To answer that, I would like to say that, mastering these do's and don'ts while writing code isn't just about impressing your peers (though that's a nice bonus). It's about writing code that's easier...

15 + 11 Mistakes Every Java Developer MUST avoid TODAY

1. Nulls와 Optionals
Bad Practice: 메서드에서 바로 null을 리턴하는 건 NPE를 유발할 수 있습니다.
public String getString() {
	return null;
}

Good Practice: null에 대한 명확한 핸들링과 에러 방지를 위해 Optional을 사용합니다.
public Optional<String> getString() {
	return Optional.empty();
}

 
2. String.valueOf()로 String 변환
Bad Practice: + 연산자를 사용해 문자열을 합칩니다.
double d = 3.14525;
String s = "" + d;

Good Practice: 내장 메서드를 활용합니다.
double d = 3.14245;
String s = String.valueOf(d);

 
3. array를 복사할 때 Arrays.copyOf() 
Bad Practice: 정석적으로 array를 복사합니다.
int[] sourceArray = {1,2,3,4,5};
int[] targetArray = new int[sourceArray.length];
for (int i = 0; i< sourceArray.length; i++) {
	targetArray[i] = sourceArray[i];
}

Good Practice: Arrays.copyOf() 메서드를 사용합니다.
int[] sourceArray = {1,2,3,4,5};
int[] targetArray = Arrays.copyOf(sourceArray, sourceArray.length);

 
4.  컬렉션이 비어있는지 체크하기 위해 isEmpty()
Bad Practice: length()나 size()로 string이나 컬렉션이 비어있는지 체크합니다.
String text = "Hello, World!";
if(text.length() == 0) {
	// Do something
}

Good Practice: isEmpty()로 string이나 컬렉션이 비어있는지 체크합니다.
String text = "Hello, World!";
if(text.isEmpty()) {
	// Do something
}

 
5. Concurrent Modification Exception 방지
Bad Practice: 리스트를 순회하고 있는 동안 요소를 제거하여 ConcurrentModificationException을 일으킵니다.
List<String> words = new ArrayList<>();
words.add("A");
words.add("B");
words.add("C");

for(String word : words) {
	if (word.equals("A")) {
 	words.remove(word);
 }
}

Good Practice: iterator remove 메서드나 removeIf() 메서드를 사용합니다. 
List<String> words = new ArrayList<>();
words.add("A");
words.add("B");
words.add("C");

Iterator<String> iterator = words.iterator();
while (iterator.hasNext()) {
 String word = iterator.next();
 if (word.equals("A")) {
 iterator.remove(); // Use iterator's remove method to safely remove elements
 }
}

System.out.println(words); // Output: [B, C]

 
6. 정규표현식 사전 컴파일
Bad Practice: 런타임 시에 정규표현식을 컴파일합니다.
String text = "Hello, World!";
if(text.matches("Hello.*")) {
	System.out.println("Matches!");
}
String replaced = text.replaceAll("\\s", "");

Good Practice: 정규표현식을 사전컴파일하고 재사용합니다.
final Pattern PATTERN1 = Pattern.compile("Hello.*");
final Pattern PATTERN2 = Pattern.compile("\\s");

String text = "Hello, World!";
if(PATTERN1.matcher(text).matches()) {
	System.out.println("Matches!");
}
String replaced = PATTERN2.matcher(text).replaceAll("");

 
번역: [https://ducktopia.tistory.com/124]
원문

1. Nulls와 OptionalsBad Practice: 메서드에서 바로 null을 리턴하는 건 NPE를 유발할 수 있습니다.<pre ><code class="language-java">public String getString() {
	return null;
}</code></pre>Good Practice: null에 대한 명확한 핸들링과 에러 방지를 위해 Optional을 사용합니다.<pre ><code class="language-java">public Optional&lt;String&gt; getString() {
	return Optional.empty();
}</code></pre>&nbsp;2. String.valueOf()로 String 변환Bad Practice: + 연산자를 사용해 문자열을 합칩니다.<pre ><code class="language-java">double d = 3.14525;
String s = "" + d;</code></pre>Good Practice: 내장 메서드를 활용합니다.<pre ><code class="language-java">double d = 3.14245;
String s = String.valueOf(d);</code></pre>&nbsp;3. array를 복사할 때 Arrays.copyOf()&nbsp;Bad Practice: 정석적으로 array를 복사합니다.<pre ><code class="language-java">int[] sourceArray = {1,2,3,4,5};
int[] targetArray = new int[sourceArray.length];
for (int i = 0; i&lt; sourceArray.length; i++) {
	targetArray[i] = sourceArray[i];
}</code></pre>Good Practice: Arrays.copyOf() 메서드를 사용합니다.<pre ><code class="language-java">int[] sourceArray = {1,2,3,4,5};
int[] targetArray = Arrays.copyOf(sourceArray, sourceArray.length);</code></pre>&nbsp;4.&nbsp; 컬렉션이 비어있는지 체크하기 위해 isEmpty()Bad Practice: length()나 size()로 string이나 컬렉션이 비어있는지 체크합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.length() == 0) {
	// Do something
}</code></pre>Good Practice: isEmpty()로 string이나 컬렉션이 비어있는지 체크합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.isEmpty()) {
	// Do something
}</code></pre>&nbsp;5. Concurrent Modification Exception 방지Bad Practice: 리스트를 순회하고 있는 동안 요소를 제거하여 ConcurrentModificationException을 일으킵니다.<pre ><code class="language-java">List&lt;String&gt; words = new ArrayList&lt;&gt;();
words.add("A");
words.add("B");
words.add("C");

for(String word : words) {
	if (word.equals("A")) {
 	words.remove(word);
 }
}</code></pre>Good Practice: iterator remove 메서드나 removeIf() 메서드를 사용합니다.&nbsp;<pre ><code class="language-java">List&lt;String&gt; words = new ArrayList&lt;&gt;();
words.add("A");
words.add("B");
words.add("C");

Iterator&lt;String&gt; iterator = words.iterator();
while (iterator.hasNext()) {
 String word = iterator.next();
 if (word.equals("A")) {
 iterator.remove(); // Use iterator's remove method to safely remove elements
 }
}

System.out.println(words); // Output: [B, C]</code></pre>&nbsp;6. 정규표현식 사전 컴파일Bad Practice: 런타임 시에 정규표현식을 컴파일합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.matches("Hello.*")) {
	System.out.println("Matches!");
}
String replaced = text.replaceAll("\\s", "");</code></pre>Good Practice: 정규표현식을 사전컴파일하고 재사용합니다.<pre ><code class="language-java">final Pattern PATTERN1 = Pattern.compile("Hello.*");
final Pattern PATTERN2 = Pattern.compile("\\s");

String text = "Hello, World!";
if(PATTERN1.matcher(text).matches()) {
	System.out.println("Matches!");
}
String replaced = PATTERN2.matcher(text).replaceAll("");</code></pre>&nbsp;번역: [https://ducktopia.tistory.com/124]원문

Medium

🕊️ [Medium] 자바 개발자가 피해야 하는 11가지 실수 (1)

시니어 개발자의 자리가 비어버린지 벌써 3달이 다 되어가고 있습니다. 처음에는 전방위적인 책임감에 어떻게 대처해야 할지 막막했습니다. 하지만 이제 저는 시니어 개발자의 역할을 맡아, 단순히 코드를 작성하는 것을 넘어 프로젝트의 문제를 식별하고, 해결책을 모색하는 중책을

시니어 개발자가 퇴사하고

새로운 시니어가 탄생하나봅니다.

흔히 나는 OO이니까 OO일만 한다고 생각하죠. 그렇지만 의사결정권이 없어도 시니어처럼 CTO처럼 나는 저 상황에 어떤 결정을 할지 근거와 판단을 하는 사람은 다릅니다.

부끄럽게도 저는 그런 사람이 아니지만 주변에 주니어들이 이렇게 활동하는걸 보며 많이 배웁니다.
오늘도 하나 배워가네요 💪

https://velog.io/@korea-dollar/%EC%8B%9C%EB%8B%88%EC%96%B4-%EA%B0%9C%EB%B0%9C%EC%9E%90%EA%B0%80-%ED%87%B4%EC%82%AC%ED%95%98%EA%B3%A0

새로운 시니어가 탄생하나봅니다. 흔히 나는 OO이니까 OO일만 한다고 생각하죠. 그렇지만 의사결정권이 없어도 시니어처럼 CTO처럼 나는 저 상황에 어떤 결정을 할지 근거와 판단을 하는 사람은 다릅니다. 부끄럽게도 저는 그런 사람이 아니지만 주변에 주니어들이 이렇게 활동하는걸 보며 많이 배웁니다.오늘도 하나 배워가네요 💪 https://velog.io/@korea-dollar/%EC%8B%9C%EB%8B%88%EC%96%B4-%EA%B0%9C%EB%B0%9C%EC%9E%90%EA%B0%80-%ED%87%B4%EC%82%AC%ED%95%98%EA%B3%A0

Velog

시니어가 사라지고 난 뒤

One of the key elements of Google's software engineering culture is the use of design docs for defining software designs. These are...

Design Docs at Google

Google Design Docs에 대한 설명입니다.

구글 내부에서는 소프트웨어 설계를 정의하는 디자인 문서를 비공식 정으로 사용한다고 합니다. 비공식 문서라서 엄격한 가이드라인이 있는 것은 아니지만 그동안 수많은 디자인 문서가 만들어지면서 유용한 구조가 자리 잡았다고 합니다.

맥락과 목표, 목표가 아닌 것을 명확히 설명하고 실제 디자인에 대한 설명과 다이어그램, 제약 조건을 명시하고 다른 대안이나 우려사항은 없는지를 설명하지만 바쁜 사람들도 쉽게 읽을 수 있을 정도로 짧아야 한다고 합니다.

디자인 문서를 작성하는 것도 비용이기 때문에 작성할 때 고민해야 하는데 보통 의사 결정에 대한 설명 없이 구현에 대한 설명만 있다면 문서를 작성하는 것보다는 바로 프로그래미을 작성하는게 더 좋은 선택이라고 얘기합니다.

이렇게 만든 문서는 반복을 통해서 개선한 뒤 리뷰를 통해서 다듬고 이후에도 계속 유지 관리를 하면서 시간이 지나면 소프트웨어가 만들어 진 후 다시 학습에 사용된다고 합니다.

----

디자인 문서나 테크 스펙을 많은 조직에서 사용합니다만 개인적으로 디자인 문서를 좋아하는 편은 아닙니다. 조직의 상황이나 문제에 따라 다르긴 하겠습니다만 일반적으로는 디자인 문서를 작성하는 것이 실제 할일보다는 너무 장황하게 느껴서 오히려 일이 느려지는 느낌을 많이 받는 편입니다. 실제 일보다 서류 작업이 많은 보수적 조직에 닮아가는 느낌이 어느 정도 있습니다.

물론 문서를 작성하고 형식에 맞게 설명을 하면서 구현자 스스로도 정리를 하게되는 효과도 있고 다른 사람도 이해할 수 있게 문서로 남음으로써 이해도도 높이고 히스토리가 되는 장점도 있다고 생각합니다. 이렇게 되려면 문서의 실용성이 상당히 많이 검증되어야 합니다만 일반적으로는 협업시에 제출해야할 서류 정도로 쓰이는 경우가 많아서 너무 사소한 일에도 문서를 작성해야 하거나 너무 추상적인 문서가 작성되는 상황을 종종 보게 됩니다.

