드라마앤컴퍼니

RSS

게시글: 64
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

Etc
AWS re:Invent 2023 참관기
AWS re:Invent 2023 참관 후기 글입니다. 이 글은 AWS의 최신 기술 동향과 주요 발표 내용을 공유하며, 특히 클라우드 컴퓨팅 분야의 혁신적인 발전 사항들을 다룹니다. 컨퍼런스에서 소개된 새로운 서비스, 기능 업데이트, 그리고 미래 전망에 대한 인사이트를 제공합니다. 참관객의 경험을 바탕으로 현장의 분위기와 주요 세션 내용을 요약하여, AWS 생태계와 기술 트렌드에 관심 있는 개발자 및 IT 전문가들에게 유용한 정보를 전달하는 것을 목표로 합니다.
AWSre:Invent 2023참관기
드라마앤컴퍼니·2024년 3월 4일
Etc
리멤버에서 UT(사용자 테스트)는 어떻게 진행하나요?
리멤버 기술 블로그에서 사용자 테스트(UT) 진행 경험을 공유합니다. 이 글은 UT의 필요성을 강조하며, 리멤버에서 실제 UT를 어떻게 기획하고 실행하는지에 대한 구체적인 과정을 설명합니다. UT를 통해 얻을 수 있는 인사이트와 이를 프로덕트 개선에 어떻게 활용하는지에 대한 내용도 포함하고 있습니다. UT는 단순히 버그를 찾는 것을 넘어, 사용자의 실제 경험을 이해하고 더 나은 제품을 만들기 위한 필수적인 과정임을 강조하며, 리멤버 팀의 UT 경험을 통해 다른 팀들도 UT를 효과적으로 도입하고 활용하는 데 도움을 주고자 합니다.
사용자 테스트UTUX
드라마앤컴퍼니·2023년 9월 14일
Etc
리멤버에서 UT(사용자 테스트)는 어떻게 진행하나요?
리멤버 기술 블로그는 사용자 테스트(UT)를 어떻게 진행하는지에 대한 경험을 공유합니다. UT는 단순히 버그를 찾는 것을 넘어, 실제 사용자의 관점에서 프로덕트의 개선점을 발견하고 더 나은 사용자 경험을 제공하기 위한 필수적인 과정임을 강조합니다. 글에서는 UT의 정의, 목적, 그리고 리멤버 팀이 UT를 통해 얻은 인사이트와 이를 바탕으로 프로덕트를 개선해 나가는 과정을 구체적인 사례와 함께 설명합니다. 이를 통해 UT가 프로덕트 개발 생애주기에서 어떻게 기여하는지 보여주며, 다른 팀들도 UT를 도입하거나 개선하는 데 도움을 줄 수 있는 실질적인 가이드라인을 제시합니다.
사용성 테스트UTUX
드라마앤컴퍼니·2023년 9월 14일
Etc
안녕하세요!
리멤버 기술 블로그에 오신 것을 환영하는 글입니다. 이 글은 리멤버 기술 블로그의 시작을 알리고, 블로그의 목적과 앞으로 다룰 내용에 대한 간략한 소개를 제공합니다. 주로 기술적인 내용보다는 블로그 자체에 대한 안내와 방문을 독려하는 내용으로 구성되어 있습니다. 리멤버 팀의 기술적인 여정과 공유를 기대하게 만드는 서막과 같은 글입니다.
리멤버기술 블로그소개
드라마앤컴퍼니·2023년 6월 16일
Frontend
리멤버 웹 서비스 좌충우돌 Yarn Berry 도입기
리멤버 기술 블로그에서 Yarn Berry 도입 과정을 공유합니다. 기존 Yarn Classic에서 발생하던 문제점들을 해결하기 위해 Yarn Berry를 도입했으며, 특히 모노레포 환경에서의 패키지 관리 효율성을 높이는 데 중점을 두었습니다. 도입 과정에서 겪었던 시행착오와 해결 방안을 상세히 설명하며, Yarn Berry의 장점과 함께 실제 도입 시 고려해야 할 사항들을 제시합니다. 이를 통해 프론트엔드 개발 환경 개선에 대한 인사이트를 얻을 수 있습니다.
Yarn BerryMonorepoFrontend
드라마앤컴퍼니·2023년 2월 22일
AI
AI 명함촬영인식 리오 적용기 2부 – ML Model Converter와 안드로이드 앱 적용기
리멤버 기술 블로그에서 AI 명함 촬영 인식 시스템 구축 경험을 공유하는 글입니다. 1부에서는 명함 인식 모델 개발 과정을 다루었고, 2부에서는 ML Model Converter를 활용한 모델 경량화 및 최적화, 그리고 이를 안드로이드 앱에 적용하는 과정을 상세히 설명합니다. 특히, 모바일 환경에서의 성능 제약을 극복하기 위해 모델 변환 및 최적화 기법을 적용한 사례를 통해 실제 서비스에 AI 기술을 성공적으로 통합하는 노하우를 보여줍니다. 이를 통해 명함 인식 정확도와 서비스 속도를 향상시키는 데 기여했습니다.
