구글

·AI/ML·

Distributed Training, Pathways, Dataflow Graph, Asynchronous Dispatch, Central Scheduler

구글의 Pathways는 대규모 모델 학습을 위한 단일 컨트롤러 분산 시스템으로, 계산을 글로벌 데이터플로우 그래프로 표현합니다. 전형적인 SPMD 모델인 DDP/FSDP과 달리 비동기 디스패치와 중앙 스케줄러를 통해 하드웨어 활용도를 극대화하고 복잡한 워크로드에서 교착 상태를 방지합니다. 가상 디바이스를 통한 모델 정의의 하드웨어 분리로 확장성과 RL과 같은 동적 워크로드를 Post-training에서도 원활하게 처리합니다.

AWS

·Data·

AWS, PostgreSQL

AWS Transform for SQL Server를 활용해 Smilegate STOVE 스토어의 MS SQL Server 기반 상점 API와 결제 API의 데이터베이스를 Aurora PostgreSQL로 이관하고, 데이터 접근 계층도 PostgreSQL에 맞춰 재구성하는 사례를 공유합니다. 2단계 로드맷의 핵심으로 프레임워크 현대화와 데이터베이스 현대화를 병행하되, 스키마를 먼저 확정한 뒤 코드 변환을 마무리하는 하이브리드 전략을 적용했고, Claude Code를 활용해 남은 결함을 체계적으로 보완했습니다. 또한 98개 테이블, 342개 저장 프로시저 등 레거시를 대상으로 실행 검증과 교차 대조를 수행해 정합성을 확보했고, 약 5.8만 행의 T-SQL이 PL/pgSQL로 대체되어 프로젝트 전체의 속도와 비용 측면 이점을 확인했습니다.

토스

·AI/ML·

LightGBM, DCN, MMoE, PLE, Causal Transformer

토스의 TASTE는 여러 서비스의 사용 행동 데이터를 함께 학습해 공통 사용자 표현을 만들고, 이를 다양한 추천 모델에 전달하는 추천 파운데이션이다. 초기에는 MMoE를 활용한 멀티태스크 학습과 공유 인코더로 시작했고, 확장으로 DCN-V2, PLE, 시퀀스 인코더 등을 도입해 Macro Recall@5k를 약 35.1% 개선했고, IM의 Auto Targeting 도입으로 발송 대상 선정도 간편해졌다. 또한 토스는 임베딩 전달과 TASTE Bench 같은 평가 프레임워크를 도입해 서비스별 오프라인 AUROC와 NE 지표를 개선하고, 온라인 캠페인에서도 클릭률과 전환을 높이는 데 기여했다.

왓챠

·AI/ML·

Two Tower, Gradient Decoupled Sampled Softmax, Sampled Softmax, LightGCN, MF

왓챠의 기술 블로그는 협업 필터링에서의 인기 편향 문제를 진단하고, Gradient-Decoupled Sampled Softmax(GD-SSM)라는 접근을 중심으로 해결 방향을 제시합니다. 제안하는 해결책은 임베딩 길이 증가를 막는 L2 Projection과 학습 신호의 노출 편향을 보정하는 Degree Prior ψ로 구성됩니다. 오프라인 실험에서 Recall@20 7.2%, NDCG@20 9.9% 개선과 롱테일 영역의 39.0%/61.4% 상승이 확인되었고, 커버리지도 확장되었으며 서비스 적용 가능성도 함께 논의됩니다.

잡코리아

·Frontend·

Git, JavaScript, GitHub, Next.js, Tailwind CSS

잡코리아의 기술 블로그 사례로 피그마 대신 코드로 디자인하는 워크플로우를 저장소 중심으로 설계하고 실행한 경험을 다룹니다. 디자인 시스템과 PRD를 한 저장소에서 관리하고, 디자인-기획-개발을 연결하는 화면 보드, 작업 지시, 이슈 코멘트 흐름을 구축했습니다. 결과적으로 모든 변경 이력은 하나의 커밋에 남고 빌드 실패로 차이를 알려주며, 디자이너와 개발자가 같은 화면을 공유하게 됩니다.

NAVER D2

·Architecture·

Kubernetes, OpenID Connect

네이버 D2가 n3r OIDC를 통해 내부 서비스의 로그인 통합을 구현하는 설계 방향과 구현 과제를 다룹니다. 발표는 n3r.iam을 OIDC Provider로 확장하고, 클라이언트 등록과 연동 설정, 토큰에 프로젝트/역할 정보를 담아 로그인과 권한 부여를 표준화하는 방법을 제시합니다. 네이버의 사내 쿠버네티스 기반 컨테이너 플랫폼에서의 설계 원칙과 향후 단계가 실무 적용에 높은 도움이 됩니다.

슈퍼브에이아이

·AI/ML·

Computer Vision, CUDA, Edge AI, NVIDIA Jetson Thor, AI Inference

슈퍼브에이아이는 2026 Advantech Edge AI Day에서 엣지 비전 AI 데이터 루프의 설계와 현장 사례를 정리 발표합니다. 배치 유형으로는 On-prem + Edge, Cloud + Edge, Cloud only 등을 포함한 PoC 중심의 실증과 테스트 결과를 제시합니다. NVIDIA Jetson Thor, SPBEval, Text AP 2.2(Large) 등 지표와 53.9 mAP의 CVPR 2026 성과를 함께 다룹니다.

AWS

·Cloud·

Python, Amazon Braket, QAOA, PennyLane, Max Cut

AWS의 PennyLane 기반 Max-Cut QAOA 구현을 Braket에서 로컬 실행, 임베디드 시뮬레이터를 활용한 하이브리드, 온디맨드 SV1의 세 가지 실행 방식으로 비교합니다. 로컬은 양자 계산을 로컬에서 수행하고, 임베디드 하이브리드는 잡 인스턴스 내에서 실행하며, SV1은 외부 시뮬레이터로 태스크를 제출해 네트워크 및 과금 특성이 달라진다. 다양한 파라미터(p, 반복 횟수, 샷 수) 차이가 성능과 비용에 미치는 영향과 디바이스 ARN 변경의 실용성을 제시합니다.

티빙

·Else·

Event, News, Streaming, TV, Entertainment

티빙이 주간 추천작에서 박수영X김현진의 로맨스와 톰 히들스턴의 에베레스트 도전 콘텐츠를 다룹니다. 다양한 장르의 큐레이션 흐름을 통해 티빙의 콘텐츠 선정을 어떻게 구성하는지 간략히 다룹니다.

Cj온스타일

·DevOps·

Python, Android, BigQuery, Jenkins, Firebase Crashlytics API

CJ온스타일은 Crashlytics API를 활용해 매일 아침 크래시 데이터를 수집하고 AI 분석으로 원인과 수정 방향을 제시하는 자동화 파이프라인을 구축했다. 크래시 데이터는 crashed=true 이슈를 선별하고 이슈 ID, StackTrace 위치, 에러 메시지, 발생 횟수 등 필요한 정보를 추려 JSON으로 만들고 Claude CLI로 분석해 ai-result.md에 저장하며 소스 코드는 develop 브랜치를 기준으로 Git에서 확인한다. 결과물은 Confluence의 Crash Report List Page와 Daily Crash Report Page로 자동 업로드되고 Slack과 Teams에 알림이 전송되며, Android의 자동화를 iOS에 재활용해 운영 효율성과 재사용성을 크게 높였다.