[광고] 다음 직무 채용 예정입니다.

- 프러덕트/사업 기획 1인
- 프러덕트 디자인 1인
- 풀스택 웹 or 앱(RN) 개발자 1인
- 백엔드(음성 AI 에이전트) 개발자 1인

연차 무관, 인턴, 정규 모두 고려하고 있습니다.

참고로, 이번달에 시드단계로썬 상당히 좋은 투자를 받았고, 조금이지만 매출도 내고 있습니다. 업무에 AI를 매우 적극적으로 활용합니다.

자세한 팀 소개와 채용 공고는 곧 올리겠습니다. 많관부입니다. 🙇🏻🙇🏻‍♀️

회사 홈페이지 👉 https://playmore.ai

[광고] 다음 직무 채용 예정입니다. - 프러덕트/사업 기획 1인- 프러덕트 디자인 1인- 풀스택 웹 or 앱(RN) 개발자 1인- 백엔드(음성 AI 에이전트) 개발자 1인 연차 무관, 인턴, 정규 모두 고려하고 있습니다. 참고로, 이번달에 시드단계로썬 상당히 좋은 투자를 받았고, 조금이지만 매출도 내고 있습니다. 업무에 AI를 매우 적극적으로 활용합니다. 자세한 팀 소개와 채용 공고는 곧 올리겠습니다. 많관부입니다. 🙇🏻🙇🏻‍♀️ 회사 홈페이지 👉 https://playmore.ai

안녕하세요. 그린입니다 🍏이번 포스팅에서는 Logger 캐싱과 성능에 대해 한번 정리해볼까 합니다 🙋🏻Logger Caching & PerformanceiOS 개발에서 os.Logger를 포함한 로깅 시스템은 앱 진단 및 디버깅에 있어서 핵심적인 역할을 해줍니다. 하지만, 혹시 Logger 인스턴스를 매번 새로 생성하고 있지는 않으신가요? 이번 포스팅에서는 그것을 중심으로 Logger 인스턴스 캐싱이 왜 필요하고 실제로 어떤 성능 차이가 있는지에 대해 한번 분석해보면서 정리해봅니다 😃 Logger를 매번 새로 만든다면?Apple은 iOS 14부터 os.Logger API를 도입하면서 기존의 os_log 기반 로깅을 더 정돈된 방식으로 관리할 수 있게 발전했습니다.이 Logger는 단순한 구조체지만..

Logger Caching & Performance

os.Logger를 매번 새로 만들면 내부적으로 생각보다 많은 비용이 발생합니다.
Logger 인스턴스를 캐싱했을때와 아닐때의 성능을 한번 비교해봐도 좋은 포인트입니다.
이를 위해 구현 패턴과 수치 기반의 분석을 아주 간단히 정리해봤습니다 🙋🏻

os.Logger를 매번 새로 만들면 내부적으로 생각보다 많은 비용이 발생합니다.Logger 인스턴스를 캐싱했을때와 아닐때의 성능을 한번 비교해봐도 좋은 포인트입니다.이를 위해 구현 패턴과 수치 기반의 분석을 아주 간단히 정리해봤습니다 🙋🏻

iOYES

Logger 인스턴스 매번 생성하시나요?

AI(LLM) 애플리케이션의 발전 속도가 AI 지능(능력)의 발전 속도를 따라가지 못하고 있는 상태가 되었다. 즉, 이제 AI가 부족한 것이 문제가 아니라, AI의 능력을 100% 활용하지 못하고 있는 것이 문제인 상태가 되었다는 이야기.

AI(LLM) 애플리케이션의 발전 속도가 AI 지능(능력)의 발전 속도를 따라가지 못하고 있는 상태가 되었다. 즉, 이제 AI가 부족한 것이 문제가 아니라, AI의 능력을 100% 활용하지 못하고 있는 것이 문제인 상태가 되었다는 이야기.

IT 회사의 업무에서, 지금까지는 디자이너와 특히 개발자가 병목이었는데, 대 AI 시대에는 기획자가 병목이 될 수도 있겠다. 조금이라도 규모가 있는 기업에서의 가장 큰 병목은 보통 의사결정자라는 것을 생각해보면 그렇다.

즉, 실무보다 의사결정을 AI에게 맡기는 것이 병목을 해소할 수 있는 가장 확실한 방법이며, 그러므로 부장님과 사장님을 AI로 대체하는 것이야말로 인류의 번영을 위한 가장 빠른 지름길이다. (아님. 아니 맞나?!)

IT 회사의 업무에서, 지금까지는 디자이너와 특히 개발자가 병목이었는데, 대 AI 시대에는 기획자가 병목이 될 수도 있겠다. 조금이라도 규모가 있는 기업에서의 가장 큰 병목은 보통 의사결정자라는 것을 생각해보면 그렇다. 즉, 실무보다 의사결정을 AI에게 맡기는 것이 병목을 해소할 수 있는 가장 확실한 방법이며, 그러므로 부장님과 사장님을 AI로 대체하는 것이야말로 인류의 번영을 위한 가장 빠른 지름길이다. (아님. 아니 맞나?!)

소신발언. git은 diff의 래퍼일 뿐.

소신발언. git은 diff의 래퍼일 뿐.

👋 안녕하세요~ 평비입니다!오늘은 5년 간의 소프트웨어 엔지니어링 채용 공고의 변화에 대해서 다뤄보려고 합니다.참고로, 이 글은 아래 글을 번역한 것입니다! ✍️ https://blog.pragmaticengineer.com/software-engineer-jobs-five-year-low/ Software engineering job openings hit five-year low?There are 35% fewer software developer job listings on Indeed today, than five years ago. Compared to other industries, job listings for software engineers grew much more in 2021-20..

5년만에 최저치를 기록한 SW 개발자 채용 공고

다양한 원인이 있겠지만, 금리 인상, 생성형 AI, 팬데믹 간 과도한 고용 등 여러 관점이 있습니다.

개발 생산성을 엄청나게 높이고 있는 생성형 AI가 나비 효과를 일으켜, 미국 테크 기업들의 해고, 고용 동결 등으로 이어지는 것 같습니다.

과연 생성형 AI는 개발자들의 구세주일까요, 아니면 고용 한파의 숨겨진 주범일까요...? 🤔

그럼에도, 호주는 SW 개발자 구인 공고가 늘었다는데... 이민을 가야할까요?

https://gatchbee.tistory.com/74

다양한 원인이 있겠지만, 금리 인상, 생성형 AI, 팬데믹 간 과도한 고용 등 여러 관점이 있습니다. 개발 생산성을 엄청나게 높이고 있는 생성형 AI가 나비 효과를 일으켜, 미국 테크 기업들의 해고, 고용 동결 등으로 이어지는 것 같습니다. 과연 생성형 AI는 개발자들의 구세주일까요, 아니면 고용 한파의 숨겨진 주범일까요...? 🤔 그럼에도, 호주는 SW 개발자 구인 공고가 늘었다는데... 이민을 가야할까요? https://gatchbee.tistory.com/74

개발자 취업 비법

5년만에 최저치를 기록한 SW 개발자 채용

어제 AI 시대의 개발자 토론회에서 내가 대 AI 시대에는 버전관리 시스템이 필요없을 수도 있다고 생각해야한다는 말을 했는데, 그정도로 파격적인 생각을 해야한다는 이야기긴했지만, 진짜 그럴까?를 다시 한 번 생각해봤다.

우선 버전관리 시스템의 목적은 크게 다음 세 가지다.

1. 변경 이력 관리: 코드나 문서의 수정 내용을 체계적으로 기록하여 언제, 누가, 무엇을 변경했는지 추적 할 수 있게 함.

2. 협업 지원: 여러 명이 동시에 작업해도 충돌 없이 협업할 수 있도록 함.

3. 안전한 복원: 문제가 발생했을 때 과거 상태로 쉽게 되돌릴 수 있도록 해, 안정성과 신뢰성을 높일 수 있도록 함.

앞으로 개발의 방법은 아마도 AI Agent에게 여러개의 작업을, 아니 수십 수백개의 작업을 쉴 새 없이 던지는 시대가 될 것이다.

그것이 프로토타입을 만드는 것이든, 프러덕션용 기능을 만드는 것이든, 버그를 수정하는 것이든, 리팩토링을 하는 것이든.

그렇게 생각하니 git은 AI Agent 시대를 예견하고 만들었나 싶을 정도로 AI 시대에 완벽한 AI와의 협업 툴이라는 생각이 든다. 그것이 비단 코드 뿐만이 아니고 거의 모든 업무에서.

오히려 이슈 관리 툴이 이에 맞게 변경되어야하는게 아닌가 싶은 생각이 든다. 왜냐하면 이슈를 등록하는 것은 보통 “언젠가” 해야 할 일인데, 앞으로는 “그 즉시” 진행하는 일이 될 것이니.

예를 들어 지금은 일을 시작하기 전에 이슈를 사람이 체계적으로 잘 정리하는 것을 먼저하는데, 앞으로는 AI가 사용 패턴을 미리 수집해서 정리 및 예측하고 해결 방법을 제안하는 형태가 되거나,

혹은 사람이 한마디하면 그 즉시 일을 시작하는 태스크 트리거가 오히려 이슈의 앞단에 있고, 이슈는 사후 정리되는 형태가 되지 않을까라는 생각이 든다.

아무튼, 기존의 툴들은 대부분 “사람간의” 협업을 쉽게 효율적으로하는 것이 집중되어 있는데, 앞으로는 “AI와의 협업”을 효율적으로 하는 것이 중요해지니, 이러한 협업 툴도 대 전환기를 맞게 될 수도 있겠다.

어제 AI 시대의 개발자 토론회에서 내가 대 AI 시대에는 버전관리 시스템이 필요없을 수도 있다고 생각해야한다는 말을 했는데, 그정도로 파격적인 생각을 해야한다는 이야기긴했지만, 진짜 그럴까?를 다시 한 번 생각해봤다. 우선 버전관리 시스템의 목적은 크게 다음 세 가지다. 1. 변경 이력 관리: 코드나 문서의 수정 내용을 체계적으로 기록하여 언제, 누가, 무엇을 변경했는지 추적 할 수 있게 함. 2. 협업 지원: 여러 명이 동시에 작업해도 충돌 없이 협업할 수 있도록 함. 3. 안전한 복원: 문제가 발생했을 때 과거 상태로 쉽게 되돌릴 수 있도록 해, 안정성과 신뢰성을 높일 수 있도록 함. 앞으로 개발의 방법은 아마도 AI Agent에게 여러개의 작업을, 아니 수십 수백개의 작업을 쉴 새 없이 던지는 시대가 될 것이다. 그것이 프로토타입을 만드는 것이든, 프러덕션용 기능을 만드는 것이든, 버그를 수정하는 것이든, 리팩토링을 하는 것이든. 그렇게 생각하니 git은 AI Agent 시대를 예견하고 만들었나 싶을 정도로 AI 시대에 완벽한 AI와의 협업 툴이라는 생각이 든다. 그것이 비단 코드 뿐만이 아니고 거의 모든 업무에서. 오히려 이슈 관리 툴이 이에 맞게 변경되어야하는게 아닌가 싶은 생각이 든다. 왜냐하면 이슈를 등록하는 것은 보통 “언젠가” 해야 할 일인데, 앞으로는 “그 즉시” 진행하는 일이 될 것이니. 예를 들어 지금은 일을 시작하기 전에 이슈를 사람이 체계적으로 잘 정리하는 것을 먼저하는데, 앞으로는 AI가 사용 패턴을 미리 수집해서 정리 및 예측하고 해결 방법을 제안하는 형태가 되거나, 혹은 사람이 한마디하면 그 즉시 일을 시작하는 태스크 트리거가 오히려 이슈의 앞단에 있고, 이슈는 사후 정리되는 형태가 되지 않을까라는 생각이 든다. 아무튼, 기존의 툴들은 대부분 “사람간의” 협업을 쉽게 효율적으로하는 것이 집중되어 있는데, 앞으로는 “AI와의 협업”을 효율적으로 하는 것이 중요해지니, 이러한 협업 툴도 대 전환기를 맞게 될 수도 있겠다.

