bedrock Claude Sonnet과 Marengo 임베딩, Pegasus 요약, Transcribe 자막, Haiku 키워드 추출 등 서비스 간 협업으로 효율화를 제시한다.