물론 개인 취향이 많이 반영되어 있긴 합니다. 문서의 필요성은 중요하긴 하지만 저는 일반적으로 좀 장황하게 느껴지는 편입니다.

https://www.industrialempathy.com/posts/design-docs-at-google/

Google Design Docs에 대한 설명입니다. 구글 내부에서는 소프트웨어 설계를 정의하는 디자인 문서를 비공식 정으로 사용한다고 합니다. 비공식 문서라서 엄격한 가이드라인이 있는 것은 아니지만 그동안 수많은 디자인 문서가 만들어지면서 유용한 구조가 자리 잡았다고 합니다. 맥락과 목표, 목표가 아닌 것을 명확히 설명하고 실제 디자인에 대한 설명과 다이어그램, 제약 조건을 명시하고 다른 대안이나 우려사항은 없는지를 설명하지만 바쁜 사람들도 쉽게 읽을 수 있을 정도로 짧아야 한다고 합니다. 디자인 문서를 작성하는 것도 비용이기 때문에 작성할 때 고민해야 하는데 보통 의사 결정에 대한 설명 없이 구현에 대한 설명만 있다면 문서를 작성하는 것보다는 바로 프로그래미을 작성하는게 더 좋은 선택이라고 얘기합니다. 이렇게 만든 문서는 반복을 통해서 개선한 뒤 리뷰를 통해서 다듬고 이후에도 계속 유지 관리를 하면서 시간이 지나면 소프트웨어가 만들어 진 후 다시 학습에 사용된다고 합니다. ---- 디자인 문서나 테크 스펙을 많은 조직에서 사용합니다만 개인적으로 디자인 문서를 좋아하는 편은 아닙니다. 조직의 상황이나 문제에 따라 다르긴 하겠습니다만 일반적으로는 디자인 문서를 작성하는 것이 실제 할일보다는 너무 장황하게 느껴서 오히려 일이 느려지는 느낌을 많이 받는 편입니다. 실제 일보다 서류 작업이 많은 보수적 조직에 닮아가는 느낌이 어느 정도 있습니다. 물론 문서를 작성하고 형식에 맞게 설명을 하면서 구현자 스스로도 정리를 하게되는 효과도 있고 다른 사람도 이해할 수 있게 문서로 남음으로써 이해도도 높이고 히스토리가 되는 장점도 있다고 생각합니다. 이렇게 되려면 문서의 실용성이 상당히 많이 검증되어야 합니다만 일반적으로는 협업시에 제출해야할 서류 정도로 쓰이는 경우가 많아서 너무 사소한 일에도 문서를 작성해야 하거나 너무 추상적인 문서가 작성되는 상황을 종종 보게 됩니다. 물론 개인 취향이 많이 반영되어 있긴 합니다. 문서의 필요성은 중요하긴 하지만 저는 일반적으로 좀 장황하게 느껴지는 편입니다. https://www.industrialempathy.com/posts/design-docs-at-google/

Industrialempathy

AI는 형편없는 개발자를 대체할 수 없다. '뛰어난' 개발자에게만 잘 작동하기 때문이다. LLM이 내놓은 코드의 오류를 알려면 기술과 경험이 필

칼럼 | AI 코딩 도구는 대체제가 아니라 '인턴'이다

https://www.ciokorea.com/news/336837

스택 오버플로우 코드는 어떤가? 물론 일부 개발자는 별 생각 없이 코드를 복사하고 붙여넣기 하겠지만, 현명한 개발자라면 추천 수와 댓글을 먼저 확인할 가능성이 높다. LLM은 그런 신호를 주지 않는다. 그냥 믿거나 그렇지 않거나다.

https://www.ciokorea.com/news/336837 스택 오버플로우 코드는 어떤가? 물론 일부 개발자는 별 생각 없이 코드를 복사하고 붙여넣기 하겠지만, 현명한 개발자라면 추천 수와 댓글을 먼저 확인할 가능성이 높다. LLM은 그런 신호를 주지 않는다. 그냥 믿거나 그렇지 않거나다.

CIO Korea

AI 코딩 도구 회의론

저자: Ethan, 작성일: 2024-05-11, 수정일: 2024-05-11, 머리말: 넘실대는 AI 파도 속에서 모 설문조사에 따르면 많은 개발자가 Copilot을 사용하고 있다고 하지만 저는 한 번도 사용해 본 적이 없었습니다. 그러다 유독 가벼운 호기심이 동하던 날, Cursor IDE를 설치하면서 내장된 Copilot++와 AI Chat 기능을 사용하기 시작했습니다. 불과 몇 시간 만에 무료 토큰이 동이 났고 그렇게 구독을 시작했습니다.

5주 간의 Cursor IDE 실전 사용 후기: AI로 코딩 효율성 극대화하기. | Weezip

AI First IDE인 Cursor IDE 를 사용한 승환님 글 입니다.
요약보다 본문이 더 흥미진진하네요

요약
 * AI는 백설공주 속 왕비의 거울이지 알라딘의 램프가 아니다.
 * 코딩은 생각보다 단순 작업이 많다.
 * 이름은 명확하게 정의해야 한다.
 * 기초를 두텁게 쌓아야 한다.
 * AI 도구를 다루는 것도 하나의 소양이 될 것 같다.
https://weezip.treefeely.com/post/five-weeks-hands-on-review-of-cursor-ide

AI First IDE인 Cursor IDE 를 사용한 승환님 글 입니다.요약보다 본문이 더 흥미진진하네요 요약<ul><li>AI는 백설공주 속 왕비의 거울이지 알라딘의 램프가 아니다.</li><li>코딩은 생각보다 단순 작업이 많다.</li><li>이름은 명확하게 정의해야 한다.</li><li>기초를 두텁게 쌓아야 한다.</li><li>AI 도구를 다루는 것도 하나의 소양이 될 것 같다.</li></ul>https://weezip.treefeely.com/post/five-weeks-hands-on-review-of-cursor-ide

Weezip

5주 간의 Cursor IDE 실전 사용 후기

안녕하세요, 흥미진진하게 봐주셔서 감사합니다! :)

깃헙 코파일럿의 탭탭 레볼루션 아니 탭탭 오토컴플리션은 가챠 뽑기만큼의 도파민이 나오는 듯. 국가를 넘어 유엔이 허락한 마약..

깃헙 코파일럿의 탭탭 레볼루션 아니 탭탭 오토컴플리션은 가챠 뽑기만큼의 도파민이 나오는 듯. 국가를 넘어 유엔이 허락한 마약..

lt;p&gt;This is an introductory level microlearning course aimed at explaining what Generative AI is, how it is used, and how it differs from traditional machine learning methods. It also covers Google Tools to help you develop your own Gen AI apps.&lt;/p

Introduction to Generative AI | Google Cloud Skills Boost

구글에서 무료로 AI 코스들을 많이 열어주었네요!! 대부분 아주 짧아 깊은 내용을 다루고 있지는 않지만 AI 공부에 있어서 꼭 알아야 하는 꼭지점들을 잘 정리해주고 있어서 공부의 방향성을 잡기에 좋아보입니다! 모두 한글 스크립트가 친절히 제공되고 있으니 가벼운 마음으로 청취해보세요!

 1. Introduction to Generative AI
    1. 생성형 AI란 무엇이고 어떻게 사용하며 전통적인 머신러닝 방법과는 어떻게 다른지 설명
    2. https://www.cloudskillsboost.google/course_templates/536?locale=ko
 2. Introduction to Large Language Models
    1. 대규모 언어 모델(LLM)이란 무엇이고, LLM을 활용할 수 있는 사용 사례로는 어떤 것이 있으며, 프롬프트 조정을 사용해 LLM 성능을 개선하는 방법 학습
    2. https://www.cloudskillsboost.google/course_templates/539?locale=ko
 3. Introduction to Responsible AI
    1. 책임감 있는 AI란 무엇이고 이것이 왜 중요하며 Google에서는 어떻게 제품에 책임감 있는 AI를 구현하고 있는지 설명
    2. https://www.cloudskillsboost.google/course_templates/554?locale=ko
 4. Introduction to Image Generation
    1. 산 모델의 이론과 Vertex AI에서 이 모델을 학습시키고 배포하는 방법을 소개
    2. https://www.cloudskillsboost.google/course_templates/541?locale=ko
 5. Encoder-Decoder Architecture
    1. 기계 번역, 텍스트 요약, 질의 응답과 같은 시퀀스-투-시퀀스(Seq2Seq) 작업에 널리 사용되는 강력한 머신러닝 아키텍처인 인코더-디코더 아키텍처에 대한 개요
    2. https://www.cloudskillsboost.google/course_templates/543?locale=ko
 6. Attention Mechanism
    1. 이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.
    2. https://www.cloudskillsboost.google/course_templates/537?locale=ko
 7. Transformer Models and BERT Model
    1. ansformer 아키텍처와 BERT(Bidirectional Encoder Representations from Transformers) 모델을 소개
    2. https://www.cloudskillsboost.google/course_templates/538?locale=ko
 8. Create Image Captioning Models
    1. 딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법
    2. https://www.cloudskillsboost.google/course_templates/542?locale=ko
 9. Introduction to Generative AI Studio
    1. 생성형 AI 모델의 프로토타입을 제작하고 맞춤설정하여 애플리케이션에서 해당 기능을 사용할 수 있도록 도와주는 Vertex AI 제품인 생성형 AI 스튜디오를 소개
    2. https://www.cloudskillsboost.google/course_templates/552?locale=ko

구글에서 무료로 AI 코스들을 많이 열어주었네요!! 대부분 아주 짧아 깊은 내용을 다루고 있지는 않지만 AI 공부에 있어서 꼭 알아야 하는 꼭지점들을 잘 정리해주고 있어서 공부의 방향성을 잡기에 좋아보입니다! 모두 한글 스크립트가 친절히 제공되고 있으니 가벼운 마음으로 청취해보세요! <ol ><li>Introduction to Generative AI<ol ><li>생성형 AI란 무엇이고 어떻게 사용하며 전통적인 머신러닝 방법과는 어떻게 다른지 설명</li><li>https://www.cloudskillsboost.google/course_templates/536?locale=ko</li></ol></li><li>Introduction to Large Language Models<ol ><li>대규모 언어 모델(LLM)이란 무엇이고, LLM을 활용할 수 있는 사용 사례로는 어떤 것이 있으며, 프롬프트 조정을 사용해 LLM 성능을 개선하는 방법 학습</li><li>https://www.cloudskillsboost.google/course_templates/539?locale=ko</li></ol></li><li>Introduction to Responsible AI<ol ><li>책임감 있는 AI란 무엇이고 이것이 왜 중요하며 Google에서는 어떻게 제품에 책임감 있는 AI를 구현하고 있는지 설명</li><li>https://www.cloudskillsboost.google/course_templates/554?locale=ko</li></ol></li><li>Introduction to Image Generation<ol ><li>산 모델의 이론과 Vertex AI에서 이 모델을 학습시키고 배포하는 방법을 소개</li><li>https://www.cloudskillsboost.google/course_templates/541?locale=ko</li></ol></li><li>Encoder-Decoder Architecture<ol ><li>기계 번역, 텍스트 요약, 질의 응답과 같은 시퀀스-투-시퀀스(Seq2Seq) 작업에 널리 사용되는 강력한 머신러닝 아키텍처인 인코더-디코더 아키텍처에 대한 개요</li><li>https://www.cloudskillsboost.google/course_templates/543?locale=ko</li></ol></li><li>Attention Mechanism<ol ><li>이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.</li><li>https://www.cloudskillsboost.google/course_templates/537?locale=ko</li></ol></li><li>Transformer Models and BERT Model<ol ><li>ansformer 아키텍처와 BERT(Bidirectional Encoder Representations from Transformers) 모델을 소개</li><li>https://www.cloudskillsboost.google/course_templates/538?locale=ko</li></ol></li><li>Create Image Captioning Models<ol ><li>딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법</li><li>https://www.cloudskillsboost.google/course_templates/542?locale=ko</li></ol></li><li>Introduction to Generative AI Studio<ol ><li>생성형 AI 모델의 프로토타입을 제작하고 맞춤설정하여 애플리케이션에서 해당 기능을 사용할 수 있도록 도와주는 Vertex AI 제품인 생성형 AI 스튜디오를 소개</li><li>https://www.cloudskillsboost.google/course_templates/552?locale=ko </li></ol></li></ol>

Qwiklabs

무료 Google AI 코스들

In the present time, it's really hard to stay simple. I have seen many developers using a combination... Tagged with webdev, softwareengineering.

You're not a software engineer; you're a "frameworker"

Spring Framework 없이 자바로 서버 개발하기, 장고 없이 Python 백엔드 만들기, React 없이, Tailwind 없이 프론트 화면 만들기. 상상해본적 있으신가요?

요즘 개발은 확장성은 쉬워진 듯 하면서도 프레임워크 없이 단순하게 만들기 그 자체는 오히려 어려워 진 것 같습니다. 모던하게 만든다! 라고 생각했을때 단순한 CRUD 어플리케이션 개발을 위해 그냥 떠오르는 필요한 Framework, 모듈만 5개 이상은 사용하는 것 같습니다. 혹시 단순 SQL 쿼리 작성할때는 헷갈리지만 ORM으로는 뚝딱 만들고, javascript 함수의 기본은 잘 모르지만 next.js 로 어떻게 짜면 되는지 부터 찾아보진 않으셨나요?