About Coupang Eats 쿠팡이츠(Coupang Eats)는 대한민국에서 가장 빠르게 성장하고 있는 쿠팡의 음식 배달 서비스입니다. 2019년 국내 배달 업계에 혜성처럼 등장한 쿠팡이츠는 2024년 ‘무제한 무료배달’로 세상을 다시 한번 놀라게 했습니다. 고객에게 최상의 배달 경험을 선사하기 위해 끊임없이 노력한 결과물입니다. 지금껏 선보인 혁신은 시작에 불과합니다. 세상 모든 사람들이 “쿠팡이츠 없이 어떻게 살았을까?” 생각할 수 있도록 더 나은 미래를 향한 도전을 멈추지 않겠습니다. 쿠팡이츠는 성원들의 역량을 높일 수 있는 기회를 제공합니다. 분야별 전문가들과 함께 비즈니스를 성장시키고 싶다면, 지금 바로 쿠팡이츠에 합류하세요.

2025 쿠팡이츠 테크 신입 개발자 공개 채용

안녕하세요.
오늘은 기술적인 내용의 포스트가 아닌걸 하나 공유해봅니다 🙋🏻

저희 조직에서 신입 개발자 채용을 열었습니다.
요즘 같이 취업이 어렵고 특히 신입 취업은 더욱 어려운 시기에 좋은 단비가 되었으면 좋겠어요 😃
기술적, 비지니스적, 업무적인 부분에서 정말 많이 배워나가실 수 있습니다.
또한 유능한 동료들과 재밌는 서비스를 같이 만들어볼 수 있어요.

혹시 관심이 있으셨거나 생기셨다면 꼭 지원해주세요 🚀

안녕하세요.오늘은 기술적인 내용의 포스트가 아닌걸 하나 공유해봅니다 🙋🏻 저희 조직에서 신입 개발자 채용을 열었습니다.요즘 같이 취업이 어렵고 특히 신입 취업은 더욱 어려운 시기에 좋은 단비가 되었으면 좋겠어요 😃기술적, 비지니스적, 업무적인 부분에서 정말 많이 배워나가실 수 있습니다.또한 유능한 동료들과 재밌는 서비스를 같이 만들어볼 수 있어요. 혹시 관심이 있으셨거나 생기셨다면 꼭 지원해주세요 🚀

Coupang Careers

2000년 초반부터 온톨로지 연구를 해왔고, 관심을 갖고 있는 사람으로서 GraphRAG 에 대해 갖고 있는 생각을 적어봤습니다.

1.
GraphRAG는 전통적인 RAG 기법 대비 좋은 성능을 보인다는 연구들이 보고되고 있기는 합니다만, 일단 KG(knowledge graph) 자체가 잘 구축되어 있을 것을 1차적인 전제로 한다는 면에서 허들이 있습니다. 그럼에도 최근 이 기술이 각광을 받는 것은 일반적인 자연어에 비해 정보를 구조화해서 LLM에 전달할 때의 장점이 있기 때문이라 생각합니다.

2.
그러나, knowledge graph의 구축비용이 만만치 않습니다. 도메인 전문가가 직접 구축하는 것이 기본적인 접근인데 이 비용은 두말할 것 없을 겁니다. LLM을 활용해서 구축하는 방법도 있겠지만, 어차피 다시 LLM에 입력해서 활용할 정보인데 굳이 그래프 형태로 경유해야만 하는가에 대한 의문이 생길 수 있습니다.

제 생각엔(증명해보진 못했습니다만), 정보를 자연어 문장 형태로 나열하는 방식 대비, 동일한 용어나 정보를 사용하더라도 그래프 형태로 구성되었을 때 그 구조 자체가 주는 의미적인 정보가 더 명시적으로 표현될 수 있기에 (node 간 거리 등으로), LLM의 output을 graph로 구성만 해주더라도 답변에 더 도움이 될만한 여지가 있지 않을까 싶긴 합니다.

3.
하지만 GraphRAG에서의 허들은 KG 구축비용만이 아닙니다. KG로부터 sub graph를 추출할 때 사용자 질의에 필요한 지식의 편향이 오히려 오답을 유도할 수 있기에, KG 자체를 node를 균형있게 설계하고 실제 instance 레벨에서 일정한 수준의 밀도를 유지해야 하지만 query 할 때도 이를 고려한 튜닝을 해줘야 합니다.

예컨대 한 node는 edge가 많이 연결되고 다른 node는 적거나 없을 가능성이 다분하기에, 어떤 연구에서는 node 와 edge 의 비율이 1:2.5~3.5 수준으로 유지하는 것이 좋고, graph traversal도 5~7 수준으로 유지하는 것이 좋다라고 보고하기도 했습니다. 이 정도라도 할 수 있는 수준의 KG를 갖추기도 비용이 만만치 않다는 점도 현실이지만, 만일 있다고 하더라도 저 숫자가 정답은 아닐겁니다. 말그대로 케바케죠. query 를 케바케로 튜닝해야 한다는 건 결국 비용입니다.

4.
또한 sub graph 추출은 단순히 키워드 매칭을 하는 문제가 아니라, 그래프 탐색 전략, 랭킹 알고리즘 등을 조합해서 튜닝해야 하고, 불필요한 node는 필터링해야 할 수도 있습니다. 또 그렇게 추출한 결과에서 질문에 필요한 정보가 아닌 meta 성 property들은 제거해줘야 할 수도 있고, query 결과의 문법적 요소들을 정제해줘야 할 수도 있습니다 (LLM 입장에서 noise가 될 가능성도 있고, 불필요한 token을 소모하게 된다는 점 등을 고려하면).

5.
이런 복잡성과 튜닝비용을 감수하고서라도 GraphRAG의 성능이 전통적인 RAG나 이를 개선한 여러 방법론들 대비 장점이 있는지에 대한 것은, 프로젝트 성격에 따라 신중하게 검토해야 할 문제입니다. GraphRAG가 좋다고 하니 무작정 덤빌 문제가 아니라는 뜻이죠.

2000년 초반부터 온톨로지 연구를 해왔고, 관심을 갖고 있는 사람으로서 GraphRAG 에 대해 갖고 있는 생각을 적어봤습니다. 1. GraphRAG는 전통적인 RAG 기법 대비 좋은 성능을 보인다는 연구들이 보고되고 있기는 합니다만, 일단 KG(knowledge graph) 자체가 잘 구축되어 있을 것을 1차적인 전제로 한다는 면에서 허들이 있습니다. 그럼에도 최근 이 기술이 각광을 받는 것은 일반적인 자연어에 비해 정보를 구조화해서 LLM에 전달할 때의 장점이 있기 때문이라 생각합니다. 2.그러나, knowledge graph의 구축비용이 만만치 않습니다. 도메인 전문가가 직접 구축하는 것이 기본적인 접근인데 이 비용은 두말할 것 없을 겁니다. LLM을 활용해서 구축하는 방법도 있겠지만, 어차피 다시 LLM에 입력해서 활용할 정보인데 굳이 그래프 형태로 경유해야만 하는가에 대한 의문이 생길 수 있습니다. 제 생각엔(증명해보진 못했습니다만), 정보를 자연어 문장 형태로 나열하는 방식 대비, 동일한 용어나 정보를 사용하더라도 그래프 형태로 구성되었을 때 그 구조 자체가 주는 의미적인 정보가 더 명시적으로 표현될 수 있기에 (node 간 거리 등으로), LLM의 output을 graph로 구성만 해주더라도 답변에 더 도움이 될만한 여지가 있지 않을까 싶긴 합니다. 3.하지만 GraphRAG에서의 허들은 KG 구축비용만이 아닙니다. KG로부터 sub graph를 추출할 때 사용자 질의에 필요한 지식의 편향이 오히려 오답을 유도할 수 있기에, KG 자체를 node를 균형있게 설계하고 실제 instance 레벨에서 일정한 수준의 밀도를 유지해야 하지만 query 할 때도 이를 고려한 튜닝을 해줘야 합니다. 예컨대 한 node는 edge가 많이 연결되고 다른 node는 적거나 없을 가능성이 다분하기에, 어떤 연구에서는 node 와 edge 의 비율이 1:2.5~3.5 수준으로 유지하는 것이 좋고, graph traversal도 5~7 수준으로 유지하는 것이 좋다라고 보고하기도 했습니다. 이 정도라도 할 수 있는 수준의 KG를 갖추기도 비용이 만만치 않다는 점도 현실이지만, 만일 있다고 하더라도 저 숫자가 정답은 아닐겁니다. 말그대로 케바케죠. query 를 케바케로 튜닝해야 한다는 건 결국 비용입니다. 4.또한 sub graph 추출은 단순히 키워드 매칭을 하는 문제가 아니라, 그래프 탐색 전략, 랭킹 알고리즘 등을 조합해서 튜닝해야 하고, 불필요한 node는 필터링해야 할 수도 있습니다. 또 그렇게 추출한 결과에서 질문에 필요한 정보가 아닌 meta 성 property들은 제거해줘야 할 수도 있고, query 결과의 문법적 요소들을 정제해줘야 할 수도 있습니다 (LLM 입장에서 noise가 될 가능성도 있고, 불필요한 token을 소모하게 된다는 점 등을 고려하면). 5.이런 복잡성과 튜닝비용을 감수하고서라도 GraphRAG의 성능이 전통적인 RAG나 이를 개선한 여러 방법론들 대비 장점이 있는지에 대한 것은, 프로젝트 성격에 따라 신중하게 검토해야 할 문제입니다. GraphRAG가 좋다고 하니 무작정 덤빌 문제가 아니라는 뜻이죠.

GraphRAG 에 대한 생각

'UT’라는 표현으로 테스트를 전부 표기하는 경우가 많은데, 두 가지를 구분해서 써야 합니다.

User Testing (유저 테스팅)
- 만든 솔루션이 유효한지, 사용자가 받아들이는지 확인하는 단계입니다. 주로 정성적인 피드백, 만족도, 행동 관찰 등을 통해 판단합니다.

Usability Test (사용성 테스트)
- 사용자가 실제로 쉽게 쓸 수 있는지, 흐름이 자연스러운지 확인합니다. 과제를 수행하게 하거나, 인지 흐름을 추적해 사용성 문제를 파악합니다.

이 두 가지를 구분하지 않으면, 문제를 어떻게 정의했고 어떤 기준으로 검증했는지 흐려질 수밖에 없습니다(혼합시에도 시점 표기). 어떤 의도로 어떻게 테스트를 했는지 명확히 쓰는 게 중요하니 체크해 보시길 추천합니다.

