블로그나 SNS 등에서 보면 많은 개발자들이 개발을 더 잘하기 위한 고민 상담을 하는 것을 볼 수 있다. 나는 이러한 고민 속에 개발 실력뿐만 아니라 일을 잘하는 방법에 대한 고민거리도 녹아 있다고 생각한다. 내가 개발 커뮤니티에서만 이러한 고민을 보게 되다 보니 그런 것일 수도 있지만 개발자들이 질문하는 고민은 유독 “개발 실력”이라는 것에 국한되어 있어 보인다. “개발을 잘하려면 어떻게 해야 할까요?”, “좋은 개발자가 되려면 어떻게 해야 할까요?”, “어떻게 하면 코딩 실력을 키울 수 있을까요?” 등등 말이다.

개발자가 ‘일’ 잘하는 방법

좋은 포스트가 있어 공유해요!

개발자 경호님의 깔끔한 개발자가 일 잘하는 방법입니다!
목차를 보시고 자세한 내용은 링크를 참고하세요!

 * 단순하고 명확하게 이야기 하세요.
 * 문제는 해결책과 함께 얘기하는 겁니다.
 * 복잡할수록 단순하게 쪼개주면 쉬워집니다.
 * 간접적이고 비언어적인 표현은 해석하기 어렵습니다.
 * 업무 요청은 디테일하게, 이게 매너입니다.
 * 상대방을 바꾸려 하지말고 같은 편에 섭니다.
 * 모든 주장에는 근거가 있어야 합니다.
 * 모르는 걸 솔직히 말하면 더 매력적입니다.
 * 협상을 겁내지 마세요, 대부분 가능합니다.

https://veluxer62.github.io/explanation/how-developers-can-work-effectively/

좋은 포스트가 있어 공유해요! 개발자 경호님의 깔끔한 개발자가 일 잘하는 방법입니다!목차를 보시고 자세한 내용은 링크를 참고하세요! <ul ><li>단순하고 명확하게 이야기 하세요.</li><li>문제는 해결책과 함께 얘기하는 겁니다.</li><li>복잡할수록 단순하게 쪼개주면 쉬워집니다.</li><li>간접적이고 비언어적인 표현은 해석하기 어렵습니다.</li><li>업무 요청은 디테일하게, 이게 매너입니다.</li><li>상대방을 바꾸려 하지말고 같은 편에 섭니다.</li><li>모든 주장에는 근거가 있어야 합니다.</li><li>모르는 걸 솔직히 말하면 더 매력적입니다.</li><li>협상을 겁내지 마세요, 대부분 가능합니다.</li></ul> https://veluxer62.github.io/explanation/how-developers-can-work-effectively/

Veluxer's Blog

WebSocket은 클라이언트와 서버 간의 실시간 양방향 통신을 가능하게 하는 프로토콜로, HTTP와 달리 연결이 지속되며 데이터를 주고받을 수 있습니다. Golang에서는
net/http
패키지와
gorilla/websocket
라이브러리를 활용하여 손쉽게 WebSocket 기반의 실시간 채팅 시스템을 구축할 수 있습니다.

이 실시간 채팅 애플리케이션에서는 여러 클라이언트가 동시에 연결되어 메시지를 주고받을 수 있으며, 각 메시지는 모든 사용자에게 실시간으로 브로드캐스트됩니다. Golang의 고루틴을 사용하면 효율적이고 간결하게 동시성을 관리할 수 있어 높은 성능의 실시간 애플리케이션을 만들 수 있습니다

블로그에 올린 내 글: https://tuannguyenhust.hashnode.dev/websocket-chat-in-real-time-with-golang

모든 기사는 실제 작업에서 수행, 경험 및 사용한 후의 개인적인 견해입니다. 잘못된 정보와 혼란이있는 경우 모든 사람이 아래 의견에 의견을 제시 할 수 있기를 바랍니다.👇👇👇

WebSocket은 클라이언트와 서버 간의 실시간 양방향 통신을 가능하게 하는 프로토콜로, HTTP와 달리 연결이 지속되며 데이터를 주고받을 수 있습니다. Golang에서는 <code >net/http</code> 패키지와 <code >gorilla/websocket</code> 라이브러리를 활용하여 손쉽게 WebSocket 기반의 실시간 채팅 시스템을 구축할 수 있습니다. 이 실시간 채팅 애플리케이션에서는 여러 클라이언트가 동시에 연결되어 메시지를 주고받을 수 있으며, 각 메시지는 모든 사용자에게 실시간으로 브로드캐스트됩니다. Golang의 고루틴을 사용하면 효율적이고 간결하게 동시성을 관리할 수 있어 높은 성능의 실시간 애플리케이션을 만들 수 있습니다 블로그에 올린 내 글: https://tuannguyenhust.hashnode.dev/websocket-chat-in-real-time-with-golang 모든 기사는 실제 작업에서 수행, 경험 및 사용한 후의 개인적인 견해입니다. 잘못된 정보와 혼란이있는 경우 모든 사람이 아래 의견에 의견을 제시 할 수 있기를 바랍니다.👇👇👇

Golang과 WebSocket을 활용한 실시간 채팅 구현

From AI to quantum computing, we highlight the tech innovations that are poised to redefine our digital world and transform industries across the globe

Top 10: Technology Innovations

인공 지능에서 양자 컴퓨팅, 첨단 연결성에서 생명공학에 이르기까지 이러한 혁신은 비즈니스 운영 방식과 일상 생활에서 기술과 상호작용하는 방식을 재편하고 있습니다. 이러한 혁신은 의료에서 금융, 제조에서 환경 보호에 이르기까지 다양한 분야에서 새로운 가능성을 열어가고 있습니다. 테크놀로지 매거진에서 얘기하는 10대 기술 혁신에 대해 공유해봅니다.

10. 로봇 공학 및 자동화
로보틱스와 자동화는 제조에서 의료에 이르기까지 산업을 지속적으로 변화시키고 있습니다. 인공지능이 더욱 정교해짐에 따라 이러한 로봇 시스템은 점점 더 자율적이고 적응력이 높아지고 있습니다.
 * 주요 유형: 주요 유형: 산업용 로봇, 협동 로봇(코봇), 자율 이동 로봇
 * 주요 기업: 보스턴 다이나믹스, ABB, 화낙(FANUC), 유니버설 로봇, iRobot
 * 주목할 만한 애플리케이션: 제조, 물류, 의료, 탐사
 * 활용 분야
   * 협동 로봇, 즉 코봇은 공장에서 인간과 함께 작업하며 생산성과 안전성 향상
   * 물류창고에서는 자율 이동 로봇이 물류 작업 최적화
   * 수술 로봇은 전례 없는 정밀도로 최소 침습 수술을 가능케
   * 농업 분야에서는 로봇 시스템이 심기, 수확, 작물 모니터링 자동화
   * 드론은 택배 배송부터 수색 및 구조 작업까지 다양한 분야 활용
   * 소프트웨어 로봇, 즉 봇은 전 세계 사무실에서 복잡한 관리 업무 자동화

9. 생명공학 및 개인 맞춤형 의료
생명공학 기술의 발전으로 개인의 유전자 프로필에 따라 치료법이 달라지는 개인 맞춤형 의학의 시대가 열리고 있습니다.
 * 핵심 기술: 핵심 기술: 크리스퍼 유전자 편집, mRNA 치료제, 액체 생검(liquid biopsies)
 * 주목할 만한 응용 분야: 유전자 치료, 개인 맞춤형 암 치료, 합성 생물학
 * 주요 기업: 일루미나, 모더나, 크리스퍼 테라퓨틱스, Ginkgo Bioworks
 * 활용 분야
   * CRISPR-Cas9과 같은 유전자 편집 기술은 유전 질환을 치료하고 인간의 능력을 향상시킬 수 있는 새로운 가능성 제시
   * AI 기반 진단은 질병을 조기 발견
   * 빅데이터 분석은 질병 진행과 치료 효과의 패턴 파악
   * 약물유전체학은 의사가 환자의 유전자 구성을 기반으로 약물을 처방하여 부작용을 줄이고 치료 결과 개선
   * 재생 의학 분야에서는 줄기세포 치료법과 3D 프린팅 장기가 손상된 조직과 장기를 대체할 수 있는 가능성 제시

