Blog - LINE ENGINEERING

TAG ARCHIVES: Data/AI

LINE Timeline의 새로운 도전 1편 - 추천 컨텐츠 탐색을 위한 Discover와 새로운 구독 모델 Follow
LINE Engineering2020-04-20
LINE 타임라인 서비스에 'Discover'와 새로운 구독 모델인 'Follow' 기능이 추가되었습니다. 사용자에게는 많이 낯설지 않은 기능일 것이나, 그 속에서 우리가 고민하고 노력했던 부분들이 무엇인지 공유하고 싶어 이 글을 작성하게 되었습니다. 이번 소개 글을 시작으로 조금 더 자세한 내용까지 전해 드리고자 총 3부작으로 기획했습니다. LINE Timeline의 새로운 도전 1편 - 추천 컨텐츠 탐색을 위한 Discover와 새로운 구독 모델 Follow LINE Timeline의 새로운 도전 2편 - Discover Delivery System 소개 LINE Timeline의 새로운 도전 3편 - Discover 추천 모델 자세히 살펴보기 새로운 도전의 시작 Discover와 Follow는 서비스 관점에서 몇 년 전부터 논의되어 왔던 주제였으나, 개인을 위한 공간이라는 인식이 강한 LINE의 소셜
- Server-side
- Data/AI
LINE 메신저 앱의 공유 모듈 통합 개발기 - 2
LINE Engineering2020-01-22
지난 1편에서 LINE iOS 공유 기능 모듈을 개발하면서 겪었던 어려움과 이를 해결해 나간 방법을 아래 여섯 가지로 나눈 뒤 '1. 데이터 모델 규약 통합'과 '2. 데이터 공유 로직 통합'의 내용을 먼저 설명드렸습니다. 데이터 모델 규약 통합 데이터 공유 로직 통합 사용 가능한 서비스 목록 판단 커스텀/추가 액션 제공 예외 처리 일반화 UI/UX 개선 이어서 이번 글에서는 '3. 사용 가능한 서비스 목록 판단'부터 '6. UI/UX 개선'까지 설명드리면서, 공유 모듈을 사용하는 LINE 내 여러 서비스의 다양한 요구 사항을 만족하면서 유지 보수가 편하고 확장 가능한 구조로 구현하기 위해 저희가 어떤 고민을 했는지 공유하겠습니다. 3. 사용 가능한 서비스 목록 판단 아래와 같이 공유 화면의 하단에는 대화방 이외에 콘텐츠를 공유할 수 있는 서비스 목록이 나타납니다. 그림 5. 공유 가능한 서비스 목록 공유를 시
- iOS
- Data/AI
LINE 메신저 앱의 공유 모듈 통합 개발기 - 1
LINE Engineering2020-01-17
안녕하세요. LINE iOS 클라이언트 개발을 담당하고 있는 조현지, 이건홍입니다. 이번 글에선 LINE iOS 공유 기능 모듈을 개발하면서 겪었던 어려움과 이를 해결해나간 방법에 대해서 이야기하려고 합니다. 공유 모듈 소개 LINE 앱에는 글, 이미지, 비디오 등의 콘텐츠를 자유롭게 업로드하고 접근할 수 있는 대화방, 앨범, 노트, 타임라인, 킵(Keep) 등 다양한 서비스가 있습니다. 또한 메시지를 다른 대화방으로 전달하거나, 킵으로 저장하는 등 서비스에서 서비스로 콘텐츠를 공유할 수 있는 기능을 여러 화면에서 지원하고 있습니다. 기존에는 이러한 공유 기능을 서비스 또는 화면별로 여러 개발자가 각자 구현해서 유지, 보수하고 있었습니다. 모두 유사한 기능을 수행하고 있었지만 각자 관리됐기 때문에 아래와 같은 여러 가지 문제점이 있었습니다. 화면별 UI/UX가 일관적이지 않음 대상 콘텐츠를 나타내는 데이터 모델이 다양함 유사하거나 중복되는 코드가
- iOS
- Data/AI
보안 모니터링을 위한 머신러닝 알고리즘 적용기
LINE Engineering2019-12-04