'UT’라는 표현으로 테스트를 전부 표기하는 경우가 많은데, 두 가지를 구분해서 써야 합니다. User Testing (유저 테스팅)- 만든 솔루션이 유효한지, 사용자가 받아들이는지 확인하는 단계입니다. 주로 정성적인 피드백, 만족도, 행동 관찰 등을 통해 판단합니다. Usability Test (사용성 테스트)- 사용자가 실제로 쉽게 쓸 수 있는지, 흐름이 자연스러운지 확인합니다. 과제를 수행하게 하거나, 인지 흐름을 추적해 사용성 문제를 파악합니다. 이 두 가지를 구분하지 않으면, 문제를 어떻게 정의했고 어떤 기준으로 검증했는지 흐려질 수밖에 없습니다(혼합시에도 시점 표기). 어떤 의도로 어떻게 테스트를 했는지 명확히 쓰는 게 중요하니 체크해 보시길 추천합니다.

UX 포트폴리오에서 ‘UT’라고 일반화 하지 않기

📍 디자인 취업 고민 오픈챗으로 초대합니다.
https://open.kakao.com/o/gqr3zbNg

프로덕트 매니저(PM)로 일하면서 늘 지표 이야기를 듣게 됩니다. 대부분 PM은 선행지표(leading indicator)와 후행지표(lagging indicator)의 개념을 잘 이해하고 있습니다. 하지만 선행지표에 영향을 미치는 '인풋(input) 지표, '아웃풋(output)' 지표까지 고려하지 않는 경우가 있어서 예시와 함께 설명을 드려보겠습니다.

1. 선행지표와 후행지표
선행지표는 우리가 지금 당장 어떤 행동을 해야 미래의 목표를 달성할 수 있을지 미리 알려주는 지표입니다. 쉽게 말하면 '미래의 성과를 예측할 수 있는 지표'입니다. 예를 들면 커머스에서 '검색 결과에서 장바구니로 담는 비율', SaaS 서비스의 '세션당 핵심 기능 사용 횟수' 등이 대표적입니다.

반면 후행지표는 이미 일어난 일을 통해 우리의 노력이 얼마나 성공적이었는지 확인하는 지표입니다. 예를 들면 매출, ARR(연간 반복 매출), 리텐션 등이 있습니다.

2. 선행지표에 집중해야 하는 이유
OKR을 설정할 때 후행지표가 아니라 선행지표를 설정해야 한다는 점을 많이 강조합니다. 선행지표가 중요한 이유는 변화를 사전에 감지하고 이에 따라 적절히 개선할 수 있는 시간을 확보할 수 있기 때문입니다. 또한, 선행지표는 하나의 팀이나 조직이 직접적으로 통제할 수 있는 지표인 반면, 매출 같은 후행지표는 외부 변수나 여러 팀의 복합적 요인이 영향을 미치기 때문에 통제력이 낮으며, 문제 발생시 진단하고 개선하는 데 많은 시간 지연이 발생할 수 있습니다.

선행지표의 다른 장점은 조직 내 행동을 촉진하는 점입니다. "사람은 측정되는 대로 행동한다"라는 말이 있듯이, 실행 가능한 행동에 집중하도록 하는 것이 선행지표의 큰 장점입니다. 선행지표를 OKR과 같은 주요 목표와 연결하면 팀이 당장 실행 가능한 행동에 집중할 수 있고, 후행지표로 최종 성과를 검증해서 목표 왜곡을 방지해나갈 수 있습니다.

3. 우리가 놓치기 쉬운 인풋과 아웃풋 지표의 중요성
선행지표만으로 충분하다고 생각할 수도 있지만, 실제로는 이 선행지표를 움직이는 인풋(input)과 아웃풋(output) 지표 개념을 같이 일면 좋습니다. PM이 이 구조를 이해하면 제품의 다이나믹고 함께 지표를 더욱 체계적으로 관리할 수 있습니다. 인풋 지표는 팀이 직접적으로 통제할 수 있는 구체적인 행동을 나타내며, 아웃풋 지표는 그 행동의 결과로 나타내는 지표입니다. OKR과 같은 전략적 목표는 선행지표로 설정하고, 선행지표를 움직이게 만드는 인풋과 아웃풋 지표는 개별 이니셔티브나 프로젝트 단위에서 설정하면 목표 달성을 위한 실행력을 높이고, 실질적인 개선 방향을 잡을 수 있습니다.

4. 가상의 예시: 커머스의 검색→구매 전환율 높이기
커머스 search and discovery 팀의 예시(가상)를 통해 인풋 지표(input metric), 선행 지표(leading metric), 아웃풋 지표(output metric), 그리고 후행 지표(lagging metric)의 명확한 관계와 역할을 설명해 보겠습니다.

이 팀의 목표는 검색을 진행한 유저들의 구매 전환율을 향상시키는 것입니다. 처음에는 '검색 결과를 본 유저가 장바구니에 상품을 담는 비율(검색>장바구니 전환율)’을 선행지표로 잡고 UX 개선을 시도했으나, 기대만큼 장바구니 담기 전환율이 상승하지 않았습니다. 그때 담당 프로덕트 매니저(PM)는 중요한 점을 깨닫습니다.

바로, 선행 지표에 직접 영향을 줄 수 있는 팀이 컨트롤 가능한 '인풋 지표'가 설정되지 않았다는 점이었습니다. 기존의 검색 결과 로직이 단순 알파벳(가나다) 순이었기 때문에, 이를 '인기순' 정렬로 변경하는 실험을 진행하기로 합니다.

팀은 '인기순 정렬이 적용된 검색 결과 페이지의 노출 수'를 인풋 지표로 정의했습니다. 팀이 검색 결과 화면에서 인기순 정렬 방식을 부분적으로 배포하여, 이 노출 수를 직접적으로 조정할 수 있었기 때문입니다. 또한 인기순 정렬의 실제 성과는 '검색 결과 CTR(클릭률)'이라는 아웃풋 지표를 통해 측정하였습니다.

실험 결과, 인기순 정렬이 적용된 페이지의 CTR이 상승했고, 이는 선행지표인 장바구니 전환율의 상승으로 이어졌습니다. 결과적으로 장바구니 전환율의 증가는 후행 지표인 주간/월간 검색 기반 매출의 의미 있는 상승으로 이어졌습니다.

이를 간단히 플로우로 보여주면 아래와 같습니다.
(Input) 인기순 정렬 적용된 검색 결과 페이지 노출 수 증가 ⟶ (Output) 검색 결과 CTR 증가 ⟶ (Lead) 장바구니 담기 전환율 증가 ⟶ (Lag) 주간/월간 매출 증가

이처럼 인풋, 선행, 아웃풋, 후행 지표를 명확히 구분하고 각 지표의 역할, 영향력을 설정하면 PM이 제품 개선의 방향성을 정하는데 기여할 수 있을 것이라 생각합니다.

프로덕트 매니저(PM)로 일하면서 늘 지표 이야기를 듣게 됩니다. 대부분 PM은 선행지표(leading indicator)와 후행지표(lagging indicator)의 개념을 잘 이해하고 있습니다. 하지만 선행지표에 영향을 미치는 '인풋(input) 지표, '아웃풋(output)' 지표까지 고려하지 않는 경우가 있어서 예시와 함께 설명을 드려보겠습니다. 1. 선행지표와 후행지표 선행지표는 우리가 지금 당장 어떤 행동을 해야 미래의 목표를 달성할 수 있을지 미리 알려주는 지표입니다. 쉽게 말하면 '미래의 성과를 예측할 수 있는 지표'입니다. 예를 들면 커머스에서 '검색 결과에서 장바구니로 담는 비율', SaaS 서비스의 '세션당 핵심 기능 사용 횟수' 등이 대표적입니다. 반면 후행지표는 이미 일어난 일을 통해 우리의 노력이 얼마나 성공적이었는지 확인하는 지표입니다. 예를 들면 매출, ARR(연간 반복 매출), 리텐션 등이 있습니다. 2. 선행지표에 집중해야 하는 이유 OKR을 설정할 때 후행지표가 아니라 선행지표를 설정해야 한다는 점을 많이 강조합니다. 선행지표가 중요한 이유는 변화를 사전에 감지하고 이에 따라 적절히 개선할 수 있는 시간을 확보할 수 있기 때문입니다. 또한, 선행지표는 하나의 팀이나 조직이 직접적으로 통제할 수 있는 지표인 반면, 매출 같은 후행지표는 외부 변수나 여러 팀의 복합적 요인이 영향을 미치기 때문에 통제력이 낮으며, 문제 발생시 진단하고 개선하는 데 많은 시간 지연이 발생할 수 있습니다. 선행지표의 다른 장점은 조직 내 행동을 촉진하는 점입니다. "사람은 측정되는 대로 행동한다"라는 말이 있듯이, 실행 가능한 행동에 집중하도록 하는 것이 선행지표의 큰 장점입니다. 선행지표를 OKR과 같은 주요 목표와 연결하면 팀이 당장 실행 가능한 행동에 집중할 수 있고, 후행지표로 최종 성과를 검증해서 목표 왜곡을 방지해나갈 수 있습니다. 3. 우리가 놓치기 쉬운 인풋과 아웃풋 지표의 중요성 선행지표만으로 충분하다고 생각할 수도 있지만, 실제로는 이 선행지표를 움직이는 인풋(input)과 아웃풋(output) 지표 개념을 같이 일면 좋습니다. PM이 이 구조를 이해하면 제품의 다이나믹고 함께 지표를 더욱 체계적으로 관리할 수 있습니다. 인풋 지표는 팀이 직접적으로 통제할 수 있는 구체적인 행동을 나타내며, 아웃풋 지표는 그 행동의 결과로 나타내는 지표입니다. OKR과 같은 전략적 목표는 선행지표로 설정하고, 선행지표를 움직이게 만드는 인풋과 아웃풋 지표는 개별 이니셔티브나 프로젝트 단위에서 설정하면 목표 달성을 위한 실행력을 높이고, 실질적인 개선 방향을 잡을 수 있습니다. 4. 가상의 예시: 커머스의 검색→구매 전환율 높이기 커머스 search and discovery 팀의 예시(가상)를 통해 인풋 지표(input metric), 선행 지표(leading metric), 아웃풋 지표(output metric), 그리고 후행 지표(lagging metric)의 명확한 관계와 역할을 설명해 보겠습니다. 이 팀의 목표는 검색을 진행한 유저들의 구매 전환율을 향상시키는 것입니다. 처음에는 '검색 결과를 본 유저가 장바구니에 상품을 담는 비율(검색&gt;장바구니 전환율)’을 선행지표로 잡고 UX 개선을 시도했으나, 기대만큼 장바구니 담기 전환율이 상승하지 않았습니다. 그때 담당 프로덕트 매니저(PM)는 중요한 점을 깨닫습니다. 바로, 선행 지표에 직접 영향을 줄 수 있는 팀이 컨트롤 가능한 '인풋 지표'가 설정되지 않았다는 점이었습니다. 기존의 검색 결과 로직이 단순 알파벳(가나다) 순이었기 때문에, 이를 '인기순' 정렬로 변경하는 실험을 진행하기로 합니다. 팀은 '인기순 정렬이 적용된 검색 결과 페이지의 노출 수'를 인풋 지표로 정의했습니다. 팀이 검색 결과 화면에서 인기순 정렬 방식을 부분적으로 배포하여, 이 노출 수를 직접적으로 조정할 수 있었기 때문입니다. 또한 인기순 정렬의 실제 성과는 '검색 결과 CTR(클릭률)'이라는 아웃풋 지표를 통해 측정하였습니다. 실험 결과, 인기순 정렬이 적용된 페이지의 CTR이 상승했고, 이는 선행지표인 장바구니 전환율의 상승으로 이어졌습니다. 결과적으로 장바구니 전환율의 증가는 후행 지표인 주간/월간 검색 기반 매출의 의미 있는 상승으로 이어졌습니다. 이를 간단히 플로우로 보여주면 아래와 같습니다. (Input) 인기순 정렬 적용된 검색 결과 페이지 노출 수 증가 ⟶ (Output) 검색 결과 CTR 증가 ⟶ (Lead) 장바구니 담기 전환율 증가 ⟶ (Lag) 주간/월간 매출 증가 이처럼 인풋, 선행, 아웃풋, 후행 지표를 명확히 구분하고 각 지표의 역할, 영향력을 설정하면 PM이 제품 개선의 방향성을 정하는데 기여할 수 있을 것이라 생각합니다.

