# \#data-science
**URL:** https://discuss.pytorch.kr/tag/data-science/2302.md
[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)
---
## [RaptorML: 연구용으로 작성한 Python 노트북을 상용 수준으로 변환하는 도구](https://discuss.pytorch.kr/t/raptorml-python/8227)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [11월 18, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/raptorml-python/8227 "2025-11-18T03:30:46Z")
RaptorML 소개 머신러닝(ML) 프로젝트를 진행할 때 데이터 과학자나 ML 엔지니어가 직면하는 가장 큰 어려움 중 하나는 바로 '연구' 단계에서 '운영(Production)' 단계로의 전환입니다. Jupyter 노트북이나 Python 스크립트 환경에서 성공적으로 검증된 모델과 데이터 로직을 실제 서비스에 안정적으로 배포하는 과정은, 연구와는 전혀 다른 차원의 엔지니어링 복잡성을 동반합니다. 확장성, 안정성, 데이터 파이프라인 연결, API 구축, 모니터링 등 백엔드 엔지니어링에 대한 깊은 지식이 필요하기 때문입니다. RaptorML은 바로 이 고질적인 '연구-프로덕션 격차'를 해소하기 위해 등장한 도구입니다. 데이터 과학자들이 익숙한 Python 환경을 벗어나지 않고도, 자신들의 연구 결과물(피처 엔지니어링 로직, 모델 등)을 손쉽게 프로덕션 환경에 배포 가능한 '아티팩트(artifact)'로 컴파일할 수 있게 지원합니다. 즉, 데이터 과학자는 데이터 과학 본연의 업무에만 집중하고, 복잡한 백엔드 엔지니어링의 부담은 RaptorML이 Kubernetes 위에서 처리하도록 위임하는 것입니다. RaptorML의 핵심 가치는 데이터 과학자가 작성한 Python 코드를 기반으로 확장 가능하고 신뢰할 수 있는 운영 시스템을 구축하는 데 있습니다. Python 데코레이터(@feature, @model 등)를 사용하여 피처와 모델을 '선언'하면, RaptorML은 이 정의를 해석하여 Kubernetes 네이티브 아티팩트로 변환합니다. 이 아티팩트들은 프로덕션 환경에서 데이터 소스에 자동으로 연결되고, 필요에 따라 실시간으로 피처를 계산하며, API를 통해 서빙됩니다. 무엇보다 Raptor가 주목받는 이유 중 하나는 머신러닝 시스템의 '학습/서빙 편향(training-serving skew)' 문제를 효과적으로 제거한다는 점입니다. 학습/서빙 편향은 모델 학습 시 사용한 데이터(혹은 피처 계산 로직)와 실제 프로덕션 환경에서 예측을 위해 사용한 데이터가 …
---
## [PyTorchKR이 정리한 오늘의 AI/ML 소식 @ 2023-12-19: RAG 오픈소스 Danswer, AMD의 CDNA3 구조, 데이터 사이언티스트 12인 소개 등](https://discuss.pytorch.kr/t/pytorchkr-ai-ml-2023-12-19-rag-danswer-amd-cdna3-12/3067)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [12월 19, 2023, 1:17오전 UTC](https://discuss.pytorch.kr/t/pytorchkr-ai-ml-2023-12-19-rag-danswer-amd-cdna3-12/3067 "2023-12-19T01:17:09Z")
파이토치 한국 사용자 모임이 한땀한땀 정리한 오늘의 주요 AI/ML 소식들을 전해드립니다. Danswer: 다양한 SaaS들과 연동하여 RAG 기능을 제공하는 오픈소스 MIT 라이선스로 공개한 Danswer은 20개 이상의 커넥터를 통해 다양한 SaaS 도구와 연결하여 검색 및 채팅을 통한 자료 검색 기능을 제공합니다. Danswer은 직접 설치하여 호스팅할 수 있으며, 모든 데이터는 사용자가 원하는 곳에 위치할 수 있습니다. 또한, 원하는 LLM 공급자를 선택하여 사용할 수 있습니다. 필요 시 관련 문서를 검색하고 특정 목적을 위한 문서 모음의 생성 및 관리가 가능합니다. 더 읽어보기 데모 영상: https://www.youtube.com/watch?v=6cDiv-TShh4 빠른 시작 문서: https://docs.danswer.dev/quickstart GitHub 저장소: GitHub - onyx-dot-app/onyx: Open Source AI Platform - AI Chat with advanced features that works with every LLM 관련 태그: ai-saas danswer rag AMD의 CDNA 3 연산 구조에 대한 소개 글 AMD가 최근 공개한 MI300X GPU의 성능 향상에 기반이 되는 CDNA 3의 컴퓨팅 아키텍처를 살펴본 글입니다. NVIDIA의 최신 GPU들과 경쟁하는 AMD는 고급 패키징 기술과 Infinity Fabric 컴포넌트를 사용하고 있으며, Inifity Cache와 HBM을 도입하여 메모리 대역폭 문제를 해결하였습니다. 그 외 GPU 내의 연산 유닛 레이아웃과 메모리 문제 해결을 위한 최적화, 명령어 캐시 등에서의 개선 사항에 대해서도 설명하고 있습니다. 더 읽어보기 AMD’s CDNA 3 Compute Architecture 관련 태그: amd mi300x gpu 2024년에 주목할 데이터사이언스 분야의 12인 소개 Analytics…