물론 실용적인 프레임워크 사용법을 빠르게 익히는 것도 중요하지만, 그 기반이 되는 원리를 이해하고 단순하게 구현할 수도 있는 것을 알고 천천히 달려가는 것과 모르고 앞으로 달리는 것은 분명 다를것입니다. 그리고 생각보다 그 이해가 엄청나게 어렵지도 않고 오히려 더 재밌고 더 멀리 나아가는데 큰 도움이 될 수 있을 것입니다.

https://dev.to/themuneebh/youre-not-a-software-engineer-youre-a-frameworker-3bkk

Spring Framework 없이 자바로 서버 개발하기, 장고 없이 Python 백엔드 만들기, React 없이, Tailwind 없이 프론트 화면 만들기. 상상해본적 있으신가요? 요즘 개발은 확장성은 쉬워진 듯 하면서도 프레임워크 없이 단순하게 만들기 그 자체는 오히려 어려워 진 것 같습니다. 모던하게 만든다! 라고 생각했을때 단순한 CRUD 어플리케이션 개발을 위해 그냥 떠오르는 필요한 Framework, 모듈만 5개 이상은 사용하는 것 같습니다. 혹시 단순 SQL 쿼리 작성할때는 헷갈리지만 ORM으로는 뚝딱 만들고, javascript 함수의 기본은 잘 모르지만 next.js 로 어떻게 짜면 되는지 부터 찾아보진 않으셨나요? 물론 실용적인 프레임워크 사용법을 빠르게 익히는 것도 중요하지만, 그 기반이 되는 원리를 이해하고 단순하게 구현할 수도 있는 것을 알고 천천히 달려가는 것과 모르고 앞으로 달리는 것은 분명 다를것입니다. 그리고 생각보다 그 이해가 엄청나게 어렵지도 않고 오히려 더 재밌고 더 멀리 나아가는데 큰 도움이 될 수 있을 것입니다. https://dev.to/themuneebh/youre-not-a-software-engineer-youre-a-frameworker-3bkk

DEV Community

당신은 개발자가 아니라 Frameworker 입니다.

We’re announcing GPT-4 Omni, our new flagship model which can reason across audio, vision, and text in real time.

Hello GPT-4o

미국시간으로 5월13일 OpenAI가 발표한 GPT-4o(옴니)의 내용을 정리해봅니다.

 * 주요 내용
   * GPT-4omni(옴니=모든것)
   * 텍스트, 오디오, 이미지 및 비디오의 모든 조합을 입력과 출력
   * 최소 232밀리초, 평균 320밀리초만에 오디오 입력과 응답으로 사람의 응답시간과 비슷한 수준
   * 영어 텍스트 및 코드에 대한 GPT-4 터보 성능과 비슷하며, 비영어권 언어의 텍스트에 대한 성능이 크게 향상됨.
   * API는 훨씬 빠르고 50% 더 저렴

 * 모델 기능
   * GPT-4o 이전의 음성 모드는 평균 2.8초(GPT-3.5) 및 5.4초(GPT-4)의 지연 시간
   * GPT-3.5 또는 GPT-4는 하나의 단순 모델이 텍스트를 받아 텍스트를 출력하거나 오디오를 텍스트로 변환하는 방식
   * GPT-4o는 텍스트, 시각, 오디오에 걸쳐 하나의 새로운 모델을 엔드투엔드로 훈련시켜 모든 입력과 출력을 동일한 신경망으로 처리

 * 모델 평가
   * GPT-4o는 텍스트, 추론, 코딩 지능에서 GPT-4 터보 수준의 성능 달성
   * 추론 능력 향상: COT MMLU(일반 지식 문제)에서 88.7%라는 새로운 최고 점수 기록 / 기존의 5-샷 노-CoT MMLU에서 GPT-4o는 87.2%라는 새로운 최고 점수 기록

 * 언어 토큰화
   * 한국어 토큰 수 1.7배 감소(45개에서 27개로)

 * 모델 안전 및 제한 사항
   * 학습 데이터 필터링과 사후 학습을 통한 모델 동작 개선
   * 사이버 보안, 화생방, 설득, 모델 자율성에 대한 평가 결과 GPT-4o는 어느 항목에서도 중간 위험 이상의 점수를 받지 못함
   * 사회 심리학, 편견과 공정성, 잘못된 정보 등의 분야에서 70명 이상의 외부 전문가와 함께 광범위한 외부 레드팀 작업을 거쳐 상호 작용의 안전성을 개선하기 위한 안전 개입 구축

 * 모델 가용성
   * GPT-4o의 기능은 반복적으로 출시 예정(레드팀 액세스 권한 확장됨)
   * GPT-4o의 텍스트 및 이미지 기능을 무료 티어와 플러스 사용자에게 제공 예정. 음성모드는 알파버전으로 출시 예정
   * GPT-4 터보에 비해 2배 빠른 속도, 절반의 가격, 5배 더 높은 속도 제한
   * 새로운 오디오 및 비디오 기능에 대한 API 지원 예정

 * Source: https://openai.com/index/hello-gpt-4o/

미국시간으로 5월13일 OpenAI가 발표한 GPT-4o(옴니)의 내용을 정리해봅니다. <ul ><li>주요 내용<ul ><li>GPT-4omni(옴니=모든것)</li><li>텍스트, 오디오, 이미지 및 비디오의 모든 조합을 입력과 출력</li><li>최소 232밀리초, 평균 320밀리초만에 오디오 입력과 응답으로 사람의 응답시간과 비슷한 수준</li><li>영어 텍스트 및 코드에 대한 GPT-4 터보 성능과 비슷하며, 비영어권 언어의 텍스트에 대한 성능이 크게 향상됨.</li><li>API는 훨씬 빠르고 50% 더 저렴</li></ul></li></ul> <ul ><li>모델 기능<ul ><li>GPT-4o 이전의 음성 모드는 평균 2.8초(GPT-3.5) 및 5.4초(GPT-4)의 지연 시간</li><li>GPT-3.5 또는 GPT-4는 하나의 단순 모델이 텍스트를 받아 텍스트를 출력하거나 오디오를 텍스트로 변환하는 방식</li><li>GPT-4o는 텍스트, 시각, 오디오에 걸쳐 하나의 새로운 모델을 엔드투엔드로 훈련시켜 모든 입력과 출력을 동일한 신경망으로 처리</li></ul></li></ul> <ul ><li>모델 평가<ul ><li>GPT-4o는 텍스트, 추론, 코딩 지능에서 GPT-4 터보 수준의 성능 달성</li><li>추론 능력 향상: COT MMLU(일반 지식 문제)에서 88.7%라는 새로운 최고 점수 기록 / 기존의 5-샷 노-CoT MMLU에서 GPT-4o는 87.2%라는 새로운 최고 점수 기록</li></ul></li></ul> <ul ><li>언어 토큰화<ul ><li>한국어 토큰 수 1.7배 감소(45개에서 27개로)</li></ul></li></ul> <ul ><li>모델 안전 및 제한 사항<ul ><li>학습 데이터 필터링과 사후 학습을 통한 모델 동작 개선</li><li>사이버 보안, 화생방, 설득, 모델 자율성에 대한 평가 결과 GPT-4o는 어느 항목에서도 중간 위험 이상의 점수를 받지 못함</li><li>사회 심리학, 편견과 공정성, 잘못된 정보 등의 분야에서 70명 이상의 외부 전문가와 함께 광범위한 외부 레드팀 작업을 거쳐 상호 작용의 안전성을 개선하기 위한 안전 개입 구축</li></ul></li></ul> <ul ><li>모델 가용성<ul ><li>GPT-4o의 기능은 반복적으로 출시 예정(레드팀 액세스 권한 확장됨)</li><li>GPT-4o의 텍스트 및 이미지 기능을 무료 티어와 플러스 사용자에게 제공 예정. 음성모드는 알파버전으로 출시 예정</li><li>GPT-4 터보에 비해 2배 빠른 속도, 절반의 가격, 5배 더 높은 속도 제한</li><li>새로운 오디오 및 비디오 기능에 대한 API 지원 예정</li></ul></li></ul> <ul ><li>Source: https://openai.com/index/hello-gpt-4o/</li></ul>

openai.com

[OpenAI] GPT-4o

현재 GPT-4의 ELO 점수는 원래 출시된 버전보다 약 100점 더 높은데요.

OpenAI 공동 창업자인 John Schulman과의 인터뷰에 따르면 GPT-4가 1년 전보다 "더 똑똑해진" 이유는 복잡한 사후 훈련(Post-training) 덕분이라고 합니다.

이를 나타내는 것 중 하나는 GPT-4 모델에서 생성된 출력이 웹에 있는 대부분의 콘텐츠보다 품질이 더 높다는 것인데요. 따라서 단순히 웹에 있는 내용을 모방하도록 훈련받는 것보다 모델이 스스로 생각하도록 하는 것이 더 의미가 있다고 합니다.

현재 많은 회사들이 사전 훈련(Pre-training)에 집중해서, 더 많은 데이터와 아키텍처에 대한 연구를 많이 하고 있는데요. 이는 이제 방법론들이 많이 대중화 되었고, 또 공개된 사전 학습된 모델들이 많아졌기 때문에 어떻게 보면 상당히 쉬운 일이 되었습니다.

하지만 사후 학습은 암묵적인 지식이 많이 필요하고, 이에 숙련된 인력이 많이 필요한 매우 복잡한 작업이기 때문에 이 부분이 현재 가장 어렵고 힘든 일로, 기술 장벽을 크게 만드는 일이라고 합니다.

따라서 앞으로 사전 훈련보다 사후 훈련에 더 많은 컴퓨팅 자원을 쓰게 될 수도 있다고 합니다.

John Schulman가 OpenAI의 Post-training Lead인 만큼 사후 훈련에 편향된 의견을 낼 수 있긴하지만, OpenAI의 공동 창업지이기도 하니 깊게 생각해 볼 필요가 있는 것 같습니다.

현재 GPT-4의 ELO 점수는 원래 출시된 버전보다 약 100점 더 높은데요. OpenAI 공동 창업자인 John Schulman과의 인터뷰에 따르면 GPT-4가 1년 전보다 "더 똑똑해진" 이유는 복잡한 사후 훈련(Post-training) 덕분이라고 합니다. 이를 나타내는 것 중 하나는 GPT-4 모델에서 생성된 출력이 웹에 있는 대부분의 콘텐츠보다 품질이 더 높다는 것인데요. 따라서 단순히 웹에 있는 내용을 모방하도록 훈련받는 것보다 모델이 스스로 생각하도록 하는 것이 더 의미가 있다고 합니다. 현재 많은 회사들이 사전 훈련(Pre-training)에 집중해서, 더 많은 데이터와 아키텍처에 대한 연구를 많이 하고 있는데요. 이는 이제 방법론들이 많이 대중화 되었고, 또 공개된 사전 학습된 모델들이 많아졌기 때문에 어떻게 보면 상당히 쉬운 일이 되었습니다. 하지만 사후 학습은 암묵적인 지식이 많이 필요하고, 이에 숙련된 인력이 많이 필요한 매우 복잡한 작업이기 때문에 이 부분이 현재 가장 어렵고 힘든 일로, 기술 장벽을 크게 만드는 일이라고 합니다. 따라서 앞으로 사전 훈련보다 사후 훈련에 더 많은 컴퓨팅 자원을 쓰게 될 수도 있다고 합니다. John Schulman가 OpenAI의 Post-training Lead인 만큼 사후 훈련에 편향된 의견을 낼 수 있긴하지만, OpenAI의 공동 창업지이기도 하니 깊게 생각해 볼 필요가 있는 것 같습니다.

📝 LLM 학습은 앞으로 사후 훈련이 더 중요할 것

‪인터뷰 영상 https://m.youtube.com/watch?v=JclnqKZBTUU‬

 1. 기본기 확실히 하기
 2. 학습 능력 키우기
 3. 의사 소통 잘하기
 4. 문제 정의 잘하기
 5. 태스크 완료 시간 추정 잘하기
 6. 운영을 고려한 코드 작성하기
 7. 서비스 사고 대처 능력 키우기
 8. 결과를 내는데 집중하기
 9. 영향력 갖기 (코딩 멍키)
    
    
개발자로 일을 하다보면 피할 수 없는 것이 서비스와 관련된 사고를 내는 것이다. 보통은 버그로 인해 이런 일이 발생하게 되는데 이는 사실 코드를 많이 작성하는 개발자들에게 더 많이 발생할 수 밖에 없는데 동일한 사고를 안 내겠다는 개인적인 노력과 동일한 문제가 반복되는 것이 아니라면 성장과정으로 보는 조직적인 관점이 중요하다. 이로 인한 트라우마가 생긴다면 개발자의 커리어에는 치명적인 상처가 생길 수 있다.

