Data Engineering Weekly #263
이슈 내 아티클 10건
| 아티클 | 출처 | 한 줄 요약 |
|---|---|---|
| AI Is Here But The Hard Parts Havent Changed | Joe Reis · joereis.substack.com | 194명 데이터 전문가 설문 결과, AI 도구 도입은 사실상 보편화됐지만 레거시 시스템, 리더십 부재, 데이터 모델링 같은 근본적 과제는 전혀 변하지 않았다. |
| Beyond the Dashboard - How BlaBlaCar PMs Use AI to Self-Serve Data | Dorothée Clerc, Antoine Lancesseur · medium.com | BlaBlaCar PM팀이 LLM 기반 AI 어시스턴트를 3단계로 발전시켜 데이터 분석을 셀프서브화했으며, JSON 스키마와 Few-shot 학습으로 SQL 오류율을 32%에서 15%로 줄였다. |
| Change Data Capture - Ilia Gusev | Ilia Gusev · podostack.com | CDC는 변경된 데이터만 추적하여 전체 테이블 복사를 제거하며, Timestamp/Trigger/Log 기반 세 가지 방식의 트레이드오프와 SCD와의 자연스러운 결합을 설명한다. |
| How We Build Evals for Deep Agents | LangChain · blog.langchain.com | LangChain이 Deep Agents를 위해 행동 중심의 타깃 eval을 설계하고, 정확성과 효율성(step ratio, tool call ratio, latency ratio)을 함께 측정… |
| Operating Trino at Scale With Trino Gateway | Prakhar Sapre · medium.com | Expedia가 Trino Gateway를 활용하여 워크로드별 클러스터 라우팅, 무중단 업그레이드, UI 기반 운영 관리를 구현한 대규모 Trino 운영 사례를 공유한다. |
| Redefining Impact as a Data Scientist | Figma · www.figma.com | Figma에서 데이터 과학자의 임팩트는 모델이 아니라, 빌링 같은 미션 크리티컬 시스템의 정확성(correctness)과 명확성(clarity)을 도구로 내재화하는 데서 나온다. |
| State of Context Engineering in 2026 | Aurimas Griciūnas · www.newsletter.swirlai.com | LLM 에이전트의 컨텍스트 윈도우를 효율적으로 관리하기 위한 5가지 성숙 패턴(Progressive Disclosure, 압축, 라우팅, Agentic RAG, 도구 관리)과 각각의 트레이드오프… |
| The LinkedIn Generative AI Application Tech Stack | LinkedIn Engineering · www.linkedin.com | LinkedIn은 회화(conversational), 삽화(episodic), 의미(semantic), 절차(procedural) 4가지 메모리 레이어를 통합한 Cognitive Memory A… |
| The Markdown File That Beat a 50M Vector Database | Micheal Lanham · medium.com | Manus, OpenClaw, Claude Code 세 프로덕션 에이전트가 독립적으로 마크다운 파일 기반 메모리 시스템에 수렴한 이유와, 벡터 DB가 필요해지는 경계를 분석한다. |
| The Revenge of the Data Scientist | Hamel Husain · hamel.dev | LLM 시대에 모델 학습의 중요성은 줄었지만, 평가(eval) 설계, 실험 설계, EDA 같은 데이터 과학의 기초 역량이 오히려 더 중요해졌다. |
상위: index