Hugging Face
Hugging Face
Hugging Face는 머신러닝 모델·데이터셋·데모를 공유하는 중심 허브이자 오픈소스 ML 생태계의 사실상 표준 플랫폼이다. 수십만 개의 사전학습 모델과 데이터셋을 호스팅하고, Transformers·Datasets·Diffusers 같은 핵심 라이브러리를 통해 모델을 내려받아 쓰거나 학습·파인튜닝하게 한다.
핵심 기능은 모델·데이터셋 허브, 무료 라이브러리(Transformers 등), 브라우저 데모를 올리는 Spaces, 매니지드 추론(Inference Endpoints·서버리스 Inference), 그리고 협업·버전관리(Git 기반)·조직 관리다. 모델 카드·라이선스·평가 정보를 한곳에서 제공해 모델 탐색·비교가 쉽다.
대상은 ML 연구자·엔지니어, 오픈 모델을 찾고 배포하려는 개발자, 그리고 사내 모델 자산을 관리하려는 팀이다. 허브·라이브러리·기본 사용은 무료이고, Pro 구독, 매니지드 Inference Endpoints(인스턴스 시간당 과금), Spaces 유료 하드웨어, Enterprise Hub 등에서 과금된다.
강점은 비교 불가한 모델·데이터셋 생태계와 표준 라이브러리, 강한 커뮤니티, 배포까지의 짧은 경로다. 한계는 매니지드 추론·전용 GPU는 자체 비용이 만만치 않고, 방대한 모델 중 품질·라이선스 검증은 사용자 몫이며, 무료 공개 호스팅 특성상 보안·신뢰성은 개별 자산마다 따져야 한다는 점이다.
AI 개발 관련 브리핑
Idle Frontier 게임 개발 경험과 AI 활용
Idle Frontier는 Opus 5(Claude)를 활용하여 개발된 게임으로, 데이터와 컴퓨팅 자원 제약을 다루는 내용을 담고 있다. 게임 개발자는 Godot 3에서 Godot 4로의 마이그레이션과 게임 디자인 패턴을 배우는 데 Claude의 도움을 받았다. Claude는 버그 수정 및 디버깅에서 유용했으며, 게임의 일부 화면은 Claude가 끝까지 구현했다. 그러나 새로운 기능을 구현할 때 기존 기능이 깨지는 등의 문제도 발생했다.
Claude는 Godot 4의 신기능을 배우는 데 도움을 주었으며, 게임 개발 과정에서 효율성을 높일 수 있다.
클코나잇 2 웨비나에서 하네스 엔지니어링 구축 사례 공유
요즘IT는 5월 27일과 6월 10일에 클코나잇 2 웨비나를 개최하고, 개발자와 비개발자가 클로드 코드(Claude Code)를 활용한 경험을 공유했다. 바이버스 AI의 김영채는 하네스 엔지니어링 도입 배경과 마에스트로 데브(Maestro Dev)라는 스킬을 통해 코드 관리와 개발 속도를 개선한 사례를 설명했다. 지난 8개월 동안 4명의 개발자가 170만 줄의 코드를 작업하며 발생한 문제를 해결하기 위해 하네스 엔지니어링을 도입했다고 밝혔다.
마에스트로 데브는 개발자의 암묵지를 형식지화하여 자동화된 개발 프로세스를 통해 코드 관리와 출시 속도를 개선하는 데 기여한다.
AI 해커톤에서 재무 업무 문제 해결을 위한 접근 방식
네이버의 ‘모두의 Engineering Day AI 해커톤’에서 참가자들은 실제 업무 문제를 해결하기 위해 팀을 구성하고, AI를 활용하여 재무 업무를 자동화하는 프로젝트를 진행했다. 팀은 수기 Microsoft Excel 기반의 출자 현황 관리를 LLM·MCP 기반의 투자 포트폴리오 관리 플랫폼으로 전환하는 과제를 선택했다. 이 과정에서 AI의 역할을 단순한 도구가 아닌 문제 정의, 설계, 검증의 파트너로 설정하고, 현재 값이 아닌 거래 이력을 중심으로 시스템을 설계했다.
NVIDIA DeepStream 9.1을 활용한 다중 카메라 3D 추적 애플리케이션 구축
대규모 공간에서 비디오 분석 애플리케이션을 개발하는 개발자는 카메라 뷰 간에 이동하는 동일한 객체를 추적해야 한다. 단일 카메라 2D 추적은 신뢰할 수 있는 깊이 정보를 제공하지 않으며, 객체가 프레임을 벗어날 때 추적을 잃는 경우가 많아 창고 안전, 소매 분석, 스마트 빌딩 모니터링과 같은 애플리케이션의 한계를 초래한다. 현재의 3D 추적 방법은 수동 작업을 요구한다.
NVIDIA DeepStream 9.1을 사용하면 다중 카메라 환경에서 신뢰성 있는 3D 추적을 구현할 수 있다.