안녕하세요. 에이닷에서 프론트개발 하고 있는 스카이입니다. 오랜만에 인사드립니다.업무를 하면서 한 가지 고민이 생겼습니다. 프로젝트의 규모가 커지면서 도메인 별로 저장소와 서버를 분리해서 관리하게 되었습니다.공통으로 사용되는 로깅 모듈을 개발해야 해야 했는데요. 같은 코드를 모든 프로젝트에 복사/붙여넣기 하는 것은 관리 측면에서 큰 문제가 될 것이라고 생각되었습니다.이를 해결하기 위해서 npm 처럼 모듈을 개발하고 제공할수 있는 방법이 없을까 고민하게 되었습니다.npm은 의존성을 쉽게 관리할 수 있는 훌륭한 도구입니다. 쉽게 설치 및 삭제할 수 있고 버전 관리도 간단합니다.이러한 장점을 그대로 가져가고 싶었습니다. 가장 큰 문제는 회사 전용 모듈이라 모두 공개되는 npmjs 사이트에 등록할 수 없다는 것입니다.회사 전용 npm 시스템을 구성하는 것도 잠시 생각했으나 얼마나 사용하게 될지 알 수 없는 상황에서 일을 키우는 게 아닌가 싶었습니다.작고 단순하게 시작해 볼 방법을 찾아봤고 npm 등록하지 않고도 가능한 방법이 있어서 이를 해결한 방법을 소개합니다.단독 모듈을 만들겠다는 아이디어를 떠올렸을때 빌드 도구로 유명한 Webpack으로 프로젝트 구성을 시도했습니다.하지만 모든 옵션을 개발자가 이해하고 한땀한땀 설정해줘야 해서 시작부터 쉽지 않았습니다.어렵게 기본 동작만 가능한 프로젝트를 구성했으나 타입스크립트를 사용하는 프로젝트에서 설치하여 사용하니, 타입 에러 경고가 뜹니다. 타입을 지정해줄 방법을 찾아야했습니다.다시 Webpack에 기술되어 있는 옵션을 읽고, 이해하고, 테스트해서 정상 동작하는데 확인해야했습니다.간단한 모듈을 만드는데 이렇게까지 리소스를 들여야 하나 하는 고민이 들었습니다.그러다가 좀 더 효율적으로 설정할 수 있는 방법을 찾았고 Nuxt 자체에서 이미 Vite를 사용하고 있어서 빌드 도구로 Vite를 도입하게 되었습니다.Webpack으로 설정하느라 몇 시간이 걸렸는데 Vite로는 1시간 밖에 걸리지 않았습니다.Vite 빌드 도구인데 이전의 빌드 도구와 차이점, 자세한 내용을 알고 싶다면 사이트에서 알 수 있습니다.아래 명령어로 Vite가 전역에 설치되어 있는지 먼저 확인합니다.없다면 Vite를 먼저 설치해주세요.Vite 프로젝트를 설정하는 명령어로 프로젝트를 생성합니다.화면이 없는 모듈을 구성하려고 다음과 같이 선택했습니다.파일 열어 보면 다음과 같이 기본 설정이 되어 있습니다.의존 모듈을 설치하고 로컬에서 실행해 보면 간단한 예제가 잘 동작합니다.'count is' 영역을 누르면 숫자가 증가합니다.코드를 추가합니다. 예제 코드는 단순하게 콘솔 로그를 찍는 코드를 추가했습니다.파일에 우리가 정의한 모듈의 타입을 아래처럼 정의해 줍니다.해당 파일에 정의되어 있어야 타입스크립트를 사용하는 곳에서 타입을 찾을 수 없다는 에러가 발생하지 않습니다.로컬 환경에서 테스트하기파일에 코드가 정상 동작하는지 테스트할 코드를 작성합니다.파일에 코드를 정리합니다. lang, title 변경하고 불필요한 코드를 삭제했습니다.아래 명령어로

글. 노희정(Mahina) / Product Owner여기어때에서 숙소를 탐색하는 방법은 크게 두 가지가 있어요. 하나는 ‘카테고리홈’을 통해 숙소 유형별로 지역을 둘러보는 것이고, 다른 하나는 ‘검색 기능’을 이용해 키워드를 직접 입력하는 방식이죠. 카테고리홈은 호텔, 모텔, 펜션처럼 어떤 숙소를 찾을지 정해놓은 사용자들에게 딱 맞아요. 반면, 검색 기능은 원하는 조건이 명확한 사용자들이 자주 활용하죠. 이번 글에서는 카테고리홈에 검색 기능을 추가하면서 느낀 점과 경험을 함께 나눠보려고 해요.카테고리홈의 불편함은 무엇이었을까?카테고리홈은 특정 숙소 유형을 찾으려는 사용자에게 꽤 유용한 탐색 방법이에요. 