Have a question?
생성형 AI 성공을 위한 데이터 기반
소프트웨어의 작동 원리에 대해 잘 알고 있는 대부분의 사람들은 쓰레기 입력, 쓰레기 출력(garbage in, garbage out)이라는 문구를 잘 알고 있습니다. 이는 애플리케이션이 생성하는 출력의 품질과 정확성은 입력된 정보만큼만 향상된다는 뜻입니다.
자세히 보기
사용자 경험을 고려한 데이터 관리
지금은 특히 데이터 분야에서 흥미롭지만 도전적인 시기입니다. 생성형 AI는 도전 과제와 함께 데이터의 새로운 현실에 대한 희망을 가져왔습니다.
자세히 보기
쿼리 RAG - 사실에 기반하여 강력한 데이터 에이전트를 만드는 새로운 방법
오늘날 대규모 언어 모델(LLM)만으로는 기업 환경에서 실질적인 가치를 제공할 수 있는 지능형 AI 에이전트를 구현하기에 충분하지 않다는 사실이 널리 인정되고 있습니다.
자세히 보기
디노도 플랫폼의 핀옵스(FinOps) 기능으로 데이터 및 분석 클라우드 비용 관리하기
데이터 및 분석 워크로드가 증가함에 따라 클라우드 비용도 증가하며, 이는 현대 조직에서 가장 큰 지출을 차지할 수 있습니다.
자세히 보기
AI를 사용할 준비가 되었는지 어떻게 알 수 있을까요?
흥미로운 질문입니다. AI 준비성에 대한 광범위한 연구를 수행한 후, 저는 이 문제에 대한 전문가들의 의견을 이해하려고 노력했습니다. 랜드 코퍼레이션의 놀라운 통계 중 하나는 인공 지능(AI) 프로젝트의 80%가 실패한다는 것입니다.
자세히 보기
액티브 데이터 아키텍처: 시대의 요구
>조직이 고객 360° 뷰, 공급망 물류, 의료 모니터링 등 점점 더 시간에 민감한 사용 사례를 계속 추구함에 따라 지원 데이터 인프라의 유연성, 적응성, 확장성이 점점 더 요구되고 있습니다.
자세히 보기
디노도 플랫폼의 핀옵스(FinOps) 기능으로 데이터 및 분석 클라우드 비용 관리하기
데이터 및 분석 워크로드가 증가함에 따라 클라우드 비용도 증가하며, 이는 현대 조직에서 가장 큰 지출을 차지할 수 있습니다.
자세히 보기
사용자 경험을 고려한 데이터 관리
지금은 특히 데이터 분야에서 흥미롭지만 도전적인 시기입니다. 생성형 AI는 도전 과제와 함께 데이터의 새로운 현실에 대한 희망을 가져왔습니다.
자세히 보기
액티브 데이터 아키텍처: 시대의 요구
>조직이 고객 360° 뷰, 공급망 물류, 의료 모니터링 등 점점 더 시간에 민감한 사용 사례를 계속 추구함에 따라 지원 데이터 인프라의 유연성, 적응성, 확장성이 점점 더 요구되고 있습니다.
자세히 보기
생성형 AI 성공을 위한 데이터 기반
소프트웨어의 작동 원리에 대해 잘 알고 있는 대부분의 사람들은 쓰레기 입력, 쓰레기 출력(garbage in, garbage out)이라는 문구를 잘 알고 있습니다. 이는 애플리케이션이 생성하는 출력의 품질과 정확성은 입력된 정보만큼만 향상된다는 뜻입니다.
자세히 보기
쿼리 RAG - 사실에 기반하여 강력한 데이터 에이전트를 만드는 새로운 방법
오늘날 대규모 언어 모델(LLM)만으로는 기업 환경에서 실질적인 가치를 제공할 수 있는 지능형 AI 에이전트를 구현하기에 충분하지 않다는 사실이 널리 인정되고 있습니다.
자세히 보기
AI를 사용할 준비가 되었는지 어떻게 알 수 있을까요?
흥미로운 질문입니다. AI 준비성에 대한 광범위한 연구를 수행한 후, 저는 이 문제에 대한 전문가들의 의견을 이해하려고 노력했습니다. 랜드 코퍼레이션의 놀라운 통계 중 하나는 인공 지능(AI) 프로젝트의 80%가 실패한다는 것입니다.
자세히 보기
액티브 데이터 아키텍처: 시대의 요구
>조직이 고객 360° 뷰, 공급망 물류, 의료 모니터링 등 점점 더 시간에 민감한 사용 사례를 계속 추구함에 따라 지원 데이터 인프라의 유연성, 적응성, 확장성이 점점 더 요구되고 있습니다.
자세히 보기