네이버 컨퍼런스 발표

컨퍼런스 · 엔지니어링데이 2025

네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025 에서 발표되었던 세션을 공개합니다. [발표 내용] LLM-friendly PDF parser PaLADIN을 소개합니다. [발표 대상] - AI/LLM을 적극적으로 활용하고 싶으신 분 - 문서 처리에 관심이 있으신 분 - 웹검색에 관심이 있으신 분 [목차] 1. PDF가 왜 중요한가요? - LLM-friendly PDF Parser 2. 기술 탐색 및 PoC (with NVIDIA) - 관련 기술 탐색 - PoC with NVIDIA 3. PaLADIN: 표와 차트, 숫자를 정확히 이해하고 표현하는 LLM-friendly PDF Parser - 아키텍쳐 설계 - nv-ingest - 아키텍쳐 설계 - PaLADIN - Model 소개 - Element-Detector: Doclayout-Yolo - Model 소개 - Table-Extractor: nemoretriever-table-st...

컴퓨터 비전 자연어 처리

컨퍼런스 · 엔지니어링데이 2025

네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025 에서 발표되었던 세션을 공개합니다. [발표 내용] - Event-driven MLOps는 학습·평가·배포를 Typed Message 단위로 정의하고, Event Sensor가 이를 감지해 자율적으로 실행하는 구조입니다. - Kubeflow 같은 파이프라인처럼 전체 버전 관리가 필요하지 않으며, 메시지를 추가하는 것만으로 기능 확장이 가능합니다. - 사용자는 내부 오케스트레이션을 몰라도 메시지 발행만으로 동일한 파이프라인을 구동할 수 있습니다. - 이를 통해 평가·배포 시스템 간 느슨한 결합(Loose Coupling)과 클라우드 간 호환성을 확보했습니다. - Omni-Evaluator와 Dashboard는 다양한 엔진·벤치마크를 통합하고, 실시간 모니터링과 사용자 주도 트리거 기능을 제공합니다. [발표 대상] MLOps 엔지니어, ML 리서처, 데이터 사이언티스트 클라우드 인프라/DevOps 개발자, ...

데브옵스 · 인프라 딥러닝 · 머신러닝

컨퍼런스 · 엔지니어링데이 2025

네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025 에서 발표되었던 세션을 공개합니다. 해당 발표는 팀네이버 컨퍼런스 DAN25 홈페이지(https://dan.naver.com/25/sessions/699)에서도 살펴보실 수 있습니다. [발표 내용] “사용자에 진심인 3명이 모여, Persona가 말하게 만들다” 이 세션은 잘 만든 AI 시스템을. 넘어, 디자이너·AI 리서처·개발자가 경험한 AI 시대의 협업 가능성을 제안합니다. 사용자 페르소나봇 NSona의 기획부터 구현, 평가까지 전 과정을 공유합니다. AI로 사용자 리서치 데이터를 실시간 협업 자원으로 전환하며, Multi-Party 대화 시스템에서 사용자와 함께 일하는 방식을 실험했습니다. 세 명은 함께 AI를 만들며 역할과 협업 구조가 바뀌는 경험을 했습니다. 디자이너는 프롬프트를 설계하고, 리서처는 로직을 에이전트 구조로 바꾸었으며, 프론트 개발자는 AI를 비평 대상으로 다뤘습니다. 중요한 건...

AI에이전트 개발 UI/UX

컨퍼런스 · 엔지니어링데이 2025

네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025 에서 발표되었던 세션을 공개합니다. [발표 내용] 네이버파이낸셜 디자인시스템과 AI를 이용하여 마크업 자동화 작업에 대한 소소한 경험을 공유합니다. [발표 대상] AI를 이용한 마크업 등 디자인 작업관련 관심 있으신 모든 분들 [목차] * 오늘 이야기의 키워드 * 知彼知己 - 네이버파이낸셜 디자인시스템 ㄴ디자인 토큰 ㄴ 디자인 시스템 컴포넌트 * 우리를 도와 줄 AI 는? * 百戰不殆 * Let's Try * 마크업 작업을 위한 사전 준비 - 디자인시스템 Code Connect - 디자인시스템 instruction - 이제 FE 개발 시작해도 될 마크업, 하지만 아쉬웠던 점 - 그 외로 힘들었던 점 * 현실 개발에서는 어떻게 해야하는가? * 마크업 직업 개발했더니 어떠니?