8. 친환경 및 지속 가능한 기술
기후 위기가 다가옴에 따라 친환경 기술은 지속 가능성을 향한 전 세계적인 노력의 중심이 되고 있습니다.
 * 핵심 분야: 재생 에너지, 에너지 저장, 탄소 포집
 * 주목할 만한 발전: 페로브스카이트 태양 전지, 고체 배터리, 직접 공기 포집
 * 주요 기업 테슬라, 베스타스, 외르스테드, 클라임웍스, 퀀텀스케이프
 * 활용 분야
   * 첨단 태양전지와 풍력 터빈은 재생 에너지를 더욱 효율적이고 경제적인 생산
   * 혁신적인 에너지 저장 솔루션은 이러한 전원의 간헐성 문제 해결
   * 탄소 포집 및 저장 기술은 산업 공정에서 발생하는 온실가스 배출을 줄이고 대기에서 직접 이산화탄소를 제거하기 위해 개발
   * 운송 분야에서는 전기 자동차와 수소 연료 전지가 화석 연료에 대한 의존도 낮춤
   * 지속 가능한 재료 과학은 생분해성 플라스틱과 탄소 네거티브 건축 자재를 생산
   * 수직 농업과 실험실 재배 육류는 환경에 미치는 영향을 줄이기 위해 식량 생산을 재창조

7. 블록체인 및 탈중앙화 기술
암호화폐를 뒷받침하는 것으로 가장 잘 알려진 블록체인 기술은 금융을 넘어 다양한 분야에서 활용되고 있습니다. 있는 탈중앙화된 불변의 장부입니다. 이 기술은 원산지에서 소비자까지 상품을 투명하게 추적하여 공급망 관리에 혁신을 일으키고 있습니다.
 * 주요 특징 탈중앙화, 불변성, 투명성
 * 주목할 만한 구현: 암호화폐, 스마트 컨트랙트, NFT
 * 주요 기업/프로젝트 이더리움, 리플, 체인링크, 폴리곤, 바이낸스
 * 활용 분야
   * 의료 분야에서 블록체인은 환자 기록을 보호하고 서로 다른 시스템 간의 상호 운용성 제공
   * 투표 시스템을 혁신하여 보다 안전하고 투명한 선거를 위한 잠재력 제공
   * 탈중앙화 금융(DeFi) 애플리케이션은 전통적인 은행 시스템에 도전하며 자산을 대출하고, 빌리고, 거래하는 새로운 방법 제공

6. 사물 인터넷(IoT)과 초연결성
사물 인터넷은 계속해서 확장되어 데이터를 수집하고 공유하는 방대한 상호 연결된 디바이스 네트워크를 형성하고 있습니다. 이 초연결 생태계는 가정의 에너지 사용부터 도시 인프라 전체에 이르기까지 모든 것을 최적화하고 있습니다.
 * 주요 기업 주요 기업: Cisco, 아마존 웹 서비스, 마이크로소프트 애저, 구글 클라우드
 * 주목할 만한 애플리케이션: 스마트 홈, 산업용 IoT, 웨어러블 기술
 * 활용 분야
   * IoT 디바이스가 장착된 스마트 홈은 거주자의 선호도와 행동에 따라 조명, 온도, 보안 시스템 자동 조정
   * 농업에서는 IoT 센서를 통해 정밀 농업을 실현하고 물 사용량과 작물 수확량을 최적화
   * 산업용 IoT는 유지보수 필요성을 예측하고 생산 공정을 최적화할 수 있는 연결된 기계를 통해 제조업 혁신
   * 5G 네트워크가 확산됨에 따라 IoT의 기능은 기하급수적으로 확장되어 실시간 데이터 처리와 의사결정 지원

5. 확장 현실(VR/AR)
가상현실과 증강현실 기술은 게임과 엔터테인먼트에서 처음 사용되던 것에서 발전하여 물리적 영역과 디지털 영역의 경계를 허물고 있습니다.
 * 유형: 가상 현실(VR), 증강 현실(AR), 혼합 현실(MR)
 * 주요 기업: 메타(페이스북), 마이크로소프트, 애플, 매직리프, 소니
 * 주목할 만한 애플리케이션: 게임, 훈련 시뮬레이션, 원격 협업
 * 활용 분야
   * 교육 분야에서 VR은 학생들이 유적지를 탐험하거나 가상 과학 실험을 할 수 있는 몰입형 학습 환경 조성
   * 의료 업계에서는 수술 계획과 의료 훈련에 AR 활용, 공포증과 외상 후 스트레스 장애 치료에 VR이 효과 입증
   * 소매업에서는 AR을 통해 고객이 구매하기 전에 집 안에 있는 제품을 시각화하여 쇼핑에 대한 사용자 경험 혁신
   * 제조 및 건축과 같은 산업에서는 프로토타이핑과 디자인 시각화와 접목
     
     
4. 5G 및 고급 연결성
4G보다 최대 100배 빠른 속도와 초저지연성을 갖춘 5G는 수많은 새로운 기술과 애플리케이션을 가능하게 할 것입니다. 이 기술은 IoT 디바이스의 광범위한 채택에 필수적인 기술로, 밀집된 도시 지역에서 수백만 개의 연결된 센서와 스마트 디바이스를 지원합니다.
 * 주요 특징 빠른 속도, 짧은 지연 시간, 대규모 디바이스 연결성
 * 주요 기업 주요 기업: Ericsson, Nokia, Huawei, Qualcomm, Verizon
 * 지원 기술: 매시브 MIMO, 네트워크 슬라이싱
 * 활용 분야
   * 의료 분야에서 5G는 촉각 피드백을 통한 원격 수술 지원
   * 자율주행차의 경우, 5G 네트워크의 짧은 지연 시간은 차량과 인프라 간의 실시간 통신에 필수
   * 엔터테인먼트 분야에서 5G는 가상 및 증강 현실 콘텐츠의 고품질 스트리밍 서비스 지원
     
     
3. 양자 컴퓨팅
양자 컴퓨팅은 양자역학의 원리를 활용하여 계산 능력에 혁신을 가져올 준비가 되어 있습니다. 비트(0과 1)를 사용하는 기존 컴퓨터와 달리 양자 컴퓨터는 큐비트를 사용하며, 큐비트는 동시에 여러 상태로 존재할 수 있습니다. 이를 통해 양자 시스템은 복잡한 계산을 기존 컴퓨터보다 기하급수적으로 빠르게 수행할 수 있습니다.
 * 핵심 원리: 양자 역학적 현상(중첩, 얽힘) 활용
 * 주요 기업: IBM, Google, D-Wave, 리게티(Rigetti), IonQ
 * 잠재적 응용 분야: 암호화, 신약 개발, 금융 모델링
 * 활용 분야
   * 공급망 최적화, 신약 개발 가속화, 암호화 강화, 복잡한 기후 모델링 문제 해결 등 양자 컴퓨터의 잠재적 응용 분야는 무궁무진
     
     
2. 인공지능과 머신 러닝
AI는 수년 동안 화두가 되어 왔지만, 최근 머신러닝 알고리즘의 발전으로 이 기술은 새로운 가능성의 영역으로 나아가고 있습니다. 인간 두뇌의 신경망에서 영감을 얻은 딥러닝 모델은 이제 방대한 양의 데이터를 처리하여 패턴을 식별하고 초인적인 효율성으로 의사 결정을 내릴 수 있습니다.
 * 핵심 분야 자연어 처리, 컴퓨터 비전, 예측 분석
 * 주요 기업: 구글, IBM, 엔비디아, 마이크로소프트, 아마존
 * 주목할 만한 애플리케이션: 자율주행차, 의료 진단, 금융 예측
 * 활용 분야:
   * 의료 분야에서 AI는 진단, 신약 개발, 개인 맞춤형 치료 계획 혁신
   * 금융 부문에서는 사기 탐지, 알고리즘 트레이딩, 위험 평가에 AI 활용
   * AI를 기반으로 한 자율주행차는 교통수단의 혁신
     