개인의 성향에 따라서는 내 코드로 인해 서비스 사고가 났을 때 자책을 하다못해 움츠러들 수 있는데 이 경우 코드를 완벽하게 작성해야겠다는 결론에 도달할 수 있다. 이는 개인에게도 스트레스이기도 하고 조직 관점에서도 느린 속도로 이어지기에 개인적으로도 개발자의 커리어에서 사고는 언제 내느냐의 문제라고 바라보면서 사고 발생시 복기하고 어떻게 하면 재발을 막을지 생각해보는 것이 중요하다.

하지만 그 개인이 속한 개발 조직에서 사고의 책임을 100% 개인에게 돌릴다면 개인이 움츠러 드는 것은 어쩔 수 없다. 이는 특히 기술부채를 안고 갈 수 밖에 상황에서는 더 그러하다. 그러기에 개발 조직의 관점에서는 다음을 생각해보는 것이 좋다.

 1. 사고 발생시마다 프로세스를 개선하고 테스트를 추가하는 등의 노력을 병행하는 것이 더 좋다. 사고 마다 레벨을 정해서 심각한 문제들의 경우 사후 부검 프로세스를 통해 이유를 파악하고 재발을 막기 위한 조치들을 취해야 한다.
 2. 또한 사고가 발생했을 때 얼마나 빨리 이를 감지하고 문제해결 프로세스를 시작할지 사고 대처와 관계된 역량을 키우는 것이 중요해진다. 지난 포스팅에서 이야기했던 운영을 고려한 코드를 작성하는 것이 중요해지기 시작하는데 에러 메시지를 이해하기 쉽게 하고 여기저기 로그를 자세히 남기는 것들을 이야기했었다. 어느 정도 규모가 커진 조직이라면 처음에는 백엔드 엔지니어등이 코드 배포와 운영, 모니터링을 담당할 수 있겠지만 별도의 데브옵스 조직이 필요할지 점검해보는 것이 필요할 수도 있다.
 3. 주기적으로 중요 사고에 대한 조치가 취해졌는지 어느 정도로 조치를 취할지 논의할 필요가 있다. 안 그러면 사후부검만 하고 실제 예방 조치는 취해지지 않는 문제가 발생한다. 이는 엔지니어링 리더십의 책임이기도 하다.
 4. 많은 경우 크고 작은 문제들이 고객 리포트로 초기에 발견할 수 있기에 CS팀과의 원활한 커뮤니케이션이 필요할 수 있으며 이 역시 지난 포스팅에서 이야기했었다.
 5. 대부분의 큰 사고는 데이터베이스와 연관된 경우들이 많다. 그래서 데이터베이스의 오래 걸리는 쿼리를 선제적으로 모니터링하고 문제 되는 부분을 찾아 미리 최적화하는 것이 필요하다. 또 하나 해볼 수 있는 것은 중요한 페이지나 중요 API의 실행시간 (latency) 모니터링을 해보는 것이다.
     
온라인 서비스에서 사고는 언제 일어나느냐의 문제지 피해갈 수 있는 문제는 아니다. 사고를 안 내기위해 코드를 완벽하게 작성하려고 하는 것 보다는 문제 감지와 운영이 쉬운 코드를 작성하면서 코드 배포 프로세스와 서비스 모니터링 프로세스를 강화하는 것을 병행하는 것이 더 맞는 방향이다.

<ol ><li>기본기 확실히 하기</li><li>학습 능력 키우기</li><li>의사 소통 잘하기</li><li>문제 정의 잘하기</li><li>태스크 완료 시간 추정 잘하기</li><li>운영을 고려한 코드 작성하기</li><li>서비스 사고 대처 능력 키우기</li><li>결과를 내는데 집중하기</li><li>영향력 갖기 <s>(코딩 멍키)</s> </li></ol>개발자로 일을 하다보면 피할 수 없는 것이 서비스와 관련된 사고를 내는 것이다. 보통은 버그로 인해 이런 일이 발생하게 되는데 이는 사실 코드를 많이 작성하는 개발자들에게 더 많이 발생할 수 밖에 없는데 동일한 사고를 안 내겠다는 개인적인 노력과 동일한 문제가 반복되는 것이 아니라면 성장과정으로 보는 조직적인 관점이 중요하다. 이로 인한 트라우마가 생긴다면 개발자의 커리어에는 치명적인 상처가 생길 수 있다. 개인의 성향에 따라서는 내 코드로 인해 서비스 사고가 났을 때 자책을 하다못해 움츠러들 수 있는데 이 경우 코드를 완벽하게 작성해야겠다는 결론에 도달할 수 있다. 이는 개인에게도 스트레스이기도 하고 조직 관점에서도 느린 속도로 이어지기에 개인적으로도 개발자의 커리어에서 사고는 언제 내느냐의 문제라고 바라보면서 사고 발생시 복기하고 어떻게 하면 재발을 막을지 생각해보는 것이 중요하다. 하지만 그 개인이 속한 개발 조직에서 사고의 책임을 100% 개인에게 돌릴다면 개인이 움츠러 드는 것은 어쩔 수 없다. 이는 특히 기술부채를 안고 갈 수 밖에 상황에서는 더 그러하다. 그러기에 개발 조직의 관점에서는 다음을 생각해보는 것이 좋다. <ol ><li>사고 발생시마다 프로세스를 개선하고 테스트를 추가하는 등의 노력을 병행하는 것이 더 좋다. 사고 마다 레벨을 정해서 심각한 문제들의 경우 사후 부검 프로세스를 통해 이유를 파악하고 재발을 막기 위한 조치들을 취해야 한다.</li><li>또한 사고가 발생했을 때 얼마나 빨리 이를 감지하고 문제해결 프로세스를 시작할지 사고 대처와 관계된 역량을 키우는 것이 중요해진다. 지난 포스팅에서 이야기했던 운영을 고려한 코드를 작성하는 것이 중요해지기 시작하는데 에러 메시지를 이해하기 쉽게 하고 여기저기 로그를 자세히 남기는 것들을 이야기했었다. 어느 정도 규모가 커진 조직이라면 처음에는 백엔드 엔지니어등이 코드 배포와 운영, 모니터링을 담당할 수 있겠지만 별도의 데브옵스 조직이 필요할지 점검해보는 것이 필요할 수도 있다.</li><li>주기적으로 중요 사고에 대한 조치가 취해졌는지 어느 정도로 조치를 취할지 논의할 필요가 있다. 안 그러면 사후부검만 하고 실제 예방 조치는 취해지지 않는 문제가 발생한다. 이는 엔지니어링 리더십의 책임이기도 하다.</li><li>많은 경우 크고 작은 문제들이 고객 리포트로 초기에 발견할 수 있기에 CS팀과의 원활한 커뮤니케이션이 필요할 수 있으며 이 역시 지난 포스팅에서 이야기했었다.</li><li>대부분의 큰 사고는 데이터베이스와 연관된 경우들이 많다. 그래서 데이터베이스의 오래 걸리는 쿼리를 선제적으로 모니터링하고 문제 되는 부분을 찾아 미리 최적화하는 것이 필요하다. 또 하나 해볼 수 있는 것은 중요한 페이지나 중요 API의 실행시간 (latency) 모니터링을 해보는 것이다. &nbsp;</li></ol>온라인 서비스에서 사고는 언제 일어나느냐의 문제지 피해갈 수 있는 문제는 아니다. 사고를 안 내기위해 코드를 완벽하게 작성하려고 하는 것 보다는 문제 감지와 운영이 쉬운 코드를 작성하면서 코드 배포 프로세스와 서비스 모니터링 프로세스를 강화하는 것을 병행하는 것이 더 맞는 방향이다.

좋은 개발자가 알아야하는 9가지 포인트들 - 사고 대처 능력 키우

Test UI changes and production fixes with the powerful network response overrides in Chrome DevTools. Mock response headers, files, API requests, and more wi...

Override and mock network responses #DevToolsTips

﻿서버 개발 완료가 늦어져 API의 응답이 원하는 형태로 개발이 안되는 상황이나 API의 응답을 다른 응답으로 변경하여 브라우저에서 확인하고 싶을 경우 해볼만한 방법에 대해 공유 드립니다.

저희 팀 자체 테크 톡에서 나온 내용인데요. 크롬 브라우저에서만 동작한다는 단점(?)이 있지만 응답 결과를 서버에서 다르게 변경하며 봐야할 경우 브라우저 단에서 생각보다 쉽게 변경해볼수 있는 장점이 가장 크다고 느껴졌습니다.

프론트와 백엔드를 막론하고 알고 있으면 언젠가 강력하게 도움이 될 내용으로 생각됩니다.
https://www.youtube.com/watch?v=KxjGYcHZ_uI

﻿서버 개발 완료가 늦어져 API의 응답이 원하는 형태로 개발이 안되는 상황이나 API의 응답을 다른 응답으로 변경하여 브라우저에서 확인하고 싶을 경우 해볼만한 방법에 대해 공유 드립니다. 저희 팀 자체 테크 톡에서 나온 내용인데요. 크롬 브라우저에서만 동작한다는 단점(?)이 있지만 응답 결과를 서버에서 다르게 변경하며 봐야할 경우 브라우저 단에서 생각보다 쉽게 변경해볼수 있는 장점이 가장 크다고 느껴졌습니다. 프론트와 백엔드를 막론하고 알고 있으면 언젠가 강력하게 도움이 될 내용으로 생각됩니다.https://www.youtube.com/watch?v=KxjGYcHZ_uI ﻿

YouTube

API의 응답을 프론트에서 손쉽게 변경하기

여러번의 이직을 거쳐왔지만 직장에서 동료와 직접적으로 문제가 된 적은 거의 없었다. 대부분 어느정도 의견차이가 있다고 하더라도 말도안되는 정도로 벗어나는 경우가 없기 때문에 대화로 의견타협을 할 수 있었다.

현직장에는 문제가 많다. 팀이 생긴지 2년정도밖에 안됐고 그간 거쳐간 리더들이 하나같이 잘못된 리더십을 행사하는 바람에 능력있는 사람들은 이미 다 빠져나갔다. 그러고나니 남아있던 경력만 많은 나르시스트가 감언이설과 장시간의 노동으로 테크리드 자리를 꿰찬듯 하다.

이미 한 번 철옹성을 쌓아올려 기회를 만든 이 나르시스트는 자신의 권위에 도전한다고 판단되는 모든 행위들을 권력으로 찍어누르면서 자리를 지키기위해 안간힘을 쓴다.

이들의 특징은 다음과 같다.
 1. 리더십이 아닌 자신의 직위를 내세운다
 2. 자신의 계획에 조금이라도 벗어나는 의견을 용납하지 못한다
 3. 실수를 인정하지 않는다
 4. 사과라는걸 모른다
 5. 남탓을 한다.
 6. 다른 사람의 실수를 들추며 자신을 치켜세운다.
 7. A와의 1:1 미팅에서 B를 까고 B와의 1:1 미팅에서 A를 깐다
 8. 모든 일의 공을 자신으로 돌린뒤 잡무를 팀원들에게 분배한다

이외에도 기타등등 조직에 악영향을 많이 끼친다. 어디까지나 미국 한정이지만 이것에 대응하기위해 지금까지 다음과 같은 방법을 활용하고있다.

 * 잘못된 행동이나 의사결정에 대한 정확한 기록. 일/시/상황 등을 기록한다.
 * 피드백은 되도록 매니져가 있는 상황에서 프로페셔널 한 매너를 지키며 전달한다.
 * 상대가 감정적으로 나오더라도 그것에 동요하지 않는다.
 * 인사팀과 매니져에게 기록해온 상황을 보고한다.
 * 생각이 같은 팀원을 찾아 동맹을 만든다.
 * 팀 내부도 중요하지만 외부 리더들과 좋은 관계를 유지한다.

직장에서 아무리 이해가 되지 않는 행동이나 의사결정을 지속적으로 내리는 리더를 만나더라도 준비 없이 권위에 도전하는건 위험하다. 특히나 상대적으로 직장내에서 입지가 좁다면 우선 나에대한 지지와 신뢰를 주변으로부터 얻는게 우선이다. 굴러들어온 돌이 박힌돌을 빼내려면 굴러들어오는 모멘텀과 동시에 나의 덩치를 불리는게 우선이다.

