Subeen lab

[AI/AX] 토스 증권의 추천과 검색

1. 토스증권 AI 데이터 플랫폼팀의 미션목표: 서비스마다 데이터를 각각 수집·가공·검색하던 파편화 문제를 해결하기 위해 공통 데이터 생태계(피처 스토어, RAG, 지식 그래프 등) 구축2. 추천 시스템의 진화기존 (배치 & 클러스터링): 미리 사용자 집단을 나누고 정적인 추천 리스트를 만들어 저장해 두는 방식변화 배경: 사용자 관심사의 빠른 변화, 장중 시장·종목 이벤트, 콘텐츠 다변화, 플랫폼 발전현재 (실시간 루프 구조):"원래 좋아하는 것"에서 "지금 이 순간(맥락)에 필요한 것"을 추천하는 실시간 루프 구조로 전환핵심 고민 및 해결: 1. 임베딩 모델 업데이트 시 기존 벡터와 섞이지 않도록 버전 관리 및 인덱스 동시 전환 파이프라인마련 2. 대량 피처 조회를 위한 벡터 DB 성능 검증(응답 속도..

AWS에서 제공하는 간편한 AI가 있다면, 단연 나는 KIRO를 꼽을 것이다.어느 정도냐면,그냥 원하는 걸 요청하면 전체적인 코드의 틀을 만들어 주기에, 개발의 틀을 잡기에 시간도 절약하고 편하다는 것.이걸 다른 프로젝트를 만들면서, api로 사용하면 좋을 듯하여 KIRO-gateway를 찾아보았다.1. kiro-gateway github 가져오기 GitHub - jwadow/kiro-gateway: 👻 Proxy API gateway for Kiro IDE & CLI (Amazon Q Developer / AWS CodeWhisperer). Use free Claud👻 Proxy API gateway for Kiro IDE & CLI (Amazon Q Developer / AWS CodeWhispe..

AWS Summit Seoul 20262026.05.20 ~ 2026.05.21 AWS 교육을 자주 가는 회사원1로서이번엔 서울에서 진행하는 AWS 서밋에 가게 되었다! 부장님께서 추천해주시기도 했고 내용이 내가 하는 일에 도움이 될 듯하여 바로 신청했다 코엑스에서 진행했고, 1~3층을 거의 대부분 사용해서 자주 옮겨다녔다 ㅋㅋㅋ 작년 서밋 후기를 보았을 때, 기조연설이 정말 멋있고 의미있었다는 글을 봐서나도 그걸 보려고 아침 여덟시 반까지 왔다는 점.. 아홉시 정도 되는 시간이었던 거 같은데3층 D홀 앞은 사람이 정말 너무 많고 정신이 없었다 D홀 입장 전,큐알코드와 신분증을 확인하시고 들여보내주셨다그러고 큐알을 찍고 나면 각자 본인 네임택과 런치쿠폰, 그리고 스탬프 투어 종이도 주신다..

[Data 분석의 트렌드] - 이동욱 GTM SA AI 시대를 맞이하여 더 높은 품질의 데이터를 제공해 줄 수 있는 데이터 플랫폼과 늘어나는 다양한 데이터 소스들 사이에서 데이터 플랫폼을 가치 있게 유지할 수 있도록 Zero ETL Data 통합, Data Sharing 처리, SMUS 사용에 관련한 AWS의 전체적인 기능에 대한 아키텍처를 제시 1. AI 의 활용 AI > 어플리케이션 생성 > 데이터 소스 증가 > 데이터 수집 문제 > Zero ETL, Streaming Ingestion > RAG 기반 데이터 생성 > Text to SQL > 데이터 품질 문제 > Multi Cluster 데이터 처리, SageMaker Unified Studio (semantic Layer), Glue..

[Agent Core Memory] 1. short/long term memory (dynamodb ->aurora 자동 메모리 계층화)- 관리형 메모리 서비스 (별도 인프라 구축 없이)- 기본 대화 컨텍스트 저장 - 간편한 통합 및 사용 (bedrock agent 와 원클릭 연동)- AgentCore Memory (메모리 레코드 생성/수정 시 > 자동 푸시 kinesis data streams→ 확장성, 성능 최적화, 고급 기능, 데이터 통합, 비용최적화 등 [AI/ML 워크로드를 위한 캐시] - 송정우 SA1. ElastiCache for Valkey [특징] - 8.2 버전부터 Vector Search를 지원 - Mem0와 같은 Agentic Memory 라이브러리 연결 쉬움 ..