PM이 이해하면 좋은 지표 개념

1. 회사의 스테이지마다 필요한 인재는 다르다. 회사가 성장하면 그 단계에 맞는 구성원이 필요하다. 어린아이가 자라면 입던 옷은 작아진다. 몸에 맞는 새로운 옷이 필요하다. 회사도 그렇다. 성공 경험을 해봤거나, 다른 경험과 생각을 가진 사람이 필요하다. 더 성장하기 위해서.

2. 회사가 변하면 구성원들은 성장하거나, 정체하거나, 도태된다. 이들을 성장시키고, 동기부여하고, 충원하는 건 리더의 몫이다. 최소 몇 걸음을 먼저 보고 고민한다. 그래서 성장은 리더의 그릇과 크기가 같다. 리더가 늘 성장해야 하는 이유다.

3. 10년 전 쿠팡은 그런 회사였다. 미친 듯이 성장했다. 있던 사람들이 나갔다. 또, 새로운 사람들이 들어왔다. 이 사이클의 반복이었다. 그렇게 계속 성장했다.

4. 그 중심은 김범석 의장이었다. 쿠팡의 PO로 일하며 그의 모습을 종종 직접 볼 수 있었던 건 행운이다. 쿠팡을 떠나고 나스닥 상장 시 그의 환한 웃음은 내가 봤던 바로 그 표정이었다. 장소와 상황이 비현실적으로 느껴졌다. 그를 직접 봤던 장면들이 떠올랐다.

5. 하나. 쿠팡 초기 그는 직접 PO 조직을 맡았다. 어느 날 퇴근 무렵 모든 PO가 소집됐다. 무슨 일일까. 이슈는 없었다. PO들에게 떠오른 그의 생각을 직접 전했을 뿐이다. 그때 PO는 mini-ceo라 불렸다. PO 들과 다른 직원들이 보는 그의 모습은 온도차가 있었다. 회사의 기대가 컸기 때문일 거다.

6. 둘. 로켓배송 초기에 물량이 터졌다. 주문이 몰렸다. 마냥 좋아할 수가 없었다. 물량을 받아낼 오퍼레이션 준비가 안됐으니까. 애자일 조직 전체가 주말 물류센터로 투입됐다. 생수를 나르고, 기저귀를 날랐다. 누구도 예외가 없었다. 그 정신없는 물류센터에서 환한 표정으로 웃으며 소매를 걷어붙이고 함께 물량을 쳐내던 그가 있었다.

7. 셋. 그는 직접 전 직원을 대상으로 교육을 진행했다. 지마켓과 쿠팡은 무엇이 다른가, 전략과 수익모델의 차이는 무엇인가. 밖에서 보면 같은 커머스다. 하지만 갈 길은 달랐다. 뭐가 다른지, 왜 달라야 하는지 그는 열변을 토하며 이해시키려고 했다. 커머스를 배우던 내게 신선했다. 많이 배웠다.

8. 넷. 로켓배송 확장을 하던 때다. 동남권 물류센터가 처음 오픈했다. 삼성동에서 대구까지 같은 차로 이동했다. 당시 C 레벨들과 함께. 두 시간 동안 그는 잠시도 쉬지 않았다. 임원들에게 본인의 생각들을 계속 쏟아냈다. 공교롭게도 도착할 무렵 이슈가 터졌다. 전면 장애로 앱 접속이 아예 안됐다. 하필이면 CEO와 있을 때 장애라니. CTO는 사색이 됐다. 그는 잠깐 붉은 얼굴로 화를 내고서는, 다시 환하게 웃는 얼굴로 미팅에 참석했다.

9. 다섯. 함께 축하할 성과가 생겼다. 하지만 당장 다 같이 모일 장소가 없었다. 그는 전층 사무실을 직접 돌았다. 책상 위에 올라가서 확성기로 소리쳤다. 서슴없이 직원들과 하이파이브를 나누며 떠났다. 모두 환호하고 박수를 치며 기뻐했다.

10. 여섯. 분기마다 전사 타운홀을 했다. 코엑스 컨퍼런스룸에서. 아마 스티브 잡스의 키노트 준비가 이렇지 않았을까. 수없는 리허설의 반복, 피드백의 요구, 디테일의 수정. 준비 과정을 모르는 사람들에게는 그저 완벽하고 자연스럽고 울림 있는 프레젠테이션이었을 거다.

11. 쿠팡 없이 어떻게 살았을까? 그런 세상을 만들자. 그는 10년 전부터 외쳤다. 강하게, 자주 반복했다. 그때는 모두 반신반의했다. 로켓배송이 없던 때다. 하지만 그 일이 실제로 일어났다. 코로나 때 쿠팡이 없었다면 우리는 어땠을까. 쿠팡은 전통적인 유통회사들의 매출을 이미 넘어섰다.

12. 그때 그는 어떤 생각이었을까. 이미 나스닥과 글로벌을 생각했을까. 아니면 그도 함께 변하고 성장했을까. 리더는 앞을 내다보는 사람이다. 남이 보지 못하는 걸 본다. 그걸 모두에게 공유한다. 그게 곧 비전이다. 조직을 한 방향으로 이끌어 현실로 만든다. 결국 회사는 그 비전의 크기, 리더가 상상하는 크기만큼 성장한다. 그를 직접 보며 배울 수 있던 기회에 지금도 감사하다.

1. 회사의 스테이지마다 필요한 인재는 다르다. 회사가 성장하면 그 단계에 맞는 구성원이 필요하다. 어린아이가 자라면 입던 옷은 작아진다. 몸에 맞는 새로운 옷이 필요하다. 회사도 그렇다. 성공 경험을 해봤거나, 다른 경험과 생각을 가진 사람이 필요하다. 더 성장하기 위해서. ​2. 회사가 변하면 구성원들은 성장하거나, 정체하거나, 도태된다. 이들을 성장시키고, 동기부여하고, 충원하는 건 리더의 몫이다. 최소 몇 걸음을 먼저 보고 고민한다. 그래서 성장은 리더의 그릇과 크기가 같다. 리더가 늘 성장해야 하는 이유다. ​3. 10년 전 쿠팡은 그런 회사였다. 미친 듯이 성장했다. 있던 사람들이 나갔다. 또, 새로운 사람들이 들어왔다. 이 사이클의 반복이었다. 그렇게 계속 성장했다. ​4. 그 중심은 김범석 의장이었다. 쿠팡의 PO로 일하며 그의 모습을 종종 직접 볼 수 있었던 건 행운이다. 쿠팡을 떠나고 나스닥 상장 시 그의 환한 웃음은 내가 봤던 바로 그 표정이었다. 장소와 상황이 비현실적으로 느껴졌다. 그를 직접 봤던 장면들이 떠올랐다. ​5. 하나. 쿠팡 초기 그는 직접 PO 조직을 맡았다. 어느 날 퇴근 무렵 모든 PO가 소집됐다. 무슨 일일까. 이슈는 없었다. PO들에게 떠오른 그의 생각을 직접 전했을 뿐이다. 그때 PO는 mini-ceo라 불렸다. PO 들과 다른 직원들이 보는 그의 모습은 온도차가 있었다. 회사의 기대가 컸기 때문일 거다. ​6. 둘. 로켓배송 초기에 물량이 터졌다. 주문이 몰렸다. 마냥 좋아할 수가 없었다. 물량을 받아낼 오퍼레이션 준비가 안됐으니까. 애자일 조직 전체가 주말 물류센터로 투입됐다. 생수를 나르고, 기저귀를 날랐다. 누구도 예외가 없었다. 그 정신없는 물류센터에서 환한 표정으로 웃으며 소매를 걷어붙이고 함께 물량을 쳐내던 그가 있었다. ​7. 셋. 그는 직접 전 직원을 대상으로 교육을 진행했다. 지마켓과 쿠팡은 무엇이 다른가, 전략과 수익모델의 차이는 무엇인가. 밖에서 보면 같은 커머스다. 하지만 갈 길은 달랐다. 뭐가 다른지, 왜 달라야 하는지 그는 열변을 토하며 이해시키려고 했다. 커머스를 배우던 내게 신선했다. 많이 배웠다. ​8. 넷. 로켓배송 확장을 하던 때다. 동남권 물류센터가 처음 오픈했다. 삼성동에서 대구까지 같은 차로 이동했다. 당시 C 레벨들과 함께. 두 시간 동안 그는 잠시도 쉬지 않았다. 임원들에게 본인의 생각들을 계속 쏟아냈다. 공교롭게도 도착할 무렵 이슈가 터졌다. 전면 장애로 앱 접속이 아예 안됐다. 하필이면 CEO와 있을 때 장애라니. CTO는 사색이 됐다. 그는 잠깐 붉은 얼굴로 화를 내고서는, 다시 환하게 웃는 얼굴로 미팅에 참석했다. ​9. 다섯. 함께 축하할 성과가 생겼다. 하지만 당장 다 같이 모일 장소가 없었다. 그는 전층 사무실을 직접 돌았다. 책상 위에 올라가서 확성기로 소리쳤다. 서슴없이 직원들과 하이파이브를 나누며 떠났다. 모두 환호하고 박수를 치며 기뻐했다. ​10. 여섯. 분기마다 전사 타운홀을 했다. 코엑스 컨퍼런스룸에서. 아마 스티브 잡스의 키노트 준비가 이렇지 않았을까. 수없는 리허설의 반복, 피드백의 요구, 디테일의 수정. 준비 과정을 모르는 사람들에게는 그저 완벽하고 자연스럽고 울림 있는 프레젠테이션이었을 거다. ​11. 쿠팡 없이 어떻게 살았을까? 그런 세상을 만들자. 그는 10년 전부터 외쳤다. 강하게, 자주 반복했다. 그때는 모두 반신반의했다. 로켓배송이 없던 때다. 하지만 그 일이 실제로 일어났다. 코로나 때 쿠팡이 없었다면 우리는 어땠을까. 쿠팡은 전통적인 유통회사들의 매출을 이미 넘어섰다. ​12. 그때 그는 어떤 생각이었을까. 이미 나스닥과 글로벌을 생각했을까. 아니면 그도 함께 변하고 성장했을까. 리더는 앞을 내다보는 사람이다. 남이 보지 못하는 걸 본다. 그걸 모두에게 공유한다. 그게 곧 비전이다. 조직을 한 방향으로 이끌어 현실로 만든다. 결국 회사는 그 비전의 크기, 리더가 상상하는 크기만큼 성장한다. 그를 직접 보며 배울 수 있던 기회에 지금도 감사하다.

