SlideShare uma empresa Scribd logo
1 de 74
Baixar para ler offline
역삼역,
서풍의 이마트 AI
이마트 AI DevOps 챕터리더
전득진
Agenda
• 소개
• 부적절한 리뷰는 사양합니다~ <부적절 리뷰 필터>
• 바이어님들을 위해 준비한 지능화 도구 <행사상품 추천 시뮬레이터>
• e머니를 찾아라! <e머니GO!>
• 찾으시는 상품이 있으신가요? <상품 검색 서비스>
• 마치며
소개
• 저는
• 20년 경력의 소프트웨어 엔지니어/데이터 엔지니어
• 컨설턴트 및 Application Arcihtect 로서 프리랜서 경력 10년 (삼성/LG전자,
통신3사)
• 삼성전자 바다플랫폼 서버사이드(현 SSP), FindMyMobile, SamsungLink등 대용
량/분산/DB Sharding/세션스토어/GSLB/Geo-Replication/Disaster Recovery
Center 시스템을 설계 및 구축/ 24*365 운영
전세계 대상 글로벌 서비스 플랫폼 상용화 첫 사례. AWS의 No.1 고객
• 삼성전자/LG전자 안드로이드 개발자, IoT 사물인터넷 국제 표준중 하나 –
OneM2M 스펙 구현
• 인터파크 (2016~2018)
• 하둡 3.0 alpha2 버전의 빅데이터 플랫폼/Doc2Vec 모델기반 도서 추천 시스템
구축
• SKPlantet/11번가 (2018~2021)
• 셀러오피스-가격경쟁력, 셀러 애널리틱스/11번가 데이터 플랫폼 (10PB
Hadoop기반 데이터레이크, 광고/추천/검색/BI시스템 등 일 3000여개 배치등이
수행되는 2개의 Spark/Hive 전용 Yarn 클러스터) 이관 및 구축/운영
• 이마트 DT본부 (2021~현재)
소개
• D/T본부는
• 기러기 토마토 스위스 인도인 별똥별 역삼역?
소개
• D/T본부는
• 이마트의 경영 혁신과 고객경험 혁신
• 오프라인 리테일의 디지털 전환하는 사명
• https://www.youtube.com/channel/UCDZ6upUPAfv3bO_vQdSfpUQ/featured
소개
• D/T본부는
• 오프라인 자산 온라인화
• 구전되는 노하우를
데이터화/시스템화
• 휴먼 인텔리전스를
디지털 자산화/시스템화/자동화/지능화
역할
• IT/Data/AI 자산 내재화
• 시스템 & 서비스 완성도 재고
• 일하는 방식의 전환
• 기존 경험과 직관 + 데이터
= 데이터 기반의 업무수행
점포 효율화
상품/판매/물류
고객 경험 개선
스마트/편리한 서비스
B2B2C
소개
• D/T본부는
• On – Off 통합 에코 시스템, 생활문화 서비스 제공하는 플랫폼
• emart/트레이더스/노브랜드/문화센터/스타벅스/SSG랜더스/카사미아/신세계백
화점/조선호텔/스타필드 …
• SSG.com/지마켓/SI Village/W컨셉/신세계홈쇼핑…
• 옴니채널 마케팅 도구(플랫폼) 제공
• 신세계 유니버스 (통합 유료 멤버십, 신세계 페이먼트, …)
소개
• D/T본부는
• 조직문화
출처 : http://www.changetheriver.org/2015/12/example-of-agile-culture-look-at-how-spotify-works/
소개
• AI DevOps Chapter는
• AI/Data 기반의 지능화 도구 &
서비스 제공
• Agile하고 안정적인 프로덕트를
제공하기 위한 DevOps 엔지니어링
체계를 수립
• 중단없는 서비스 제공하기 위한
사이트 신뢰성 엔지니어링
소개
• AI DevOps Chapter는
• 다양한 역량을 확보
소개
• AI DevOps Chapter는
• AI/Data 서빙을 위한 활동 수행
• Frontend / Backend / Monitoring / Troubleshooting
• AI API, Admin Tool, Back Office
역할&책임
Data Platform
소개
Azure Devops
Repository
Engineer
Azure Devops
Pipeline
CI/CD
ODS/DW/BI/
Feature/Model
Operation System
상품/물류/매출
Notebook / BQ /
Spark
영업 지원 시스템
PRD
FastAPI
BENTOML
Corp User
End User
echo
소개
• AI DevOps Chapter는…
Cloud Infra
Multi-Tenancy
Poly-Glot
Distributed System
Graceful Shutdown
Scale Out/In
Cloud Native
<부적절 리뷰 필터>
부적절한 리뷰는 사양합니다~
Argos - 100개의 눈을 가진 거인
• 이미지나 텍스트에 존재
하는 선정적, 폭력적인 유
해성 콘텐츠를 차단
• 부적절 텍스트 필터/이미
지 필터
• 부적합 이미지 필터
부적절 리뷰 필터
부적절 리뷰 필터
• 설계 시 고려한점
• 이미지 필터 모델 개발은?
• Model Engineer 부재
• SaaS 솔루션 검토
• Google Vision (Safe Search) à AWS Rekognition (detect_moderation_labels)
• adult, spoof, medical, violence, racy
부적절 리뷰 필터
• 설계 시 고려한점
• Web Application Framework
• 파이썬 기반으로 모델 개발과 서빙 환경을 통일
• Pre-Trained Model 로딩
• 빠른 성능 제공
• 동시성 기반의 Asyncio 비동기 처리를 지원 (ASGI – Uvicorn)
• Java, Go기반의 Framework과 비견될 성능
• background task 지원
• Data Validator 기본 탑재
• API Spec 문서 자동화 - Swagger기반
부적절 리뷰 필터
• 설계 시 고려한점
• Python, Java, Go 등 Polyglot 지원
• 독립성, 민첩성을 제공하는 컨테이너 환경 지원
• 분산환경 지원 및 리소스 격리 가능
• 로컬환경과 Cloud 환경 모두에 적합한 애플리케이션의 지속적인 통합
배포, 전개 가능
부적절 리뷰 필터
• 설계 시 고려한점
• Service Mesh : Istio
• 서비스간 상호 호출을 위한
Service Discovery
• 장애전파 차단을 위한 Circuit
Break
• 네트워크 트래픽 관리 (Canary, 배
분율, AB Test)
• 분산 추적, 모니터링, 로깅에 적합
부적절 리뷰 필터
• 설계 시 고려한점
• Multi Tenancy
• 내/외부 Network
Security 및 통신비용
부적절 리뷰 필터
• 설계 시 고려한점
• 이미지 인퍼런싱 타임 1초~30초간의 긴 처리 시간 고려
• 통신 방식 : Http / 이벤트 기반의 비동기 처리 / 댓글 리뷰 필터아웃 - Post Audit
방식
• BackgroundTask : HTTP Req à HTTP Res (202 Accepted)
• DB Connection Pooling
• SQLAlchemy v1.4 - async_scoped_session
• Http Client Pooling
• FastAPI request adapter / Poolmanager - urllib3기반
• 아키텍처
부적절 리뷰 필터
Argos API
EmartApp API
Argos Admin
evaluate(ContentID, Text, ImageURL)
202 Accepted
block(ContentID) AWS
Rekognition
API
BackgroundTask