안녕하세요. 저는 Graylab에서 LINE의 보안 관련 업무를 담당하고 있는 신종호입니다. 저희 Graylab에서는 여러 보안 팀과 함께 LINE의 전반적인 보안을 강화하기 위해 다양한 노력을 기울이고 있습니다. 최근 LINE의 성장과 함께 사업 영역과 서비스가 확장되면서 저희가 보호해야 할 영역도 함께 넓어지고 있습니다. 특히 중요한 서비스에 대해서는 더욱 주의를 기울이고 있는데요. 일례로 시스템 접속 로그 모니터링도 진행 중입니다. 그런데 모니터링해야 할 로그가 쌓여가는 양이 많아 수많은 로그를 효과적으로 관리할 방법이 필요하게 되었습니다. 그래서 이번에 머신러닝을 활용하여 모니터링 업무의 효율을 높여보기로 하였습니다. 우선 저희와 비슷한 다른 기업의 사례를 살펴보면, Google은 오래전부터 다양한 보안 팀을 운영해 오고 있습니다. 그중에서 Google Security Monitoring Tools group에선 구글러들과 내부 네트워크에 대한 모니터링을 강화해 왔습니
- Security Engineering
- Data/AI
AI 글로벌 해커톤, AI RUSH 2019 본선 현장에 다녀왔습니다
홍연의2019-10-07
Developer Relations팀에서 LINE의 개발자와 개발자 문화를 세상에 알리는 Developer Advocate로 일하고 있습니다.
AI RUSH 2019 행사 개요 작년 일본 도쿄에서 개최되었던 LINE DEVELOPER DAY 2018에서 LINE의 CTO 박의빈 님은 LINE의 기술 개발 비전으로 'Next LINE'을 설정했습니다. 이 비전에서 AI(Artificial Intelligence)와 블록체인, 핀테크는 중요한 역할을 담당하고 있습니다. 그중 AI의 더 많은 가능성을 탐색하고, 전 세계의 AI 관련 개발자와 연구자 커뮤니티를 활성화하고, AI 관련 기술 발전에 기여하고자 LINE과 NAVER가 협력하여 AI 글로벌 해커톤 'AI RUSH 2019'를 개최하였습니다. 출처: https://ai-rush.com/ AI RUSH 2019는 예선(온라인)과 본선(오프라인)으로 나누어져 진행되었습니다. 예선에서 높은 점수를 획득한 상위 30개 팀이 춘천에 위치한 네이버 커넥트원에 모여서 해커톤 형식으로 문제를 풀며 실력을 겨루었습니다. 예선에는 이미지 분류(Image c
- LINE Events
- Data/AI
어디에나 있지만 어디에도 없는 LINE 게임의 분석 환경
이명훈2019-03-20
GROWTHY Platform팀에서 데이터 수집, 처리, 저장 업무를 담당하고 있습니다.
안녕하세요. LINE에서 데이터 엔지니어로 일하고 있는 이명훈입니다. 빅데이터와 데이터 분석이라는 단어가 유행한 지도 꽤 오래 되었고, 이제 어떤 서비스든지 데이터 분석은 선택이 아닌 필수가 되었습니다. 모두 열심히 데이터를 수집하고 그 속에서 의미 있는 정보를 찾기 위해 노력합니다. 유의미한 정보를 찾기 위해서는 분석 환경이 필요한데요. 오늘은 LINE에서 게임의 분석 환경 구축과 관련하여 어떤 고민을 했는지 공유해 보고자 합니다. LINE 게임의 분석 환경 분석 환경은 좁게는 Tableau와 엑셀, R과 같은 툴에서부터 넓게는 데이터 설계, 수집, 처리, 분석까지 모두 포함합니다. 이 글에서는 넓은 범위의 분석 환경에 대해 다룹니다. 분석 환경을 구축할 때는 구글이나 아마존처럼 상용화된 환경을 사용하는 경우도 있고, 오픈 소스를 사용해서 직접 구축하는 경우도 있습니다. 규모와 목적에 따라 조금씩
- LINE Games
- Data/AI
딥 러닝 음성 인식에 필요한 훈련 데이터를 직접 만들어보자
Kunihiko Sato2018-10-01
광고 플랫폼을 개발하는 소프트웨어 엔지니어입니다.