< 쿠팡의 창업자를 직접 보며 배운 것: 리더의 크기가 전부다 >

나는 가끔 조합형 한글의 아름다움에 대해 생각한다.

그 아름다움은 단순히 예쁜 글꼴이나 정갈한 종이 위의 자소 배열에서 끝나지 않는다. 진짜 매력은, 정밀한 정보 구조와 이산 수학적 규칙성 속에 숨어 있다.

초성 19자, 중성 21자, 종성 28자(받침없음 포함)의 조합으로 구성된 조합형 한글은 이론적으로 가능한 모든 조합을 체계적으로 담아낸, 말 그대로 한글 문자 컴파일러와도 같다.

유니코드에서 한글은 U+AC00(가)부터 U+D7A3(힣)까지, 무려 11,172개의 음절로 정의되어 있는데, 이 조합 방식은 다차원 배열의 인덱싱 구조와도 흡사하다. 예컨대 ‘한’이라는 글자는 초성 ‘ᄒ’, 중성 ‘ᅡ’, 종성 ‘ᆫ’으로 구성되며, 다음 공식을 통해 유니코드 포인트가 계산된다:

U+AC00 + (초성 인덱스 × 588) + (중성 인덱스 × 28) + 종성 인덱스

이는 단순한 문자 처리 방식이 아니다. 초·중·종성이라는 세 개의 축을 갖는 3차원 좌표 공간에서 유니코드 포인트로 압축하여 출력하는 고성능 한글 출력 엔진이라 할 만하다. 15세기에 고안된 문자 체계가 현대 알고리즘 수준의 체계를 이미 내포하고 있었다는 것이다.

물론 조합형이라는 표현은 현대 디지털 기술이 정의한 것이지만, 그 기저에는 분해와 조합이 가능한 체계적 자모 설계가 존재한다. 즉, 세종대왕은 문자라는 고급 개념을 기계적으로 구현 가능한 형태로 설계한 엔지니어였던 셈이다.

어찌 보면, 조합형 한글은 600년 전에 만들어진 한국어라는 언어의 바이트코드다. 문자 이전의 자모, 음소 이전의 정보 구조. 다르게 말하자면 세종대왕은 나랏말을 만든 게 아니라, 나랏말을 코드화한 것이라고 할 수 있다.

즉, 세종대왕은 킹 갓 프로그래머였던 것.

나는 가끔 조합형 한글의 아름다움에 대해 생각한다. 그 아름다움은 단순히 예쁜 글꼴이나 정갈한 종이 위의 자소 배열에서 끝나지 않는다. 진짜 매력은, 정밀한 정보 구조와 이산 수학적 규칙성 속에 숨어 있다. 초성 19자, 중성 21자, 종성 28자(받침없음 포함)의 조합으로 구성된 조합형 한글은 이론적으로 가능한 모든 조합을 체계적으로 담아낸, 말 그대로 한글 문자 컴파일러와도 같다. 유니코드에서 한글은 U+AC00(가)부터 U+D7A3(힣)까지, 무려 11,172개의 음절로 정의되어 있는데, 이 조합 방식은 다차원 배열의 인덱싱 구조와도 흡사하다. 예컨대 ‘한’이라는 글자는 초성 ‘ᄒ’, 중성 ‘ᅡ’, 종성 ‘ᆫ’으로 구성되며, 다음 공식을 통해 유니코드 포인트가 계산된다: U+AC00 + (초성 인덱스 × 588) + (중성 인덱스 × 28) + 종성 인덱스 이는 단순한 문자 처리 방식이 아니다. 초·중·종성이라는 세 개의 축을 갖는 3차원 좌표 공간에서 유니코드 포인트로 압축하여 출력하는 고성능 한글 출력 엔진이라 할 만하다. 15세기에 고안된 문자 체계가 현대 알고리즘 수준의 체계를 이미 내포하고 있었다는 것이다. 물론 조합형이라는 표현은 현대 디지털 기술이 정의한 것이지만, 그 기저에는 분해와 조합이 가능한 체계적 자모 설계가 존재한다. 즉, 세종대왕은 문자라는 고급 개념을 기계적으로 구현 가능한 형태로 설계한 엔지니어였던 셈이다. 어찌 보면, 조합형 한글은 600년 전에 만들어진 한국어라는 언어의 바이트코드다. 문자 이전의 자모, 음소 이전의 정보 구조. 다르게 말하자면 세종대왕은 나랏말을 만든 게 아니라, 나랏말을 코드화한 것이라고 할 수 있다. 즉, 세종대왕은 킹 갓 프로그래머였던 것.

나는 가끔 조합형 한글의 아름다움에 대해 생각한다.

그 아름다움

알고리즘 입문자를 위한 달레의 친절한 안내서

Binary Tree Level Order Traversal | 알고달레

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 102번째 문제인 Binary Tree Level Order Traver를 재귀와 깊이 우선 탐색을 통해 풀어보겠습니다.

📺 동영상: https://youtu.be/eRQJzWHyQmM
📝 설명/코드: https://www.algodale.com/problems/binary-tree-level-order-traversal/

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 102번째 문제인 Binary Tree Level Order Traver를 재귀와 깊이 우선 탐색을 통해 풀어보겠습니다. 📺 동영상: https://youtu.be/eRQJzWHyQmM📝 설명/코드: https://www.algodale.com/problems/binary-tree-level-order-traversal/

알고달레

리트코드 102. Binary Tree Level Order Tr

🚀 유니콘이라 불리던 그들, 이제 진짜 실력을 보여줄 때

어제 언더스탠딩에서 본 파인드어스 이재용 회계사님의 분석이 인상 깊어서 정리해 봤습니다. 이 글을 쓰는 중에도 &quot;흑자 났다고 축하할 때가 아니다&quot;라는 말이 계속 맴돕니다.

💰 유니콘, 기업가치 1조 원의 무게

기업가치 1조 원, 이제 증명해야 할 시간입니다. 경기가 좋을 때, 투자받을 때는 &#39;가능성&#39;으로 평가받았지만, 이제는 다릅니다. 투자자들은 2-3년 내 회수를 기대하고 있고, 우리가 봐야 할 건 손익계산서가 아니라 진짜 성장하고 있는지입니다. 매출 숫자보다 중요한 건, 사용자들이 정말 우리 서비스 없이는 못 사는지예요.

📈 토스 | 일상이 된 금융 플랫폼

토스는 이 한 가지 수치만 봐도 압도적입니다.

1인당 평균 사용시간 154분 (카카오뱅크는 28분)으로 2022년 53분에서 시작해서 매년 2배씩 늘어나는 중이죠. 토스를 단순한 인터넷은행으로 본다면 하루에 2시간 반 쓴다는 게 납득하기 어렵습니다. 하지만 토스는 해냈습니다. 일단 시도하고 아니면 롤백하는 방식에 호불호는 있지만 만보기부터 운세, 건강검진결과까지 다양한 서비스로 사용자를 모은 덕분이죠. 금융에 생활이 더해져서 이제는 생활에 금융이 닿은 플랫폼이 되었고 무엇보다 인터넷뱅킹 사각지대에 있던 시니어와 키즈 세그먼트를 유입시켰죠. 매일 들어오게 만드는 데 성공했습니다.

일단 들어왔으니 투자도 보고, 대출도 확인하고 어느새 토스 없는 하루가 상상이 안 

토스·당근·오늘의집, 찔끔 흑자라고 웃을 때 아닙니다 (파인드어스 이재용 회계사) | Walcoln SJ Rhee

어제 언더스탠딩에서 본 파인드어스 이재용 회계사님의 분석이 인상 깊어서 정리해 봤습니다. 이 글을 쓰는 중에도 "흑자 났다고 축하할 때가 아니다"라는 말이 계속 맴돕니다.

💰 유니콘, 기업가치 1조 원의 무게

기업가치 1조 원, 이제 증명해야 할 시간입니다. 경기가 좋을 때, 투자받을 때는 '가능성'으로 평가받았지만, 이제는 다릅니다. 투자자들은 2-3년 내 회수를 기대하고 있고, 우리가 봐야 할 건 손익계산서가 아니라 진짜 성장하고 있는지입니다. 매출 숫자보다 중요한 건, 사용자들이 정말 우리 서비스 없이는 못 사는지예요.

📈 토스 | 일상이 된 금융 플랫폼

토스는 이 한 가지 수치만 봐도 압도적입니다.

1인당 평균 사용시간 154분 (카카오뱅크는 28분)으로 2022년 53분에서 시작해서 매년 2배씩 늘어나는 중이죠. 토스를 단순한 인터넷은행으로 본다면 하루에 2시간 반 쓴다는 게 납득하기 어렵습니다. 하지만 토스는 해냈습니다. 일단 시도하고 아니면 롤백하는 방식에 호불호는 있지만 만보기부터 운세, 건강검진결과까지 다양한 서비스로 사용자를 모은 덕분이죠. 금융에 생활이 더해져서 이제는 생활에 금융이 닿은 플랫폼이 되었고 무엇보다 인터넷뱅킹 사각지대에 있던 시니어와 키즈 세그먼트를 유입시켰죠. 매일 들어오게 만드는 데 성공했습니다.

일단 들어왔으니 투자도 보고, 대출도 확인하고 어느새 토스 없는 하루가 상상이 안 되는 상태가 되었죠. 현존하는 국내 서비스에서는 가장 확실하게 성공을 증명한 진짜 플랫폼 전략이구나 싶었습니다.

🥕 당근마켓 | 양적 성장의 한계와 질적 성장의 과제

당근 발표 자료를 보면 곳곳에 성장 한계의 신호들이 보입니다. 이미 가입자는 4천만 명이고 MAU는 2,000만 명으로 크게 이 수치를 늘리기 어려워 보여죠. 1인당 거래는 연 9건 수준입니다. 이것도 한계가 보입니다.

진짜 문제는 다른 곳에 있습니다. 중고거래를 넘어서야 하니 '알바', '동네생활', '동네지도' 등 당신 근처의 생활을 위해 앱을 적극적으로 사용하는 패턴이 만들어져야 하는데 글쎄요. WAU 1,300만 명이 1년에 3,900만 건의 소통을 한다는 건, 1인당 매년 3개 글만 쓴다는 뜻이에요. 활성화된 커뮤니티라고 하기에는 부족합니다.

중고거래는 이사나 대청소처럼 필요할 때 급증하는데 사용자를 매일 들어오게 하려면 동네 맛집 추천도 보고, 운동 모임도 찾고 그래야 하잖아요. 아직은 그 단계까지 가지 못한 것 같습니다.