     
1. 생성형 AI
제너레이티브 AI가 등장하여 상상력을 자극하고 창의적인 산업을 혁신하고 있습니다. 정교한 신경망으로 구동되는 이 기술은 사람과 같은 텍스트, 이미지, 음악, 심지어 동영상 콘텐츠까지 제작할 수 있습니다.
 * 핵심 기능: 인간과 유사한 텍스트, 이미지, 오디오 및 비디오 생성
 * 학습 방법: 방대한 데이터셋으로 학습된 대규모 언어 모델
 * 주요 기업 OpenAI, 구글(딥마인드), 앤트로픽, 미드저니
 * 활용분야:
   * 아티스트와 디자이너는 DALL-E 및 Midjourney와 같은 도구를 사용하여 몇 초 만에 개념 시각화
   * 작가와 마케터는 ChatGPT 및 Claude와 같은 대규모 언어 모델을 활용하여 작가의 블록을 극복하고 새로운 내러티브 방향 모색

 * source: https://technologymagazine.com/top10/top-10-technology-innovations?utm_campaign=&utm_medium=email&utm_source=Newsletter

인공 지능에서 양자 컴퓨팅, 첨단 연결성에서 생명공학에 이르기까지 이러한 혁신은 비즈니스 운영 방식과 일상 생활에서 기술과 상호작용하는 방식을 재편하고 있습니다. 이러한 혁신은 의료에서 금융, 제조에서 환경 보호에 이르기까지 다양한 분야에서 새로운 가능성을 열어가고 있습니다. 테크놀로지 매거진에서 얘기하는 10대 기술 혁신에 대해 공유해봅니다. 10. 로봇 공학 및 자동화로보틱스와 자동화는 제조에서 의료에 이르기까지 산업을 지속적으로 변화시키고 있습니다. 인공지능이 더욱 정교해짐에 따라 이러한 로봇 시스템은 점점 더 자율적이고 적응력이 높아지고 있습니다.<ul ><li>주요 유형: 주요 유형: 산업용 로봇, 협동 로봇(코봇), 자율 이동 로봇</li><li>주요 기업: 보스턴 다이나믹스, ABB, 화낙(FANUC), 유니버설 로봇, iRobot</li><li>주목할 만한 애플리케이션: 제조, 물류, 의료, 탐사</li><li>활용 분야<ul ><li>협동 로봇, 즉 코봇은 공장에서 인간과 함께 작업하며 생산성과 안전성 향상</li><li>물류창고에서는 자율 이동 로봇이 물류 작업 최적화</li><li>수술 로봇은 전례 없는 정밀도로 최소 침습 수술을 가능케</li><li>농업 분야에서는 로봇 시스템이 심기, 수확, 작물 모니터링 자동화</li><li>드론은 택배 배송부터 수색 및 구조 작업까지 다양한 분야 활용</li><li>소프트웨어 로봇, 즉 봇은 전 세계 사무실에서 복잡한 관리 업무 자동화</li></ul></li></ul> 9. 생명공학 및 개인 맞춤형 의료생명공학 기술의 발전으로 개인의 유전자 프로필에 따라 치료법이 달라지는 개인 맞춤형 의학의 시대가 열리고 있습니다.<ul ><li>핵심 기술: 핵심 기술: 크리스퍼 유전자 편집, mRNA 치료제, 액체 생검(liquid biopsies)</li><li>주목할 만한 응용 분야: 유전자 치료, 개인 맞춤형 암 치료, 합성 생물학</li><li>주요 기업: 일루미나, 모더나, 크리스퍼 테라퓨틱스, Ginkgo Bioworks</li><li>활용 분야<ul ><li>CRISPR-Cas9과 같은 유전자 편집 기술은 유전 질환을 치료하고 인간의 능력을 향상시킬 수 있는 새로운 가능성 제시</li><li>AI 기반 진단은 질병을 조기 발견</li><li>빅데이터 분석은 질병 진행과 치료 효과의 패턴 파악</li><li>약물유전체학은 의사가 환자의 유전자 구성을 기반으로 약물을 처방하여 부작용을 줄이고 치료 결과 개선</li><li>재생 의학 분야에서는 줄기세포 치료법과 3D 프린팅 장기가 손상된 조직과 장기를 대체할 수 있는 가능성 제시</li></ul></li></ul> 8. 친환경 및 지속 가능한 기술기후 위기가 다가옴에 따라 친환경 기술은 지속 가능성을 향한 전 세계적인 노력의 중심이 되고 있습니다.<ul ><li>핵심 분야: 재생 에너지, 에너지 저장, 탄소 포집</li><li>주목할 만한 발전: 페로브스카이트 태양 전지, 고체 배터리, 직접 공기 포집</li><li>주요 기업 테슬라, 베스타스, 외르스테드, 클라임웍스, 퀀텀스케이프</li><li>활용 분야<ul ><li>첨단 태양전지와 풍력 터빈은 재생 에너지를 더욱 효율적이고 경제적인 생산</li><li>혁신적인 에너지 저장 솔루션은 이러한 전원의 간헐성 문제 해결</li><li>탄소 포집 및 저장 기술은 산업 공정에서 발생하는 온실가스 배출을 줄이고 대기에서 직접 이산화탄소를 제거하기 위해 개발</li><li>운송 분야에서는 전기 자동차와 수소 연료 전지가 화석 연료에 대한 의존도 낮춤</li><li>지속 가능한 재료 과학은 생분해성 플라스틱과 탄소 네거티브 건축 자재를 생산</li><li>수직 농업과 실험실 재배 육류는 환경에 미치는 영향을 줄이기 위해 식량 생산을 재창조</li></ul></li></ul> 7. 블록체인 및 탈중앙화 기술암호화폐를 뒷받침하는 것으로 가장 잘 알려진 블록체인 기술은 금융을 넘어 다양한 분야에서 활용되고 있습니다. 있는 탈중앙화된 불변의 장부입니다. 이 기술은 원산지에서 소비자까지 상품을 투명하게 추적하여 공급망 관리에 혁신을 일으키고 있습니다.<ul ><li>주요 특징 탈중앙화, 불변성, 투명성</li><li>주목할 만한 구현: 암호화폐, 스마트 컨트랙트, NFT</li><li>주요 기업/프로젝트 이더리움, 리플, 체인링크, 폴리곤, 바이낸스</li><li>활용 분야<ul ><li>의료 분야에서 블록체인은 환자 기록을 보호하고 서로 다른 시스템 간의 상호 운용성 제공</li><li>투표 시스템을 혁신하여 보다 안전하고 투명한 선거를 위한 잠재력 제공</li><li>탈중앙화 금융(DeFi) 애플리케이션은 전통적인 은행 시스템에 도전하며 자산을 대출하고, 빌리고, 거래하는 새로운 방법 제공</li></ul></li></ul> 6. 사물 인터넷(IoT)과 초연결성사물 인터넷은 계속해서 확장되어 데이터를 수집하고 공유하는 방대한 상호 연결된 디바이스 네트워크를 형성하고 있습니다. 이 초연결 생태계는 가정의 에너지 사용부터 도시 인프라 전체에 이르기까지 모든 것을 최적화하고 있습니다.<ul ><li>주요 기업 주요 기업: Cisco, 아마존 웹 서비스, 마이크로소프트 애저, 구글 클라우드</li><li>주목할 만한 애플리케이션: 스마트 홈, 산업용 IoT, 웨어러블 기술</li><li>활용 분야<ul ><li>IoT 디바이스가 장착된 스마트 홈은 거주자의 선호도와 행동에 따라 조명, 온도, 보안 시스템 자동 조정</li><li>농업에서는 IoT 센서를 통해 정밀 농업을 실현하고 물 사용량과 작물 수확량을 최적화</li><li>산업용 IoT는 유지보수 필요성을 예측하고 생산 공정을 최적화할 수 있는 연결된 기계를 통해 제조업 혁신</li><li>5G 네트워크가 확산됨에 따라 IoT의 기능은 기하급수적으로 확장되어 실시간 데이터 처리와 의사결정 지원</li></ul></li></ul> 5. 확장 현실(VR/AR)가상현실과 증강현실 기술은 게임과 엔터테인먼트에서 처음 사용되던 것에서 발전하여 물리적 영역과 디지털 영역의 경계를 허물고 있습니다.<ul ><li>유형: 가상 현실(VR), 증강 현실(AR), 혼합 현실(MR)</li><li>주요 기업: 메타(페이스북), 마이크로소프트, 애플, 매직리프, 소니</li><li>주목할 만한 애플리케이션: 게임, 훈련 시뮬레이션, 원격 협업</li><li>활용 분야<ul ><li>교육 분야에서 VR은 학생들이 유적지를 탐험하거나 가상 과학 실험을 할 수 있는 몰입형 학습 환경 조성</li><li>의료 업계에서는 수술 계획과 의료 훈련에 AR 활용, 공포증과 외상 후 스트레스 장애 치료에 VR이 효과 입증</li><li>소매업에서는 AR을 통해 고객이 구매하기 전에 집 안에 있는 제품을 시각화하여 쇼핑에 대한 사용자 경험 혁신</li><li>제조 및 건축과 같은 산업에서는 프로토타이핑과 디자인 시각화와 접목 </li></ul></li></ul>4. 5G 및 고급 연결성4G보다 최대 100배 빠른 속도와 초저지연성을 갖춘 5G는 수많은 새로운 기술과 애플리케이션을 가능하게 할 것입니다. 이 기술은 IoT 디바이스의 광범위한 채택에 필수적인 기술로, 밀집된 도시 지역에서 수백만 개의 연결된 센서와 스마트 디바이스를 지원합니다.<ul ><li>주요 특징 빠른 속도, 짧은 지연 시간, 대규모 디바이스 연결성</li><li>주요 기업 주요 기업: Ericsson, Nokia, Huawei, Qualcomm, Verizon</li><li>지원 기술: 매시브 MIMO, 네트워크 슬라이싱</li><li>활용 분야<ul ><li>의료 분야에서 5G는 촉각 피드백을 통한 원격 수술 지원</li><li>자율주행차의 경우, 5G 네트워크의 짧은 지연 시간은 차량과 인프라 간의 실시간 통신에 필수</li><li>엔터테인먼트 분야에서 5G는 가상 및 증강 현실 콘텐츠의 고품질 스트리밍 서비스 지원 </li></ul></li></ul>3. 양자 컴퓨팅양자 컴퓨팅은 양자역학의 원리를 활용하여 계산 능력에 혁신을 가져올 준비가 되어 있습니다. 비트(0과 1)를 사용하는 기존 컴퓨터와 달리 양자 컴퓨터는 큐비트를 사용하며, 큐비트는 동시에 여러 상태로 존재할 수 있습니다. 이를 통해 양자 시스템은 복잡한 계산을 기존 컴퓨터보다 기하급수적으로 빠르게 수행할 수 있습니다.<ul ><li>핵심 원리: 양자 역학적 현상(중첩, 얽힘) 활용</li><li>주요 기업: IBM, Google, D-Wave, 리게티(Rigetti), IonQ</li><li>잠재적 응용 분야: 암호화, 신약 개발, 금융 모델링</li><li>활용 분야<ul ><li>공급망 최적화, 신약 개발 가속화, 암호화 강화, 복잡한 기후 모델링 문제 해결 등 양자 컴퓨터의 잠재적 응용 분야는 무궁무진 </li></ul></li></ul>2. 인공지능과 머신 러닝AI는 수년 동안 화두가 되어 왔지만, 최근 머신러닝 알고리즘의 발전으로 이 기술은 새로운 가능성의 영역으로 나아가고 있습니다. 인간 두뇌의 신경망에서 영감을 얻은 딥러닝 모델은 이제 방대한 양의 데이터를 처리하여 패턴을 식별하고 초인적인 효율성으로 의사 결정을 내릴 수 있습니다.<ul ><li>핵심 분야 자연어 처리, 컴퓨터 비전, 예측 분석</li><li>주요 기업: 구글, IBM, 엔비디아, 마이크로소프트, 아마존</li><li>주목할 만한 애플리케이션: 자율주행차, 의료 진단, 금융 예측</li><li>활용 분야:<ul ><li>의료 분야에서 AI는 진단, 신약 개발, 개인 맞춤형 치료 계획 혁신</li><li>금융 부문에서는 사기 탐지, 알고리즘 트레이딩, 위험 평가에 AI 활용</li><li>AI를 기반으로 한 자율주행차는 교통수단의 혁신 </li></ul></li></ul>1. 생성형 AI제너레이티브 AI가 등장하여 상상력을 자극하고 창의적인 산업을 혁신하고 있습니다. 정교한 신경망으로 구동되는 이 기술은 사람과 같은 텍스트, 이미지, 음악, 심지어 동영상 콘텐츠까지 제작할 수 있습니다.<ul ><li>핵심 기능: 인간과 유사한 텍스트, 이미지, 오디오 및 비디오 생성</li><li>학습 방법: 방대한 데이터셋으로 학습된 대규모 언어 모델</li><li>주요 기업 OpenAI, 구글(딥마인드), 앤트로픽, 미드저니</li><li>활용분야:<ul ><li>아티스트와 디자이너는 DALL-E 및 Midjourney와 같은 도구를 사용하여 몇 초 만에 개념 시각화</li><li>작가와 마케터는 ChatGPT 및 Claude와 같은 대규모 언어 모델을 활용하여 작가의 블록을 극복하고 새로운 내러티브 방향 모색</li></ul></li></ul> <ul ><li>source: https://technologymagazine.com/top10/top-10-technology-innovations?utm_campaign=&amp;utm_medium=email&amp;utm_source=Newsletter</li></ul>