/ Async
3s~50s
부적절 리뷰 필터
BentoML API
BentoML API
DB
Admin
부적절 리뷰 필터
• 필더
• 부적절 텍스트 필터
• 욕설, 비방 등 부적절한 문장
• 필터 모델
• Naïve Bayes 분류기 à FastText
• 모델 교체가 자유롭도록 느슨한 결합 구조 – BentoML
• 모델 아티팩트를 온라인 서빙이 가능하도록 편리성 지원
• Swagger API 문서 자동 생성
BENTOML
부적절 리뷰 필터
• 필더
• 부적절 이미지 필터
• AWS Rekognition
• detect_moderation_labels – 최상위 카테고리 Confidence 값 70이상 시 부적절 처리
• "Tobacco", "Drugs", "Alcohol", "Gambling", "Hate Symbols" 이 포함된 이미지는
적합 판정 처리
• Food인 경우 Label 예외처리를 통해 검출 정확도를 높이고 있음
Top-Level Category
Explicit Nudity(노골적인 나체)
Suggestive(선정적)
Violence(폭력)
Visually Disturbing(시각적으로 불편한 콘텐츠)
Rude Gestures(무례한 제스처)
부적절 리뷰 필터
• 부적합 이미지 필터
• 상품과 관계 없는 이미지는 안되요~
• 필터 모델 - sentence-transformers/clip-ViT-B-32
부적절 리뷰 필터
{
"status": 200,
"code": "S00000",
"message": "조회 성공하였습니다.",
"data": {
"request_id": "202211011707393833249",
"content_id": 22110117000000000,
"prdt_Cd": ”xdadfde025854",
"prdt_nm": "(주)헤스타엠케이 실리콘 생선구이시트",
"callback_url": "",
"review_images": "[{"image_id": "fa3126dd", "image_url": "https://s3.amazonaws.com/review/4211-4b70-8463-4ac126d7535e.
jpg"}]",
"review_text": "얇은 실리콘이라 여러모로 쓸모있겠어요",
"status": "COMPLETE",
"isvalid": 1,
"eval_images": {
"isValid": "true",
"snoppy_image_results": {
"datetime": "2022-11-01T17:07:39.424502",
"process_id": "3324e81e",
"results": [
{
"is_valid": true,
"score": 0.8492490649223328,
"classified": "valid",
"threshold": 0.55,
"url": "https://s3.amazonaws.com/review/4211-4b70-8463-4ac126d7535e.jpg"
}
]
},
부적절 리뷰 필터
"aws_image_results": [
{
"isValid": "true",
"image_result": {
"detect_moderation_labels": [],
"detect_labels": [],
"skipped_labels": ""
}
}
]
},
"eval_text": {
"isValid": "true",
"filtered_words": {
"probability": 1.0000100135803223
}
},
"datetime_created": "2022-11-01 17:07:40"
}
}
부적절 리뷰 필터
• Admin
• Frontend Framework - Semantic UI React
• 프론트엔드 전문 엔지니어 부재
• 반응형 디자인
• 백엔드 개발자 입장에서 사용성이 편리
• 직관적인 상속, 테마 변수 사용
• 성능 로깅등 디버깅 지원
• 3000+ 테마 제공
• 자유로운 UI 컴포넌트 제공
부적절 리뷰 필터
• Admin
부적절 리뷰 필터
• CI/CD : SonarQube
• Code 품질 점검,
취약점 진단, 스타일 점검
부적절 리뷰 필터
• CI/CD : ArgoCD
• Blue/Green, Canary à Roll Out / Roll Back
스샷 최신화
부적절 리뷰 필터
• 모니터링 : DataDog
• 성능/헬스 모니터링
• 로깅/이슈 분석
• 이벤트 알람(#슬랙)
부적절 리뷰 필터
• 모니터링 : DataDog
• APM Span
(비동기 호출)
부적절 리뷰 필터
• Go Live
• 보안성 검토
• 정보보안팀
• 성능측정
• Locust
• Single/Distributed 모드
부적절 리뷰 필터
• 리뷰
• 이마트 합류 후 최초 수행 과제
• AI DevOps 체계 수립
• Multi Tenant, Poliglot 지원
• Cloud Native
• Service Mesh
• 서비스 개시(’22 5/16~) 이후 7,816,140건 처리
• AWS Rekognition 사용료 약 $2,445 발생중
<행사 상품 추천 시뮬레이터>
바이어님들을 위해 준비한 지능화 도구
EARS – Emart Ai Recommendation System
얼티메이트 데몬스트레이션 디스크 : 체스키 오디오 테스트 길라잡이 [귀그림 테스트 - 황인용 해설]
출처 : http://www.yes24.com/Product/Goods/234126
행사 상품 추천 시뮬레이터
• 진행 배경
• 행사 효율성 향상
• 바이어들이 행사계획 수립 전에 시뮬레이션 할 수 있는 tool
실적(매출) 악화
행사 상품 수 확대
행사 재고 증가
행사 투자비용
증가
일반행사 * 상품 수
축소
행사상품은
지속적으로 증가
행사 상품 추천 시뮬레이터
• 진행 배경
• 행사 상품/오퍼유형 추천 및 예측결과 제공
• 추천 결과 기반의 체계적인 행사 계획 수립을 통한 협상력 재고, 매출액 및 이익
액을 증대하는 지렛대로 활용
• 대상 상품군
• 냉장가공, 상온간편식으로 시작 à 가공 전 상품군으로 확대
• 행사 기본 정보 입력
• 매출액 또는 이익액 가중치 조정을 통한 행사 목적식 조정하여 예측
• 할인유형, 할인율, 진열매대, 판매가격, 매입원가 조정 가능
• 산출 결과를 저장하여 실행 결과와 비교 분석 및 모델학습에 활용
행사 상품 추천 시뮬레이터
• 적용 대상 – 라면, 햇반, 탕, 찌개 등 즉석식품(상온 간편식)
• 수요 예측 모델
• 시즌성, 행사유형, 행사매대, 점포 등의 피처를 대상으로 판매량 산출
• Resnet
• 행사 상품 추천 모델
• Mixed Integer Programming à OR-Tools MPSolver
행사 상품 추천 시뮬레이터
• 아키텍처
행사 추천
시뮬레이터
수요예측
모델
행사 추천
모델
영업정보시스템
DB
행사 발주
추천
DT 행사/발주DB 발주 대장
1. 행사 예외 발주대장 데이
터
영업정보
시스템
행사추천
시스템
발주
추천등록
3. 행사 예외 발주 데이
터
발주 추천
검증
2. 발주 로직 적용 4. 행사 예외 발주 등
록
Buyer
행사 상품 추천 시뮬레이터
• 아키텍처
행사 상품 추천 시뮬레이터
• 산출내역
행사 상품 추천 시뮬레이터
• 행사
기본정보 입력
• 행사 기간 설정,
협력사명(필수/제외),
SKU선정(필수/제외),
SKU수량,
할인유형, 진열매대 기입
• 순매출/이익 기반
가중치, 목적식 조정
• 출력된 추천 결과 수정
및 조정
행사 상품 추천 시뮬레이터
• 행사 추천 결과
출력