당근은 중고거래의 왕은 맞지만, 동네 커뮤니티의 왕이 될 수 있을까요? 게다가 당근에서 물건을 찾다가 쿠팡 광고를 보면 음? 이런 느낌이 종종 듭니다. 아, 광고는 현재 당근 수익의 99.8%를 차지하고 있습니다.

🏠 오늘의집 | 구조적 역풍 속 생존

거시경제의 바람이 매섭습니다.

1. 통계청 발표에 따르면 1970년 이후 이사율은 최저치 - 100명 중 12명 수준
2. 1인 가구 비중은 33%까지 늘었지만, 인테리어 지출은 신혼가구 대비 1/3 수준
3. 경기침체로 부동산 거래량 지속적 감소세

사회적 변화로 보면 오늘의집 2024년 실적(영업이익 6억 원)은 '졌잘싸'로 평가할 수 있습니다. 전년 대비 22% 정도 거래액이 늘었다는 건 인정해야 합니다.

앞으로가 더 걱정입니다.

1. 비혼, 저출산 시대에 집을 꾸밀 절대적 모수 감소 (10년 전과 비교하면 40% 감소)
2. 부동산 가격 영향으로 이사 자체가 줄어들고 월세가 전세 역전
3. 경기가 어려워지면서 가처분소득 감소로 인테리어는 뒷순위

오늘의집은 슈퍼커머스를 꿈꾸며 카테고리를 늘렸고 쌀, 소고기, 계란까지 판매하고 있습니다. 인테리어로 시작해 식품까지 파는 건 유니콘으로서 부여받은 목표 거래액(수, 양)을 맞추기 위해서 어쩔 수 없는 선택이었을 겁니다. 문제는 정체성의 혼란, 쿠팡이나 컬리와 경쟁하는 상황이 되어버렸습니다.

[ 큐레이터의 문장 🎒 ]

✅ 토스가 증명한 하나의 성공 방정식
사용자에게 스며들기. 금융 서비스가 아니라 생활 서비스가 된 거죠.

🔄 당근의 숙제
중고거래 1등에서 동네생활 1등으로 진화할 수 있을까요? 쉽지 않은 상황입니다.

🏗️ 오늘의집의 생존기
어려운 이사, 인테리어 시장에서도 성장했다는 건 의미 있지만, 앞으로가 더 걱정입니다.

유니콘으로 선정되는 것보다 유니콘이라는 것을 증명해야 하는 시기. 기업가치가 아니라, 사용자들이 "이거 없으면 안 돼"라고 말하는 서비스를 만든 곳이겠죠. 여러분이 매일 사용하는 서비스 중에서 정말 '없으면 안 되는' 서비스는 무엇인가요?

출처: 파인드어스 이재용 회계사 - "토스·당근·오늘의집, 찔끔 흑자라고 웃을 때 아닙니다"

https://www.linkedin.com/posts/redbusbagman_%ED%86%A0%EC%8A%A4%EB%8B%B9%EA%B7%BC%EC%98%A4%EB%8A%98%EC%9D%98%EC%A7%91-%EC%B0%94%EB%81%94-%ED%9D%91%EC%9E%90%EB%9D%BC%EA%B3%A0-%EC%9B%83%EC%9D%84-%EB%95%8C-%EC%95%84%EB%8B%99%EB%8B%88%EB%8B%A4-%ED%8C%8C%EC%9D%B8%EB%93%9C%EC%96%B4%EC%8A%A4-%EC%9D%B4%EC%9E%AC%EC%9A%A9-activity-7333327097496514561-v_Ka?utm_source=social_share_send&utm_medium=member_desktop_web&rcm=ACoAAAZSc3oBarIEHbo_ENsWiZv-BA5Ud1-qJ3U

어제 언더스탠딩에서 본 파인드어스 이재용 회계사님의 분석이 인상 깊어서 정리해 봤습니다. 이 글을 쓰는 중에도 "흑자 났다고 축하할 때가 아니다"라는 말이 계속 맴돕니다. 💰 유니콘, 기업가치 1조 원의 무게 기업가치 1조 원, 이제 증명해야 할 시간입니다. 경기가 좋을 때, 투자받을 때는 '가능성'으로 평가받았지만, 이제는 다릅니다. 투자자들은 2-3년 내 회수를 기대하고 있고, 우리가 봐야 할 건 손익계산서가 아니라 진짜 성장하고 있는지입니다. 매출 숫자보다 중요한 건, 사용자들이 정말 우리 서비스 없이는 못 사는지예요. 📈 토스 | 일상이 된 금융 플랫폼 토스는 이 한 가지 수치만 봐도 압도적입니다. 1인당 평균 사용시간 154분 (카카오뱅크는 28분)으로 2022년 53분에서 시작해서 매년 2배씩 늘어나는 중이죠. 토스를 단순한 인터넷은행으로 본다면 하루에 2시간 반 쓴다는 게 납득하기 어렵습니다. 하지만 토스는 해냈습니다. 일단 시도하고 아니면 롤백하는 방식에 호불호는 있지만 만보기부터 운세, 건강검진결과까지 다양한 서비스로 사용자를 모은 덕분이죠. 금융에 생활이 더해져서 이제는 생활에 금융이 닿은 플랫폼이 되었고 무엇보다 인터넷뱅킹 사각지대에 있던 시니어와 키즈 세그먼트를 유입시켰죠. 매일 들어오게 만드는 데 성공했습니다. 일단 들어왔으니 투자도 보고, 대출도 확인하고 어느새 토스 없는 하루가 상상이 안 되는 상태가 되었죠. 현존하는 국내 서비스에서는 가장 확실하게 성공을 증명한 진짜 플랫폼 전략이구나 싶었습니다. 🥕 당근마켓 | 양적 성장의 한계와 질적 성장의 과제 당근 발표 자료를 보면 곳곳에 성장 한계의 신호들이 보입니다.&nbsp;이미 가입자는 4천만 명이고 MAU는 2,000만 명으로 크게 이 수치를 늘리기 어려워 보여죠. 1인당 거래는 연 9건 수준입니다. 이것도 한계가 보입니다. 진짜 문제는 다른 곳에 있습니다. 중고거래를 넘어서야 하니 '알바', '동네생활', '동네지도' 등 당신 근처의 생활을 위해 앱을 적극적으로 사용하는 패턴이 만들어져야 하는데 글쎄요. WAU 1,300만 명이 1년에 3,900만 건의 소통을 한다는 건, 1인당 매년 3개 글만 쓴다는 뜻이에요. 활성화된 커뮤니티라고 하기에는 부족합니다. 중고거래는 이사나 대청소처럼 필요할 때 급증하는데 사용자를 매일 들어오게 하려면 동네 맛집 추천도 보고, 운동 모임도 찾고 그래야 하잖아요. 아직은 그 단계까지 가지 못한 것 같습니다. 당근은 중고거래의 왕은 맞지만, 동네 커뮤니티의 왕이 될 수 있을까요? 게다가 당근에서 물건을 찾다가 쿠팡 광고를 보면 음? 이런 느낌이 종종 듭니다. 아, 광고는 현재 당근 수익의 99.8%를 차지하고 있습니다. 🏠 오늘의집 | 구조적 역풍 속 생존 거시경제의 바람이 매섭습니다. 1. 통계청 발표에 따르면 1970년 이후 이사율은 최저치 - 100명 중 12명 수준 2. 1인 가구 비중은 33%까지 늘었지만, 인테리어 지출은 신혼가구 대비 1/3 수준 3. 경기침체로 부동산 거래량 지속적 감소세 사회적 변화로 보면 오늘의집 2024년 실적(영업이익 6억 원)은 '졌잘싸'로 평가할 수 있습니다. 전년 대비 22% 정도 거래액이 늘었다는 건 인정해야 합니다. 앞으로가 더 걱정입니다. 1. 비혼, 저출산 시대에 집을 꾸밀 절대적 모수 감소 (10년 전과 비교하면 40% 감소) 2. 부동산 가격 영향으로 이사 자체가 줄어들고 월세가 전세 역전 3. 경기가 어려워지면서 가처분소득 감소로 인테리어는 뒷순위 오늘의집은 슈퍼커머스를 꿈꾸며 카테고리를 늘렸고 쌀, 소고기, 계란까지 판매하고 있습니다. 인테리어로 시작해 식품까지 파는 건 유니콘으로서 부여받은 목표 거래액(수, 양)을 맞추기 위해서 어쩔 수 없는 선택이었을 겁니다. 문제는 정체성의 혼란, 쿠팡이나 컬리와 경쟁하는 상황이 되어버렸습니다. [ 큐레이터의 문장 🎒 ] ✅ 토스가 증명한 하나의 성공 방정식 사용자에게 스며들기. 금융 서비스가 아니라 생활 서비스가 된 거죠. 🔄 당근의 숙제 중고거래 1등에서 동네생활 1등으로 진화할 수 있을까요? 쉽지 않은 상황입니다. 🏗️ 오늘의집의 생존기 어려운 이사, 인테리어 시장에서도 성장했다는 건 의미 있지만, 앞으로가 더 걱정입니다. 유니콘으로 선정되는 것보다 유니콘이라는 것을 증명해야 하는 시기. 기업가치가 아니라, 사용자들이 "이거 없으면 안 돼"라고 말하는 서비스를 만든 곳이겠죠. 여러분이 매일 사용하는 서비스 중에서 정말 '없으면 안 되는' 서비스는 무엇인가요? 출처: 파인드어스 이재용 회계사 - "토스·당근·오늘의집, 찔끔 흑자라고 웃을 때 아닙니다" https://www.linkedin.com/posts/redbusbagman_%ED%86%A0%EC%8A%A4%EB%8B%B9%EA%B7%BC%EC%98%A4%EB%8A%98%EC%9D%98%EC%A7%91-%EC%B0%94%EB%81%94-%ED%9D%91%EC%9E%90%EB%9D%BC%EA%B3%A0-%EC%9B%83%EC%9D%84-%EB%95%8C-%EC%95%84%EB%8B%99%EB%8B%88%EB%8B%A4-%ED%8C%8C%EC%9D%B8%EB%93%9C%EC%96%B4%EC%8A%A4-%EC%9D%B4%EC%9E%AC%EC%9A%A9-activity-7333327097496514561-v_Ka?utm_source=social_share_send&amp;utm_medium=member_desktop_web&amp;rcm=ACoAAAZSc3oBarIEHbo_ENsWiZv-BA5Ud1-qJ3U

www.linkedin.com

⟪🚀 유니콘이라 불리던 그들, 이제 진짜 실력을 보여줄 때⟫

﻿
이력서에는 많은 경험을 나열하기보다, 성과가 뛰어나거나 기여도가 높은 소수의 경험을 구체적으로 설명하는 것이 더 효과적입니다. 최근에는 동아리 활동, 기업 주최 공모전, 관심 분야 대회 등 다양한 대외활동을 통해 여러 경험을 쌓는 분들이 많습니다. 진심에서 우러나온 참여도 있지만, 이력서 한 줄을 채우기 위한 목적도 존재합니다.

물론 다양한 경험을 했다는 점은 긍정적입니다. 모든 경험은 분명 가치 있는 자산입니다. 그러나 단순히 "해봤다"고 나열만 한다면, 이력서를 읽는 사람에게는 아무런 인상을 주지 못할 수 있습니다. 따라서 경험의 배경, 목표, 본인의 역할, 구체적 성과, 배운 점 등을 중심으로 상세히 서술하는 것이 중요합니다.