[2022] Multi-modal Text Recognition Networks : Interactive Enhancements between Visual and Semantic FeaturesByeonghu Na 1 , Yoonsik Kim 2 , and Sungrae Park 3 ∗ 본문의 논문은 paper로, 링크를 확인해주세요. Abstract 언어 지식은 결과 시퀀스에서 개별적으로 적용이 되는데, 이전 방법들은 텍스트 인지에 대한 시각적인 내용을 이해하기 위해 의미론적인 내용을 전체적으로 활용하지 못하고 있었다. 제안하는 모델인 MATRN은 더 나은 인식을 위해 시각적인 것과 의미론 적인 특성을 함께 가지는 multi-modal 모델이다. 학습 과정에서 문자와 관련 있는 시각적인 단서들은 ..

[2020] Retrieval-Augmented Generation for Knowledge-Intensive NLP TasksPatrick Lewis†‡, Ethan Perez?, Aleksandra Piktus†, Fabio Petroni†, Vladimir Karpukhin†, Naman Goyal†, Heinrich Küttler†, Mike Lewis†, Wen-tau Yih†, Tim Rocktäschel†‡, Sebastian Riedel†‡, Douwe Kiela† 본문의 논문은 neurips paper로, 링크를 확인해 주세요. Abstract  parameteric 메모리는 pretrained seq2seq, non-parameteric 메모리는 위키피디아의 벡터를 사용하여 두 가지를 ..

[2024] The Amazon Nova Family of Models:Technical Report and Model CardAmazon Artificial General Intelligence 본문의 논문은 amazon science paper로, 링크를 확인해 주세요. Summary   아마존에서 발표한 NOVA 모델이 다양한 방식으로 나왔다.  1. NOVA-Pro : 다양한 task에서 정확성, 속도, 비용 측면에서 높은 수용성을 나타내는 멀티모달 모델 2. NOVA-Lite : text, image, documents, video의 처리가 가볍고 빠른 저비용 멀티모달 모델 3. NOVA-Micro : 응답시간이 매우 빠른 저비용 text처리 모델 4. NOVA-Canvas : 다양한 커스텀을 ..

[2020] Language Models are Few-Shot LearnersopenAI 본문의 논문은 다음 링크를 확인해 주세요.  Abstract  최근 생성형 ai 모델이 많이 떠오르면서, openAI에서 보여준 ChatGPT가 선두주자로 달리고 있다. 아마 개발자들은 다들 한 번씩 사용해 봤을 거라 생각하고, 성능이 꽤나 나쁘지 않다는 점에서 자연어처리 전공자들이 많이 놀랐을 것이라 생각한다. (나 역시 마찬가지..) NLP 모델은 단어 임베딩을 학습하는 것에서 시작하여 RNN 레이어를 쌓아 문맥 벡터를 만들어내는 다양한 모델들 (ELMo, BERT, GPT, ULMFit)과 같이 트랜스포머 구조를 이용해 문맥을 표현하는 모델, 대량의 코퍼스를 이용해 학습된 모델은 fine-tuning을 통해 ..

시작은 위의 이미지였다. 단기 프로젝트 형식으로 사용해서  이제껏 aws sagemaker에서만 모델 학습을 하였는데,  운이 좋게 ? 또는 새로운 공부를 할 수 있는 기회가 생겨 회사 플젝으로 가져왔는데 로컬에서 이런 게 떠서 당황했다. 내가 볼 수 있는 건가 했지만 내가 잘 모르는 부분이었기에 인프라와 보안의 도움을 받았다.  > aws   일단 자신의 프롬프트를 열어 aws를 확인해 보자. 설치가 되어있지 않다면 아래의 사이트에서 해당되는 것을 받아 설치하면 된다. https://docs.aws.amazon.com/ko_kr/cli/latest/userguide/getting-started-install.html 최신 버전의 AWS CLI설치 또는 업데이트 - AWS Command Line Inte..