현 직장에 입사한지 1년이 지났다. 사실 이정도 되면 전직장에서는 일이 지루해져 다음 일자리를 찾기 시작했을 타이밍인데 불행 중 다행인지 이런 환경 덕분에 매일매일 새롭고 흥미로운 듯 하다. 매일이 새로운 경험이고 노하우도 쌓이는 것 같아서 어떻게보면 이런 환경에 들어온게 좋은 기회인 것 같기도 하다.

이제 슬슬 박힌돌을 빼내는 시도를 해 보려고 하고있다. 나로써도 처음하는 경험이고 여러가지 변수도 있어서 성공할 것이라는 확신은 아직 없지만, 지금까지 배운 것 들 만으로도 충분히 값진 경험을 한 것 같다.

앞으로 종종 진행상황을 업데이트 하겠다.

여러번의 이직을 거쳐왔지만 직장에서 동료와 직접적으로 문제가 된 적은 거의 없었다. 대부분 어느정도 의견차이가 있다고 하더라도 말도안되는 정도로 벗어나는 경우가 없기 때문에 대화로 의견타협을 할 수 있었다. 현직장에는 문제가 많다. 팀이 생긴지 2년정도밖에 안됐고 그간 거쳐간 리더들이 하나같이 잘못된 리더십을 행사하는 바람에 능력있는 사람들은 이미 다 빠져나갔다. 그러고나니 남아있던 경력만 많은 나르시스트가 감언이설과 장시간의 노동으로 테크리드 자리를 꿰찬듯 하다. 이미 한 번 철옹성을 쌓아올려 기회를 만든 이 나르시스트는 자신의 권위에 도전한다고 판단되는 모든 행위들을 권력으로 찍어누르면서 자리를 지키기위해 안간힘을 쓴다. 이들의 특징은 다음과 같다.<ol ><li>리더십이 아닌 자신의 직위를 내세운다</li><li>자신의 계획에 조금이라도 벗어나는 의견을 용납하지 못한다</li><li>실수를 인정하지 않는다</li><li>사과라는걸 모른다</li><li>남탓을 한다.</li><li>다른 사람의 실수를 들추며 자신을 치켜세운다.</li><li>A와의 1:1 미팅에서 B를 까고 B와의 1:1 미팅에서 A를 깐다</li><li>모든 일의 공을 자신으로 돌린뒤 잡무를 팀원들에게 분배한다</li></ol> 이외에도 기타등등 조직에 악영향을 많이 끼친다. 어디까지나 미국 한정이지만 이것에 대응하기위해 지금까지 다음과 같은 방법을 활용하고있다. <ul ><li>잘못된 행동이나 의사결정에 대한 정확한 기록. 일/시/상황 등을 기록한다.</li><li>피드백은 되도록 매니져가 있는 상황에서 프로페셔널 한 매너를 지키며 전달한다.</li><li>상대가 감정적으로 나오더라도 그것에 동요하지 않는다.</li><li>인사팀과 매니져에게 기록해온 상황을 보고한다.</li><li>생각이 같은 팀원을 찾아 동맹을 만든다.</li><li>팀 내부도 중요하지만 외부 리더들과 좋은 관계를 유지한다.</li></ul> 직장에서 아무리 이해가 되지 않는 행동이나 의사결정을 지속적으로 내리는 리더를 만나더라도 준비 없이 권위에 도전하는건 위험하다. 특히나 상대적으로 직장내에서 입지가 좁다면 우선 나에대한 지지와 신뢰를 주변으로부터 얻는게 우선이다. 굴러들어온 돌이 박힌돌을 빼내려면 굴러들어오는 모멘텀과 동시에 나의 덩치를 불리는게 우선이다. 현 직장에 입사한지 1년이 지났다. 사실 이정도 되면 전직장에서는 일이 지루해져 다음 일자리를 찾기 시작했을 타이밍인데 불행 중 다행인지 이런 환경 덕분에 매일매일 새롭고 흥미로운 듯 하다. 매일이 새로운 경험이고 노하우도 쌓이는 것 같아서 어떻게보면 이런 환경에 들어온게 좋은 기회인 것 같기도 하다. 이제 슬슬 박힌돌을 빼내는 시도를 해 보려고 하고있다. 나로써도 처음하는 경험이고 여러가지 변수도 있어서 성공할 것이라는 확신은 아직 없지만, 지금까지 배운 것 들 만으로도 충분히 값진 경험을 한 것 같다. 앞으로 종종 진행상황을 업데이트 하겠다.

직장에서 나르시스트를  상대하는 방법

몇 달 전, 반려생활에 처음 합류한 후 진행했던 첫 과제에 대한 내용을 블로그에 포스팅했더니 좋은 반응을 많이 받았습니다. 그래서 이번엔 시간을 조금 더 앞당겨, 반려생활에 합류하게 되기까지의 과정을 블로그에 적어 공유해 보고자 합니다. 반려생활에 지원할 무렵인 2023년 11월, 저는 우아한테크코스라는 부트캠프 캠퍼스에서 한창 프로그래밍 공부를 하고...

반려생활, 서버 개발자, 700대 1

반려생활에 입사하진 4개월된 승현님이 합류까지의 과정을 재미나게 적어주셨네요.

https://blog.ban-life.com/%EB%B0%98%EB%A0%A4%EC%83%9D%ED%99%9C-%EC%84%9C%EB%B2%84-%EA%B0%9C%EB%B0%9C%EC%9E%90-700%EB%8C%80-1-1aa370e64781

반려생활에 입사하진 4개월된 승현님이 합류까지의 과정을 재미나게 적어주셨네요. https://blog.ban-life.com/%EB%B0%98%EB%A0%A4%EC%83%9D%ED%99%9C-%EC%84%9C%EB%B2%84-%EA%B0%9C%EB%B0%9C%EC%9E%90-700%EB%8C%80-1-1aa370e64781

반려생활에 합류하기 위한 여정

Next.js 환경에서 개발을 하다보면 Hydration에러를 종종 만나게 되는데요. 이 에러는 서버에서 생성된 HTML과 클라이언트에서 생성되는 HTML간에 불일치가 발생할때 발생합니다.

가령 useEffect내 API호출을 한다던지, 세션이나 쿠키 같은 요인에 따라 렌더링 컴포넌트가 다를때라던지, 자바스크립트 실행 타이밍이 다를때 이 에러를 접하게 되는데요.

이 Hydration에러는 왜 발생하는 것일까요??
근본적인 원인은 렌더링을 두 번 하기 때문입니다. 서버 사이드 렌더링 후, 클라이언트 사이드에서 추가 렌더링을 하면서 데이터의 불일치가 발생하는 것인데요. 

그럼 왜 렌더링을 두 번 할까요? 언뜻 보기엔 두 번 렌더링이 비효율적인것 같아 보이는데요. 두 번 렌더링을 하게 되면 최초 초기 로딩 시 최소한의 정보만을 포함하고 있어 빠르게 렌더링이 가능합니다. 또한 검색엔진은 빠른 렌더링을 중요한 랭킹 요소로 고려하므로 SEO에도 유리 합니다. 초기 렌더링 이후에는  DOM 요소에 속성을 매칭 시키는 작업을 하는데요. 이 이벤트 리스너를 붙이는 작업은 페이지를 다시 그리지 않으므로 추가적인 렌더링 비용이 발생하지 않습니다.

따라서, Hydration은 효율적인 초기 페이지 로딩과 동적 웹 애플리케이션 기능의 균형을 맞추기 위한 과정 입니다. 다만 Hydration 에러는 개발 과정에서 다루기 까다로운 문제중 하나인데요. Next.js 에서도 에러를 줄이기 위한 방안을 지속적으로 모색하고 기술적인 접근을 제공하고 있습니다. 예를 들어 Zustand에서는 과거에 persist미들웨어를 사용할때 Hydration에러가 발생하였는데요 V3부터는 클라이언트 측에서 상태를 다시 로드하도록 하여 서버와 클라이언트 사이의 데이터 불일치 문제를 해결하였습니다. 

Hydration 과정과 이로 인해 발생할 수 있는 에러를 제대로 관리하면, 사용자 경험을 향상시키고 웹사이트의 성능을 최적화할 수 있습니다.

Next.js 환경에서 개발을 하다보면 Hydration에러를 종종 만나게 되는데요. 이 에러는 서버에서 생성된 HTML과 클라이언트에서 생성되는 HTML간에 불일치가 발생할때 발생합니다. 가령 useEffect내 API호출을 한다던지, 세션이나 쿠키 같은 요인에 따라 렌더링 컴포넌트가 다를때라던지, 자바스크립트 실행 타이밍이 다를때 이 에러를 접하게 되는데요. 이 Hydration에러는 왜 발생하는 것일까요??근본적인 원인은 렌더링을 두 번 하기 때문입니다. 서버 사이드 렌더링 후, 클라이언트 사이드에서 추가 렌더링을 하면서 데이터의 불일치가 발생하는 것인데요.&nbsp; 그럼 왜 렌더링을 두 번 할까요? 언뜻 보기엔 두 번 렌더링이 비효율적인것 같아 보이는데요. 두 번 렌더링을 하게 되면 최초 초기 로딩 시 최소한의 정보만을 포함하고 있어 빠르게 렌더링이 가능합니다. 또한 검색엔진은 빠른 렌더링을 중요한 랭킹 요소로 고려하므로 SEO에도 유리 합니다. 초기 렌더링 이후에는&nbsp; DOM 요소에 속성을 매칭 시키는 작업을 하는데요. 이 이벤트 리스너를 붙이는 작업은 페이지를 다시 그리지 않으므로 추가적인 렌더링 비용이 발생하지 않습니다. 따라서, Hydration은 효율적인 초기 페이지 로딩과 동적 웹 애플리케이션 기능의 균형을 맞추기 위한 과정 입니다. 다만 Hydration 에러는 개발 과정에서 다루기 까다로운 문제중 하나인데요. Next.js 에서도 에러를 줄이기 위한 방안을 지속적으로 모색하고 기술적인 접근을 제공하고 있습니다. 예를 들어 Zustand에서는 과거에 persist미들웨어를 사용할때 Hydration에러가 발생하였는데요 V3부터는 클라이언트 측에서 상태를 다시 로드하도록 하여 서버와 클라이언트 사이의 데이터 불일치 문제를 해결하였습니다.&nbsp; Hydration 과정과 이로 인해 발생할 수 있는 에러를 제대로 관리하면, 사용자 경험을 향상시키고 웹사이트의 성능을 최적화할 수 있습니다.

Next.js 개발 시 자주 마주치는 Hydration 에러 이해

Microsoft Word - sosp067-decandia1.doc

아래의 25개의 논문들은 현대 컴퓨팅 시스템의 기반 기술들을 소개하고 있는데요.

이러한 기술들은 대규모 서비스, 분산 시스템, 클라우드, 데이터베이스, 머신러닝 등에서 다양하게 활용되고 있다고 합니다.

이것들을 공부하면 기술 면접이나 대규모 시스템 설계 그리고 실제 리얼 월드의 문제를 해결하는데 도움을 줄거에요.