예를 들어, 호텔 카테고리를 선택하면 호텔만 쏙쏙 골라볼 수 있으니까요. 하지만, 기존 카테고리홈에는 두 가지 아쉬운 점이 있었어요.① 사용자 기대와의 어긋남기존 지역 리스트에서 상위 지역을 찾기가 어렵고, 하위 지역 그룹도 직관적이지 않았어요. 예를 들어, ‘강남/역삼/삼성/논현/선릉’이 하나의 그룹으로 묶여 있는데, 어떤 기준으로 묶여 있는 건지 알기 어렵고, ‘서초/신사/방배’는 따로 떨어져 있어 애매했죠.② 구조적 개선의 한계점“그럼, 지역 그룹을 새로 묶으면 되지 않을까?”라는 생각이 들지만, 지역 그룹을 단순히 분리하거나, 재구성하는 것은 비즈니스 운영에 큰 영향을 줄 수 있어 지역 구조 변경은 어려웠어요. 그래서 사용자 경험을 개선하면서도 비즈니스적인 손실을 최소화할 방법이 필요했어요.검색 기능을 넣는다면 해결될까?기존 지역 리스트를 재구성하는 대신, 사용자가 원하는 숙소를 더 쉽게 찾을 수 있도록 ‘검색’ 기능을 카테고리홈에 추가했어요. 이 검색 기능의 목표는 크게 두 가지였어요.① 구매 전환율 및 GMV(거래액) per User의 유지검색 기능 자체가 새로운 것은 아니기 때문에 큰 성과를 기대하기보다는, 구매 전환율과 GMV가 기존 수준을 유지하는 것이 목표였어요.② PDP(숙소 상세 페이지) 전환율 상승카테고리홈은 사용자가 탐색을 시작하는 첫 단계로, 사용자가 둘러보기 정도의 의도를 가지고 있을 거예요. 그렇기 때문에 숙소 리스트에서 더 많은 사용자가 셀러 카드를 클릭해서 PDP(숙소 상세 페이지)로 넘어간다면, 사용자가 원하는 제휴점을 손쉽게 발견할 수 있도록 리스트를 제공했다는 것을 의미하므로 보다 적극적인 사용자의 의도가 들어간 행동이라고 생각할 수 있어요.물론, 사용자가 입력한 검색 키워드 또한 사용자의 의도가 들어간 행동이지만, 검색 기능 자체가 카테고리홈에서는 신규 기능이기 때문에 (A/B 테스트에서) 기존의 그룹과 비교할 수 없어서 모니터링 지표 정도로만 참고했어요.카테고리홈에 검색을 더하다카테고리홈 검색은 매우 명료한 정책을 가지고 있어요. 카테고리홈에 검색 기능을 추가하면서도 기존 검색 로직을 그대로 유지했어요. 다만, 선택한 카테고리에 맞는 숙소만 검색 결과에 나타나도록 조정했죠. 여기에 광고 집행 중인 제휴점들이 손해를 보지 않도록 기존 비즈니스 구조를 유지하면서도 여러 고민이 필요했어요.지극히 개인

if(kakaoAI)2024 셋째 날은 , , , 에 대해 이야기합니다. 총 29개의 오후 기술 세션들이 아래와 같이 진행됩니다.• 서비스에 LLM 부스터 달아주기:요약부터 AI Bot까지 (장원준) 카카오에서 진행한 LLM 학습 및 서빙 과정과 그 결과를 소개합니다. LLM을 요약 등 특정 task에 적용하는 것부터 AI Bot 서비스로 발전시키는 과정에서 단계별로 발생한 기술적 이슈들을 어떻게 해결했는지 공유합니다.• ‘선물하기 와인 탐험’ LLM 대화형 서비스 개발자 (국정우, 박영준, 이수민) 사용자 대화를 바탕으로 선물하기 와인 상품을 추천하는 LLM 대화형 서비스 구현 사례를 소개합니다. 와인 픽업 서비스를 더욱 재미있고 자유롭게 사용할 수 있는 톡 서비스를 목표로, LLM 기반 와인 상품 추천 서비스의 개발 및 출시 경험을 공유하며, 대화 흐름 제어 아키텍처와 실제 상품 검색에 사용한 RAG 기법을 다루는 기술을 이야기 합니다.• FunctionChat-Bench: 도구 연결 대화에서의 언어 모델 생성 능력 평가 (이신복) Function Call은 언어 모델과 외부 도구를 연결해 실시간 정보를 이용하거나 실세계 동작을 수행하도록 하는 기술입니다. 외부 도구를 사용하는 한국어 대화 환경에서 Function Call 성능을 다면적으로 평가하기 위해 개발한 FunctionChat-Bench를 소개하는 기술을 공유합니다.