technologymagazine.com

[테크매거진] 10대 혁신 기술

스프링은 다양한 프로그래밍 모델을 제공해 개발자가 웹 애플리케이션을 구축할 때 적합한 방식을 선택할 수 있도록 지원합니다. 이러한 모델들은 개발자가 코드를 어떻게 구성하고 관리할지에 대한 가이드라인을 제시하며, 각 모델은 특정 유형의 애플리케이션이나 개발 스타일에 더 적합할 수 있습니다.

스프링과 프로그래밍 모델

스프링을 제대로 활용하고 싶다면 다양한 프로그래밍 모델에 대한 이해는 필수이다. 스프링은 애플리케이션 개발 방식에 따라 다양한 프로그래밍 모델을 제공하며, 각 모델은 고유한 장점과 특징을 가지고 있다.

이 글에서는 스프링의 주요 프로그래밍 모델인 애노테이션 기반과 경량 함수형을 가볍게 알아본다. 스프링이 지원 또는 제공하는 프로그래밍 모델에 대한 깊이 있는 이해를 통해 소프트웨어 엔지니어로서 문제 해결력을 한 단계 향상시키고, 더욱 효율적이고 유연한 애플리케이션을 개발할 수 있을 것이다.

https://www.linkedin.com/pulse/%25EC%258A%25A4%25ED%2594%2584%25EB%25A7%2581%25EA%25B3%25BC-%25ED%2594%2584%25EB%25A1%259C%25EA%25B7%25B8%25EB%259E%2598%25EB%25B0%258D-%25EB%25AA%25A8%25EB%258D%25B8-springrunner-emnec/

스프링을 제대로 활용하고 싶다면 다양한 프로그래밍 모델에 대한 이해는 필수이다. 스프링은 애플리케이션 개발 방식에 따라 다양한 프로그래밍 모델을 제공하며, 각 모델은 고유한 장점과 특징을 가지고 있다. 이 글에서는 스프링의 주요 프로그래밍 모델인 애노테이션 기반과 경량 함수형을 가볍게 알아본다. 스프링이 지원 또는 제공하는 프로그래밍 모델에 대한 깊이 있는 이해를 통해 소프트웨어 엔지니어로서 문제 해결력을 한 단계 향상시키고, 더욱 효율적이고 유연한 애플리케이션을 개발할 수 있을 것이다. https://www.linkedin.com/pulse/%25EC%258A%25A4%25ED%2594%2584%25EB%25A7%2581%25EA%25B3%25BC-%25ED%2594%2584%25EB%25A1%259C%25EA%25B7%25B8%25EB%259E%2598%25EB%25B0%258D-%25EB%25AA%25A8%25EB%258D%25B8-springrunner-emnec/

www.linkedin.com

앞서 포스팅에서는 데이터 팀의 목적이 무엇이고 어떻게 가치를 생성하는지 이야기해보았다. 이번 포스팅에서는 기본 데이터 직군이라 할 수 있는 데이터 엔지니어, 데이터 분석가, 데이터 과학자에 대해 이야기해보고자 한다.