프론트엔드 AI 코딩

컨퍼런스 · 엔지니어링데이 2025

네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2025 에서 발표되었던 세션을 공개합니다. [발표 내용] - 본 영상에서는 “실시간 거래 리포트를 어떻게 하면 사용자가 원하는 다양한 조건으로 빠르게 조회할 수 있을까?” 라는 질문에서 출발한 기술적 여정을 다룹니다. - 단순히 데이터를 쌓고 조회하는 단계를 넘어, 거래 데이터의 최신성과 응답 속도, 그리고 확장성을 동시에 확보하기 위한 여러 시도를 공유합니다. [발표 대상] - 데이터 플랫폼 엔지니어 / 데이터 아키텍트 – 대용량 실시간 데이터 처리 및 저지연 설계에 관심 있는 분 - 분석 플랫폼 운영자 / BI 개발자 – 다차원 필터 조회 속도 및 Freshness 향상 전략을 찾고 있는 분 - Spark, Iceberg, StarRocks 활용자 – 실제 조합 운영 사례를 통해 운영 팁을 얻고자 하는 분 [목차] 0. 소개 (Introduction) 1. 문제 정의 (Problem Definition)...

데이터베이스 데브옵스 · 인프라

컨퍼런스 · DAN 2025

네이버가 만드는 연결의 진화, 경험의 확장 Beyond Connection, Expanding Experiences 지난 11월 7일과 8일 양일간 진행된 DAN25 현장을 담은 스케치 영상을 공개합니다. 참여해주신 모든 분들께 다시 한번 깊이 감사드리며, 앞으로도 NAVER의 여정에 많은 관심과 응원 부탁드립니다. We are pleased to present the sketch highlights from DAN25, held on November 7–8. Thank you to all who participated, and we appreciate your continued support as NAVER advances on its journey. #DAN #DAN25 #TEAMNAVERCONFERENCE

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] F-Solid: RAG에 최적화된 검색아키텍쳐 AI브리핑을 위해 만들어진 RAG용 검색기 - F-SOLID의 전반적인 아키텍쳐에 대해 설명합니다. 목차 AI를 위한 Unified 검색기 - AI를 위한 범용 Unified 검색기 의 필요성 - 현재 검색 시스템의 한계점 - F-Solid : AI 를 위한 새로운 검색 플랫폼 개발 프로젝트 대규모 자질을 효율적으로 색인하기 위한 파이프라인 - 대량의 문서 자질을 유통하기 위한 파이프라인 구성 - 자질 별 중요도를 고려한 우선순위 큐 - 문서 중요도를 고려한 색인 최적화 다층 Layer 기반 검색 구조 - 다층 Layer 기반 검색 구조 소개 - Base Ranker - Core Ranker - Blender 적합성 개선을 위한 LLM & 뉴럴 활용 - Learned Sparse Retrieval 기법인 SPLADE 적용 - 도메인...

데이터베이스 AI에이전트 개발 로드맵 5개에 담김

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 같은 검색 다른 경험: 검색 품질을 넘어 사용자의 만족으로 좋은 검색이란 무엇이며, 어떻게 측정할 수 있을까요? 작년 이 자리에서 검색어 단위의 품질을 객관적으로 측정하는 SQM을 소개했습니다. SQM은 검색 품질 측정의 훌륭한 기반을 마련해 주었고, 지금도 서비스의 건강 상태를 진단하는 핵심 지표로 활용되고 있습니다. 올해는 그 기반 위에서 한 걸음 더 나아가, '사용자의 만족'이라는 더 본질적인 질문에 답하고자 했습니다. 이번 세션에서는 세션 단위의 만족도 지표를 통해 같은 검색어라도 다른 경험이 나타나는 이유를 살펴봅니다. 이를 통해 개인화 분석, A/B 테스트, 롱테일 질의 등 실제 활용 사례를 공유하며, 앞으로의 검색과 추천, 나아가 다양한 서비스에서 사용자 경험을 한층 더 깊게 이해할 수 있는 가능성을 나누고자 합니다. #DAN #DAN25 #TEAMNAVERCONFERENCE