행사 상품 추천 시뮬레이터
• 스샷
행사 상품 추천 시뮬레이터
• 리뷰
• 화면 기획자/디자이너 부재
• 엔지니와 PMO스태프 주도로 Wireframe 부터 구현까지 완주
• 오라클 ASCII 문자셋 한글 변환
• DB 커넥터 설정 binary 옵션 적용 해결
• 대용량 데이터 & 낮은 성능의 DB
• 전국 점포(140여개) x 상품수 N개 à 데이터 복제
• 행사ROI/성과 측정도구는 숙제로 남겨
• 예측과 실제 차이를 규명
e머니를 찾아라!
<e머니GO!>
e머니GO!
• 배경
• AR미션을 통한 매장 탐험
• 오프라인 이마트 매장 내 (개인화 된) 방문미션/
AR미션 제공 / 보너스 미션
• 정보와 혜택 제공
• 스마트폰의 실내측위 및 센싱 기술을 이용
• Tracking Data 기반 개인화 혜택, 전단 상품 정보 제공
• 실시간 고객 데이터를 활용한 프로모션, RMP(광고) 등에 활용
• 목표
• 연내 3개 점포 오픈 - 성수점, 미아점, 용산점?
e머니GO!
e머니GO!
e머니GO!
• 삼성전자 협업 과제
• 실내측위 기술 Neural network based Wifi/PDR Fingerprinting
• WIFI Radio Map DataBase(Finterprinter)+지자기계+자이로센서+가속도계
• 오차범위 5m 이내
출처 : https://www.mdpi.com/1424-8220/20/2/344/htm
출처 : https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8434353/pdf/sensors-21-
05776.pdf
e머니GO!
• 아키텍처 Emart SAMSUNG
Shinsegae
Admin
매장/섹션/
e머니
관리 도구
Admin
미니맵
저작도구
ar-emoney
API
goldmine
API
emoney
API
e머니 획득
Admin Admin
회원/
전단상품/
섹션
e머니
이력
e머니GO!
• 관리자 도구
e머니GO!
• 관리자 도구
e머니GO!
• 관리자 도구
e머니GO!
• 관리자 도구
e머니GO!
• 관리자 도구
e머니GO!
• 리뷰
• 다양한 조직과의 협업 경험 (삼성전자, 이마트내 여러 조직)
• 장보기라는 기본에서 벗어나, 실시간 e머니 획득 미션~! 재미요소를 추가한 서비스
• 서비스 확산에 어려운 조건들
• 고스펙 디바이스 요구사항
• 임베딩 모듈 사이즈 제한 55MB à 12MB
• 로딩속도 제한 10s à 5s
• 자이로/지자계/가속도 센서, WIFI, 카메라 등 하드웨어 사양 필요
• 적용 디바이스 앱사용자의 10%, 삼성전자 안드로이드 스마트폰 중 일부, 아이폰 제외
• 140여개 매장 적용의 어려움
• 매장 방문-실측 및 매장 별 지도 작성, 섹션과 이머니 매칭
• 노후 Wifi AP 교체에 따른 재 실측/매핑 작업
• 현실은 2개점 서비스
• DT조직내 부정적인 시각
• 물리적 공간적 제약
• 법인 vs 법인 (협업 난이도 상승)
• 해당 매장에서 실측 및 QA 수행
<상품 검색 서비스>
찾으시는 상품이 있으신가요?
Genie - 이마트 상품, 방문 전 확
인하세요.
출처 : https://twitter.com/cartoonhero7/status/1162330995435028481/photo/2
상품 검색 서비스
점포별 매가
점포 검색 결과
점포별 재고 상태,
전단 행사 상품 노출
상품 검색 서비스
재고 보유 수량
상품 검색 서비스
• 이마트 상품, 방문전 확인하세요.
• 점포별 상품 취급 여부, 재고 수량, 가격, 행사 정보 조회
• 인기 검색어
• 오타교정/자동완성
• 빠른 메뉴 이동
• 카테고리 연관(랭킹) 서비스
• 셀렉션 리뷰(랭킹) 서비스
상품 검색 서비스
• 이마트 상품, 방문전 확인하세요.
• 정확도순 = BM25 + 판매지수
• BM25는 ElasticSearch v5.0 부터 default scoring 알고리즘
• Term 출현 빈도의 점수를 제한
• 형태소 분석기
• 노리
• 한국어 분석 공식 지원
• 일본어 형태소 분석기 Kuromoji 엔진 기반
• 은전한닢(MeCab) 사전을 활용 (200MB à 24MB)
• 기존 플러그인보다 색인 속도 3~4배 향상
• ElasticSearch v6.5+
• 아키텍처
상품 검색 서비스
검색 Admin
영업 지원 시스템
PRD
사전
(불용어/동의어/사용자)
검색 클러스터
Ranker
Indexer
형태소
분석기
query
Admin
상품/가격/
재고량/행사
검색
Dashboard
Log
모니터링
검색
API
Data Platform
점포별 실시간 상품 재고량
행사정보
• Admin 도구
상품 검색 서비스
• 리뷰
• 배치 색인 데이터와 실시간(재고, 가격) 데이터간 정합성 차이 존재
• 참조 데이터 변경에 따른 상품 색인데이터 업데이트
• 0시 전체 색인, 8시/10시 증분 색인
• 검색 쿼리 시 색인 데이터(0시) 기준 필터링 및 결과 응답, ElasticSearch를 호출하
는 레이어에서 실시간 재고 데이터 업데이트 후 결과 제공
• 기본매가, 일중매가 변경에 따른 운영계 실시간 조회값 반영
• 검소한 사용자 사전
• 브랜드 키워드, 트랜디한 키워드에 맞춘 센스있는 결과 제공이 목표
상품 검색 서비스
마치며
• 본 게임은 이제부터
• 엔지니어링 고도화
• Python/ FastAPI(Http) à Go/ Echo Framework(gRPC)
• Hexagonal Architecture
• Chaos Engineering
• MLOps Pipeline (+click stream 기반 학습)
• 서비스 다양화
• 디지털 맵 서비스
• 매장 위치 안내 (on 키오스크)
• 상품 위치 안내 (on 이마트앱)
• 발주 자동화
• 결품과 재고 사이의 균형 있는 발주
• Plan-O-Gram 최적화
• 동선데이터 기반의 상품연관전시
마치며
• DT는 함께하는 것
• 경계 없는 협력 > 용광로
• DT/AI 도 사람이 만들어 가는 것
• 새로운 문화를 받아들일 수 있는 마
음
• 지혜를 모아 성공 할 때까지
• 실행은 한 마음으로
• 비즈니스 우선 사고
• Not only Tech
• 현장 상황과 비즈니스 이해 - 시간
(Time)과 장소(Place) 그리고 상황
(Occasion)
마치며
• AI/ML 서비스가 성공하기 위해
서는
• 강력한 스폰서쉽이 있는가?
• 해결하고자 하는 Use Case
(숙원사업)가 있는가?
• 강력한 Data Platform 구성
되어 있는가?
• 성장 가능한 조직문화, 순
환적 시스템을 갖추었는가?
• 현업의 적극적인 동참이 이
루어 지는가?
마치며
No pain, No gain
Thank you!
- Jeon Deuk Jin
Appendix
그밖에도
• 와인그랩 / 헬씨그랩
• 시맨틱 서치 활용, 고객 성향 맞춤형 추천
• 개인화추천
• Profile 기반 BuyTogether, ViewTogether, 반복구매
• 상품 위치안내(앱, 상품상세, 챗봇 연계)
• 이마트앱 2.0
– 매장모드에 활용
• 데모 시연
• 맵저작도구
• 맵위치 매핑도구
• 이동경로 안내 시뮬레이터
디지털맵 서비스
• 테넌트 위치안내(키오스크)
• 판매본부 요청
• ‘23 3월 킨택스점
• ‘23 6월 연수점
• 데모 시연
• 맵저작 도구
• 매장/상품 위치 매핑도구
• 이동경로 안내 시뮬레이터
• 다익스트라 최단경로 알고리즘
• 층간 이동 안내
• 멀티 플로어 쿼터뷰 방식
에스컬레이터,
엘리베이터 경로 포함
디지털맵 서비스

