LINE 대만에서 LINE TODAY 관련 자동화 QA 엔지니어로 일하고 있는 Edward와 Miki 입니다.
개요 안녕하세요. LINE 대만에서 LINE TODAY 관련 자동화 QA 엔지니어로 일하고 있는 Edward와 Miki입니다. 이번 글에서는 LINE TODAY에서 웹사이트를 최적화하기 위해 사용하는 구글 애널리틱스(Google Analytics, GA)의 테스트 자동화 방법에 대해 알아보려고 합니다. LINE TODAY를 위한 GA 테스트 GA는 웹사이트 트래픽을 추적하는 가장 보편적인 방법입니다. GA를 이용하면 특정 페이지의 방문자 수는 물론, 방문자 수를 기기 모델이나 나라별로 정렬한 정보 등과 같은 중요한 정보를 알 수 있습니다. 운영 팀에선 이런 정보를 기반으로 방문자 행동을 분석합니다. 분석이 끝나면, 운영 팀은 통계적 관점에서 방문자에게 좀 더 나은 사용자 경험을 줄 수 있는 방향으로 웹사이트의 콘텐츠와 디자인을 최적화할 수 있습니다. 우리는 운영 팀이 GA에서 생성된 LINE TODAY 앱에 대한 보고
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