프로덕트 지표 · 실험 로드맵 2개에 담김

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] Bruno x AI HPC: AI 검색을 위한 AI 플랫폼 이번 발표에서는 네이버 AI 검색 서비스를 위한 AI 플랫폼인 Bruno 와 이를 뒷받침하는 AI HPC 를 소개합니다. Bruno는 네이버의 자체 LLM 및 오픈 웨이트 LLM 모델을 손쉽게 활용하도록 설계된 MaaS(Model-as-a-Service) 플랫폼입니다. 현재 AI 브리핑을 포함한 네이버 AI 검색 서비스 전반에 활용되고 있습니다. 목차 1. Bruno 소개 - AI 플랫폼 Bruno 소개 및 역할 - AI 검색 서비스 활용 사례 2. LLM 모델 서빙 - 기능 중심 인터페이스: OpenAI API 인터페이스 및 확장 인터페이스 - 처리 전략과 성능 최적화: On-demand 서빙 vs. Provisioned 서빙 - 배치 처리 기능 3. LLM 모델 파인튜닝 - 사용자 데이터 기반 Fine-tuning 지원 4. AI HP...

데브옵스 · 인프라 AI에이전트 개발 딥러닝 · 머신러닝

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 숏폼을 넘어, 연결의 기록으로 - 네이버 클립 생태계의 확장 네이버 클립은 영상 중심의 숏폼을 넘어, 텍스트와 이미지 리뷰까지 아우르는 마이크로 기록 콘텐츠로 영역을 넓혀가고 있습니다. 짧은 순간의 기록이 리뷰와 발견으로 이어지는, 확장된 숏폼 생태계의 실험을 이어가고 있습니다. 검색에서 탐색으로 변화하는 네이버의 흐름 속에서 클립은 이제 쇼핑, 플레이스 등 네이버의 다양한 서비스와 연결되며 리뷰를 중심으로 한 콘텐츠 순환의 중심축으로 자리 잡고 있습니다. 특히, 이러한 변화의 주체인 창작자들을 위한 보상과 지원을 통해 ‘창작의 선순환’이 만들어지는 새로운 생태계를 실험하고 있습니다. 오늘의 기록이 내일의 발견이 되는, 네이버 클립의 여정을 소개합니다. #DAN #DAN25 #TEAMNAVERCONFERENCE

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 사용자에 대한 이해로부터 : 검색과 홈피드 서비스의 성장 문법 본 세션에서는 네이버 검색 및 홈피드 서비스의 성장을 정의하는 체계적인 문법을 제안하며, 데이터 분석 관점에서 현재 서비스의 성장 현황을 다양한 사례를 통해 소개합니다. 목차 1. 서비스의 성장을 정의하는 문법 2. 네이버 홈피드 서비스의 성장 문법 3. 네이버 검색 서비스의 성장 문법 대상 - 서비스 성장(Growth) 관련 업무를 담당하는 데이터 분석가 - 서비스 혁신과 개선을 추구하는 개발자 및 엔지니어 - IT 서비스의 데이터 기반 성장 전략에 관심 있는 프로덕트 매니저 - 네이버 검색과 홈피드에서의 일하는 방식이 궁금한 일반 사용자 #DAN #DAN25 #TEAMNAVERCONFERENCE

프로덕트 매니지먼트 프로덕트 지표 · 실험

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 브랜드 커넥트: 크리에이터 마케팅의 확장과 진화 본 세션에서는 크리에이터 마케팅 시장의 성장과 네이버 ‘브랜드 커넥트’의 경험과 역할을 공유합니다. 크리에이터 마케팅이 빠르게 확장되는 흐름 속에서 네이버가 브랜드 커넥트를 만든 배경과, 이 서비스가 어떤 방향으로 진화해왔는지를 설명합니다. 또한 플랫폼이 시장의 요구와 고객의 목소리에 맞춰 성장한 과정을 공유하고, 실제 사례와 함께 브랜드 커넥트가 이끌 미래의 크리에이터 마케팅 방향성을 제시합니다.​ #DAN #DAN25 #TEAMNAVERCONFERENCE