Mais conteúdo relacionado

Mais procurados

PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...
PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...
PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...Amazon Web Services Korea
 
Python과 Git으로 만드는 모바일 게임 패치 시스템
Python과 Git으로 만드는 모바일 게임 패치 시스템Python과 Git으로 만드는 모바일 게임 패치 시스템
Python과 Git으로 만드는 모바일 게임 패치 시스템Youngtaek Oh
 
게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...
게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...
게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...Amazon Web Services Korea
 
What is an API Gateway?
What is an API Gateway?What is an API Gateway?
What is an API Gateway?LunchBadger
 
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링Amazon Web Services Korea
 
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유Hyojun Jeon
 
[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?
[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?
[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?Juhong Park
 
Little Big Data #1. 바닥부터 시작하는 데이터 인프라
Little Big Data #1. 바닥부터 시작하는 데이터 인프라Little Big Data #1. 바닥부터 시작하는 데이터 인프라
Little Big Data #1. 바닥부터 시작하는 데이터 인프라Seongyun Byeon
 
카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개
카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개
카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개if kakao
 
오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...
오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...
오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...Amazon Web Services Korea
 
[112]rest에서 graph ql과 relay로 갈아타기 이정우
[112]rest에서 graph ql과 relay로 갈아타기 이정우[112]rest에서 graph ql과 relay로 갈아타기 이정우
[112]rest에서 graph ql과 relay로 갈아타기 이정우NAVER D2
 
성장을 좋아하는 사람이, 성장하고 싶은 사람에게
성장을 좋아하는 사람이, 성장하고 싶은 사람에게성장을 좋아하는 사람이, 성장하고 싶은 사람에게
성장을 좋아하는 사람이, 성장하고 싶은 사람에게Seongyun Byeon
 
Data Engineering 101
Data Engineering 101Data Engineering 101
Data Engineering 101DaeMyung Kang
 
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들Chris Ohk
 
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편Seongyun Byeon
 
KGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games Conference
KGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games ConferenceKGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games Conference
KGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games ConferenceXionglong Jin
 
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장Dylan Ko
 
로그 기깔나게 잘 디자인하는 법
로그 기깔나게 잘 디자인하는 법로그 기깔나게 잘 디자인하는 법
로그 기깔나게 잘 디자인하는 법Jeongsang Baek
 
[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스
[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스
[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스Dan Kang (강동한)
 

Mais procurados (20)

PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...
PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...
PUBG: Battlegrounds 라이브 서비스 EKS 전환 사례 공유 [크래프톤 - 레벨 300] - 발표자: 김정헌, PUBG Dev...
 
Python과 Git으로 만드는 모바일 게임 패치 시스템
Python과 Git으로 만드는 모바일 게임 패치 시스템Python과 Git으로 만드는 모바일 게임 패치 시스템
Python과 Git으로 만드는 모바일 게임 패치 시스템
 
게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...
게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...
게임의 성공을 위한 Scalable 한 데이터 플랫폼 사례 공유 - 오승용, 데이터 플랫폼 리더, 데브시스터즈 ::: Games on AW...
 
What is an API Gateway?
What is an API Gateway?What is an API Gateway?
What is an API Gateway?
 
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
 
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유
 
[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?
[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?
[KAIST 채용설명회] 데이터 엔지니어는 무슨 일을 하나요?
 
Little Big Data #1. 바닥부터 시작하는 데이터 인프라
Little Big Data #1. 바닥부터 시작하는 데이터 인프라Little Big Data #1. 바닥부터 시작하는 데이터 인프라
Little Big Data #1. 바닥부터 시작하는 데이터 인프라
 
카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개
카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개
카카오 광고 플랫폼 MSA 적용 사례 및 API Gateway와 인증 구현에 대한 소개
 
오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...
오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...
오딘: 발할라 라이징 MMORPG의 성능 최적화 사례 공유 [카카오게임즈 - 레벨 300] - 발표자: 김문권, 팀장, 라이온하트 스튜디오...
 
[112]rest에서 graph ql과 relay로 갈아타기 이정우
[112]rest에서 graph ql과 relay로 갈아타기 이정우[112]rest에서 graph ql과 relay로 갈아타기 이정우
[112]rest에서 graph ql과 relay로 갈아타기 이정우
 
성장을 좋아하는 사람이, 성장하고 싶은 사람에게
성장을 좋아하는 사람이, 성장하고 싶은 사람에게성장을 좋아하는 사람이, 성장하고 싶은 사람에게
성장을 좋아하는 사람이, 성장하고 싶은 사람에게
 
Data Engineering 101
Data Engineering 101Data Engineering 101
Data Engineering 101
 
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
고려대학교 컴퓨터학과 특강 - 대학생 때 알았더라면 좋았을 것들
 
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편
 
KGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games Conference
KGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games ConferenceKGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games Conference
KGC 2016: HTTPS 로 모바일 게임 서버 구축한다는 것 - Korea Games Conference
 
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장
 
로그 기깔나게 잘 디자인하는 법
로그 기깔나게 잘 디자인하는 법로그 기깔나게 잘 디자인하는 법
로그 기깔나게 잘 디자인하는 법
 
[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스
[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스
[Play.node] node.js 를 사용한 대규모 글로벌(+중국) 서비스
 