먼저 앞서 데이터 팀이 가치를 만들어내는 두 가지 방법을 이야기했는데 데이터를 바탕으로한 의사결정을 가능하게 해주는 역할을 하는 것이 데이터 분석가다. 데이터 분석가의 주요 청중은 내부 직원들 특히 의사결정권을 가진 사람들이다.

데이터 분석가가 하는 일은 특정 도메인(마케팅, 세일즈, CS/CX, 프로덕트, 전략, ...)에 관해 지표를 만들고 이를 보기 쉽게 대시보드 형태로 시각화하고 예고없이 들어오는 다양한 분석 요청을 데이터 기반으로 하는 거다. 데이터 분석가가 알아야 하는 기술과 경험은 아래와 같다.

 * SQL이 기본이지만 Python을 사용해서 EDA (Exploratory Data Analysis)를 하는 것도 점점더 필요하다. 회사에 따라서는 데이터 분석가들에게도 Airflow와 같은 툴을 사용해서 데이터 파이프라인을 만들 줄 안다면 가산점을 주기도 한다.
 * ELT라고 부르는 raw data 테이블들을 바탕으로 사용하기 쉬운 추상화된 테이블을 만드는 것. 보통 dbt를 많이 사용하지만 SQL로 아주 간단하게 가자면 CTAS (Create Table As Select)를 쓸 수도 있다.
 * 앞서 ELT와 관련된 부분이기도 한데 데이터 모델링을 잘 안다면 다양한 추상화 테이블들을 잘 만들 수 있다. 가장 많이 사용되는 방식은 크게 두 가지인데 흔히 Dimensional Modeling이라고 해서 데이터를 Fact table과 Dimension table들로 나눠서 저장하는 것이 하나이고 다른 하나는 이 모든 것을 하나의 큰 테이블(denormalized table)로 저장하는 건데 장단점이 존재하며 상황에 맞게 선택하는 것이 좋다.
 * 다음은 A/B 테스트는 무엇인지 이해하고 경력이 많다면 A/B 테스트 분석 경험이 있어야 한다. 여기에는 Frequentist 방식과 Bayesian 방식이 있다. 전자에 관해 유데미에 만든 강의가 있는데 댓글 참고
 * 데이터를 기본으로 리포트를 만들고 이를 설명해야할 일이 많기에 의사소통 능력이 중요하고 일을 하기 전에 문맥을 파악하기 위한 질문을 하는 것이 필요하다.
 * 때로는 가진 시간보다 더 많은 분석 요청이 들어올 수 있기에 스트레스를 받기 쉬운 직군이기도 하며 조직 구조에 따라 만족도가 굉장히 달라지는 직군이기도 하다.

데이터 분석가 같은 경우 데이터 분석이란 일이 거의 모든 직군에서 일하는 사람들이 알아야 하는 기본 기술처럼 바뀌고 있다보니 별도의 직군으로 존재하기 보다는 일부 업무만 특화된 형태의 직군으로 존재할 가능성이 높다. Citizen Data Analyst라는 용어가 있다. 예를 들자면 마케터인데 데이터 분석을 할 줄 아는 사람, 프로덕트 매니저인데 데이터 분석을 할 줄 아는 사람을 말한다. 인공지능 툴의 발전과 함께 이 방향으로 변화는 가속화되리라 믿는다.

다르게 보면 데이터 분석이란 기본 기술을 익히고 다른 사람들을 서포트하면 분석이란 일만 하려고 하지말고 기회가 생긴다면 데이터 분석이란 기술을 바탕으로 완전히 다른 일을 해볼 수 있다는 오픈 마인드가 요즘처럼 빠르게 변화하는 세상에서는 필요하다.

다음 포스팅에서 데이터 과학자에 대해 이야기해보겠다.

앞서 포스팅에서는 데이터 팀의 목적이 무엇이고 어떻게 가치를 생성하는지 이야기해보았다. 이번 포스팅에서는 기본 데이터 직군이라 할 수 있는 데이터 엔지니어, 데이터 분석가, 데이터 과학자에 대해 이야기해보고자 한다. 먼저 앞서 데이터 팀이 가치를 만들어내는 두 가지 방법을 이야기했는데 데이터를 바탕으로한 의사결정을 가능하게 해주는 역할을 하는 것이 데이터 분석가다. 데이터 분석가의 주요 청중은 내부 직원들 특히 의사결정권을 가진 사람들이다. 데이터 분석가가 하는 일은 특정 도메인(마케팅, 세일즈, CS/CX, 프로덕트, 전략, ...)에 관해 지표를 만들고 이를 보기 쉽게 대시보드 형태로 시각화하고 예고없이 들어오는 다양한 분석 요청을 데이터 기반으로 하는 거다. 데이터 분석가가 알아야 하는 기술과 경험은 아래와 같다. <ul ><li>SQL이 기본이지만 Python을 사용해서 EDA (Exploratory Data Analysis)를 하는 것도 점점더 필요하다. 회사에 따라서는 데이터 분석가들에게도 Airflow와 같은 툴을 사용해서 데이터 파이프라인을 만들 줄 안다면 가산점을 주기도 한다. </li><li>ELT라고 부르는 raw data 테이블들을 바탕으로 사용하기 쉬운 추상화된 테이블을 만드는 것. 보통 dbt를 많이 사용하지만 SQL로 아주 간단하게 가자면 CTAS (Create Table As Select)를 쓸 수도 있다.</li><li>앞서 ELT와 관련된 부분이기도 한데 데이터 모델링을 잘 안다면 다양한 추상화 테이블들을 잘 만들 수 있다. 가장 많이 사용되는 방식은 크게 두 가지인데 흔히 Dimensional Modeling이라고 해서 데이터를 Fact table과 Dimension table들로 나눠서 저장하는 것이 하나이고 다른 하나는 이 모든 것을 하나의 큰 테이블(denormalized table)로 저장하는 건데 장단점이 존재하며 상황에 맞게 선택하는 것이 좋다. </li><li>다음은 A/B 테스트는 무엇인지 이해하고 경력이 많다면 A/B 테스트 분석 경험이 있어야 한다. 여기에는 Frequentist 방식과 Bayesian 방식이 있다. 전자에 관해 유데미에 만든 강의가 있는데 댓글 참고</li><li>데이터를 기본으로 리포트를 만들고 이를 설명해야할 일이 많기에 의사소통 능력이 중요하고 일을 하기 전에 문맥을 파악하기 위한 질문을 하는 것이 필요하다.</li><li>때로는 가진 시간보다 더 많은 분석 요청이 들어올 수 있기에 스트레스를 받기 쉬운 직군이기도 하며 조직 구조에 따라 만족도가 굉장히 달라지는 직군이기도 하다. </li></ul> 데이터 분석가 같은 경우 데이터 분석이란 일이 거의 모든 직군에서 일하는 사람들이 알아야 하는 기본 기술처럼 바뀌고 있다보니 별도의 직군으로 존재하기 보다는 일부 업무만 특화된 형태의 직군으로 존재할 가능성이 높다. Citizen Data Analyst라는 용어가 있다. 예를 들자면 마케터인데 데이터 분석을 할 줄 아는 사람, 프로덕트 매니저인데 데이터 분석을 할 줄 아는 사람을 말한다. 인공지능 툴의 발전과 함께 이 방향으로 변화는 가속화되리라 믿는다. 다르게 보면 데이터 분석이란 기본 기술을 익히고 다른 사람들을 서포트하면 분석이란 일만 하려고 하지말고 기회가 생긴다면 데이터 분석이란 기술을 바탕으로 완전히 다른 일을 해볼 수 있다는 오픈 마인드가 요즘처럼 빠르게 변화하는 세상에서는 필요하다. 다음 포스팅에서 데이터 과학자에 대해 이야기해보겠다.

데이터 이야기 #4: 기본 데이터 직군 - 데이터 분석가

https://www.udemy.com/course/sql-tableau-abtest/?referralCode=6629BA520504B4672881

YouTube에서 마음에 드는 동영상과 음악을 감상하고, 직접 만든 콘텐츠를 업로드하여 친구, 가족뿐 아니라 전 세계 사람들과 콘텐츠를 공유할 수 있습니다.

 - YouTube

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 알고리즘 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 217번째 문제인 Contains Duplicate를 3가지 방법으로 풀어보겠습니다.