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 네이버쇼핑 유저리서치 인프라: 구축부터 확산까지 네이버쇼핑은 고객 친화적인 서비스를 위해, 고객의 경험을 지속적으로 탐구하고 있습니다. 이를 위해 네이버쇼핑은 조직 내에서 고객 경험 리서치(CX Research)를 수행하는 동시에 리서치 운영 체계(Ops)를 정립하는 방식으로, 리서치 인프라를 꾸준히 확장(Scaling) 해오고 있습니다. 본 세션에서는 ‘리서치를 수행하는 팀’에서 나아가, ‘조직이 리서치를 활용하는 시스템’을 만들어온 현장의 경험을 공유합니다. 이를 통해 네이버쇼핑만의 사례를 넘어 업계 전반에서 고객 경험을 연구하고 활용하는 방식에 대한 공감대를 나누고자 합니다. #DAN #DAN25 #TEAMNAVERCONFERENCE

UI/UX

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 20년 된 카페의 도전: AI 추천 피드 실험기 1. 카페의 아이러니 - ‘참여’의 힘으로 일궈온 카페의 20년 - 20년간 이어져온 카페의 주 사용성 - 카페 속 양질의 다양한 컨텐츠 - 관심사의 연결과 확장을 위한 개인화 추천 2. AiRS와 카페의 만남 - AiRS 협업 시작 - AiRS와 카페의 추천 시너지 - 추천 도입을 위한 준비 3. 카페 홈 추천피드 - 과거의 카페 홈 - 기획 방향 - 추천의 구조 - AiRS의 독자적인 유저 관심사 파악 기술 - 기술에 대한 검증 - ABT를 통해 기존 사용성을 확인 - 피드의 성장 4. 개별 카페 홈 피드 - 대형 카페 글 생산량 대비 소비량이 적은 상황 - 기획방향 - AiRS 개별 카페홈 추천글 피드 모델링 - ABT를 통한 사용성과 효과 검증 - 초헤비 유저들의 보이스 케어 - 유저 사용패턴별로 소비할 수 있게 개선 5. 글 상세 피드 - 카페에서 가장 PV가 높은 지면 - 기...

프로덕트 지표 · 실험

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] Station M: LLM 그냥 쓰지마세요. 네이버 AI 검색의 모델 오케스트레이션 1. 네이버 검색에서 LLM 활용 - 다양한 검색 관련 태스크: 질의처리, 문서처리, 랭킹, 요약 등 - 다양한 LLM 평가와 Multi-LLM 활용 2. AI 검색을 위한 태스크별 모델 구축기 - AI Briefing - 요약 관련 서비스 - 검색 랭킹 관련 서비스 - 검색 색인 관련 서비스 - 질의 및 문서 이해 3. Station M : 서비스에 맞는 Multi-LLM 최적의 운영을 위해 - LLM 서비스를 위한 품질 평가 리더보드 - ICL, Reasoning, FT, RL, 경량화 등 서비스에 적절한 모델링 전략 - 속도, 비용, 처리량에 따른 모델 최적화 선택 전략 #DAN #DAN25 #TEAMNAVERCONFERENCE

딥러닝 · 머신러닝 자연어 처리 로드맵 6개에 담김

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] LLM 조각하기: HyperCLOVA-X SEED 모델 학습의 기술, 90x 학습 효율화, 효율적인 LLM 구조 본 세션에서는 HyperCLOVA X LLM 서비스 비용 최적화를 목표로, LLM 아키텍처 설계 단계에서부터 비용을 체계적으로 줄이는 방법을 다룹니다. 최근 LLM의 발전 방향과 서비스 관점에서의 활용 패턴을 정리하고, 이 과정에서 비용을 급증시키는 요인들을 개념적으로 설명합니다. 오픈소스 LLM 중 아키텍처를 연산·메모리 cost관점에서 리뷰하고, 서빙 환경에서 어떤 효과를 얻을 수 있는지 공유합니다. 이러한 아키텍처 리뷰를 바탕으로 HyperCLOVA X에 담긴 설계 철학과, 네이버의 여러 AI 서비스에 비용 효율화를 하기 위한 노력들을 공유합니다. 목차 1. LLM 발전 방향 - LLM의 발전 방향 : Long-Sequence 서비스 요구 사항 증가 - 어디서 LLM 비용이 발생할까? : LLM 비용 포인트...