API Design- Best Practices
API Design-   Best PracticesAPI Design-   Best Practices
API Design- Best Practices
 

Semelhante a 역삼역, 이마트 AI_v최종.pdf

[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저
[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저
[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저Amazon Web Services Korea
 
AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬
AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬
AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬Amazon Web Services Korea
 
취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...
취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...
취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...Amazon Web Services Korea
 
[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...
[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...
[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...Amazon Web Services Korea
 
카카오게임 첫 도전기 &lt;돼지러너>
카카오게임 첫 도전기 &lt;돼지러너>카카오게임 첫 도전기 &lt;돼지러너>
카카오게임 첫 도전기 &lt;돼지러너>Kim Min
 
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...Amazon Web Services Korea
 
234 deview2013 김형준
234 deview2013 김형준234 deview2013 김형준
234 deview2013 김형준NAVER D2
 
2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개
2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개
2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개Amazon Web Services Korea
 
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018 제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018 Amazon Web Services Korea
 
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기Gyuwon Yi
 
Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)
Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)
Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)Amazon Web Services Korea
 
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...Amazon Web Services Korea
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityJongho Woo
 
AI = SE , giip system manage automation with A.I
AI = SE , giip system manage automation with A.IAI = SE , giip system manage automation with A.I
AI = SE , giip system manage automation with A.ILowy Shin
 
VSTS와 Azure를 이용한 팀 프로세스 관리
VSTS와 Azure를 이용한 팀 프로세스 관리VSTS와 Azure를 이용한 팀 프로세스 관리
VSTS와 Azure를 이용한 팀 프로세스 관리Gyuwon Yi
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020Jinwoong Kim
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWSKRUG - AWS한국사용자모임
 
AI/ML re:invent 2019 recap at Delivery Hero Korea
AI/ML re:invent 2019 recap at Delivery Hero KoreaAI/ML re:invent 2019 recap at Delivery Hero Korea
AI/ML re:invent 2019 recap at Delivery Hero KoreaSungmin Kim
 
SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...
SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...
SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...Amazon Web Services Korea
 
Things Factory Introduction (한글)
Things Factory Introduction (한글)Things Factory Introduction (한글)
Things Factory Introduction (한글)Hatio, Lab.
 

Semelhante a 역삼역, 이마트 AI_v최종.pdf (20)

[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저
[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저
[Retail & CPG Day 2019] 유통 고객의 AWS 도입 동향 - 박동국, AWS 어카운트 매니저, 김준성, AWS어카운트 매니저
 
AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬
AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬
AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬
 
취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...
취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...
취향기반의 개인화 서비스를 통한 이커머스 혁신 – 소성운 ZIGZAG 데이터사이언티스트, 강상원 마이셀럽스 대표:: AWS Cloud We...
 
[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...
[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...
[Retail & CPG Day 2019] 리테일/소비재 부문의 고객 경험 강화를 위한 기술변화 방향과 고객 사례 (ZIGZAG) - 김선...
 
카카오게임 첫 도전기 &lt;돼지러너>
카카오게임 첫 도전기 &lt;돼지러너>카카오게임 첫 도전기 &lt;돼지러너>
카카오게임 첫 도전기 &lt;돼지러너>
 
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...
핵심 미래 분석 기술! 시계열 분석을 활용한 수요예측과 재고관리 최적화 사례 – 김형일 AWS 솔루션즈 아키텍트, 이환기 신세계아이앤씨 A...
 
234 deview2013 김형준
234 deview2013 김형준234 deview2013 김형준
234 deview2013 김형준
 
2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개
2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개
2017 Ad-Tech on AWS 세미나ㅣ국내외 애드테크 고객 사례 및 Machine Learning 소개
 
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018 제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
 
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
Azure를 이용한 Join 없는 글로벌 분산 시스템 설계하기
 
Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)
Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)
Amazon Rekognition을 이용하여 인공지능 안면 인식 키오스크 만들기 - 강정희 (AWS 솔루션즈 아키텍트)
 
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
 
AI = SE , giip system manage automation with A.I
AI = SE , giip system manage automation with A.IAI = SE , giip system manage automation with A.I
AI = SE , giip system manage automation with A.I
 
VSTS와 Azure를 이용한 팀 프로세스 관리
VSTS와 Azure를 이용한 팀 프로세스 관리VSTS와 Azure를 이용한 팀 프로세스 관리
VSTS와 Azure를 이용한 팀 프로세스 관리
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
 
AI/ML re:invent 2019 recap at Delivery Hero Korea
AI/ML re:invent 2019 recap at Delivery Hero KoreaAI/ML re:invent 2019 recap at Delivery Hero Korea
AI/ML re:invent 2019 recap at Delivery Hero Korea
 
SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...
SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...
SageMaker를 활용한 엔터프라이즈 머신러닝 도입 및 프로세스 개선 방법 (김필호 AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS) ...
 
Things Factory Introduction (한글)
Things Factory Introduction (한글)Things Factory Introduction (한글)
Things Factory Introduction (한글)
 