• 선물하기 럭스 리뷰 카드 분류 모델 개발기 (이수민) 선물하기 럭스 리뷰 카드 추천 구좌에서, 리뷰 분류 자연어 모델 개발을 내재화한 이유와 과정을 소개하며, 그 속에서 마주쳤던 고민들과 적용했던 방법들을 공유합니다.• 생성형 AI 기반의 웹툰 미리 보기 ‘Helix 쇼츠’ 개발기 (송근욱) 'Helix 숏츠’는 웹툰 미리보기 서비스로, 다양한 AI 기술을 활용하여 개발되었습니다. 개발 과정에서 사용된 AI 기술과 그 적용 방법을 소개하며, 프로젝트 진행 중 겪은 경험과 노하우를 공유합니다.• 추가 배포 없이 API의 case 통일시키기 (김준호) 운영 이력에 따라 다양한 case로 사용되던 DTO를 snake case로 일원화해 개발 효율을 높인 과정을 소개합니다. 또한, 24/7 상용환경과 MSA로 구성된 서버에서 Jackson 라이브러리를 활용해 서비스 중단 없이 변경하려고, 고군분투한 경험을 공유 합니다.• GraalVM 도입으로 JVM 백엔드 애플리케이션의 구동 초기 성능 문제 해결하기 (김동헌) GraalVM을 소개하고 Java로 네이티브 애플리케이션을 개발하기 위한 GraalVM의 요구사항을 설명 합니다. 또한, GraalVM 도입 전후의 성능을 벤치마크하고 비교하며, 초기 성능 웜업 문제를 GraalVM으로 해결해 얻은 운영상의 이점과 인사이트를 공유합니다.• 지연이체 서비스 개발기 : 은행 점검 시간 끝나면 송금해 드릴게요! (박소현) Kafka 기반으로 지연이체 서비스를 재설계하고 개발한 후기를 소개 합니다. 카카오페이 지연이체 서비스의 아키텍처 설계부터 오픈 과정에서 마주한 문제와 해결 경험

if(kakaoAI)2024 둘째 날은 , , , , , 개발 생산성, 개발 방법론 등에 대해 이야기합니다. 총 31개의 오후 기술 세션들이 아래와 같이 진행됩니다.• 밑바닥부터 시작하는 LLM 개발기 (김보섭, 온경운) 카카오의 자체 대규모 언어 모델(LLM) 개발 과정과 도전 과제, 해결 경험을 소개합니다. 데이터 수집과 전처리, LLM의 pre-training과 post-training을 거친 모델 개발 전반을 공유하며, 그 과정에서 마주한 주요 문제와 해결 방안에 대해 살펴보는 기술을 이야기 합니다.• 빠르고 비용 효율적으로 LLM 서빙하기 (양정석) 경제적인 LLM 서비스 개발을 목표로 LLM의 추론 비용을 최적화하기 위해 진행한 다양한 고민과 실험 내용을 기반으로, 비용 효율적인 LLM 구축을 위한 실험 과정과 최적화 전략을 살펴보는 시간을 공유합니다.• CodeBuddy와 함께하는 AI 코드리뷰 (이호정, 신현웅) 카카오의 AI 코드 리뷰어 'CodeBuddy’는 단순히 결함을 찾는 것을 넘어, 맥락과 실용성을 중시하는 코드 리뷰를 제공합니다.이번 발표에서는 카카오의 코드 리뷰 철학, 'CodeBuddy’의 아키텍처와 주요 기능, 그리고 모델 파인튜닝을 통한 리뷰의 정확성 향상 과정을 소개합니다. 카카오의 AI Native 여정을 경험해볼 수 있는 시간을 공유합니다.• AI Assistant와 통합 지식베이스를 통한 AI Native Company 구현 (황민호) 기업의 효율성과 생산성을 높이기 위해 AI 기술 도입은 필수적입니다. 이번 발표는 사내 시스템에 AI 기능을 접목해 업무 효율성을 극대화하는 과정을 소개합니다. AI Assistant와 통합 지식베이스를 구축하여 다양한 업무 도구와 시스템을 연동하고, 지능적 검색 및 자동화 기능을 제공하는 스마트 환경을 구축하는 방법을 공유합니다.• 광고 소재 심사 과정에서 AI를 도입하여 광고 서비스 생산성 향상시키기 (백수희, 이상헌) 광고 소재 심사 과정에 AI 모델을 활용해 심사 가이드라인에 부적합한 소재를 자동으로 분류하는 프로세서 도입 과정을 소개합니다. 