딥러닝 · 머신러닝 로드맵 2개에 담김

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 보이지 않는 것을 보다 : Observability(O11y) Platform으로 여는 새로운 가능성 Observability Platform(REO)을 통해 클라우드 서비스의 SLI/SLO 측정 및 구현/적용 방법과 서비스 관점 모니터링에 대한 관찰 가능성의 접근 방법을 설명합니다. 목차 1. SRE Observability(O11y) Platform(REO) A to Z - Overview of Observability Platform Observability & Monitoring 특징 비교 Observability Platform Coverage 및 Architecture Service Quality Signal to Metric/Indicator/Objective Service Level Metric Dashboard & Alarm - Observability Pla...

데브옵스 · 인프라 로드맵 1개에 담김

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] Multi-AI Agent 개발: 레퍼런스 아키텍처와 구현 전략 이 세션에서는 Multi-Agent 시스템의 개념부터 실제 구축과 활용 사례까지를 폭넓게 다루며, 다양한 프레임워크와 아키텍처 설계를 통해 얻은 경험과 노하우를 공유합니다. 단일 에이전트의 한계를 극복하기 위해 여러 에이전트가 협력하는 구조를 어떻게 설계할 수 있는지, Supervisor와 Swarm을 통한 조율 방식은 어떤 차이가 있는지, 그리고 효율을 높이기 위해 어떤 프레임워크를 선택해야 하는지에 대해 구체적으로 살펴봅니다. 실제 구축 과정에서 직면했던 문제들과 그 해결 방법, 로그 분석과 RAG 기반 질의응답 정확도 향상을 위해 도입한 다양한 접근 방식, 그리고 여러 차례의 시행착오 끝에 정리된 아키텍처 설계 팁을 공유합니다. #DAN #DAN25 #TEAMNAVERCONFERENCE

AI에이전트 개발

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 실시간 vs 배치, 함께 굴리는 데이터 파이프라인 - 확장성과 정합성을 잡은 대규모 데이터 플랫폼 운영기 본 발표는 AdVoost Shopping 광고 상품에서 쇼핑 상품을 연동하는 데이터 파이프라인을 구축한 경험을 다룹니다. 다양한 플랫폼 제약과 서비스 요구사항 속에서 실시간 처리와 배치 처리의 균형, 상품 메타데이터와 광고 메타데이터의 동시 연동이라는 과제를 해결한 과정을 공유합니다. MongoDB CDC, Kafka Streams, Iceberg, 자체 영속성 레이어 등을 활용하여 구현한 방법을 소개하고, 선형성·확장성·성능 관점에서의 트레이드오프, 그리고 실시간·배치 처리 방식을 선택한 기준에 대해 공유합니다. 목차 1. AdVoost Shopping 에서의 도전과제 - AdVoost Shopping 에서의 저희의 역할, 주어진 요구 사항, 그리고 도출한 도전과제를 설명합니다. 2. 아키텍처 - 도전과제를 통...

데이터베이스 데브옵스 · 인프라

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 데이터 속 숨은 트렌드, LLM이 답하다: 랭킹 기반 플레이스 트렌드 분석 시스템 "지금 사람들이 가장 많이 찾는 장소는 어디일까요?" 본 발표에서는 실시간 사용자 데이터를 기반으로 '지금 뜨는 장소'를 찾아내는 랭킹 기반 플레이스 트렌드 분석 시스템을 소개합니다. 단순히 많이 찾는 곳을 넘어, '급등'과 '지속'의 균형을 맞춘 랭킹 알고리즘을 통해 진정으로 의미 있는 트렌드를 포착하는 노하우를 공유합니다. 더 나아가 텍스트 마이닝과 LLM을 활용하여 "왜 이 장소가 지금 뜨는가?"에 대한 이유까지 키워드로 추출하는 과정을 살펴봅니다. 데이터 속 숨겨진 트렌드를 발견하고, 그 이유까지 설명 가능한 인사이트를 얻어가는 시간을 가져보세요. 목차 1. 지금 많이 찾는 장소: 서비스 소개 - "지금 뜨고 있는 장소는 어디일까?" - 데이터가 말하는 지금 이순간 - 실시간성, 랭킹, 설명가능성 - 동시 달성을 위한 챌린지 2. 관심에서...