📺 동영상: https://youtu.be/V5e9tBNrcxk
📝 설명/코드: https://www.algodale.com/problems/contains-duplicate/

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 알고리즘 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 217번째 문제인 Contains Duplicate를 3가지 방법으로 풀어보겠습니다. 📺 동영상: https://youtu.be/V5e9tBNrcxk📝 설명/코드: https://www.algodale.com/problems/contains-duplicate/

youtu.be

리트코드 217. Contains Duplicate 파이썬 풀이

Generate a boilerplate starter-kit codebase from a single prompt.

Marblism - Launch your full-stack NextJS app in minutes

코드를 잘 작성해주는 AI들은 많은데, 결국 앱까지 직접 만들고 싶다면 아무런 지식 없이는 힘들었는데요.

marblism AI는 만들고 싶은 APP의 내용만 입력하면, DB구조까지 잡아나가고, VSCode 같은 환경에서 소스코드를 수정할 수 있도록 전체 코드도 주고, Preview로 앱도 띄워주는,

통째로 APP을 만들어주는 AI입니다..!
점점 AI가 완성형으로 가는 것 같아요!

https://www.marblism.com/

코드를 잘 작성해주는 AI들은 많은데, 결국 앱까지 직접 만들고 싶다면 아무런 지식 없이는 힘들었는데요. marblism AI는 만들고 싶은 APP의 내용만 입력하면, DB구조까지 잡아나가고, VSCode 같은 환경에서 소스코드를 수정할 수 있도록 전체 코드도 주고, Preview로 앱도 띄워주는, 통째로 APP을 만들어주는 AI입니다..!점점 AI가 완성형으로 가는 것 같아요! https://www.marblism.com/

www.marblism.com

앱 자체를 만들어주는 AI

앞서 2개의 포스팅에서 데이터 팀의 미션은 "신뢰할 수 있는 데이터로 부가 가치를 만들어낸다"라는 이야기와 두 가지 형태의 부가 가치 중 데이터를 바탕으로 하는 조금더 과학적인 의사결정에 대해 이야기했다. 이번에는 데이터를 바탕으로한 사용자 서비스 사용 경험 개선에 대해 이야기해보고자 한다.

 1. 데이터를 바탕으로 과학적인 의사결정을 할 수 있게 도와준다 (Decision Science)
 2. 데이터를 바탕으로 사용자의 서비스 사용 경험을 개선한다 (Product Science)

이런 형태의 부가가치를 만들어내는 사람은 보통 데이터 과학자이며 머신 러닝 모델을 만드는 형태로 일을 하게 된다. 가장 이해하기 쉬운 형태는 개인화된 추천 시스템을 만드는 것이나 검색 성능을 높이는 일 등이다. 만일 온라인 시스템이 아니라 공장처럼 공정이 필요한 곳이라면 데이터를 바탕으로 기계 고장 등을 예측하거나 공정 생산성을 높이는 다양한 방법들을 찾아낼 수 있다. 이는 제품 자체의 품질을 높이는 것은 아니지만 제품의 비용을 줄임으로써 가격을 내리거나 새로운 기능 투자에 노력을 기울임으로써 제품의 품질을 높일 수 있다.

머신 러닝 모델을 프로덕션에서 사용하는 것은 생각보다 큰 인프라 투자 비용을 필요로 한다. 머신 러닝 모델도 라이프 사이클이 있기에 한번 빌드하고 끝이 아니라 데이터 패턴이 바뀔 때마다 다시 빌드되어야 한다 (리프레시). 이렇게 데이터 패턴이 바뀌는 현상을 Data Drift라고 표현한다.

가능하면 빌드, 테스트부터 시작해서 배포까지 자동화하는 것이 좋은데 이게 되려면 상당한 인프라 투자가 필요하며 데이터 팀과 백엔드/데브옵스 엔지니어링 팀간의 밀접한 협업을 필요로 한다. 즉, 투자 비용이 크고 어느 정도 엔지니어링 조직이 성숙된 곳이 아니라면 지속적으로 운영하기가 쉽지 않다. 그러다보니 MLOps라는 새로운 직군이 생겼다. 데이터 과학과 데이터 엔지니어링과 데브옵스의 환상적인 조합이라고 할 수 있는 경험이 많이 필요하고 알아야하는 것이 많은 직군이다.

또한 정말로 의미가 있는 일에 머신 러닝을 사용하는 것이 필요하기에 가설을 기준으로 정말로 ROI가 있는 머신 러닝 모델을 만드는 조직적인 공감대와 문화가 필요하다. 기존 일을 머신 러닝 모델로 대체한다면 보통 A/B 테스트로 평가하는 것이 일반적이기도 하다.

다음 포스팅에서는 보편화된 데이터 직군(데이터 엔지니어, 데이터 분석가, 데이터 과학자)에 대해 이야기해보고 이어서 별도 포스팅에서 조금더 특화된 직군 (MLOps, 애널리틱스 엔지니어, 프라이버시 엔지니어 등등)에 대해 이야기해보도록 하겠다.

댓글에 이런 데이터에 관한 다양한 자세한 이야기와 일대일 멘토링이 합쳐진 인프런 "[멘토링] 데이터로 미래를 그리다: 모두를 위한 데이터 리터러시" 강의 링크를 달았고 유데미에 올린 A/B 테스트 강의와 추천 엔진 강의 링크를 달았으니 더 알고 싶은 분들은 참고해주세요!

앞서 2개의 포스팅에서 데이터 팀의 미션은 "신뢰할 수 있는 데이터로 부가 가치를 만들어낸다"라는 이야기와 두 가지 형태의 부가 가치 중 데이터를 바탕으로 하는 조금더 과학적인 의사결정에 대해 이야기했다. 이번에는 데이터를 바탕으로한 사용자 서비스 사용 경험 개선에 대해 이야기해보고자 한다. <ol ><li>데이터를 바탕으로 과학적인 의사결정을 할 수 있게 도와준다 (Decision Science)</li><li>데이터를 바탕으로 사용자의 서비스 사용 경험을 개선한다 (Product Science)</li></ol> 이런 형태의 부가가치를 만들어내는 사람은 보통 데이터 과학자이며 머신 러닝 모델을 만드는 형태로 일을 하게 된다. 가장 이해하기 쉬운 형태는 개인화된 추천 시스템을 만드는 것이나 검색 성능을 높이는 일 등이다. 만일 온라인 시스템이 아니라 공장처럼 공정이 필요한 곳이라면 데이터를 바탕으로 기계 고장 등을 예측하거나 공정 생산성을 높이는 다양한 방법들을 찾아낼 수 있다. 이는 제품 자체의 품질을 높이는 것은 아니지만 제품의 비용을 줄임으로써 가격을 내리거나 새로운 기능 투자에 노력을 기울임으로써 제품의 품질을 높일 수 있다. 머신 러닝 모델을 프로덕션에서 사용하는 것은 생각보다 큰 인프라 투자 비용을 필요로 한다. 머신 러닝 모델도 라이프 사이클이 있기에 한번 빌드하고 끝이 아니라 데이터 패턴이 바뀔 때마다 다시 빌드되어야 한다 (리프레시). 이렇게 데이터 패턴이 바뀌는 현상을 Data Drift라고 표현한다. 가능하면 빌드, 테스트부터 시작해서 배포까지 자동화하는 것이 좋은데 이게 되려면 상당한 인프라 투자가 필요하며 데이터 팀과 백엔드/데브옵스 엔지니어링 팀간의 밀접한 협업을 필요로 한다. 즉, 투자 비용이 크고 어느 정도 엔지니어링 조직이 성숙된 곳이 아니라면 지속적으로 운영하기가 쉽지 않다. 그러다보니 MLOps라는 새로운 직군이 생겼다. 데이터 과학과 데이터 엔지니어링과 데브옵스의 환상적인 조합이라고 할 수 있는 경험이 많이 필요하고 알아야하는 것이 많은 직군이다. 또한 정말로 의미가 있는 일에 머신 러닝을 사용하는 것이 필요하기에 가설을 기준으로 정말로 ROI가 있는 머신 러닝 모델을 만드는 조직적인 공감대와 문화가 필요하다. 기존 일을 머신 러닝 모델로 대체한다면 보통 A/B 테스트로 평가하는 것이 일반적이기도 하다. 다음 포스팅에서는 보편화된 데이터 직군(데이터 엔지니어, 데이터 분석가, 데이터 과학자)에 대해 이야기해보고 이어서 별도 포스팅에서 조금더 특화된 직군 (MLOps, 애널리틱스 엔지니어, 프라이버시 엔지니어 등등)에 대해 이야기해보도록 하겠다. 댓글에 이런 데이터에 관한 다양한 자세한 이야기와 일대일 멘토링이 합쳐진 인프런 "[멘토링] 데이터로 미래를 그리다: 모두를 위한 데이터 리터러시" 강의 링크를 달았고 유데미에 올린 A/B 테스트 강의와 추천 엔진 강의 링크를 달았으니 더 알고 싶은 분들은 참고해주세요!