역삼역, 이마트 AI_v최종.pdf

  • 1. 역삼역, 서풍의 이마트 AI 이마트 AI DevOps 챕터리더 전득진
  • 2. Agenda • 소개 • 부적절한 리뷰는 사양합니다~ <부적절 리뷰 필터> • 바이어님들을 위해 준비한 지능화 도구 <행사상품 추천 시뮬레이터> • e머니를 찾아라! <e머니GO!> • 찾으시는 상품이 있으신가요? <상품 검색 서비스> • 마치며
  • 3. 소개 • 저는 • 20년 경력의 소프트웨어 엔지니어/데이터 엔지니어 • 컨설턴트 및 Application Arcihtect 로서 프리랜서 경력 10년 (삼성/LG전자, 통신3사) • 삼성전자 바다플랫폼 서버사이드(현 SSP), FindMyMobile, SamsungLink등 대용 량/분산/DB Sharding/세션스토어/GSLB/Geo-Replication/Disaster Recovery Center 시스템을 설계 및 구축/ 24*365 운영 전세계 대상 글로벌 서비스 플랫폼 상용화 첫 사례. AWS의 No.1 고객 • 삼성전자/LG전자 안드로이드 개발자, IoT 사물인터넷 국제 표준중 하나 – OneM2M 스펙 구현 • 인터파크 (2016~2018) • 하둡 3.0 alpha2 버전의 빅데이터 플랫폼/Doc2Vec 모델기반 도서 추천 시스템 구축 • SKPlantet/11번가 (2018~2021) • 셀러오피스-가격경쟁력, 셀러 애널리틱스/11번가 데이터 플랫폼 (10PB Hadoop기반 데이터레이크, 광고/추천/검색/BI시스템 등 일 3000여개 배치등이 수행되는 2개의 Spark/Hive 전용 Yarn 클러스터) 이관 및 구축/운영 • 이마트 DT본부 (2021~현재)
  • 4. 소개 • D/T본부는 • 기러기 토마토 스위스 인도인 별똥별 역삼역?
  • 5. 소개 • D/T본부는 • 이마트의 경영 혁신과 고객경험 혁신 • 오프라인 리테일의 디지털 전환하는 사명 • https://www.youtube.com/channel/UCDZ6upUPAfv3bO_vQdSfpUQ/featured
  • 6. 소개 • D/T본부는 • 오프라인 자산 온라인화 • 구전되는 노하우를 데이터화/시스템화 • 휴먼 인텔리전스를 디지털 자산화/시스템화/자동화/지능화 역할 • IT/Data/AI 자산 내재화 • 시스템 & 서비스 완성도 재고 • 일하는 방식의 전환 • 기존 경험과 직관 + 데이터 = 데이터 기반의 업무수행 점포 효율화 상품/판매/물류 고객 경험 개선 스마트/편리한 서비스 B2B2C
  • 7. 소개 • D/T본부는 • On – Off 통합 에코 시스템, 생활문화 서비스 제공하는 플랫폼 • emart/트레이더스/노브랜드/문화센터/스타벅스/SSG랜더스/카사미아/신세계백 화점/조선호텔/스타필드 … • SSG.com/지마켓/SI Village/W컨셉/신세계홈쇼핑… • 옴니채널 마케팅 도구(플랫폼) 제공 • 신세계 유니버스 (통합 유료 멤버십, 신세계 페이먼트, …)
  • 8. 소개 • D/T본부는 • 조직문화 출처 : http://www.changetheriver.org/2015/12/example-of-agile-culture-look-at-how-spotify-works/
  • 9. 소개 • AI DevOps Chapter는 • AI/Data 기반의 지능화 도구 & 서비스 제공 • Agile하고 안정적인 프로덕트를 제공하기 위한 DevOps 엔지니어링 체계를 수립 • 중단없는 서비스 제공하기 위한 사이트 신뢰성 엔지니어링
  • 10. 소개 • AI DevOps Chapter는 • 다양한 역량을 확보
  • 11. 소개 • AI DevOps Chapter는 • AI/Data 서빙을 위한 활동 수행 • Frontend / Backend / Monitoring / Troubleshooting • AI API, Admin Tool, Back Office 역할&책임
  • 12. Data Platform 소개 Azure Devops Repository Engineer Azure Devops Pipeline CI/CD ODS/DW/BI/ Feature/Model Operation System 상품/물류/매출 Notebook / BQ / Spark 영업 지원 시스템 PRD FastAPI BENTOML Corp User End User echo
  • 13. 소개 • AI DevOps Chapter는… Cloud Infra Multi-Tenancy Poly-Glot Distributed System Graceful Shutdown Scale Out/In Cloud Native
  • 14. <부적절 리뷰 필터> 부적절한 리뷰는 사양합니다~ Argos - 100개의 눈을 가진 거인 • 이미지나 텍스트에 존재 하는 선정적, 폭력적인 유 해성 콘텐츠를 차단 • 부적절 텍스트 필터/이미 지 필터 • 부적합 이미지 필터
  • 16. 부적절 리뷰 필터 • 설계 시 고려한점 • 이미지 필터 모델 개발은? • Model Engineer 부재 • SaaS 솔루션 검토 • Google Vision (Safe Search) à AWS Rekognition (detect_moderation_labels) • adult, spoof, medical, violence, racy
  • 17. 부적절 리뷰 필터 • 설계 시 고려한점 • Web Application Framework • 파이썬 기반으로 모델 개발과 서빙 환경을 통일 • Pre-Trained Model 로딩 • 빠른 성능 제공 • 동시성 기반의 Asyncio 비동기 처리를 지원 (ASGI – Uvicorn) • Java, Go기반의 Framework과 비견될 성능 • background task 지원 • Data Validator 기본 탑재 • API Spec 문서 자동화 - Swagger기반
  • 18. 부적절 리뷰 필터 • 설계 시 고려한점 • Python, Java, Go 등 Polyglot 지원 • 독립성, 민첩성을 제공하는 컨테이너 환경 지원 • 분산환경 지원 및 리소스 격리 가능 • 로컬환경과 Cloud 환경 모두에 적합한 애플리케이션의 지속적인 통합 배포, 전개 가능
  • 19. 부적절 리뷰 필터 • 설계 시 고려한점 • Service Mesh : Istio • 서비스간 상호 호출을 위한 Service Discovery • 장애전파 차단을 위한 Circuit Break • 네트워크 트래픽 관리 (Canary, 배 분율, AB Test) • 분산 추적, 모니터링, 로깅에 적합
  • 20. 부적절 리뷰 필터 • 설계 시 고려한점 • Multi Tenancy • 내/외부 Network Security 및 통신비용
  • 21. 부적절 리뷰 필터 • 설계 시 고려한점 • 이미지 인퍼런싱 타임 1초~30초간의 긴 처리 시간 고려 • 통신 방식 : Http / 이벤트 기반의 비동기 처리 / 댓글 리뷰 필터아웃 - Post Audit 방식 • BackgroundTask : HTTP Req à HTTP Res (202 Accepted) • DB Connection Pooling • SQLAlchemy v1.4 - async_scoped_session • Http Client Pooling • FastAPI request adapter / Poolmanager - urllib3기반
  • 22. • 아키텍처 부적절 리뷰 필터 Argos API EmartApp API Argos Admin evaluate(ContentID, Text, ImageURL) 202 Accepted block(ContentID) AWS Rekognition API BackgroundTask / Async 3s~50s 부적절 리뷰 필터 BentoML API BentoML API DB Admin