또한, 모델의 지속적 학습이 가능한 워크플로우를 구축해 업무 생산성을 극대화한 사례를 공유하는 기술 스토리를 공유합니다.• AI기반 광고 콘텐츠 모니터링 기술 개발기 (민규식) 부적절한 광고소재 콘텐츠의 모니터링을 위해 사용한 이미지-텍스트 유사도 도출 모델의 소개와 학습 과정을 이야기 하며, 이를 고도화하기 위한 기술 개발 과정과, 기반 기술을 활용한 응용 사례를 공유합니다.• 카카오톡 미니 이모티콘 in Android (원승주, 이상훈) 카카오톡에 새롭게 출시된 미니 이모티콘의 안드로이드 개발 과정을 소개합니다. Span을 이용한 미니이모티콘 렌더링과 비트맵 관리 방법, 서로 다른 이모티콘의 동작 싱크 조정 방법을 설명합니다. 또한, 키보드에서 입력된 미니 이모티콘이 전송될 때의 데이터 추출 과정, InputFilter와 TextWatcher를 활용한 입력창의 요구 사항 달성 경험, 그리고 어려움을 극복한 과정을 공

if(kakao AI)2024 첫째 날은 와 에 대해 이야기합니다. 총 27개의 오후 기술 세션 들이 아래와 같이 진행됩니다.• 나의 컨텍스트를 아는 친구, Context-Aware AI Mate (이혜련) Context-Aware AIMate는 사용자의 컨텍스트를 깊이 이해하는 지능형 서비스 플랫폼으로, AIMate는 주요한 정보를 기억하는 메모리를 통해 사용자를 잘 이해하는 서비스를 제공하기 위해 연구하고 있는 과정을 공유 합니다.• 카카오i를 통한 AIOT 서비스의 사례와 미래 (김덕형, 김진호) 카카오i의 AIOT 플랫폼 구조와 현재 상태, 향후 방향, 그리고 개발 과정에서의 고민을 공유합니다. 사람과 사물이 경계 없이 연결되는 지능화된 사물인터넷(AIOT) 구현 방안을 설명합니다.• 데이터 분석과 머신러닝을 통한 유저 방문 맛집 발굴하기 (유효나, 양명한) 카카오맵 데이터를 활용하여 유저의 방문 맛집을 추정하는 문제를 어떻게 해결했는지 공유합니다. 정답이 없는 문제에 대한 접근 방식과 해결 과정을 상세히 설명합니다.• 최애 작품 이용권 선물해 주는 ‘Helix 푸시’ 개발기 (이윤형, 이여운) 유저가 선호하는 작품의 이용권을 선물하는 ‘Helix 푸시’ 서비스를 위한 추천 모델 개발 과정을 공유합니다. 미열람작과 기열람작 추천 모델로 나누어 개발한 경험과 문제 해결 과정을 설명합니다.• 지연 시간 순삭! LLM 추론 구조와 효율적 애플리케이션 설계 (오주원) LLM의 시퀀스 생성 메커니즘을 분석하여 효율적인 활용 방안을 제시하고, 이를 통해 애플리케이션의 지연 시간을 최소화하는 방법을 탐구합니다. 캐릭터 페르소나 구현 경험을 바탕으로 실시간 응답 애플리케이션의 성능 향상 전략을 소개합니다.• 문서 검토는 이제 Document AI로 한방에! (황세윤) AI 리서치 엔지니어 없이 백엔드 개발자가 문서를 자동으로 인식하는 Document AI를 개발하여 보험 서비스에 적용한 사례를 공유합니다. 구현 방법과 개선 방향을 설명합니다.• Kakao AI Platform : AI 서비스의 품질은 높이고, 개발은 빠르게 (홍석용) 카카오의 전사적 AI 개발과 운영을 위한 Kakao AI Platform (KAP)을 소개합니다. AI Ops에 필요한 핵심 기능들(Store, Serving, Training, Agent)을 통합 제공하는 이 플랫폼은 AI 기술의 빠른 확산과 업무 생산성 향상에 크게 기여한 스토리를 자세히 공유합니다.• 메시지 광고 추천 딥러닝 인퍼러스 서버 개선 - Jvm Onnx Runtime에서 Nvidia Triton 도입까지 (박채운, 신지영) 일간 500개 이상의 모델을 서빙하는 메시지 광고 추천 인퍼런스 서버의 성능과 MLOps 요소를 고려하여 개선한 이야기를 소개 합니다. 메시지 광고 추천 시스템, LLM으로 발전하는 메시지 광고 부터 인퍼런스 서버 한계에 대한 분석 및 Nvidia Triton 도입과 문제 해결, 향후 계획 등에 대해 공유합니다.• 카카오 광고 AI 추천 MLOps 아키텍처 - Feature St