AI명함 인식ML Model Converter
드라마앤컴퍼니·2022년 11월 23일
Backend
리멤버 유저에게 보다 깨끗한 명함 이미지 제공을 위한 이미지 복원 방법
리멤버 기술 블로그는 명함 이미지 인식률을 높이기 위한 이미지 복원 기술에 대해 다룹니다. 기존 OCR 방식의 한계를 극복하기 위해 딥러닝 기반의 이미지 복원 모델을 도입했으며, 특히 저화질, 노이즈, 왜곡된 이미지에서 명함 정보를 더 정확하게 추출하는 데 초점을 맞췄습니다. 이를 위해 다양한 데이터 전처리 기법과 모델 학습 과정을 거쳤으며, 실제 서비스 적용을 통해 사용자 경험 개선 효과를 검증했습니다. 본 글은 이미지 인식 성능 향상을 위한 머신러닝 기술 적용 사례를 공유하며, 데이터 품질 개선의 중요성을 강조합니다.
이미지 복원OCR머신러닝
드라마앤컴퍼니·2022년 11월 18일
AI
AI 명함 촬영 인식 ‘리오(RIO)’ 적용기 1부 – 명함촬영인식 위한 Instance Segmentation & Computer Vision
리멤버(Remember) 팀은 명함 촬영 시 발생하는 왜곡과 그림자를 보정하고 명함 영역을 정확히 인식하기 위해 Instance Segmentation과 Computer Vision 기술을 적용했습니다. 이 글은 명함 촬영 인식 서비스 '리오(RIO)' 개발 과정 중, 명함 영역을 효과적으로 탐지하고 분리하는 데 초점을 맞춘 1부입니다. 특히, 다양한 환경에서 촬영된 명함 이미지에서 명함의 외곽선을 정확히 찾아내고, 명함 영역만을 추출하는 기술적 과제를 해결하기 위한 접근 방식을 다룹니다. 이를 위해 객체 탐지 모델과 이미지 처리 기법을 활용하여 명함 영역을 정확하게 분리하는 과정을 상세히 설명하며, 실제 서비스 적용을 위한 기술적 고민과 구현 내용을 공유합니다.
명함 인식Instance SegmentationComputer Vision
드라마앤컴퍼니·2022년 11월 16일
AI
추천 시스템 서비스 적용을 위한 Elastic Search 도입기
본 글은 추천 시스템 서비스에 Elasticsearch를 도입한 경험을 공유합니다. 기존 추천 시스템의 한계점을 극복하고 사용자 경험을 개선하기 위해 Elasticsearch를 선택했으며, 도입 과정에서 겪었던 기술적인 문제와 해결 과정을 상세히 설명합니다. 특히, 대규모 데이터를 효율적으로 처리하고 실시간 검색 기능을 구현하는 데 중점을 두었습니다. Elasticsearch의 강력한 검색 기능과 확장성을 활용하여 추천 시스템의 성능을 향상시키고, 더 나아가 다양한 서비스에 적용할 수 있는 가능성을 제시합니다. 이 글은 추천 시스템 개발자 및 Elasticsearch 도입을 고려하는 엔지니어들에게 실질적인 도움을 줄 것입니다.
추천 시스템Elasticsearch검색 엔진
드라마앤컴퍼니·2022년 11월 8일
Backend
유저 목록을 Redis Bitmap 구조로 저장하여 메모리 절약하기
리멤버 기술 블로그에서는 유저 목록을 저장하는 효율적인 방법을 소개합니다. 기존에 Set 자료구조를 사용하여 유저 목록을 저장했을 때 발생하는 메모리 비효율 문제를 해결하기 위해 Redis의 Bitmap 구조를 활용하는 방안을 제시합니다. Bitmap은 각 유저 ID를 비트 플래그로 표현하여 메모리 사용량을 획기적으로 줄일 수 있습니다. 이 글은 Redis Bitmap의 작동 방식과 실제 적용 사례를 통해 메모리 절약 및 성능 최적화 효과를 설명하며, 대규모 유저 데이터를 다루는 백엔드 개발자에게 유용한 인사이트를 제공합니다.