  • 23. 부적절 리뷰 필터 • 필더 • 부적절 텍스트 필터 • 욕설, 비방 등 부적절한 문장 • 필터 모델 • Naïve Bayes 분류기 à FastText • 모델 교체가 자유롭도록 느슨한 결합 구조 – BentoML • 모델 아티팩트를 온라인 서빙이 가능하도록 편리성 지원 • Swagger API 문서 자동 생성 BENTOML
  • 24. 부적절 리뷰 필터 • 필더 • 부적절 이미지 필터 • AWS Rekognition • detect_moderation_labels – 최상위 카테고리 Confidence 값 70이상 시 부적절 처리 • "Tobacco", "Drugs", "Alcohol", "Gambling", "Hate Symbols" 이 포함된 이미지는 적합 판정 처리 • Food인 경우 Label 예외처리를 통해 검출 정확도를 높이고 있음 Top-Level Category Explicit Nudity(노골적인 나체) Suggestive(선정적) Violence(폭력) Visually Disturbing(시각적으로 불편한 콘텐츠) Rude Gestures(무례한 제스처)
  • 25. 부적절 리뷰 필터 • 부적합 이미지 필터 • 상품과 관계 없는 이미지는 안되요~ • 필터 모델 - sentence-transformers/clip-ViT-B-32
  • 26. 부적절 리뷰 필터 { "status": 200, "code": "S00000", "message": "조회 성공하였습니다.", "data": { "request_id": "202211011707393833249", "content_id": 22110117000000000, "prdt_Cd": ”xdadfde025854", "prdt_nm": "(주)헤스타엠케이 실리콘 생선구이시트", "callback_url": "", "review_images": "[{"image_id": "fa3126dd", "image_url": "https://s3.amazonaws.com/review/4211-4b70-8463-4ac126d7535e. jpg"}]", "review_text": "얇은 실리콘이라 여러모로 쓸모있겠어요", "status": "COMPLETE", "isvalid": 1, "eval_images": { "isValid": "true", "snoppy_image_results": { "datetime": "2022-11-01T17:07:39.424502", "process_id": "3324e81e", "results": [ { "is_valid": true, "score": 0.8492490649223328, "classified": "valid", "threshold": 0.55, "url": "https://s3.amazonaws.com/review/4211-4b70-8463-4ac126d7535e.jpg" } ] },
  • 27. 부적절 리뷰 필터 "aws_image_results": [ { "isValid": "true", "image_result": { "detect_moderation_labels": [], "detect_labels": [], "skipped_labels": "" } } ] }, "eval_text": { "isValid": "true", "filtered_words": { "probability": 1.0000100135803223 } }, "datetime_created": "2022-11-01 17:07:40" } }
  • 28. 부적절 리뷰 필터 • Admin • Frontend Framework - Semantic UI React • 프론트엔드 전문 엔지니어 부재 • 반응형 디자인 • 백엔드 개발자 입장에서 사용성이 편리 • 직관적인 상속, 테마 변수 사용 • 성능 로깅등 디버깅 지원 • 3000+ 테마 제공 • 자유로운 UI 컴포넌트 제공
  • 30. 부적절 리뷰 필터 • CI/CD : SonarQube • Code 품질 점검, 취약점 진단, 스타일 점검
  • 31. 부적절 리뷰 필터 • CI/CD : ArgoCD • Blue/Green, Canary à Roll Out / Roll Back 스샷 최신화
  • 32. 부적절 리뷰 필터 • 모니터링 : DataDog • 성능/헬스 모니터링 • 로깅/이슈 분석 • 이벤트 알람(#슬랙)
  • 33. 부적절 리뷰 필터 • 모니터링 : DataDog • APM Span (비동기 호출)
  • 34. 부적절 리뷰 필터 • Go Live • 보안성 검토 • 정보보안팀 • 성능측정 • Locust • Single/Distributed 모드
  • 35. 부적절 리뷰 필터 • 리뷰 • 이마트 합류 후 최초 수행 과제 • AI DevOps 체계 수립 • Multi Tenant, Poliglot 지원 • Cloud Native • Service Mesh • 서비스 개시(’22 5/16~) 이후 7,816,140건 처리 • AWS Rekognition 사용료 약 $2,445 발생중
  • 36. <행사 상품 추천 시뮬레이터> 바이어님들을 위해 준비한 지능화 도구 EARS – Emart Ai Recommendation System 얼티메이트 데몬스트레이션 디스크 : 체스키 오디오 테스트 길라잡이 [귀그림 테스트 - 황인용 해설] 출처 : http://www.yes24.com/Product/Goods/234126
  • 37. 행사 상품 추천 시뮬레이터 • 진행 배경 • 행사 효율성 향상 • 바이어들이 행사계획 수립 전에 시뮬레이션 할 수 있는 tool 실적(매출) 악화 행사 상품 수 확대 행사 재고 증가 행사 투자비용 증가 일반행사 * 상품 수 축소 행사상품은 지속적으로 증가
  • 38. 행사 상품 추천 시뮬레이터 • 진행 배경 • 행사 상품/오퍼유형 추천 및 예측결과 제공 • 추천 결과 기반의 체계적인 행사 계획 수립을 통한 협상력 재고, 매출액 및 이익 액을 증대하는 지렛대로 활용 • 대상 상품군 • 냉장가공, 상온간편식으로 시작 à 가공 전 상품군으로 확대 • 행사 기본 정보 입력 • 매출액 또는 이익액 가중치 조정을 통한 행사 목적식 조정하여 예측 • 할인유형, 할인율, 진열매대, 판매가격, 매입원가 조정 가능 • 산출 결과를 저장하여 실행 결과와 비교 분석 및 모델학습에 활용
  • 39. 행사 상품 추천 시뮬레이터 • 적용 대상 – 라면, 햇반, 탕, 찌개 등 즉석식품(상온 간편식) • 수요 예측 모델 • 시즌성, 행사유형, 행사매대, 점포 등의 피처를 대상으로 판매량 산출 • Resnet • 행사 상품 추천 모델 • Mixed Integer Programming à OR-Tools MPSolver
  • 40. 행사 상품 추천 시뮬레이터 • 아키텍처 행사 추천 시뮬레이터 수요예측 모델 행사 추천 모델 영업정보시스템 DB 행사 발주 추천 DT 행사/발주DB 발주 대장 1. 행사 예외 발주대장 데이 터 영업정보 시스템 행사추천 시스템 발주 추천등록 3. 행사 예외 발주 데이 터 발주 추천 검증 2. 발주 로직 적용 4. 행사 예외 발주 등 록 Buyer
  • 41. 행사 상품 추천 시뮬레이터 • 아키텍처
  • 42. 행사 상품 추천 시뮬레이터 • 산출내역
  • 43. 행사 상품 추천 시뮬레이터 • 행사 기본정보 입력 • 행사 기간 설정, 협력사명(필수/제외), SKU선정(필수/제외), SKU수량, 할인유형, 진열매대 기입 • 순매출/이익 기반 가중치, 목적식 조정 • 출력된 추천 결과 수정 및 조정