데이터 이야기 #3: 데이터팀의 가치 생성 - 데이터 바탕 제품 개선

1. [멘토링] 데이터로 미래를 그리다: 모두를 위한 데이터 리터러시 - https://inf.run/397pQ
2. SQL과 Tableau로 만들어보는 애자일한 AB 테스트 분석 시스템: https://www.udemy.com/course/sql-tableau-abtest/?referralCode=6629BA520504B4672881
3. 파이썬(Python)과 머신 러닝으로 만들어보는 추천 엔진: https://www.udemy.com/course/python-recommendation-engine/?referralCode=7FF39A9E97FC8481374A

앞서 포스팅에서 데이터 팀의 미션은 "신뢰할 수 있는 데이터로 부가 가치를 만들어낸다"라는 이야기를 했다. 그러면서 아래와 같은 두 가지 형태의 부가 가치를 만들어낸다고 설명했는데 그 중 데이터를 바탕으로 하는 조금더 과학적인 의사결정에 대해 이야기해보고 한다.

 1. 데이터를 바탕으로 과학적인 의사결정을 할 수 있게 도와준다 (Decision Science)
 2. 데이터를 바탕으로 사용자의 서비스 사용 경험을 개선한다 (Product Science)

데이터를 바탕으로 하는 의사결정에는 두 가지가 존재한다.

 1. 데이터 주도 의사결정 (Data Driven Decision)
 2. 데이터 참고 의사결정 (Data Informed Decision)

데이터 주도 의사결정이란 지표를 정하고 지표를 개선하는 방향으로 움직이는 것을 말하며 데이터 주도 의사결정의 최고봉은 바로 A/B 테스트이다. A/B 테스트의 가장 제약점은 바로 비교 대상이 있어야 한다는 점이다. 다시 이야기하면 없는 것을 새로 만드는 경우에는 할 수 없는 것이 A/B 테스트이다. 데이터란 기본적으로 과거에 발생한 이벤트의 기록이다. 과거의 기록을 바탕으로 뭔가 개선을 한다는 점은 최적화(Optimization)를 한다는 것이며 최적화를 한다는 것은 무언가 있는 것을 개선해나간다는 것을 의미한다.

데이터 참고 의사결정은 무엇일까? 무슨 결정을 할 때 데이터를 보고 최적화하는 형태로 무조건 가는 것이 아니라 가설과 뚝심을 바탕으로 때로는 데이터가 이야기하는 반대방향으로 가는 형태의 결정을 이야기한다. 이는 비교할 것이 없는 새로운 것을 만들 때는 당연한 방식이지만 생각보다 그렇게 소신껏 결정을 할 수 있는 리더는 많지 않다. 많은 경우 더 많은 데이터 포인트를 요구하며 결정을 뒤로 미룬다. 예를 들어 마차로 모든 화물과 사람의 운송/운반이 일반적인 세상에서 그 데이터를 분석해서 자동차라는 혁신을 만들어내기는 쉽지 않다. 혁신이란 때로는 데이터와 반대방향으로 움직이거나 깊은 통찰을 바탕으로 만들어내는 것이 아닌가 싶다.

데이터 일을 12년 넘게 하면서 깨달은 점 중의 하나는 많은 의사결정권자들이 지표 지상주의에 빠지기 쉽다는 점이다. 이 경우 지표를 많이 만들어내서 여러가지 관점을 보고 아주 좋은 결정을 하겠다는 것은 우유부단함과 틀리기 싫다는 실패에 대한 두려움의 반증이거나 의사결정 장애인지도 모른다. 중요한 지표는 적을수록 혼란이 적으며 엄청나게 중요한 통찰력이 있는 지표가 있지는 않다. 밀도있게 고민하고 명확하게 결정해서 모두가 한 방향으로 움직이게 하고 방향이 틀렸다 싶으며 인정하고 새로운 방향을 제시하는 것이 요즘처럼 빠르게 변화하는 세상에서 맞는 방향인지 모른다.

지표를 안 보는 것도 문제지만 너무 많은 지표를 보려 하는 것도 문제다. 다음 포스팅에서는 데이터를 바탕으로 사용자의 제품/서비스 사용경험 개선에 대해 이야기해보도록 하겠다.

댓글에 이런 데이터에 관한 다양한 자세한 이야기와 일대일 멘토링이 합쳐진 인프런 "[멘토링] 데이터로 미래를 그리다: 모두를 위한 데이터 리터러시" 강의 링크를 달았으니 더 알고 싶은 분들은 참고해주세요!

앞서 포스팅에서 데이터 팀의 미션은 "신뢰할 수 있는 데이터로 부가 가치를 만들어낸다"라는 이야기를 했다. 그러면서 아래와 같은 두 가지 형태의 부가 가치를 만들어낸다고 설명했는데 그 중 데이터를 바탕으로 하는 조금더 과학적인 의사결정에 대해 이야기해보고 한다. <ol ><li>데이터를 바탕으로 과학적인 의사결정을 할 수 있게 도와준다 (Decision Science)</li><li>데이터를 바탕으로 사용자의 서비스 사용 경험을 개선한다 (Product Science)</li></ol> 데이터를 바탕으로 하는 의사결정에는 두 가지가 존재한다. <ol ><li>데이터 주도 의사결정 (Data Driven Decision)</li><li>데이터 참고 의사결정 (Data Informed Decision)</li></ol> 데이터 주도 의사결정이란 지표를 정하고 지표를 개선하는 방향으로 움직이는 것을 말하며 데이터 주도 의사결정의 최고봉은 바로 A/B 테스트이다. A/B 테스트의 가장 제약점은 바로 비교 대상이 있어야 한다는 점이다. 다시 이야기하면 없는 것을 새로 만드는 경우에는 할 수 없는 것이 A/B 테스트이다. 데이터란 기본적으로 과거에 발생한 이벤트의 기록이다. 과거의 기록을 바탕으로 뭔가 개선을 한다는 점은 최적화(Optimization)를 한다는 것이며 최적화를 한다는 것은 무언가 있는 것을 개선해나간다는 것을 의미한다. 데이터 참고 의사결정은 무엇일까? 무슨 결정을 할 때 데이터를 보고 최적화하는 형태로 무조건 가는 것이 아니라 가설과 뚝심을 바탕으로 때로는 데이터가 이야기하는 반대방향으로 가는 형태의 결정을 이야기한다. 이는 비교할 것이 없는 새로운 것을 만들 때는 당연한 방식이지만 생각보다 그렇게 소신껏 결정을 할 수 있는 리더는 많지 않다. 많은 경우 더 많은 데이터 포인트를 요구하며 결정을 뒤로 미룬다. 예를 들어 마차로 모든 화물과 사람의 운송/운반이 일반적인 세상에서 그 데이터를 분석해서 자동차라는 혁신을 만들어내기는 쉽지 않다. 혁신이란 때로는 데이터와 반대방향으로 움직이거나 깊은 통찰을 바탕으로 만들어내는 것이 아닌가 싶다. 데이터 일을 12년 넘게 하면서 깨달은 점 중의 하나는 많은 의사결정권자들이 지표 지상주의에 빠지기 쉽다는 점이다. 이 경우 지표를 많이 만들어내서 여러가지 관점을 보고 아주 좋은 결정을 하겠다는 것은 우유부단함과 틀리기 싫다는 실패에 대한 두려움의 반증이거나 의사결정 장애인지도 모른다. 중요한 지표는 적을수록 혼란이 적으며 엄청나게 중요한 통찰력이 있는 지표가 있지는 않다. 밀도있게 고민하고 명확하게 결정해서 모두가 한 방향으로 움직이게 하고 방향이 틀렸다 싶으며 인정하고 새로운 방향을 제시하는 것이 요즘처럼 빠르게 변화하는 세상에서 맞는 방향인지 모른다. 지표를 안 보는 것도 문제지만 너무 많은 지표를 보려 하는 것도 문제다. 다음 포스팅에서는 데이터를 바탕으로 사용자의 제품/서비스 사용경험 개선에 대해 이야기해보도록 하겠다. 댓글에 이런 데이터에 관한 다양한 자세한 이야기와 일대일 멘토링이 합쳐진 인프런 "[멘토링] 데이터로 미래를 그리다: 모두를 위한 데이터 리터러시" 강의 링크를 달았으니 더 알고 싶은 분들은 참고해주세요!