앞으로 이러한 논문들을 하나씩 소개하는 글을 작성해볼게요~ 

 1. Dynamo - Amazon’s Highly Available Key Value Store:
 * Dynamo 시스템이 Amazon의 대규모 환경에서 어떻게 신뢰성을 제공하는지, 그리고 일관성을 희생하면서 어떻게 항상 사용 가능한 경험을 지원하는지에 대해 다룹니다. 
 * https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf?utm_source=substack&utm_medium=email

 2. Google File System:
 * Google File System의 설계 및 구현에 초점을 맞추며, 이 시스템이 대규모 데이터 중심 응용 프로그램을 지원하는 분산 파일 시스템으로서 어떻게 Scalability 와 Fault Tolerance 를 제공하는지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf?utm_source=substack&utm_medium=email

 3. Scaling Memcached at Facebook:
 * Facebook 이 Memcached 를 활용하여 어떻게 전 세계에서 가장 큰 소셜 네트워크를 지원하는 분산 키-값 저장소를 구축하고 확장했는지에 대해 다룹니다. 
 * https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf

 4. BigTable:
 * Bigtable이 어떻게 구조화된 데이터를 관리하기 위해 설계되었으며, 수천 대의 commodity servers 에서 페타바이트 규모로 확장될 수 있는지에 대해 다룹니다. 
 * https://substack.com/redirect/c49ce9b7-e0ab-4f1e-8936-3efd383ba713?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4

 5. Borg - Large Scale Cluster Management at Google: 
 * Borg 시스템이 수십만 대의 기계를 포함하는 여러 클러스터에서 수천 개의 다양한 응용 프로그램에서 수백만 개의 작업을 어떻게 관리하는지, 그리고 높은 자원 활용도를 달성하기 위해 어떤 기술을 사용하는지에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/43438.pdf?utm_source=substack&utm_medium=email

 6. Cassandra:
 * Cassandra 가 어떻게 대량의 구조화된 데이터를 여러 커머디티 서버에 걸쳐 관리하면서, 단일 실패 지점 없이 높은 가용성을 제공하는 분산 스토리지 시스템이 될 수 있는지에 대해 다룹니다. 
 * https://substack.com/redirect/cad644f7-a5c8-4d78-9b37-75597bf3b689?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4

 7. Attention Is All You Need: 
 * 기존의 복잡한 순환 또는 합성곱 신경망을 대체하는 새로운 신경망 구조인 Transformer 에 대해 설명하며, 이 구조가 어떻게 오직 Attention 메커니즘만을 기반으로 하여 더 빠른 학습 속도와 높은 병렬 처리 능력을 제공하는지에 대해 다룹니다. 
 * https://arxiv.org/abs/1706.03762?utm_source=substack&utm_medium=email

 8. Kafka:
 * Kafka가 어떻게 대량의 로그 데이터를 수집하고 낮은 지연시간으로 전달하는 분산 메시징 시스템인지, 그리고 기존 로그 집계기 및 메시징 시스템에서 어떤 아이디어를 도입했는지에 대해 다룹니다.
 * https://www.microsoft.com/en-us/research/wp-content/uploads/2017/09/Kafka.pdf?utm_source=substack&utm_medium=email 

 9. FoundationDB:
 * FoundationDB 가 어떻게 NoSQL의 유연성과 확장성을 ACID 트랜잭션과 결합하고 있는지, 그리고 이 시스템이 어떻게 분리된 아키텍처를 채택하여 각 서브시스템을 독립적으로 조정할 수 있게 만들었는지에 대해 다룹니다. 
 * https://www.foundationdb.org/files/fdb-paper.pdf?utm_source=substack&utm_medium=email

 10. Amazon Aurora:
 * Aurora가 어떻게 OLTP 워크로드를 위한 관계형 데이터베이스 서비스로 설계되었으며, 고성능 데이터 처리에 있어 네트워크가 중요한 제약 요소로 부상했는지에 대해 다룹니다. 
 * https://web.stanford.edu/class/cs245/readings/aurora.pdf?utm_source=substack&utm_medium=email

 11. Spanner: 
 * Spanner가 어떻게 세계적 규모로 데이터를 분산시키고, externally-consistent 을 지원하는 분산 트랜잭션을 처음으로 제공하는 시스템인지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/spanner-osdi2012.pdf?utm_source=substack&utm_medium=email

 12. MapReduce:
 * MapReduce가 어떻게 대규모 데이터 세트를 처리하고 생성하는데 사용되며, 사용자가 맵 함수와 리듀스 함수를 정의하여 데이터를 자동으로 병렬 처리하는 방식에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/16cb30b4b92fd4989b8619a61752a2387c6dd474.pdf?utm_source=substack&utm_medium=email

 13. Shard Manager:
 * Shard Manager 가 어떻게 지리적으로 분산된 애플리케이션을 위한 샤드 관리를 단순화하고, 소프트웨어 업그레이드와 같은 계획된 이벤트 동안 애플리케이션 가용성을 유지하는 기능을 제공하는지에 대해 다룹니다. 
 * https://dl.acm.org/doi/pdf/10.1145/3477132.3483546?utm_source=substack&utm_medium=email

 14. Dapper:
 * Dapper가 어떻게 낮은 오버헤드, 애플리케이션 수준의 투명성을 제공하며 대규모 시스템에서 어디에나 배포될 수 있는지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/papers/dapper-2010-1.pdf?utm_source=substack&utm_medium=email

 15. Flink:
 * Apache Flink 시스템의 주요 특징과 철학을 소개하고, Flink가 실시간 분석, 연속 데이터 파이프라인, 이력 데이터 처리(배치), 반복적 알고리즘(머신러닝, 그래프 분석)을 포함한 다양한 데이터 처리 응용 프로그램을 지원하는지에 대해 다룹니다. 
 * https://www.researchgate.net/publication/308993790_Apache_Flink_Stream_and_Batch_Processing_in_a_Single_Engine

 16. A Comprehensive Survey on Vector Databases:
 * 벡터 데이터베이스에 관한 포괄적인 내용을 다룹니다. 그리고 벡터 데이터베이스가 고차원 데이터를 저장하는 방법, 전통적인 DBMS에서 다루기 어려운 데이터의 특성화 방법, 그리고 이 분야에서 발생하는 주요 도전 과제들에 대해 다룹니다. 
 * https://arxiv.org/pdf/2310.11703

 17. Zanzibar:
 * 구글의 Zanzibar 시스템에 대해 다룹니다. 그리고 Zanzibar가 어떻게 수조 개의 접근 제어 목록과 초당 수백만 개의 인증 요청을 처리하는지에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/10683a8987dbf0c6d4edcafb9b4f05cc9de5974a.pdf?utm_source=substack&utm_medium=email

 18. Monarch: 
 * 구글의 Monarch가 어떻게 전 세계적으로 분산된 인메모리 시계열 데이터베이스로서 구글의 수십억 사용자 규모의 애플리케이션과 시스템을 모니터링하는 데 사용되는지, 그리고 이 시스템이 매초 테라바이트의 데이터를 수집하고 수백만 건의 쿼리를 처리하는 방법에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/d84ab6c93881af998de877d0070a706de7bec6d8.pdf?utm_source=substack&utm_medium=email

 19. Thrift:
 * Thrift 소프트웨어 라이브러리와 코드 생성 도구에 대해 다룹니다. 그리고 Thrift가 어떻게 다양한 프로그래밍 언어 간의 효율적이고 신뢰할 수 있는 통신을 가능하게 하는지에 대해 다룹니다. 
 * https://thrift.apache.org/static/files/thrift-20070401.pdf?utm_source=substack&utm_medium=email

 20. Bitcoin:
 * 비트코인이 금융기관을 거치지 않고 직접적으로 온라인 지불을 가능하게 하는 순수한 Peer-to-Peer 전자화폐 시스템으로서, 어떻게 이중 지불 문제를 해결하며, 해시 기반의 작업 증명을 통해 거래를 타임스탬프하는 네트워크를 사용하는지에 대해 다룹니다. 
 * https://bitcoin.org/bitcoin.pdf?utm_source=substack&utm_medium=email

 21. WTF - Who to Follow Service at Twitter:
 * WTF가 어떻게 일일 수백만 사용자 간의 연결을 생성하는지, 그리고 공유된 관심사, 공통 연결 등을 기반으로 어떻게 사용자 추천을 수행하는지에 대해 다룹니다. 
 * https://web.stanford.edu/~rezab/papers/wtf_overview.pdf?utm_source=substack&utm_medium=email

 22. MyRocks: LSM-Tree Database Storage Engine:
 * Facebook 에서 MyRocks 엔진을 어떻게 활용하는지에 대해 다룹니다. 그리고 MyRocks가 어떻게 LSM-트리 기반의 RocksDB 위에 구축되어 MySQL의 관계형 기능을 통합했는지에 대해서도 다룹니다. 
 * https://www.vldb.org/pvldb/vol13/p3217-matsunobu.pdf?utm_source=substack&utm_medium=email

 23. GoTo Considered Harmful: 
 * https://homepages.cwi.nl/~storm/teaching/reader/Dijkstra68.pdf?utm_source=substack&utm_medium=email

 24. Raft Consensus Algorithm:
 * Raft 합의 알고리즘에 대해 다룹니다. 그리고 Raft가 어떻게 Paxos와 동등한 결과를 내면서도 더 이해하기 쉽고 실용적인 시스템 구축의 기반을 제공하는지에 대해서도 다룹니다. 
 * https://raft.github.io/raft.pdf?utm_source=substack&utm_medium=email

 25. Time Clocks and Ordering of Events:
 * 분산 시스템 내에서 이벤트의 순서를 결정하고 시간의 개념을 이해하는 방법에 대해 다룹니다. 
 * https://lamport.azurewebsites.net/pubs/time-clocks.pdf?utm_source=substack&utm_medium=email