10월 22일 부터 24일까지, 카카오의 연례 개발자 행사 ‘if(kakaoAI)2024’가 ‘카카오 AI 캠퍼스’에서 개최됩니다. 3일간, 키노트, 패널톡, 전시와 체험이 준비되어 있는데요, 무엇보다 컨퍼런스의 꽃인 90여 개의 오후 기술 세션으로 카카오의 AI Native와 기술 트렌드, 개발의 고민과 도전 등을 이야기합니다.기술 세션이 정말 많은데, 이 중 어떤 세션을 눈여겨보고 계신가요? 이 시리즈에서는 모든 오후 기술 세션들을 날짜별로 소개드리며, 각 세션의 간단한 내용을 소개해드립니다. 각 단락에 연결된 링크를 통해 더 자세한 정보를 확인하시고, 관심 세션을 찾으시는 데에 도움이 되기를 바랍니다.• 추천 대상: 카카오의 AI 기반 기술과 서비스 최적화, 멀티모달, 책임 있고 안전한 AI, MLOps 등에 관심 있는 모든 분if(kakaoAI)2024 첫째 날(10/22 화)은 카카오의 혁신적인 AI 기술을 만나볼 수 있는데요. 사내 도구부터 실제 서비스까지 적용된 AI 기술을 LLM, 멀티모달, AIOT, RAG, MLOps 등의 다양한 이야기가 27개 세션을 통해서 펼쳐집니다. 실제 개발 사례 부터 방법론, 노하우에 이르기 까지 카카오의 기술 혁신 여정을 첫째날에 경험해 보시길 바랍니다.• 추천 대상: 클라우드 기술, 데이터 관리, 광고 성과 향상에 관심 있는 개발, 그 밖에 AI, MOBILE, Infra, Network, Front-End, DevOps, 개발기 등에 관심 있는 모든 분들if(kakao AI)2024 둘째 날(10/23 수)은 첫째 날에 이어 AI 세션과 함께 모바일, 프론트엔드(FE), 인프라, 네트워크, DevOps까지 다양한 직무의 개발자들이 모입니다. 웹, 안드로이드, iOS, 안드로이드오토, 카플레이, Windows 등 다양한 운영체제에서 카카오의 서비스를 만드는 크루들의 이야기와, 클라우드 인프라를 최적화하는 방법, 애플리케이션의 안정성과 보안을 강화하는 전략까지 풍성한 이야기를 준비했습니다.또한 Event Stage에서는 ‘크루 패널톡’이 아래의 주제로 진행되어, AI 서비스를 만드는 크루들의 경험과 고민과 교훈들을 공유합니다.[크루 패널톡] AI 서비스 개발 경험에서 얻은 노하우와 인사이트 공유(Event Stage, 13:00 ~ 14:00)• 추천 대상: 백엔드 개발, 데이터 시스템 관리, 클라우드 기술, AI에 관심 있는 모든 분, AI 커리어 성장을 고민하는 분들if(kakaoAI)2024 셋째 날(10/24 목)에도 여전히 AI 트랙이 준비되어 있습니다. 뿐만 아니라, 많은 분들이 기다리고 계셨을 BackEnd(백엔드) 트랙도 있으며, 쿠버네티스와 GCP 등 클라우드 개발, 대규모의 데이터베이스(DB) 등에 대해서도 다룹니다.셋째 날에도, Event Stage에서 카카오의 개발자들이 AI 개발을 어떻게 시작하고 성장해 왔는지, 커리어 경험을 직접 듣는 '크루 패널톡’이 예정되어 있습니다if(kakao AI)2024는 다양한 기술 트렌드와 카카오의 도전 그리고 고민을 깊이 있게 다루는

프로그램 기획자’s 코멘트안녕하세요. 카카오에서 DevRel을 담당하는 헌터입니다. 이번엔 컨퍼런스에서 특별한 프로그램을 하나 소개드리고자 합니다. 바로 크루 패널톡(Krew Panel Talk)으로 모더레이터와 여러 패널들이 참여해 최근 이슈가 되고 있는 주제에 대해 질문과 답변을 나누는 프로그램입니다. 이번에 진행되는 2개의 크루 패널톡은 AI라는 큰 주제 아래, 개발 경험과 성장을 주로 다룰 예정입니다. 카카오와 그룹사 크루들이 한 자리에...