안녕하세요, LINE에서 광고 플랫폼 개발을 맡고 있는 1년차 신입사원 Kunihiko Sato입니다. 이번 블로그에서는 Python을 사용해서 임의의 Signal-to-Noise ratio(SN비)를 가진 음성 파형을 만드는 방법을 소개하겠습니다. 참고로 이 포스팅의 내용은 Clova 등 LINE의 음성 사업과는 관련이 없습니다. 음성 처리 분야에서의 딥 러닝 오래 전 딥 러닝이 이미지 처리 분야에서 기술 혁신을 일으켰는데, 음성 처리 분야에서도 비슷한 일이 벌어지고 있습니다. 딥 러닝으로 음석 인식의 정밀도가 크게 향상되면서, Amazon Echo나 Google Home, LINE Clova와 같은 AI 스피커가 개발되어 시장에 보급되었습니다. 또, 컴퓨터로 음성을 생성하는 문자 음성 변환(Text-to-Speech)의 정밀도도 높아져서 실제 사람의 목소리와 분간하기 힘들 정도의 음질이 되었습니다. 음원 분리에 적용된 딥 러닝 위에서 언급한 사례 외에도 딥 러닝을 통해 정밀도 측
- Data/AI
- python
모든 Liner를 위한 데이터 분석 웹 인터페이스 개발기
Keiji Yoshida2018-08-13
LINE Data Labs에서 데이터 개발자로 일하고 있습니다.
LINE Data Labs의 데이터 엔지니어 Keiji Yoshida입니다. 저희 부서는 2017년부터 LINE 직원이라면 누구든지 담당하는 서비스의 데이터를 필요할 때 분석할 수 있는 환경을 구축하여 제공하는 작업을 수행해왔습니다. 이번 글을 통해 이 작업을 여러분께 소개하고자 합니다. LINE Data Labs란 LINE Data Labs는 LINE의 각 서비스의 데이터를 수집, 처리, 집계, 분석하는 작업을 전문화하여 분석된 데이터를 활용하여 각각의 서비스가 성장할 수 있도록 지원하는 부서입니다. 약 50명의 머신 러닝 엔지니어, 데이터 사이언티스트, 데이터 기획자, 데이터 엔지니어가 서로 협력하여 데이터를 수집하고 데이터 집계 및 가시화에 필요한 BI(Business Intelligence)/리포팅 서비스를 제공하는 것뿐만 아니라 서비스 관계자들이 의사 결정할 때 활용할 수 있도록 수집된 데이터를 분석하고 그 결과를 제공하고 있습니다. 또한 각 서비스에 머신 러닝을
- Data Labs
- Data/AI
LINE 광고 데이터 파이프라인 BigDB
임종규, 신중훈2017-07-11
임종규: LINE에서 광고 데이터를 처리하고 있습니다. 신중훈: LINE에서 광고 데이터 플랫폼을 개발하고 있습니다.
시작하기 전에 안녕하세요, LINE에서 광고 데이터 처리 및 광고 플랫폼 개발 업무를 담당하고 있는 임종규, 신중훈입니다. 이번 블로그에서는 LINE 광고의 빅데이터를 처리하는 플랫폼인 BigDB를 구현하게 된 배경과 BigDB의 정의, 구조, 기능, Use case를 소개하고자 합니다. BigDB를 구현하게 된 배경 여러 서비스의 DB 데이터가 서비스의 규모가 커짐에 따라서 분석 업무에 활용하기 어려워지고, 이를 해결하는 방안으로 빅데이터를 지원하는 여러 오픈 솔루션을 사용해 왔습니다. 서로 장단점을 가진 여러 형태의 오픈 솔루션을 업무의 요건에 따라 적절히 사용하다 보면, 상황에 따라서 조금씩 아쉽거나 부족한 부분이 발생하기 마련입니다. 다양한 업무의 데이터 처리를 경험해 오면서, 데이터 처리의 업무를 공통화하기 위해서는 데이터의 수집/가공/재가공/조회 기능을 가능한 한 간편하고 일반적인 형태로 제공하는 것이 좋겠다고 판단했습니다. BigDB 소개 BigDB란 무엇인가 BigDB
- Data/AI

1 2 3