NAVER D2
무신사
Flex
채널 톡
여기어때
라인
미리디
아임웹
우아한형제들
포스타입
라포랩스
올리브영
왓챠
Samsung Tech
SSG
Netflix
당근
토스
Pinterest
쏘카
Airbnb
카카오뱅크
컬리
카카오페이
마이리얼트립Trending Feed
토스
Jun 223. 우리 팀의 문서화는 왜 실패할까? (1)
토스 개발자들이 의지가 아닌 시스템으로 문서화 난제를 해결한 방법
Technical WritingDocumentation+3
아임웹
Jun 22AI가 쓴 SQL을 안전하게 쓰는 법
아임웹이 LLM의 불안정한 환각을 제어하고 안전한 프로덕션급 Text-to-SQL 파이프라인을 구축한 실전 아키텍처
LLMText-to-SQL+3
Netflix
Jun 19데이터 카나리: 넷플릭스가 카탈로그 메타데이터를 검증하는 방법
코드 배포만큼 위험한 데이터 배포, 10분 안에 장애를 차단하는 넷플릭스의 데이터 검증 기술
Chaos EngineeringCanary Deployment+3
Netflix
Jun 19데이터 프로젝트: 넷플릭스 규모에서의 데이터 자산 관리
조직 개편에도 무너지지 않는 내구성 있는 데이터 거버넌스, 'Data Projects' 아키텍처 공개
IAMData Platform+3
Netflix
Jun 19콘텐츠 런칭 리스크 예측: 데이터 기반 인사이트를 통한 서비스 준비 과정의 혁신
데이터 스냅샷과 예측 모델링을 활용해 수동 일정의 한계를 극복하고 런칭 지연을 방지하는 전략
Machine LearningXGBoost+3
Netflix
Jun 19넷플릭스의 카산드라 데이터 이동 아키텍처 진화 과정
모놀리식 구조를 깨고 S3 백업에서 직접 데이터를 추출하는 차세대 카산드라 아키텍처로의 전환기
CassandraApache Iceberg+3
Netflix
Jun 19개인화된 알림 시스템을 위한 생각에 관한 생각(Thinking Fast & Slow)
단기 클릭을 넘어 장기적 유저 경험까지 잡는 넷플릭스의 차세대 계층형 알림 전략
Machine LearningRecommendation Systems+3
Netflix
Jun 19인과 추론을 위한 인간 증강형 에이전트 워크플로우
지루한 통계 검증은 AI에게 맡기고, 데이터 과학자는 핵심 가설에만 집중하는 '인간 증강형' 워크플로우를 소개합니다.
Causal InferenceLLM Agents+3
Netflix
Jun 19사일로에서 서비스 토폴로지로: 넷플릭스가 실시간 서비스 맵을 구축한 이유
eBPF와 그래프 DB로 구현한 실시간 서비스 토폴로지가 복잡한 분산 시스템의 가시성을 해결하는 방법
MicroserviceseBPF+3
Netflix
Jun 19VMAF v1: 좋은 것만으로는 충분하지 않습니다
더 정확해진 4K·모바일 평가부터 압도적인 처리 속도까지, 업그레이드된 오픈소스 VMAF의 모든 것
VMAFVideo Compression+3
토스
Jun 19디자이너에게 AI로 뭐든 만들어보라고 한다면
122개의 실험작으로 증명한 디자인 생산성의 새로운 임계점, 4가지 핵심 사례로 살펴보기
Generative AIDesign Ops+3
라포랩스
Jun 19광고 성과 데이터 StarRocks 도입기
퀸잇이 대규모 트래픽 속에서 DB 부하를 차단하고 S3 비용을 95%나 절감한 StarRocks 아키텍처 튜닝 여정
StarRocksOLAP+3