경험이 10개가 넘는데, 모두 자세히 써야 할까요? 이론상 가능하지만, 분량이 많아지면 핵심이 흐려질 수 있습니다. 따라서 가장 대표적이고 자랑하고 싶은 경험 3가지 정도를 선정해 집중적으로 설명하는 것이 효과적입니다.

그렇다면 나머지 경험들은 어떻게 해야 할까요? 버리는 것이 아니라, 별도의 문서로 정리해 링크 형태로 이력서에 첨부하면 됩니다. 이력서에는 대표 경험 3가지를 중점적으로 서술하고, 추가 경험은 "더 많은 경험은 여기에 있습니다"라는 방식으로 안내해보세요. 이력서의 밀도는 높이고, 독자의 흥미를 유도하는 전략이 될 수 있습니다.

채용 담당자는 시간이 없습니다. 그렇다고 대충 읽는다는 의미는 아닙니다. 다만, 주어진 시간 안에 많은 업무를 처리해야 하기에 한 명의 이력서를 오랜 시간 읽기 어렵다는 점을 이해할 필요가 있습니다. 이력서를 읽는 사람의 입장을 고려하면, 작성자의 태도도 달라져야 합니다.

그래서 이력서는 무조건 짧아야 할까요? 아닙니다. "한 장으로 줄이라"는 조언도 있지만, 저는 동의하지 않습니다. 이력서 분량보다 더 중요한 건 흥미롭고 잘 읽히는 내용입니다. 얇지만 어려운 책보다 두껍지만 쉽게 읽히는 책이 더 매력적일 수 있듯이, 이력서도 마찬가지입니다.

이력서는 단순한 정보 나열이 아니라 스토리텔링이 필요합니다. 경험을 시작한 이유, 진행 과정, 결과와 배움까지 이야기 형태로 풀어내면, 읽는 이의 흥미와 공감을 이끌어낼 수 있습니다.

성과가 눈에 띄지 않아 어떤 경험을 써야 할지 고민이 되나요? 자신감을 가지세요. 경험의 가치는 그 속에서 얻은 배움에 있습니다. 숫자가 크거나 유명한 프로젝트보다, 본인의 성장과 통찰을 보여주는 경험이 더 인상 깊을 수 있습니다. 배운 점, 다음에 더 잘할 수 있다는 다짐 등도 훌륭한 성과로 어필할 수 있습니다.

마지막으로, 이력서를 읽는 사람은 모두 다릅니다. 숫자를 중시하는 사람, 친숙한 주제를 반가워하는 사람, 스토리텔링에 끌리는 사람 등 각자의 관점이 있습니다. 따라서 정답은 없습니다. 자신이 가장 잘 표현할 수 있는 방식으로, 자신만의 이야기를 담아내는 것이 가장 좋은 전략입니다.

여러분의 소중한 경험을 자신 있게 표현할 수 있기를 진심으로 응원합니다.

﻿이력서에는 많은 경험을 나열하기보다, 성과가 뛰어나거나 기여도가 높은 소수의 경험을 구체적으로 설명하는 것이 더 효과적입니다. 최근에는 동아리 활동, 기업 주최 공모전, 관심 분야 대회 등 다양한 대외활동을 통해 여러 경험을 쌓는 분들이 많습니다. 진심에서 우러나온 참여도 있지만, 이력서 한 줄을 채우기 위한 목적도 존재합니다. 물론 다양한 경험을 했다는 점은 긍정적입니다. 모든 경험은 분명 가치 있는 자산입니다. 그러나 단순히 "해봤다"고 나열만 한다면, 이력서를 읽는 사람에게는 아무런 인상을 주지 못할 수 있습니다. 따라서 경험의 배경, 목표, 본인의 역할, 구체적 성과, 배운 점 등을 중심으로 상세히 서술하는 것이 중요합니다. 경험이 10개가 넘는데, 모두 자세히 써야 할까요? 이론상 가능하지만, 분량이 많아지면 핵심이 흐려질 수 있습니다. 따라서 가장 대표적이고 자랑하고 싶은 경험 3가지 정도를 선정해 집중적으로 설명하는 것이 효과적입니다. 그렇다면 나머지 경험들은 어떻게 해야 할까요? 버리는 것이 아니라, 별도의 문서로 정리해 링크 형태로 이력서에 첨부하면 됩니다. 이력서에는 대표 경험 3가지를 중점적으로 서술하고, 추가 경험은 "더 많은 경험은 여기에 있습니다"라는 방식으로 안내해보세요. 이력서의 밀도는 높이고, 독자의 흥미를 유도하는 전략이 될 수 있습니다. 채용 담당자는 시간이 없습니다. 그렇다고 대충 읽는다는 의미는 아닙니다. 다만, 주어진 시간 안에 많은 업무를 처리해야 하기에 한 명의 이력서를 오랜 시간 읽기 어렵다는 점을 이해할 필요가 있습니다. 이력서를 읽는 사람의 입장을 고려하면, 작성자의 태도도 달라져야 합니다. 그래서 이력서는 무조건 짧아야 할까요? 아닙니다. "한 장으로 줄이라"는 조언도 있지만, 저는 동의하지 않습니다. 이력서 분량보다 더 중요한 건 흥미롭고 잘 읽히는 내용입니다. 얇지만 어려운 책보다 두껍지만 쉽게 읽히는 책이 더 매력적일 수 있듯이, 이력서도 마찬가지입니다. 이력서는 단순한 정보 나열이 아니라 스토리텔링이 필요합니다. 경험을 시작한 이유, 진행 과정, 결과와 배움까지 이야기 형태로 풀어내면, 읽는 이의 흥미와 공감을 이끌어낼 수 있습니다. 성과가 눈에 띄지 않아 어떤 경험을 써야 할지 고민이 되나요? 자신감을 가지세요. 경험의 가치는 그 속에서 얻은 배움에 있습니다. 숫자가 크거나 유명한 프로젝트보다, 본인의 성장과 통찰을 보여주는 경험이 더 인상 깊을 수 있습니다. 배운 점, 다음에 더 잘할 수 있다는 다짐 등도 훌륭한 성과로 어필할 수 있습니다. 마지막으로, 이력서를 읽는 사람은 모두 다릅니다. 숫자를 중시하는 사람, 친숙한 주제를 반가워하는 사람, 스토리텔링에 끌리는 사람 등 각자의 관점이 있습니다. 따라서 정답은 없습니다. 자신이 가장 잘 표현할 수 있는 방식으로, 자신만의 이야기를 담아내는 것이 가장 좋은 전략입니다. 여러분의 소중한 경험을 자신 있게 표현할 수 있기를 진심으로 응원합니다.﻿

이력서에 쓰는 경험

This link will take you to a page that’s not on LinkedIn

LinkedIn

한때 천만원에 거래가 되기도 했던 Manus를 "Bedrock-Manus"로 무료 오픈소스로 공개합니다. 아래는 이를 활용한 "Deep Research" 기능입니다. 데모 영상, 깃헙 코드까지 보실 수 있습니다. 이렇게 다 공개해도 되나싶네요 ㅎㅎ

🔍 Deep Research란? AI가 웹을 자동으로 탐색해서 심층적인 조사 보고서를 작성해주는 기능입니다.

✨ 주요 특징:
1️⃣ 복합적 정보 수집 및 분석
2️⃣ 자동화된 심층 리서치 프로세스
3️⃣ AWS Bedrock 기반 고도화된 AI 활용

🔗 오픈소스로 제공되니, 필요하신 분들은 언제든 자유롭게 활용해 보세요!

📺 Demo: hhttps://www.youtube.com/watch?v=Pb1lJTSLI98
👉 Code:
- Deep-researh based on Bedrock Manus: https://lnkd.in/gjfXg2CD
- Bedrock-Manus: https://lnkd.in/eCQ4qjir

여러분의 프로젝트나 업무에 도움이 되길 바라며, 사용 후기나 개선 아이디어도 공유해 주시면 더욱 발전시켜 나가겠습니다.

(AWS GenAI Specialist SA이신 장동진 박사님이 올리신 자료입니다. 더 많은 자료는 아래 유툽 채널을 참조하세요! 진짜 금광입니다....)
https://www.youtube.com/@dongjinjang5551

한때 천만원에 거래가 되기도 했던 Manus를 "Bedrock-Manus"로 무료 오픈소스로 공개합니다. 아래는 이를 활용한 "Deep Research" 기능입니다. 데모 영상, 깃헙 코드까지 보실 수 있습니다. 이렇게 다 공개해도 되나싶네요 ㅎㅎ 🔍 Deep Research란? AI가 웹을 자동으로 탐색해서 심층적인 조사 보고서를 작성해주는 기능입니다. ✨ 주요 특징: 1️⃣ 복합적 정보 수집 및 분석 2️⃣ 자동화된 심층 리서치 프로세스 3️⃣ AWS Bedrock 기반 고도화된 AI 활용 🔗 오픈소스로 제공되니, 필요하신 분들은 언제든 자유롭게 활용해 보세요! 📺 Demo: hhttps://www.youtube.com/watch?v=Pb1lJTSLI98 👉 Code: - Deep-researh based on Bedrock Manus: https://lnkd.in/gjfXg2CD - Bedrock-Manus: https://lnkd.in/eCQ4qjir 여러분의 프로젝트나 업무에 도움이 되길 바라며, 사용 후기나 개선 아이디어도 공유해 주시면 더욱 발전시켜 나가겠습니다. (AWS GenAI Specialist SA이신 장동진 박사님이 올리신 자료입니다. 더 많은 자료는 아래 유툽 채널을 참조하세요! 진짜 금광입니다....)https://www.youtube.com/@dongjinjang5551

lnkd.in

한때 천만원에 거래되었던 Manus, Bedrock 무료 오픈소스

✅️Prompting Guide 101 by Google : https://lnkd.in/d8UwPWeN

✅️ Identifying and Scaling Al use cases by OpenAl : https://lnkd.in/dJ36b3PU

✅️ A practical guide to building agents y OpenAI : https://lnkd.in/dBsKFteH

✅️ Best Practices sof Agentic Coding by Anthropic : https://lnkd.in/dA8JatJ7

✅️ Build Trusted Al in the enterprise by Anthropic : https://lnkd.in/dqjZmHax

✅️ AI in the enterprise by OpenAI : https://lnkd.in/d22VHqZt

✅️ Agents Companion by Google - https://lnkd.in/dGWvihgC

✅️ Prompt Engineering by Google : https://lnkd.in/dGXZ2DNR

✅️ The Prompt Collection : https://lnkd.in/dpFrJqvm

✅️Prompting Guide 101 by Google : https://lnkd.in/d8UwPWeN ✅️ Identifying and Scaling Al use cases by OpenAl : https://lnkd.in/dJ36b3PU ✅️ A practical guide to building agents y OpenAI : https://lnkd.in/dBsKFteH ✅️ Best Practices sof Agentic Coding by Anthropic : https://lnkd.in/dA8JatJ7 ✅️ Build Trusted Al in the enterprise by Anthropic : https://lnkd.in/dqjZmHax ✅️ AI in the enterprise by OpenAI : https://lnkd.in/d22VHqZt ✅️ Agents Companion by Google - https://lnkd.in/dGWvihgC ✅️ Prompt Engineering by Google : https://lnkd.in/dGXZ2DNR ✅️ The Prompt Collection : https://lnkd.in/dpFrJqvm