RedisBitmap메모리 절약
드라마앤컴퍼니·2022년 10월 7일
Etc
아름다운 코드를 향한 함께하는 여정 – Part 1
이 글은 '아름다운 코드를 향한 함께하는 여정 – Part 1'이라는 제목으로, 코드 품질 향상을 위한 개발 문화와 협업의 중요성을 강조합니다. 특히 코드 리뷰와 같은 활동이 어떻게 개발자 개인의 성장뿐만 아니라 팀 전체의 코드 품질을 높이는 데 기여하는지에 대해 이야기합니다. Part 1에서는 이러한 여정의 시작점과 기본적인 접근 방식을 다루며, 앞으로 이어질 내용에 대한 기대를 갖게 합니다. 개발자로서 더 나은 코드를 작성하고, 동료들과 함께 성장하는 방법에 대한 인사이트를 얻을 수 있습니다.
코드 품질개발 문화협업
드라마앤컴퍼니·2022년 8월 25일
DevOps
리멤버는 서비스 모니터링을 어떻게 하고 있을까?
리멤버 기술 블로그는 서비스 모니터링 시스템 구축 경험을 공유합니다. 초기에는 단순한 모니터링 도구 사용에서 시작했지만, 서비스 규모가 커짐에 따라 더 정교하고 통합된 모니터링 체계의 필요성을 느꼈습니다. 특히, 장애 발생 시 근본 원인을 빠르게 파악하고 해결하기 위한 관측성(Observability) 확보에 집중했습니다. 이를 위해 로그, 메트릭, 트레이싱 데이터를 통합적으로 수집하고 분석하는 시스템을 구축했으며, 이를 통해 서비스 안정성을 높이고 장애 대응 시간을 단축하는 성과를 거두었습니다. SRE 관점에서 모니터링 시스템을 어떻게 발전시켜왔는지, 그리고 앞으로의 과제는 무엇인지에 대한 인사이트를 제공합니다.
모니터링서비스리멤버
드라마앤컴퍼니·2022년 6월 21일
AI
KGAT을 이용한 인재 추천 시스템
리멤버 기술 블로그에서 KGAT(Knowledge Graph Attention Network)를 활용한 인재 추천 시스템 구축 사례를 소개합니다. 기존 추천 시스템의 한계를 극복하기 위해 인재와 기업 간의 복잡한 관계를 지식 그래프로 모델링하고, 이를 KGAT 모델에 적용하여 인재의 잠재적 니즈를 파악하고 맞춤형 추천을 제공하는 과정을 상세히 설명합니다. 특히, KGAT의 어텐션 메커니즘을 통해 추천의 정확도를 높이고, 다양한 실험을 통해 모델의 성능을 검증한 결과를 공유합니다. 이 글은 지식 그래프와 그래프 신경망을 활용한 추천 시스템 구축에 관심 있는 개발자들에게 유용한 인사이트를 제공합니다.
인재 추천 시스템KGATGraph Neural Network
드라마앤컴퍼니·2022년 6월 15일
AI
Snorkel을 이용한 직무 키워드 추출
본 글은 리멤버 기술 블로그에서 Snorkel이라는 약지도학습(Weak Supervision) 프레임워크를 활용하여 직무 키워드를 추출하는 과정을 소개합니다. 기존의 수동 라벨링 방식은 시간과 비용이 많이 소요되는 반면, Snorkel은 다양한 소스에서 생성된 라벨링 함수를 조합하여 대규모 데이터셋에 대한 라벨링을 자동화합니다. 이를 통해 데이터 라벨링의 효율성을 높이고, 머신러닝 모델 학습에 필요한 데이터를 신속하게 확보할 수 있습니다. 특히, 직무 키워드 추출이라는 구체적인 문제에 Snorkel을 적용하여 실제 서비스에 활용 가능한 수준의 성능을 달성한 경험을 공유하며, 약지도학습의 가능성을 보여줍니다.
Snorkel직무 키워드 추출데이터 라벨링
드라마앤컴퍼니·2022년 5월 13일
Etc
프로덕트 디자인팀 2022.1Q 회고
이 글은 프로덕트 디자인팀의 2022년 1분기 회고를 다룹니다. 팀은 지난 분기에 진행했던 주요 프로젝트와 경험을 공유하며, 각 프로젝트별 목표 달성 여부, 성공 요인, 아쉬웠던 점 등을 솔직하게 논의합니다. 특히, 팀원 간의 협업 방식, 커뮤니케이션 개선, 그리고 디자인 프로세스에서 발견된 문제점들을 되짚어보며 앞으로 나아갈 방향을 모색합니다. 회고를 통해 팀은 서로의 성장을 격려하고, 더 나은 결과물을 만들기 위한 구체적인 액션 아이템을 도출하며 팀워크를 강화하는 시간을 가집니다. 이 글은 기술적인 내용보다는 팀의 성장과 협업에 초점을 맞춘 회고 경험을 공유합니다.
