당근 ML인프라 A to Z : 현재와 미래 | 당근 ML 밋업 1회
당근 밋업 당근 · YouTube
AI 핵심 요약
당근의 ML 인프라팀은 머신러닝 서비스의 개발 속도와 운영 안정성을 높이기 위해 학습·서빙·데이터 인프라를 구축해 왔다. GCP의 Vertex AI와 Dataflow, BigQuery, TFX로 학습 파이프라인을 운영하고, AWS EKS와 TensorFlow Serving을 사용하며 자체 배포 시스템 ‘컨트롤’에 모델 배포를 통합해 인프라팀의 수동 개입을 줄였다. 사내 피처 플랫폼을 통해 온라인 피처를 수집·제공하고 있으며, 앞으로는 모델 입력·출력 로깅과 온라인·오프라인 데이터 분포 비교를 강화해 ML 서비스의 관측 가능성을 높이려 한다. 트래픽과 ML 사용이 늘면서 데이터 처리·학습·서빙 비용 최적화도 중요해졌고, 데이터 품질 검증과 가공을 함께 개선해야 한다는 점을 공유했다.
- 학습 파이프라인의 데이터 검증과 모델 품질 검증을 자동화하면 운영 단계의 위험을 줄일 수 있다.
- 모델 배포 절차를 공통 시스템에 통합하면 인프라팀의 수동 개입을 줄이고 서비스 팀의 실험 속도를 높일 수 있다.
- 온라인·오프라인 피처 분포를 비교하고 입력·출력을 기록하면 데이터 변화와 모델 이상을 더 일찍 파악할 수 있다.
- 비용 최적화는 데이터 파이프라인, 학습, 서빙을 나눠 살펴보고, 불필요한 BigQuery 스캔처럼 구체적인 낭비부터 줄이는 것이 현실적이다.
소개
당근 ML 밋업은 당근의 머신러닝 기술, 도전 과제 및 앞으로 방향성에 대해 공유하고, 서로 네트워킹 할 수 있는 행사예요. 🥕 당근 ML인프라 A to Z : 현재와 미래 (유경윤/피드실,인프라실) 🥕 당근 공고 살펴보기 : https://about.daangn.com/jobs/
비슷한 학습 자료
컨퍼런스 당근 밋업
ML Infrastructure with GCP | 2025 당근 GCP 밋업
컨퍼런스 당근 밋업
당근 홈피드의 진화와 역사 | 당근 ML 밋업 1회
컨퍼런스 당근 밋업
LLM을 프로덕션에 적용하며 배운 것들 | 당근 ML 밋업 1회
컨퍼런스 당근 밋업
당근은 왜 LLM Router 를 직접 만들었을까? | 2026 당근 빌더 밋업
컨퍼런스 당근 밋업
🥕 2026 당근 빌더 밋업 | Platform Day 하이퍼로컬, 가장 거대한 현장 4,300만 명이 가입한 서비스를 만드는 당근 빌더들은 어떤 문제를 풀고 있을까요? 하나의 프로덕트를 처음부터 끝까지 책임지고, 직군의 경계를 넘나들며 함께 답을 찾아가는 당근 빌더들의 고민과 시도, 성공과 실패의 경험을 솔직하게 나눠요. 엔지니어 동료들이 더 빠르게, 더 큰 문제에 집중할 수 있도록 당근의 플랫폼은 끊임없이 발전해요. 다양한 기술과 아키텍처를 여러 서비스가 함께 쓰는 플랫폼으로 만드는 과정부터 AI와 함께 일하는 새로운 방식까지, 당근 플랫폼 개발자들이 현장에서 마주한 고민과 시행착오를 만나보세요. 👉 당근 채용 바로가기 : https://careers.daangn.com/
백엔드 AI에이전트 개발
컨퍼런스 당근 밋업
운영 매니저 머릿속을 AI가 읽게 하기 | 2026 당근 빌더 밋업
컨퍼런스 당근 밋업
🥕 2026 당근 Builder Meetup | AX Day 하이퍼로컬, 가장 거대한 현장 4,300만 명이 가입한 서비스를 만드는 당근 빌더들은 어떤 문제를 풀고 있을까요? 하나의 프로덕트를 처음부터 끝까지 책임지고, 직군의 경계를 넘나들며 함께 답을 찾아가는 당근 빌더들의 고민과 시도, 성공과 실패의 경험을 솔직하게 나눠요. AI를 사용할 줄 아는 데서 한 걸음 더 나아가, 당근의 다양한 직군은 AI로 일하는 방식과 자기 일의 범위를 바꿔가요. 작은 봇을 팀의 인프라로 키우고, 필요한 도구를 직접 만들며, 때로는 AI에 집중하다 풀려던 문제를 놓치기도 했어요. AI를 실제 업무에 적용하며 얻은 배움과 시행착오를 만나보세요. 👉 당근 채용 바로가기: https://careers.daangn.com/
AI 코딩