언제 어디서든 틈날 때마다 빠르게 시청할 수 있는 숏폼 콘텐츠는 우리의 콘텐츠 경험에 큰 변화를 주고 있습니다.이러한 콘텐츠 시청 트렌드 변화에 따라 콘텐츠 제작자나 서비스 플랫폼 제공자들은 원본 콘텐츠에서 숏폼 콘텐츠를 생성하여 고객들에게 제공하고 싶어합니다.그러나 숏폼 콘텐츠를 제작하기 위해서는 오랜 시간의 편집 수작업과 제작 비용이 요구돼 숏폼 콘텐츠 수량 증대에 한계가 있습니다.이와 같은 Pain Point를 극복하고자 저희는 AWS 환경에서 AI 기반 영상 편집 기술을 개발하여 대량으로 숏폼 콘텐츠를 빠르게 생성할 수 있는 시스템을 구축하고자 했습니다.이렇게 생성된 스포츠 AI숏폼을 생성하여 에이닷 미디어 서비스에 제공하고 있습니다.숏폼시대를 타겟하는 콘텐츠 자동 편집 기술과 서비스 상용화의 모든 것에 대해 알아가 볼까요?롱폼 콘텐츠에서 숏폼 콘텐츠로 탈바꿈하기 위해서 시간적, 공간적 콘텐츠 편집 기술이 적용됩니다.재생 시간이 긴 가로형 원본 콘텐츠에서 핵심 구간의 세로형 숏폼 콘텐츠를 자동으로 생성할 수 있는 AI 미디어 기술입니다.AI Vision엔진, Audio 엔진, LLM엔진 등을 활용한 AI 종합선물세트라고 봐도 무방합니다.무엇보다 다양한 콘텐츠 장르 따라 대응이 가능한 기술과 시스템을 고려하여 구현하였기 때문에 서비스 확장성이 있다는 장점이 있습니다.저희가 처음으로 상용화를 2023년 봄 프로야구 중계 방송을 타겟하여 AI 숏폼 콘텐츠를 생성하고,2023년 가을에 프로농구, 2024년 봄부터 시작하여 프로골프 중계 방송 콘텐츠 기반의 AI 숏폼 서비스를 상용화였습니다.단기간 내에 3가지 스포츠 종목에 대한 AI숏폼 콘텐츠 자동 편집 기술을 개발하면서 겪었던 시행착오를 공유하고자 합니다.그리고 개발자들의 입장에서의 서비스 상용화를 위해 고군분투하며 개발한 저희의 성장 스토리를 소개합니다.이번 기고에서는 현재 상용 서비스 중인 프로골프 AI숏폼에 대해 집중하여 설명하고자 합니다.프로골프 KLPGA와 KPGA 중계 방송 영상을 가지고 콘텐츠 소비 목적에 맞춰 자동으로 편집할 수 있는 기술과 시스템을 구현했습니다.스포츠 종목 특성상 사용자가 더 잘하기 위해서 숏폼을 본다는 사용자 콘텐츠 소비 패턴을 분석하여 '골프 레슨 숏폼' 인 AI Swing Visualization 콘텐츠를 고도화 개발하기로 했습니다.골프 스윙 자세에 대한 이해를 돕기 위한 목적으로 AI Swing Visualization 2가지 콘텐츠를 기획하고 개발했습니다.• None AI Shorts : 경기 내용 중 놓치면 안될 주요한 이벤트에 대한 숏폼 콘텐츠로서 후킹문구를 자동으로 생성하여 관련한 콘텐츠 정보를 직관적으로 전달• None AI Swing : 스윙 구간이 2~3초 내외로 너무 빨리 지나가 놓치기 쉬운 프로선수들의 Tee-shot 구간을 모아 볼 수 있도록 자동으로 스윙 구간을 검출하여 생성• None AI 프로포즈 : 스윙의 대표적인 8 구간을 검출하여 8배속 Slow-motion으로 단계별 스윙 자세를 친절하게 알려주는 콘텐츠• None A