아래의 25개의 논문들은 현대 컴퓨팅 시스템의 기반 기술들을 소개하고 있는데요. 이러한 기술들은 대규모 서비스, 분산 시스템, 클라우드, 데이터베이스, 머신러닝 등에서 다양하게 활용되고 있다고 합니다. 이것들을 공부하면 기술 면접이나 대규모 시스템 설계 그리고 실제 리얼 월드의 문제를 해결하는데 도움을 줄거에요. 앞으로 이러한 논문들을 하나씩 소개하는 글을 작성해볼게요~&nbsp; <ol ><li>Dynamo - Amazon’s Highly Available Key Value Store: </li></ol><ul ><li>Dynamo 시스템이 Amazon의 대규모 환경에서 어떻게 신뢰성을 제공하는지, 그리고 일관성을 희생하면서 어떻게 항상 사용 가능한 경험을 지원하는지에 대해 다룹니다.&nbsp;</li><li>https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="2"><li>Google File System: </li></ol><ul ><li>Google File System의 설계 및 구현에 초점을 맞추며, 이 시스템이 대규모 데이터 중심 응용 프로그램을 지원하는 분산 파일 시스템으로서 어떻게 Scalability 와 Fault Tolerance 를 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="3"><li>Scaling Memcached at Facebook: </li></ol><ul ><li>Facebook 이 Memcached 를 활용하여 어떻게 전 세계에서 가장 큰 소셜 네트워크를 지원하는 분산 키-값 저장소를 구축하고 확장했는지에 대해 다룹니다.&nbsp;</li><li>https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf</li></ul> <ol start="4"><li>BigTable: </li></ol><ul ><li>Bigtable이 어떻게 구조화된 데이터를 관리하기 위해 설계되었으며, 수천 대의 commodity servers 에서 페타바이트 규모로 확장될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://substack.com/redirect/c49ce9b7-e0ab-4f1e-8936-3efd383ba713?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4</li></ul> <ol start="5"><li>Borg - Large Scale Cluster Management at Google:&nbsp; </li></ol><ul ><li>Borg 시스템이 수십만 대의 기계를 포함하는 여러 클러스터에서 수천 개의 다양한 응용 프로그램에서 수백만 개의 작업을 어떻게 관리하는지, 그리고 높은 자원 활용도를 달성하기 위해 어떤 기술을 사용하는지에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/43438.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="6"><li>Cassandra: </li></ol><ul ><li>Cassandra 가 어떻게 대량의 구조화된 데이터를 여러 커머디티 서버에 걸쳐 관리하면서, 단일 실패 지점 없이 높은 가용성을 제공하는 분산 스토리지 시스템이 될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://substack.com/redirect/cad644f7-a5c8-4d78-9b37-75597bf3b689?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4</li></ul> <ol start="7"><li>Attention Is All You Need:&nbsp;</li></ol><ul ><li>기존의 복잡한 순환 또는 합성곱 신경망을 대체하는 새로운 신경망 구조인 Transformer 에 대해 설명하며, 이 구조가 어떻게 오직 Attention 메커니즘만을 기반으로 하여 더 빠른 학습 속도와 높은 병렬 처리 능력을 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://arxiv.org/abs/1706.03762?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="8"><li>Kafka: </li></ol><ul ><li>Kafka가 어떻게 대량의 로그 데이터를 수집하고 낮은 지연시간으로 전달하는 분산 메시징 시스템인지, 그리고 기존 로그 집계기 및 메시징 시스템에서 어떤 아이디어를 도입했는지에 대해 다룹니다.</li><li>https://www.microsoft.com/en-us/research/wp-content/uploads/2017/09/Kafka.pdf?utm_source=substack&amp;utm_medium=email&nbsp;</li></ul> <ol start="9"><li>FoundationDB: </li></ol><ul ><li>FoundationDB 가 어떻게 NoSQL의 유연성과 확장성을 ACID 트랜잭션과 결합하고 있는지, 그리고 이 시스템이 어떻게 분리된 아키텍처를 채택하여 각 서브시스템을 독립적으로 조정할 수 있게 만들었는지에 대해 다룹니다.&nbsp;</li><li>https://www.foundationdb.org/files/fdb-paper.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="10"><li>Amazon Aurora: </li></ol><ul ><li>Aurora가 어떻게 OLTP 워크로드를 위한 관계형 데이터베이스 서비스로 설계되었으며, 고성능 데이터 처리에 있어 네트워크가 중요한 제약 요소로 부상했는지에 대해 다룹니다.&nbsp;</li><li>https://web.stanford.edu/class/cs245/readings/aurora.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="11"><li>Spanner:&nbsp; </li></ol><ul ><li>Spanner가 어떻게 세계적 규모로 데이터를 분산시키고, externally-consistent 을 지원하는 분산 트랜잭션을 처음으로 제공하는 시스템인지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/spanner-osdi2012.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="12"><li>MapReduce: </li></ol><ul ><li>MapReduce가 어떻게 대규모 데이터 세트를 처리하고 생성하는데 사용되며, 사용자가 맵 함수와 리듀스 함수를 정의하여 데이터를 자동으로 병렬 처리하는 방식에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/16cb30b4b92fd4989b8619a61752a2387c6dd474.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="13"><li>Shard Manager:</li></ol><ul ><li>Shard Manager 가 어떻게 지리적으로 분산된 애플리케이션을 위한 샤드 관리를 단순화하고, 소프트웨어 업그레이드와 같은 계획된 이벤트 동안 애플리케이션 가용성을 유지하는 기능을 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://dl.acm.org/doi/pdf/10.1145/3477132.3483546?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="14"><li>Dapper: </li></ol><ul ><li>Dapper가 어떻게 낮은 오버헤드, 애플리케이션 수준의 투명성을 제공하며 대규모 시스템에서 어디에나 배포될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/papers/dapper-2010-1.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="15"><li>Flink: </li></ol><ul ><li>Apache Flink 시스템의 주요 특징과 철학을 소개하고, Flink가 실시간 분석, 연속 데이터 파이프라인, 이력 데이터 처리(배치), 반복적 알고리즘(머신러닝, 그래프 분석)을 포함한 다양한 데이터 처리 응용 프로그램을 지원하는지에 대해 다룹니다.&nbsp;</li><li>https://www.researchgate.net/publication/308993790_Apache_Flink_Stream_and_Batch_Processing_in_a_Single_Engine</li></ul> <ol start="16"><li>A Comprehensive Survey on Vector Databases: </li></ol><ul ><li>벡터 데이터베이스에 관한 포괄적인 내용을 다룹니다. 그리고 벡터 데이터베이스가 고차원 데이터를 저장하는 방법, 전통적인 DBMS에서 다루기 어려운 데이터의 특성화 방법, 그리고 이 분야에서 발생하는 주요 도전 과제들에 대해 다룹니다.&nbsp;</li><li>https://arxiv.org/pdf/2310.11703</li></ul> <ol start="17"><li>Zanzibar: </li></ol><ul ><li>구글의 Zanzibar 시스템에 대해 다룹니다. 그리고 Zanzibar가 어떻게 수조 개의 접근 제어 목록과 초당 수백만 개의 인증 요청을 처리하는지에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/10683a8987dbf0c6d4edcafb9b4f05cc9de5974a.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="18"><li>Monarch:&nbsp;</li></ol><ul ><li>구글의 Monarch가 어떻게 전 세계적으로 분산된 인메모리 시계열 데이터베이스로서 구글의 수십억 사용자 규모의 애플리케이션과 시스템을 모니터링하는 데 사용되는지, 그리고 이 시스템이 매초 테라바이트의 데이터를 수집하고 수백만 건의 쿼리를 처리하는 방법에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/d84ab6c93881af998de877d0070a706de7bec6d8.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="19"><li>Thrift: </li></ol><ul ><li>Thrift 소프트웨어 라이브러리와 코드 생성 도구에 대해 다룹니다. 그리고 Thrift가 어떻게 다양한 프로그래밍 언어 간의 효율적이고 신뢰할 수 있는 통신을 가능하게 하는지에 대해 다룹니다.&nbsp;</li><li>https://thrift.apache.org/static/files/thrift-20070401.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="20"><li>Bitcoin: </li></ol><ul ><li>비트코인이 금융기관을 거치지 않고 직접적으로 온라인 지불을 가능하게 하는 순수한 Peer-to-Peer 전자화폐 시스템으로서, 어떻게 이중 지불 문제를 해결하며, 해시 기반의 작업 증명을 통해 거래를 타임스탬프하는 네트워크를 사용하는지에 대해 다룹니다.&nbsp;</li><li>https://bitcoin.org/bitcoin.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="21"><li>WTF - Who to Follow Service at Twitter: </li></ol><ul ><li>WTF가 어떻게 일일 수백만 사용자 간의 연결을 생성하는지, 그리고 공유된 관심사, 공통 연결 등을 기반으로 어떻게 사용자 추천을 수행하는지에 대해 다룹니다.&nbsp;</li><li>https://web.stanford.edu/~rezab/papers/wtf_overview.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="22"><li>MyRocks: LSM-Tree Database Storage Engine: </li></ol><ul ><li>Facebook 에서 MyRocks 엔진을 어떻게 활용하는지에 대해 다룹니다. 그리고 MyRocks가 어떻게 LSM-트리 기반의 RocksDB 위에 구축되어 MySQL의 관계형 기능을 통합했는지에 대해서도 다룹니다.&nbsp;</li><li>https://www.vldb.org/pvldb/vol13/p3217-matsunobu.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="23"><li>GoTo Considered Harmful:&nbsp;</li></ol><ul ><li>https://homepages.cwi.nl/~storm/teaching/reader/Dijkstra68.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="24"><li>Raft Consensus Algorithm: </li></ol><ul ><li>Raft 합의 알고리즘에 대해 다룹니다. 그리고 Raft가 어떻게 Paxos와 동등한 결과를 내면서도 더 이해하기 쉽고 실용적인 시스템 구축의 기반을 제공하는지에 대해서도 다룹니다.&nbsp;</li><li>https://raft.github.io/raft.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="25"><li>Time Clocks and Ordering of Events: </li></ol><ul ><li>분산 시스템 내에서 이벤트의 순서를 결정하고 시간의 개념을 이해하는 방법에 대해 다룹니다.&nbsp;</li><li>https://lamport.azurewebsites.net/pubs/time-clocks.pdf?utm_source=substack&amp;utm_medium=email</li></ul>

allthingsdistributed.com

“컴퓨터 세계를 완전히 변화시킨 25개의 논문”

아는 사람은 많고 하는 사람은 적습니다.

정보는 넘쳐납니다. 어떻게 하면 되는지 소개하는 글과 영상이 참 많습니다. 우리는 매일 그 정보를 접합니다. 무엇을 하는 법, 무엇이 되는 법에 대한 정보를 접합니다.

얻는 정보를 토대로 시작하는 사람은 적습니다. 정보를 믿지 못하기 때문일 수도 있고 다른 일을 하고 있기 때문일 수도 있습니다. 혹은 조금 더 완벽한 시작을 준비하는 것일 수도 있죠.

일단 시작했다고 해도 끝까지 해내는 사람은 더 적습니다. 중간에 그만둬야 할 수많은 이유가 있으니까요. 시작했던 이유를 끝까지 고수하고 계속한다는 건 절대 쉽지 않습니다.

여러분이 만약 무슨 일이든 시작해서 끝까지 해냈다면, 그것만으로 충분히 대단한 사람일지도 모릅니다.

아는 사람은 많고 하는 사람은 적습니다. 정보는 넘쳐납니다. 어떻게 하면 되는지 소개하는 글과 영상이 참 많습니다. 우리는 매일 그 정보를 접합니다. 무엇을 하는 법, 무엇이 되는 법에 대한 정보를 접합니다. 얻는 정보를 토대로 시작하는 사람은 적습니다. 정보를 믿지 못하기 때문일 수도 있고 다른 일을 하고 있기 때문일 수도 있습니다. 혹은 조금 더 완벽한 시작을 준비하는 것일 수도 있죠. 일단 시작했다고 해도 끝까지 해내는 사람은 더 적습니다. 중간에 그만둬야 할 수많은 이유가 있으니까요. 시작했던 이유를 끝까지 고수하고 계속한다는 건 절대 쉽지 않습니다. 여러분이 만약 무슨 일이든 시작해서 끝까지 해냈다면, 그것만으로 충분히 대단한 사람일지도 모릅니다.

아는 사람, 하는 사람

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관입니다.

문제정의가 일머리의 90%입니다

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관인데요. 많은 경우 요청으로 일을 시작하거든요. 요청을 받으면 무릎반사처럼 요청에 따라 일을 할 때가 많습니다. 요청한 기간에 맞춰, 요청한 태스크를 해드리는 것은 '내부 고객을 위한 서비스 제공자'라는 마인드를 길러줄 때도 있지만, 정말 문제가 무엇인지 모르고 목표가 아니라 태스크 자체에 매몰되도록 만듭니다. 항상 '문제가 무엇인가요?'라는 질문을 요청한 동료와 함께 정의하는 것부터 시작해야 합니다.

[ 큐레이터의 문장 🎒 ]

"나에게 1시간이 주어진다면, 55분 동안 문제를 찾고 5분 동안 그것을 풀 것이다" - 아인슈타인

다음 5가지 방법은 문제를 제대로 정의하기 위해서 직접 해볼 수 있는 행동 가이드입니다.

1️⃣ 직접 사실 확인하기

검색해서 답을 찾는 것으로는 부족합니다. 간접조사는 직접조사와 함께 조합할 때 힘이 있습니다. 사용자 경험이나 비즈니스 문제를 표면적인 데이터로만 정의하는 것이 아니라 직접 써보고, 직접 써본 사람을 만나보는 것이 필요합니다. UX 리서치는 문제를 정확하게 정의하기 위한 목적으로 활용되고 있습니다.

2️⃣ 문제를 정확하게 표현하기

추상적이거나 모호하게 서술한 문제는 해결할 수 없습니다. 예컨대, "전기차 배터리 성능이 너무 떨어진다"라는 문제는 해결하기 어렵습니다. "전기차 주행거리를 400km 이상으로 늘려야 한다"로 바꾸면 어떨까요? 측정할 수 있는 문제로 바꾸었고, 목표를 짚을 수 있습니다. 의견, 판단이 아니라 관찰할 수 있는 사실에서 출발해야 문제를 정확하게 정의할 수 있습니다.

3️⃣ 거꾸로 생각하기

문제를 보면 답을 구하고 싶어 집니다. 대화할 때도 비슷합니다. "이게 고민이에요"라고 말한 상대에게 무언가 도움이 되는 답을 말해주고 싶습니다. 그냥 들어주기만 해도 도움이 될 때에도 말이죠. 문제를 발견하면 바로 해결책을 찾기보다는 관점을 달리해서, "이게 왜 문제일까?"라는 질문으로 시야를 틔우는 것이 중요합니다. "전기차 주행거리가 400km 이상으로 늘려야 한다"의 진짜 문제는 '에어컨을 켠 상태로는 300km밖에 갈 수 없다'와 같이 다른 상황적 요인이 단서가 될 수 있습니다.

4️⃣ "왜" 그런지 반복해서 묻기

정의한 문제에 대해서 해결책을 정하기 전에 "왜 그럴까?"라는 질문을 반복해서 던져보는 겁니다. 5 WHYS라는 기법을 활용할 수도 있습니다. 진짜 문제는 "왜 그럴까?"라는 질문을 반복해서 던졌을 때 발견할 수 있습니다. 오티스 엘리베이터는 엘리베이터 속도에 대한 불만을 해결하려고 강력한 모터와 윤활 시스템을 만들었지만, 불만은 사그라들지 않았습니다. 본질은 엘리베이터 속도가 아니라 엘리베이터에서 느끼는 지루함이었죠. 거울을 설치하자 불만은 사그라들었습니다. 도착할 때까지 기다리는 시간이 지루해서 생긴 불만은 모터로 해결할 수 없었습니다.