  • 44. 행사 상품 추천 시뮬레이터 • 행사 추천 결과 출력
  • 45. 행사 상품 추천 시뮬레이터 • 스샷
  • 46. 행사 상품 추천 시뮬레이터 • 리뷰 • 화면 기획자/디자이너 부재 • 엔지니와 PMO스태프 주도로 Wireframe 부터 구현까지 완주 • 오라클 ASCII 문자셋 한글 변환 • DB 커넥터 설정 binary 옵션 적용 해결 • 대용량 데이터 & 낮은 성능의 DB • 전국 점포(140여개) x 상품수 N개 à 데이터 복제 • 행사ROI/성과 측정도구는 숙제로 남겨 • 예측과 실제 차이를 규명
  • 48. e머니GO! • 배경 • AR미션을 통한 매장 탐험 • 오프라인 이마트 매장 내 (개인화 된) 방문미션/ AR미션 제공 / 보너스 미션 • 정보와 혜택 제공 • 스마트폰의 실내측위 및 센싱 기술을 이용 • Tracking Data 기반 개인화 혜택, 전단 상품 정보 제공 • 실시간 고객 데이터를 활용한 프로모션, RMP(광고) 등에 활용 • 목표 • 연내 3개 점포 오픈 - 성수점, 미아점, 용산점?
  • 51. e머니GO! • 삼성전자 협업 과제 • 실내측위 기술 Neural network based Wifi/PDR Fingerprinting • WIFI Radio Map DataBase(Finterprinter)+지자기계+자이로센서+가속도계 • 오차범위 5m 이내 출처 : https://www.mdpi.com/1424-8220/20/2/344/htm 출처 : https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8434353/pdf/sensors-21- 05776.pdf
  • 52. e머니GO! • 아키텍처 Emart SAMSUNG Shinsegae Admin 매장/섹션/ e머니 관리 도구 Admin 미니맵 저작도구 ar-emoney API goldmine API emoney API e머니 획득 Admin Admin 회원/ 전단상품/ 섹션 e머니 이력
  • 58. e머니GO! • 리뷰 • 다양한 조직과의 협업 경험 (삼성전자, 이마트내 여러 조직) • 장보기라는 기본에서 벗어나, 실시간 e머니 획득 미션~! 재미요소를 추가한 서비스 • 서비스 확산에 어려운 조건들 • 고스펙 디바이스 요구사항 • 임베딩 모듈 사이즈 제한 55MB à 12MB • 로딩속도 제한 10s à 5s • 자이로/지자계/가속도 센서, WIFI, 카메라 등 하드웨어 사양 필요 • 적용 디바이스 앱사용자의 10%, 삼성전자 안드로이드 스마트폰 중 일부, 아이폰 제외 • 140여개 매장 적용의 어려움 • 매장 방문-실측 및 매장 별 지도 작성, 섹션과 이머니 매칭 • 노후 Wifi AP 교체에 따른 재 실측/매핑 작업 • 현실은 2개점 서비스 • DT조직내 부정적인 시각 • 물리적 공간적 제약 • 법인 vs 법인 (협업 난이도 상승) • 해당 매장에서 실측 및 QA 수행
  • 59. <상품 검색 서비스> 찾으시는 상품이 있으신가요? Genie - 이마트 상품, 방문 전 확 인하세요. 출처 : https://twitter.com/cartoonhero7/status/1162330995435028481/photo/2
  • 60. 상품 검색 서비스 점포별 매가 점포 검색 결과 점포별 재고 상태, 전단 행사 상품 노출
  • 62. 상품 검색 서비스 • 이마트 상품, 방문전 확인하세요. • 점포별 상품 취급 여부, 재고 수량, 가격, 행사 정보 조회 • 인기 검색어 • 오타교정/자동완성 • 빠른 메뉴 이동 • 카테고리 연관(랭킹) 서비스 • 셀렉션 리뷰(랭킹) 서비스
  • 63. 상품 검색 서비스 • 이마트 상품, 방문전 확인하세요. • 정확도순 = BM25 + 판매지수 • BM25는 ElasticSearch v5.0 부터 default scoring 알고리즘 • Term 출현 빈도의 점수를 제한 • 형태소 분석기 • 노리 • 한국어 분석 공식 지원 • 일본어 형태소 분석기 Kuromoji 엔진 기반 • 은전한닢(MeCab) 사전을 활용 (200MB à 24MB) • 기존 플러그인보다 색인 속도 3~4배 향상 • ElasticSearch v6.5+
  • 64. • 아키텍처 상품 검색 서비스 검색 Admin 영업 지원 시스템 PRD 사전 (불용어/동의어/사용자) 검색 클러스터 Ranker Indexer 형태소 분석기 query Admin 상품/가격/ 재고량/행사 검색 Dashboard Log 모니터링 검색 API Data Platform 점포별 실시간 상품 재고량 행사정보
  • 65. • Admin 도구 상품 검색 서비스
  • 66. • 리뷰 • 배치 색인 데이터와 실시간(재고, 가격) 데이터간 정합성 차이 존재 • 참조 데이터 변경에 따른 상품 색인데이터 업데이트 • 0시 전체 색인, 8시/10시 증분 색인 • 검색 쿼리 시 색인 데이터(0시) 기준 필터링 및 결과 응답, ElasticSearch를 호출하 는 레이어에서 실시간 재고 데이터 업데이트 후 결과 제공 • 기본매가, 일중매가 변경에 따른 운영계 실시간 조회값 반영 • 검소한 사용자 사전 • 브랜드 키워드, 트랜디한 키워드에 맞춘 센스있는 결과 제공이 목표 상품 검색 서비스
  • 67. 마치며 • 본 게임은 이제부터 • 엔지니어링 고도화 • Python/ FastAPI(Http) à Go/ Echo Framework(gRPC) • Hexagonal Architecture • Chaos Engineering • MLOps Pipeline (+click stream 기반 학습) • 서비스 다양화 • 디지털 맵 서비스 • 매장 위치 안내 (on 키오스크) • 상품 위치 안내 (on 이마트앱) • 발주 자동화 • 결품과 재고 사이의 균형 있는 발주 • Plan-O-Gram 최적화 • 동선데이터 기반의 상품연관전시
  • 68. 마치며 • DT는 함께하는 것 • 경계 없는 협력 > 용광로 • DT/AI 도 사람이 만들어 가는 것 • 새로운 문화를 받아들일 수 있는 마 음 • 지혜를 모아 성공 할 때까지 • 실행은 한 마음으로 • 비즈니스 우선 사고 • Not only Tech • 현장 상황과 비즈니스 이해 - 시간 (Time)과 장소(Place) 그리고 상황 (Occasion)
  • 69. 마치며 • AI/ML 서비스가 성공하기 위해 서는 • 강력한 스폰서쉽이 있는가? • 해결하고자 하는 Use Case (숙원사업)가 있는가? • 강력한 Data Platform 구성 되어 있는가? • 성장 가능한 조직문화, 순 환적 시스템을 갖추었는가? • 현업의 적극적인 동참이 이 루어 지는가?
  • 70. 마치며 No pain, No gain Thank you! - Jeon Deuk Jin
  • 72. 그밖에도 • 와인그랩 / 헬씨그랩 • 시맨틱 서치 활용, 고객 성향 맞춤형 추천 • 개인화추천 • Profile 기반 BuyTogether, ViewTogether, 반복구매
  • 73. • 상품 위치안내(앱, 상품상세, 챗봇 연계) • 이마트앱 2.0 – 매장모드에 활용 • 데모 시연 • 맵저작도구 • 맵위치 매핑도구 • 이동경로 안내 시뮬레이터 디지털맵 서비스
  • 74. • 테넌트 위치안내(키오스크) • 판매본부 요청 • ‘23 3월 킨택스점 • ‘23 6월 연수점 • 데모 시연 • 맵저작 도구 • 매장/상품 위치 매핑도구 • 이동경로 안내 시뮬레이터 • 다익스트라 최단경로 알고리즘 • 층간 이동 안내 • 멀티 플로어 쿼터뷰 방식 에스컬레이터, 엘리베이터 경로 포함 디지털맵 서비스