오늘날 다양한 애플리케이션을 사용하면서 여러 계정을 관리하는 것은 상당한 부담이 될 수 있습니다.이러한 문제를 해결하는 데 중요한 역할을 하는 것이 바로 SSO(Single Sign-On)입니다.SSO는 사용자가 하나의 계정으로 여러 애플리케이션에 안전하게 로그인할 수 있도록 해주며, 보안성과 사용자 경험 모두를 개선하는 핵심 기술입니다.Keycloak은 오픈 소스 Identity 및 Access Management 솔루션으로, SSO 구현을 손쉽게 도와줍니다.다양한 애플리케이션과의 통합이 용이하고, 사용자 인증, 권한 관리, LDAP 통합, 소셜 로그인 기능 등을 간단하게 설정할 수 있어 많은 개발자와 기업이 이를 채택하고 있습니다.이 글에서는 Kubernetes 환경에서 Keycloak을 활용하여 SSO를 구축하는 과정을 단계별로 안내합니다.클라우드 환경에서 Kubernetes와 eksctl을 이용해 클러스터를 설정하는 것부터 Ingress 컨트롤러와 Let's Encrypt를 통해 HTTPS 보안을 설정하는 방법까지 다룰 예정입니다.또한, Keycloak을 설치하고 샘플 애플리케이션과의 SSO 연동을 테스트하는 과정도 상세히 설명하겠습니다.SSO 구축이 처음이시거나 Keycloak에 대해 궁금한 점이 있으신 분들이라면, 이 연재를 통해 완성도 높은 SSO 환경을 구성하는 방법을 배울 수 있을 것입니다. 그럼 첫 단계부터 시작해 보겠습니다!• None 완벽한 HTTPS 보안: Ingress 컨트롤러와 Let's Encrypt으로 무료 인증서 설정하기• None Keycloak 설치부터 설정까지: SSO를 위한 첫걸음• None SSO 연동 샘플 애플리케이션 구성하기: 실전 가이드• None SSO 연동 테스트: Keycloak과 애플리케이션의 완벽한 통합다음은 eksctl을 활용하여 Kubernetes 클러스터 및 노드그룹 생성에 대한 설치 가이드 입니다.Keycloak 설정에 앞서서 eksctl 를 활용하여 간편하게 기본 인프라 구성을 진행합니다.• None AWS CLI가 설치되어 있어야 합니다.• None 적절한 AWS 권한이 있는 IAM 사용자 또는 역할이 필요합니다.• None kubectl도 설치되어 있어야 Kubernetes 클러스터와 상호작용할 수 있습니다.eksctl 명령어로 Kubernetes 클러스터를 생성할 때 직접 명령어 인수로 설정값을 지정할 수 있지만, cluster.yaml 파일을 사용하면 더욱 복잡한 설정을 한 곳에 체계적으로 관리할 수 있습니다.예를 들어, 클러스터의 이름, Kubernetes 버전, VPC 설정, 노드 그룹의 세부 구성, 태그, IAM 역할 등을 모두 정의할 수 있습니다.클러스터 생성: cluster.yaml 파일을 작성한 후 eksctl 명령어를 사용하여 해당 파일 기반으로 클러스터를 생성할 수 있습니다.유지 관리: cluster.yaml을 사용하면 동일한 설정으로 클러스터를 재생성하거나, 필요할 경우 설정을 수정하여 다시 적용할 수 있어, 클러스터 관리가 체계적으로 이루어집니다.확

중고차 구매는 부동산 다음으로 비싼 쇼핑입니다. 자동차는 현재 인간의 삶에서 많은 비중을 차지하고 필수품으로 여겨집니다. 지금 폰에서 눈을 떼고, 주위만 둘러봐도 수십대의 차를 확인할수 있습니다.중고차시장은 소비자만족도 최하위를 기록 중입니다. 여전히 불신 가득한 마켓입니다.이유는 간단합니다. 수천개의 부속품으로 이루어져 있고, 일반인이 확인 할 수 있는 품질은 제한적인데, 판매자는 돈을 더 받기위해 흠을 감추려고 합니다.이러한 정보비대칭 으로 인해 많은 피해자들이 발생한 레몬마켓 입니다.비싼 만큼 리스크도 큽니다. 잘못사면 수리비폭탄으로 정신적, 물질적 피해를 입을 수 있기에 신중해야 합니다.정부는 약 5년전 소비자 보호를 위해, 성능보증보험이란 제도를 도입했습니다.