5️⃣ 내가 틀릴 수 있다는 것을 의심하기

19세기 위대한 심리학자 윌리엄 제임스는 "고작 자신의 편견을 재배열할 뿐이면서 자신은 생각을 하고 있다고 믿는 사람이 한둘이 아니다"라는 말을 남겼습니다. 데이비드 롭슨의 <지능의 함정>에서는 똑똑한 사람일수록 오히려 특정한 종류의 어리석은 생각에 더 쉽게 빠져들 수 있다며 그 이유로 머리가 좋고 교육 수준이 높은 사람들은 이를테면 실수에서 교훈을 얻거나 타인의 조언을 받아들이는 성향이 상대적으로 적다는 점, 실수를 해도 제법 그럴듯한 논쟁으로 자기 논리를 정당화하는 능력이 남보다 뛰어나기 때문에 자신의 견해에 의심을 품지 않는 교조적 태도가 그 원인이라고 지적합니다. 문제정의를 제대로 하려면 적절한 의심과 겸손, 균형감각이 필요합니다.

https://www.redbusbagman.com/problems/

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관인데요. 많은 경우 요청으로 일을 시작하거든요. 요청을 받으면 무릎반사처럼 요청에 따라 일을 할 때가 많습니다. 요청한 기간에 맞춰, 요청한 태스크를 해드리는 것은 '내부 고객을 위한 서비스 제공자'라는 마인드를 길러줄 때도 있지만, 정말 문제가 무엇인지 모르고 목표가 아니라 태스크 자체에 매몰되도록 만듭니다. 항상 '문제가 무엇인가요?'라는 질문을 요청한 동료와 함께 정의하는 것부터 시작해야 합니다. [ 큐레이터의 문장 🎒 ] "나에게 1시간이 주어진다면, 55분 동안 문제를 찾고 5분 동안 그것을 풀 것이다" - 아인슈타인 다음 5가지 방법은 문제를 제대로 정의하기 위해서 직접 해볼 수 있는 행동 가이드입니다. 1️⃣ 직접 사실 확인하기 검색해서 답을 찾는 것으로는 부족합니다. 간접조사는 직접조사와 함께 조합할 때 힘이 있습니다. 사용자 경험이나 비즈니스 문제를 표면적인 데이터로만 정의하는 것이 아니라 직접 써보고, 직접 써본 사람을 만나보는 것이 필요합니다. UX 리서치는 문제를 정확하게 정의하기 위한 목적으로 활용되고 있습니다. 2️⃣ 문제를 정확하게 표현하기 추상적이거나 모호하게 서술한 문제는 해결할 수 없습니다. 예컨대, "전기차 배터리 성능이 너무 떨어진다"라는 문제는 해결하기 어렵습니다. "전기차 주행거리를 400km 이상으로 늘려야 한다"로 바꾸면 어떨까요? 측정할 수 있는 문제로 바꾸었고, 목표를 짚을 수 있습니다. 의견, 판단이 아니라 관찰할 수 있는 사실에서 출발해야 문제를 정확하게 정의할 수 있습니다. 3️⃣ 거꾸로 생각하기 문제를 보면 답을 구하고 싶어 집니다. 대화할 때도 비슷합니다. "이게 고민이에요"라고 말한 상대에게 무언가 도움이 되는 답을 말해주고 싶습니다. 그냥 들어주기만 해도 도움이 될 때에도 말이죠. 문제를 발견하면 바로 해결책을 찾기보다는 관점을 달리해서, "이게 왜 문제일까?"라는 질문으로 시야를 틔우는 것이 중요합니다. "전기차 주행거리가 400km 이상으로 늘려야 한다"의 진짜 문제는 '에어컨을 켠 상태로는 300km밖에 갈 수 없다'와 같이 다른 상황적 요인이 단서가 될 수 있습니다. 4️⃣ "왜" 그런지 반복해서 묻기 정의한 문제에 대해서 해결책을 정하기 전에 "왜 그럴까?"라는 질문을 반복해서 던져보는 겁니다. 5 WHYS라는 기법을 활용할 수도 있습니다. 진짜 문제는 "왜 그럴까?"라는 질문을 반복해서 던졌을 때 발견할 수 있습니다. 오티스 엘리베이터는 엘리베이터 속도에 대한 불만을 해결하려고 강력한 모터와 윤활 시스템을 만들었지만, 불만은 사그라들지 않았습니다. 본질은 엘리베이터 속도가 아니라 엘리베이터에서 느끼는 지루함이었죠. 거울을 설치하자 불만은 사그라들었습니다. 도착할 때까지 기다리는 시간이 지루해서 생긴 불만은 모터로 해결할 수 없었습니다. 5️⃣ 내가 틀릴 수 있다는 것을 의심하기 19세기 위대한 심리학자 윌리엄 제임스는 "고작 자신의 편견을 재배열할 뿐이면서 자신은 생각을 하고 있다고 믿는 사람이 한둘이 아니다"라는 말을 남겼습니다. 데이비드 롭슨의 &lt;지능의 함정&gt;에서는 똑똑한 사람일수록 오히려 특정한 종류의 어리석은 생각에 더 쉽게 빠져들 수 있다며 그 이유로 머리가 좋고 교육 수준이 높은 사람들은 이를테면 실수에서 교훈을 얻거나 타인의 조언을 받아들이는 성향이 상대적으로 적다는 점, 실수를 해도 제법 그럴듯한 논쟁으로 자기 논리를 정당화하는 능력이 남보다 뛰어나기 때문에 자신의 견해에 의심을 품지 않는 교조적 태도가 그 원인이라고 지적합니다. 문제정의를 제대로 하려면 적절한 의심과 겸손, 균형감각이 필요합니다. https://www.redbusbagman.com/problems/

REDBUSBAGMAN | 빨간색 광역버스에 백팩을 메고 탑니다

⟪문제정의가 일머리의 90%입니다⟫

1. Research
- ChatGPT
- YouChat
- Perplexity
- Copilot
- Gemini

2. Image
- Leap AI
- Copilot
- Segmind
- Midjourney
- Stable Diffusion

3. CopyWriting
- Rytr
- Copy AI
- Writesonic
- Adcreative AI

4. Writing
- Jasper
- HIX AI
- Jenny AI
- Textblaze

5. Website
- 10Web
- Durable
- Framer
- Style AI

6. Video
- Klap
- Opus
- Eightify
- InVideo
- HeyGen
- Runway
- ImgCreator AI
- Morphstudio .xyz

7. Meeting
- Tldv
- Otter
- Noty AI
- Fireflies

8. SEO
- VidIQ
- Seona AI
- BlogSEO
- Keywrds ai

9. Chatbot
- Droxy
- Chatbase
- Mutual info
- Chatsimple

10. Presentation
- Decktopus
- Slides AI
- Gamma AI
- Designs AI
- Beautiful AI

11. Automation
- Make
- Zapier
- Xembly
- Bardeen

12. Prompts
- FlowGPT
- Alicent AI
- PromptBox
- Promptbase
- Snack Prompt

13. UI/UX
- Figma
- Uizard
- UiMagic
- Photoshop

14. Design
- Canva
- Flair AI
- Designify
- Clipdrop
- Autodraw
- Magician design

15. Logo Generator
- Looka
- Designs AI
- Brandmark
- Stockimg AI
- Namecheap

16. Audio
- Lovo ai
- Eleven labs
- Songburst AI
- Adobe Podcast

17. Marketing
- Pencil
- Ai-Ads
- AdCopy
- Simplified
- AdCreative

18. Startup
- Tome
- Ideas AI
- Namelix
- Pitchgrade
- Validator AI

19. Productivity
- Merlin
- Tinywow
- Notion AI
- Adobe Sensei
- Personal AI

20. Social media management
- Tapilo
- Typefully
- Hypefury
- TweetHunter

 * Source: https://twitter.com/HeyAbhishekk/status/1788778562897563965

1. Research- ChatGPT- YouChat- Perplexity- Copilot- Gemini 2. Image- Leap AI- Copilot- Segmind- Midjourney- Stable Diffusion 3. CopyWriting- Rytr- Copy AI- Writesonic- Adcreative AI 4. Writing- Jasper- HIX AI- Jenny AI- Textblaze 5. Website- 10Web- Durable- Framer- Style AI 6. Video- Klap- Opus- Eightify- InVideo- HeyGen- Runway- ImgCreator AI- Morphstudio .xyz 7. Meeting- Tldv- Otter- Noty AI- Fireflies 8. SEO- VidIQ- Seona AI- BlogSEO- Keywrds ai 9. Chatbot- Droxy- Chatbase- Mutual info- Chatsimple 10. Presentation- Decktopus- Slides AI- Gamma AI- Designs AI- Beautiful AI 11. Automation- Make- Zapier- Xembly- Bardeen 12. Prompts- FlowGPT- Alicent AI- PromptBox- Promptbase- Snack Prompt 13. UI/UX- Figma- Uizard- UiMagic- Photoshop 14. Design- Canva- Flair AI- Designify- Clipdrop- Autodraw- Magician design 15. Logo Generator- Looka- Designs AI- Brandmark- Stockimg AI- Namecheap 16. Audio- Lovo ai- Eleven labs- Songburst AI- Adobe Podcast 17. Marketing- Pencil- Ai-Ads- AdCopy- Simplified- AdCreative 18. Startup- Tome- Ideas AI- Namelix- Pitchgrade- Validator AI 19. Productivity- Merlin- Tinywow- Notion AI- Adobe Sensei- Personal AI 20. Social media management- Tapilo- Typefully- Hypefury- TweetHunter <ul ><li>Source: https://twitter.com/HeyAbhishekk/status/1788778562897563965</li></ul>

X (formerly Twitter)

20가지 작업 대체를 위한 100가지 AI 도구

🕊️ [Medium] 자바 개발자가 피해야 하는 11가지 실수 (

제 블로그로 오세요! 👇
https://blog.naver.com/careerbuilding/223407771842

제 블로그로 오세요! 👇https://blog.naver.com/careerbuilding/223407771842

유비스톰 백엔드 개발자

안희수

헤드헌터를 찾고 연락할 분?!

Contributor

Creative Arts Company (Musical, Play, Concert, Talk Show, and etc.); Started from scratch to create musicals and plays / Planning, sub-directing, marketing / Led the first overseas premiere show of an act at The Edinburgh Festival Fringe (세계3대 축제)

Production Manager

Handled marketing and sales for the sole distributor of ‘The Cheesecake Factory Bakery’ in Korea / Handled retail sales and closed supply contracts / Handled main operations for pop-up stores; Main Department Stores (Over 9 locations) / Product Marketing; Research and making manuals / Involved in serious trade issues

Sales and Marketing, Associate Manager

2019.06 - 2021.01 링크드인 오프/라이브 강의
2021.05 - 현재 링크드인 온라인 강의 (탈잉 VOD)

성공적인 경력 이직을 위한 링크드인 LinkedIn 활용법 (온라인 VOD)

Lecturer

러닝스푼즈 / 비즈니스 파트너로 자리잡는 리크루터 필수 과정
: 핵심인재 발굴과 영입
보이지 않던 핵심인재를 발굴하고 영입하는 리크루팅 노하우

의료 / 헬스케어

현재, HRBP & 채용 파트장
인사 팀장 - HRM, HRD (한국 HQ, 미국/독일 지사)
HRBP & 채용 팀장

채용 파트장

Full Life Cycle Recruiter / 채용, 인사, 총무
'최고의 동료'가 진짜 복지인 회사. 1조 가치 기업 무조건 되는 회사.
두달반이 육개월 같았다 #네카라쿠배당토월

리크루터

#1 Search Firm in Korea, Unico (1984' ~ Present) https://bit.ly/2xqDpav
*Team Leader, Manager of ICT & FutureTech (I&F)

[채용 - Hiring]
▶ Currently focusing on positions for B2B Tech, Smart Factory, E-commerce, Fintech, Healthcare, Entertainment, F&B, Edu-Tech, Cloud, AI, NGO, ESG sectors
▶ Hunting talents within trending industries & emerging technologies
▶ Specialized in directly sourcing & communicating with talents all over the world

팀장 (헤드헌터)

경영정보AI비즈니스학과

Esther Kang

블로그(모바일)

링크드인

리브스메드, 생명을 살리는 압도적 기술력

"한국인들은 너무 교포스럽다고 하고
교포 커뮤니티에서는 너무 한국인이라고 하는"

#ENTJ
직접 두 발로 뛰는 Social Network Creator
#스타트업 #끊임없이배우기 #네트워킹 #독서 #디지털마케팅

헤드헌터를 찾고 연락할 분?!

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필