👋 LLM 활용에 도움이 되는 가이드 모음

실리콘밸리에는 묘한 패턴이 하나 있다. 구글이 제법 괜찮은 AI 제품을 내놓아도 사람들은 OpenAI의 ChatGPT와 Anthropic의 Claude 같은 스타트업 서비스들에게만 열광하는 것이다.특히 구글의 최대 개발자 행사인 구글 I/O를 하루 이틀 앞두고 OpenAI가 시장을 뒤흔들 만한 제품을 발표하며 모든 이목을 집중시키는 일이 반복됐다. OpenAI는 2024년 GPT-4o와 함께 스칼렛 요한슨의 목소리를 흉내내는 전화형 모델을 출시했고, 2023년에는 구글의 Gemini 이전 버전인 Bard 출시 직전에 GPT-4를 선보이며 존재감을 과시했다. 시장은 항상 OpenAI에 열광했고, 구글은 "우리가 최고의 모델을 만들었다"는 옛 명성만 되뇌며 실질적인 반격에는 실패했다.하지만 이번에는 달랐다. 구글 I/O 직전, OpenAI가 발표한 코딩 어시스턴트 '코덱스(Codex)'는 잠시 주목을 받았고 이후 발표된 조니 아이브의 OpenAI 하드웨어 디자인 총괄 합류 소식도 주목을 받았지만, 정작 새로운 제품은 없었다. 이들은 곧 구글 I/O의 비전에 묻혔다. 구글은 AI 전쟁에서 누구보다 강력한 무기들을 가지고 있다. 전 세계 검색 시장 점유율 90%를 차지하는 압도적인 검색엔진 구글, 애플과 모바일 생태계를 양분한 안드로이드 OS, 그리고 구글 클라우드, 지메일, 구글맵 같은 킬러 앱들의 독점적 지위까지. 겉보기에는 실행 속도가 느리고, 조직 내에서는 AI를 각 부서가 따로 도입하면서 엉성하게 움직이는 듯 보였지만,

AI 시대에 갈피 못잡던 구글의 역습 : 오호츠크 리포트

실리콘밸리에는 묘한 패턴이 하나 있다. 구글이 제법 괜찮은 AI 제품을 내놓아도 사람들은 OpenAI의 ChatGPT와 Anthropic의 Claude 같은 스타트업 서비스들에게만 열광하는 것이다.

특히 구글의 최대 개발자 행사인 구글 I/O를 하루 이틀 앞두고 OpenAI가 시장을 뒤흔들 만한 제품을 발표하며 모든 이목을 집중시키는 일이 반복됐다. OpenAI는 2024년 GPT-4o와 함께 스칼렛 요한슨의 목소리를 흉내내는 전화형 모델을 출시했고, 2023년에는 구글의 Gemini 이전 버전인 Bard 출시 직전에 GPT-4를 선보이며 존재감을 과시했다. 시장은 항상 OpenAI에 열광했고, 구글은 "우리가 최고의 모델을 만들었다"는 옛 명성만 되뇌며 실질적인 반격에는 실패했다.

하지만 이번에는 달랐다. 구글 I/O 직전, OpenAI가 발표한 코딩 어시스턴트 '코덱스(Codex)'는 잠시 주목을 받았고 이후 발표된 조니 아이브의 OpenAI 하드웨어 디자인 총괄 합류 소식도 주목을 받았지만, 정작 새로운 제품은 없었다. 이들은 곧 구글 I/O의 비전에 묻혔다.

그렇다면, 과연 구글 I/O의 비전은 무엇이었길래 미래를 보여줬다고 한 것일까요?

 1. 일반 사용자를 위한 제품
 2. 창작자들을 위한 도구
 3. 엔지니어들을 위한 도구
 4. 하드웨어와 미래 비전
 5. 지구를 구하는 사명감까지

실리콘밸리에는 묘한 패턴이 하나 있다. 구글이 제법 괜찮은 AI 제품을 내놓아도 사람들은 OpenAI의 ChatGPT와 Anthropic의 Claude 같은 스타트업 서비스들에게만 열광하는 것이다. 특히 구글의 최대 개발자 행사인 구글 I/O를 하루 이틀 앞두고 OpenAI가 시장을 뒤흔들 만한 제품을 발표하며 모든 이목을 집중시키는 일이 반복됐다. OpenAI는 2024년 GPT-4o와 함께 스칼렛 요한슨의 목소리를 흉내내는 전화형 모델을 출시했고, 2023년에는 구글의 Gemini 이전 버전인 Bard 출시 직전에 GPT-4를 선보이며 존재감을 과시했다. 시장은 항상 OpenAI에 열광했고, 구글은 "우리가 최고의 모델을 만들었다"는 옛 명성만 되뇌며 실질적인 반격에는 실패했다. 하지만 이번에는 달랐다. 구글 I/O 직전, OpenAI가 발표한 코딩 어시스턴트 '코덱스(Codex)'는 잠시 주목을 받았고 이후 발표된 조니 아이브의 OpenAI 하드웨어 디자인 총괄 합류 소식도 주목을 받았지만, 정작 새로운 제품은 없었다. 이들은 곧 구글 I/O의 비전에 묻혔다. 그렇다면, 과연 구글 I/O의 비전은 무엇이었길래 미래를 보여줬다고 한 것일까요? <ol ><li>일반 사용자를 위한 제품</li><li>창작자들을 위한 도구</li><li>엔지니어들을 위한 도구</li><li>하드웨어와 미래 비전</li><li>지구를 구하는 사명감까지</li></ol>

55check.com

AI 시대에 갈피 못잡던 구글의 역습

‘훌륭한 데이터 분석가란 어떤 사람인가?’에 대해
'데이터 분석가 지망생'과 '현직 데이터 분석가' 사이에
큰 생각의 차이가 있다는 것을 최근 알게 되었습니다.

데이터 분석가 지망생의 생각은 이렇습니다.

훌륭한 데이터 분석가는
- Excel | Python | VBA | Power BI | Tableau 등을 능숙하게 사용할 수 있다.
- 마케팅 | 재무 | 광고 | 사용자 행동 분석을 깊이 있게 할 수 있다.
- 빠르게 배우는 사람 | 노력파 | 어떤 일이든 열심히 하는 인재이다. 

현직 데이터 분석가의 생각은 이렇습니다.

훌륭한 데이터 분석가는
- 의사결정자가 마주한 문제를 정의하고 효과적으로 찾아낼 수 있다
- 다양한 분석 접근 방식을 탐색하고, 가장 효과적인 방법을 선택하여 적용한다
- 전략적 문제 해결자 | 스마트하게 일하는 사람 | 실패하더라도 자기 투자에 적극적인 사람이다.

이전에는 아무도 이걸 알려주지 않았습니다.

취준생이 진짜로 집중해야 할 것은
학교나 부트캠프에서 쌓아온 이론이나 기술이 아니라,
내가 그 회사에 어떤 가치를 줄 수 있느냐입니다.

그것이 지금 데이터 분석가 취업 시장의 현실입니다.

‘훌륭한 데이터 분석가란 어떤 사람인가?’에 대해 '데이터 분석가 지망생'과 '현직 데이터 분석가' 사이에큰 생각의 차이가 있다는 것을 최근 알게 되었습니다. 데이터 분석가 지망생의 생각은 이렇습니다. 훌륭한 데이터 분석가는 - Excel | Python | VBA | Power BI | Tableau 등을 능숙하게 사용할 수 있다. - 마케팅 | 재무 | 광고 | 사용자 행동 분석을 깊이 있게 할 수 있다. - 빠르게 배우는 사람 | 노력파 | 어떤 일이든 열심히 하는 인재이다.&nbsp; 현직 데이터 분석가의 생각은 이렇습니다. 훌륭한 데이터 분석가는 - 의사결정자가 마주한 문제를 정의하고 효과적으로 찾아낼 수 있다 - 다양한 분석 접근 방식을 탐색하고, 가장 효과적인 방법을 선택하여 적용한다 - 전략적 문제 해결자 | 스마트하게 일하는 사람 | 실패하더라도 자기 투자에 적극적인 사람이다. 이전에는 아무도 이걸 알려주지 않았습니다. 취준생이 진짜로 집중해야 할 것은 학교나 부트캠프에서 쌓아온 이론이나 기술이 아니라,내가 그 회사에 어떤 가치를 줄 수 있느냐입니다. 그것이 지금 데이터 분석가 취업 시장의 현실입니다.&nbsp;

훌륭한 데이터 분석가란 어떤 사람인가?

Make LLMs fight for their survival! The new way to evaluate the quality of an LLM - OpenGenerativeAI/llm-colosseum

GitHub - OpenGenerativeAI/llm-colosseum: Make LLMs fight for their survival! The new way to evaluate the quality of an LLM

LLM 만으로 조작해서 대전게임을 수행하는 재미있는 아이디어입니다 ㅎㅎ
https://github.com/OpenGenerativeAI/llm-colosseum

작년 7월 신세계 뉴스룸에 기고했던 칼럼에 생성 AI가 미칠 영향으로 '커뮤니케이션 자동화' 에 주목해야 한다고 언급했었는데, 커뮤니케이션이란 것이 단순히 '언어'나 '프로세스' 정도가 아니라 action 으로까지 확장될 수 있다는 것을 보여주는 좋은 예인 것 같습니다.

회자되는 많은 사례들이 chatgpt 같은 형태의 질의응답이나 생산성 보조도구 수준에서 그치고 있는데, 이런 아이디어들이 더 나오면 좋겠네요.

신세계 뉴스룸 기고 칼럼: https://www.shinsegaegroupnewsroom.com/108625/

LLM 만으로 조작해서 대전게임을 수행하는 재미있는 아이디어입니다 ㅎㅎhttps://github.com/OpenGenerativeAI/llm-colosseum 작년 7월 신세계 뉴스룸에 기고했던 칼럼에 생성 AI가 미칠 영향으로 '커뮤니케이션 자동화' 에 주목해야 한다고 언급했었는데, 커뮤니케이션이란 것이 단순히 '언어'나 '프로세스' 정도가 아니라 action 으로까지 확장될 수 있다는 것을 보여주는 좋은 예인 것 같습니다. 회자되는 많은 사례들이 chatgpt 같은 형태의 질의응답이나 생산성 보조도구 수준에서 그치고 있는데, 이런 아이디어들이 더 나오면 좋겠네요. 신세계 뉴스룸 기고 칼럼: https://www.shinsegaegroupnewsroom.com/108625/

GitHub

에이원퍼포먼스팩토리 데이터 개발자

정현석

데이터로 광고를 바라 보는 데이터 개발자입니다.
데이터 센트릭과 리터러시에 대해 관심이 많습니다.!


넷마블 잡부

민형기

#백엔드 #개발자 #소프트웨어엔지니어

GeoAI 연구원

영현

(주)무한정보기술 GeoAI팀 소속

 GIS 기반 AI 이미지 처리 기술 연구개발


pyh5214@naver.com 

LLM으로 대전게임하기

김선호

“데이터가 만들어내는 놀라운 비즈니스 가치 증명해내기”

LLM으로 대전게임하기

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필