차량의 문제가 생겼을때, 판매자 vs 소비자 분쟁이 아닌, 보험이란 옷을 입혔습니다.이 성능보증보험이란 옷은 잘입으면 정말 유용한 제품입니다.이번 시리즈를 통해 중고차 구매 시 꼭 알아야 하는 성능보증보험 200% 활용 방법 알려드립니다!✅관심 있는 주제 클릭, 해당 본문으로 바로 이동해보세요!먼저 성능보증보험에 대해 알아보겠습니다.중고차 구매 후 1개월 동안, 성능점검기록부 와 실제상태가 불일치 내용을 보상 해주는 보험입니다.즉, 구매 시 안내 받은 차량 상태와 타보니 상태가 다른 경우, 보험을 통해 보상 받는 제도입니다.판매자 말만 믿고 구매했는데, 차량에 문제가 생길 경우 개인간 싸울 일 없도록, 보험회사를 통해 보상을 받을 수 있기에 굉장히 유용합니다. 한마디로 상태사기를 보험으로 막아줍니다.2가지 보상 형태가 있습니다.• 무상수리 (최대 1억원) : 엔진,미션 등 성능이 안 좋은 경우 (지원금은 차량가액을 넘지 못함)• 현금보상 (최대 200만원) 몰랐던 사고가 있는 경우 (국산 100만원, 수입 200만원)즉, 성능장 직원의 실수를 커버해주는 보험입니다. 사람이다보니 놓치는 부분이 발생하고, 이를 보험을 통해 해결해줍니다. 따라서, 사고 보상 보험처리과정에서 성능점검장과 소통해야하는 일도 생깁니다.차량 상태가 문제가 많은 이유 (성능점검기록부 불일치)딜러들이 이용하는 성능점검장 비용은 국산 3만원, 수입 5만원 정도 입니다. 성능장도 영리사업입니다. 인건비, 월세 등 수지타산을 맞추려면 하루에 200대 정도를 봐야합니다.여기서 큰 괴리가 생깁니다. 내연기관 차량의 가장 큰 문제인 “누유”는 차량 하부를 봐야합니다. 그것도 “언더커버”를 탈착 하지 않고는 정확히 볼수가 없습니다.근데 하루 200대를 보면서 일일이 언더커버를 탈착한다?? 현실적으로 쉽지 않습니다꼼꼼히 보는게 맞습니다. 하지만 성능점검비용은 비싸져야 하고, 이 또한 차량 금액을 올리는 순환이 됩니다. 물론 이게 맞습니다. 반드시 개선되어야 할 부분입니다.성능보증보험에 보상 기준이 되는 성능점검기록부를 알아야 합니다.중고차 구매시 가장 중요한 문서입니다.현재 법적으로 이 서류가 없는 차량은 판매할 수 없습니다. 중고차 딜러들은 판매할 차를 사가지고 와서 성능점검을 받습니다. 그리고, 성능점검기록부를 발급받습니다. 이 서류는 판매자가 고지해야하는 차량 정보들이 나와있습니다. 차량 가격 결정에도 큰 영향을 미칩니다.성능점검기록부엔 다음과 같은 내용들이 있습니다.• 용도이력, 배출가스, 리콜 이행 여부중고차 구매시, 실차 확인과 더불어 꼭 확인해야 하는 중요한 서류 입니다.하지만, 성능점검기록부가 있다고 해도, 모든 차량이 보험에 가입되는건 아닙니다.주행거리 20만km가 넘었거나, 중대형 화물차는 보험 가입 제외 대상입니다.다음편에 범위와 함께 다뤄보겠습니다.성능보증보험 꼭 활용해야 하는 이유성능보증 보험 취지도 보장내용도 좋습니다.다만, 보험이다보니 비용이 발생합니다. 게다가 보험료는 소비자가 부담하는게 관례가 되었습니다.이것도 말이 많지만, 결국 판매자 일방 모두의 합의는 관례가 되기 마련입니다.보험료는 비싸고, 보장기간은 짧습니다. 꼭 활용하여 소비자 권리를 찾아야 합니다.일반인은 차량의 문제를 찾기가 힘드니,출장검수 는 언더커버를 볼수 없는 한계가 있습니다.다음 편에서는가입 : 어떻게 가입하는가?범위 : 어디까지 보장되는가?알찬 내용으로 돌아오겠습니다.