자연어 처리 프로덕트 지표 · 실험

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지 이번 세션은 네이버 플레이스 AI Briefing 생성의 기술적 파이프라인을 다룹니다. Retrieval - Reranking - Summarization 구조를 중심으로 탐색형·정답형·정보형 태스크 차이를 설명하고, 텍스트와 이미지 정보를 요약하는 방법을 소개합니다. 구체적으로 Text Encoder·Reranker·Multi-modal Encoder의 데이터셋 구축, 모델 선택과 학습 방법론, 도메인 특화 모델 평가 사례, 그리고 ICL·Distillation 기반 요약 기법을 공유합니다. 마지막으로 서비스 적용 경험을 토대로 효율 최적화, 대형·경량 모델 조합 등 실무 전략을 제시합니다. 이 과정을 통해 얻은 통찰이 더 나은 서비스 설계와 발전 방향을 모색하는 데 기여하길 바랍니다. 목차 1. Overview - Place AI Briefing - 서비스 설명과 사례 ...

컴퓨터 비전 자연어 처리

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] NextN Search: 끊임없이 진화하는 네이버 검색 네이버 검색은 언제나 한 방향을 향해 진화해 왔습니다. 사용자가 원하는 정보를 더 정확하게 찾아주고, 양질의 네이버 콘텐츠를 더 효과적으로 보여주는 것, 그것이 변화의 본질입니다. NextN Search는 이러한 목적 아래, 검색 시스템 전반에 걸친 전방위 개편을 시도했습니다. 비효율적인 블록 영역을 최적화하고, 블록 중심의 결과를 개별 콘텐츠 피드 단위로 재구성함으로써 랭킹의 정교함과 해상력을 높였으며, 맞춤형 콘텐츠 추천을 통해 사용자가 체감할 수 있는 개인화 경험을 제공합니다. 본 세션에서는 NextN Search에 적용된 핵심 기술의 개발 과정과 실서비스 적용 경험을 공유합니다. 또한 LLM·VLM을 다양한 검색·추천 태스크에 활용한 실전 노하우를 통해, 최신 AI 모델이 실제 서비스에서 어떤 가치를 만들어내는지 구체적으로 살펴봅니다. 아래는 세션의 주요 목차입니다. NextN Sea...

딥러닝 · 머신러닝 자연어 처리

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] From Trend to You: 숏텐츠 키워드 추천의 개인화 숏텐츠는 최신 인기 문서의 핵심 정보를 생성형 AI가 요약해 제공하는 숏폼형 검색 콘텐츠로, 사용자가 한 화면에서 빠르게 트렌드를 파악할 수 있도록 설계된 서비스입니다. 발표에서는 먼저 숏텐츠로 선정될 수 있는 키워드와 문서의 조건을 정의하고, 서비스에 활용되는 트렌드 탐지 방법론을 소개합니다. 이어서 키워드-문서 매칭 모듈을 통해 트렌드 키워드와 관련 문서를 연결하고, 이를 기반으로 맥락적 연관성을 확보하는 과정을 설명합니다. 또한 LLM을 활용하여 키워드가 주목받은 이유를 설명하는 ‘맥락 키워드’를 생성하고, 이를 서비스에 적용하는 사례를 다룹니다. 이어지는 개인화 모델링 파트에서는 사용자별 자질을 발굴하고, Deep & Cross Network 기반 Keyword Ranker를 활용해 추천 정확도를 높이는 방법을 제시합니다. 더 나아가 LLM 기반 Ranker인 Spea...

딥러닝 · 머신러닝 프로덕트 지표 · 실험

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] MLXP: GPU 효율화를 선도하는 대규모 MLOps 플랫폼 본 세션에서는 Kubernetes 기반 MLOps 플랫폼을 전사적으로 운영한 경험을 바탕으로 효율적인 GPU 자원 운영을 위한 쿼터 할당 시스템, 스케줄링 전략, 그리고 SRE 관점의 실전 사례를 공유합니다. 목차 1. 팀네이버 GPU 효율화를 위한 MLXP 멀티테넌트 클러스터 - 한정된 GPU 자원 운영의 한계 - Kubernetes 기반 쿼터 시스템 아키텍처 - GPU 운영 효율화를 위한 할당·회수 정책 및 자동화 전략 2. GPU 활용 극대화를 위한 스케줄링 전략과 구현 - 자원 파편화 문제 및 고도화된 스케줄러의 필요성 (feat. Volcano) - Distributed Bin-packing 알고리즘 - 분산 학습 및 개발용 Specialized Node Pool 구성 - Workload Category별 Preemption 전...

데브옵스 · 인프라 딥러닝 · 머신러닝