회고프로덕트 디자인팀2022년 1분기
드라마앤컴퍼니·2022년 4월 28일
AI
Learning to Rank
본 글은 'Learning to Rank(LTR)' 개념과 실제 서비스 적용 사례를 소개합니다. LTR은 검색 결과나 추천 목록의 순위를 최적화하기 위해 머신러닝을 활용하는 기술로, 특히 검색 엔진, 추천 시스템, 광고 시스템 등에서 중요한 역할을 합니다. 글에서는 LTR의 기본적인 원리, 다양한 LTR 모델(Pointwise, Pairwise, Listwise)의 특징과 장단점을 설명하고, 실제 서비스에서 LTR을 적용하기 위한 데이터 수집, 특징 추출(Feature Engineering), 모델 학습 및 평가 과정을 상세히 다룹니다. 또한, LTR 적용 시 고려해야 할 사항과 향후 발전 방향에 대해서도 논의하며, 기술 블로그 독자들이 LTR에 대한 이해를 높이고 실제 서비스에 적용하는 데 도움을 줄 수 있도록 구성되었습니다.
Learning to RankLTR머신러닝
드라마앤컴퍼니·2022년 4월 6일
Etc
사용자 스토리 기반의 제품 개발
이 글은 사용자 스토리를 기반으로 제품을 개발하는 방법에 대해 설명합니다. 사용자 스토리는 사용자 관점에서 제품의 기능이나 요구사항을 간결하게 정의하는 방식이며, 개발팀이 사용자의 니즈를 명확히 이해하고 우선순위를 설정하는 데 도움을 줍니다. 사용자 스토리는 '누구'가 '무엇'을 '왜' 해야 하는지 명확히 하여 개발 과정에서 발생할 수 있는 모호함을 줄이고, 팀원 간의 효과적인 소통을 촉진합니다. 또한, 사용자 스토리는 애자일 개발 방법론과 잘 통합되어 반복적인 개발 주기 속에서 지속적으로 가치를 전달하는 데 기여합니다. 글에서는 사용자 스토리 작성법, 스토리 포인트 추정, 백로그 관리 등 실제적인 적용 방안을 제시하며, 이를 통해 더 나은 제품 개발을 이끌어낼 수 있음을 강조합니다.
제품 개발사용자 스토리애자일
드라마앤컴퍼니·2022년 3월 9일
AI
Document Understanding 그리고 Information Extraction의 Multi-Modal Embedding
본 글은 리멤버 기술 블로그에서 Document Understanding과 Information Extraction 분야의 최신 기술 동향을 다룹니다. 특히, 텍스트뿐만 아니라 이미지와 같은 다양한 형태의 데이터를 함께 이해하는 Multi-Modal Embedding 기술의 중요성을 강조합니다. LLM과 같은 거대 언어 모델의 발전과 함께, 이러한 모델들이 비정형 데이터를 효과적으로 처리하고 정보를 추출하는 데 어떻게 활용될 수 있는지 탐구합니다. 임베딩 기술을 활용하여 문서의 의미를 벡터 공간에 표현하고, 이를 통해 정보 검색, 요약, 분류 등 다양한 다운스트림 태스크의 성능을 향상시키는 방법을 제시합니다. 궁극적으로, 복잡한 문서에서 필요한 정보를 정확하고 효율적으로 추출하는 기술의 발전 방향을 조망합니다.
Document UnderstandingInformation ExtractionMulti-Modal Embedding
드라마앤컴퍼니·2022년 3월 8일
Etc
안녕하세요!
리멤버 기술 블로그의 시작을 알리는 글입니다. 이 글은 리멤버 기술 블로그의 존재와 목적을 소개하며, 앞으로 공유될 기술적인 내용들에 대한 기대감을 높입니다. 블로그의 개설을 알리고 독자들을 환영하는 내용을 담고 있습니다. 주로 기술 블로그의 소개와 앞으로의 방향성에 대한 내용을 다룰 것으로 예상됩니다.
리멤버기술 블로그소개
드라마앤컴퍼니·2022년 2월 21일
Architecture
Java 기반의 알림 서비스로 MSA 전환기
본 글은 Java 기반의 레거시 모놀리식 알림 서비스를 MSA(Microservice Architecture)로 전환하는 과정을 상세히 다룹니다. 전환 과정에서 발생한 주요 문제점과 이를 해결하기 위한 아키텍처적 결정들을 공유합니다. 특히, 알림 발송 로직의 복잡성, 트랜잭션 처리의 어려움, 그리고 MSA 전환 시 고려해야 할 핵심 사항들을 중심으로 설명합니다. DDD(Domain-Driven Design)를 적용하여 도메인을 분리하고, 각 서비스의 독립성을 확보하는 방안을 모색합니다. 또한, 데이터 일관성 유지와 효율적인 알림 발송을 위한 기술적 고민과 해결 과정을 통해 성공적인 MSA 전환 경험을 공유하며, 유사한 고민을 가진 개발자들에게 실질적인 인사이트를 제공하고자 합니다.
MSAJava알림 서비스
드라마앤컴퍼니·2022년 1월 12일