데이터 이야기 #2: 데이터팀의 가치 생성 - 데이터 바탕 의사결정

[멘토링] 데이터로 미래를 그리다: 모두를 위한 데이터 리터러시 - https://inf.run/397pQ

헤르만 헤세 | “그럼, 그래야지. 아무튼 지치지 않도록 해야 하네. 그렇지 않으면 수레바퀴 아래 깔리게 될지도 모르니까.”- 헤르만 헤세, <수레바퀴 아래서> 생각해 보면 참 얄궂다. 자신의 인생에서는 아직도 서툴기만 한 어른들이, 아이들 앞에서는 모든 해답을 알고 있는 사람처럼 행동한다. 어른들이 시키는 대로만 하면 행복한 미래가 펼쳐질 것이라고 이야기한다. 정작,

[책] 무엇이 아이를 병들게 하나, '수레바퀴 아래서'

아이를 있는 그대로 존중하는 것.
#책 #서평 #헤르만_헤세 #청소년

https://brunch.co.kr/@drunkensky/614

아이를 있는 그대로 존중하는 것.#책 #서평 #헤르만_헤세 #청소년 https://brunch.co.kr/@drunkensky/614

Brunch Story

A collection of (mostly) technical things every software developer should know about - mtdvio/every-programmer-should-know

GitHub - mtdvio/every-programmer-should-know: A collection of (mostly) technical things every software developer should know about

개발자라면 찜 해놔야하는 GitHub 저장소들

모든 프로그래머가 알아야하는 지식 모음
https://github.com/mtdvio/every-programmer-should-know
JS 프로젝트 50일동안 50개만들기
https://github.com/bradtraversy/50projects50days

모오던 웹개발
https://github.com/dexteryy/spellbook-of-modern-webdev

30초면 배울 수 있는 코드 스니핏들
https://github.com/Chalarangelo/30-seconds-of-code

개발 면접 핸드북
https://github.com/yangshun/tech-interview-handbook

개발자라면 찜 해놔야하는 GitHub 저장소들 모든 프로그래머가 알아야하는 지식 모음https://github.com/mtdvio/every-programmer-should-knowJS 프로젝트 50일동안 50개만들기https://github.com/bradtraversy/50projects50days 모오던 웹개발https://github.com/dexteryy/spellbook-of-modern-webdev 30초면 배울 수 있는 코드 스니핏들https://github.com/Chalarangelo/30-seconds-of-code 개발 면접 핸드북https://github.com/yangshun/tech-interview-handbook

GitHub

개발자라면 찜 해놔야하는 GitHub 저장소들

모든 프로그래머가

SQL을 처음부터 제대로 공부하고 싶지만, 어떻게 공부해야 할지 망설이고 있나요?

아래의 SQL 마인드맵으로 초보 단계부터 고급 단계까지 차근차근 공부해봐요.

 1. 초보 단계 (Basic)
    * SELECT
    * FROM
    * WHERE
    * ORDER BY
    * AGGREGATE
    * GROUP BY
    * LIMIT
 2. 중급 단계 (Intermediate)
    * LEFT JOIN
    * INNER JOIN
    * LIKE
    * IN
    * CASE WHEN
    * HAVING
    * UNION ALL
 3. 고급 단계 (Advanced)
    * SUBQUERY
    * CTE (WITH)
    * STORED PRECEDURE
    * TRIGGER
    * WINDOW FUNCTION
 4. 연습 단계 (Practice)
    * BASIC SQL PROJECT (SQL 기초 프로젝트)
    * INTERMEDIATE SQL PROJECT(SQL 중급 프로젝트)
    * ADVANCED SQL PROJECT(SQL 고급 프로젝트)

#데이터리차드 #SQL #로드맵

SQL을 처음부터 제대로 공부하고 싶지만, 어떻게 공부해야 할지 망설이고 있나요? 아래의 SQL 마인드맵으로 초보 단계부터 고급 단계까지 차근차근 공부해봐요. <ol ><li>초보 단계 (Basic)<ul ><li>SELECT</li><li>FROM</li><li>WHERE</li><li>ORDER BY</li><li>AGGREGATE</li><li>GROUP BY</li><li>LIMIT</li></ul></li><li>중급 단계 (Intermediate)<ul ><li>LEFT JOIN</li><li>INNER JOIN</li><li>LIKE</li><li>IN</li><li>CASE WHEN</li><li>HAVING</li><li>UNION ALL</li></ul></li><li>고급 단계 (Advanced)<ul ><li>SUBQUERY</li><li>CTE (WITH)</li><li>STORED PRECEDURE</li><li>TRIGGER</li><li>WINDOW FUNCTION</li></ul></li><li>연습 단계 (Practice)<ul ><li>BASIC SQL PROJECT (SQL 기초 프로젝트)</li><li>INTERMEDIATE SQL PROJECT(SQL 중급 프로젝트)</li><li>ADVANCED SQL PROJECT(SQL 고급 프로젝트)</li></ul></li></ol> #데이터리차드 #SQL #로드맵

SQL 학습 로드맵

AutoParams 덕분에 3년 이상을 Spring Boot 앱 개발에 TDD를 덜 힘들게 적용했습니다. 누군가에게 조금이라도 더 도움이 되길 바라며 올해 스프링 캠프에서 AutoParams의 목적과 아키텍처, 사용법을 설명하는 자리를 가졌습니다.

AutoParams 덕분에 3년 이상을 Spring Boot 앱 개발에 TDD를 덜 힘들게 적용했습니다. 누군가에게 조금이라도 더 도움이 되길 바라며 올해 스프링 캠프에서 AutoParams의 목적과 아키텍처, 사용법을 설명하는 자리를 가졌습니다.

AutoParams를 사용한 Spring Boot 응용프로그램 테

1. 찰스 다윈은 하루에 90분씩 3번 일했고, 나머지 시간에는 긴 산책을 하거나 낮잠을 자거나 상념에 잠겼다. (그러면서도 그는 <종의 기원>을 포함해 19권의 책을 집필했다)

2. 엄청난 다작가이자 사상가로 알려진 앙리 푸앵카레는 오전 10시부터 정오까지 첫 번째 작업을 한 뒤, 오후 5시부터 7시까지 두 번째 작업을 했다. (그는 하루 4시간만 일했다)

3. 마찬가지로, 수학자 고드프리 해럴드 하디는 ‘의식적 작업은 하루 4시간이 최대치’이며, 나머지 시간을 너무 많은 바쁜 일로 채우면 오히려 비생산적이라고 믿었다.

4. 다윈, 푸앵카레, 하디는 모든 같은 이야기를 하고 있다. 제대로 초점을 맞추고, 진짜 집중력을 (제대로) 발휘하면, 그리고 양질의 휴식으로 집중하는 시간을 잘 뒷받침하면, 위대한 성취를 이루는 데 필요한 시간은 하루 4시간이면 충분하다고. 이는 바쁨을 추구하는 우리의 문화와 정면으로 충돌하는 발상이다.

5. 위대함을 낳는 ‘1만 시간의 법칙’은 앤더스 에릭슨과 동료들의 공동 연구로 탄생한 이래로, 말콤 글래드웰이 책 <아웃라이어>에 소개하며 대중의 큰 주목을 받았다. 말콤 글래드웰은 1만 시간의 법칙을 소개하며 ‘어떤 분야에서든 전문가 수준에 도달하려면 1만 시간의 의도적 연습이 필요하다’고 주장했다.

6. 그리고 이는 바쁨과 스트레스와 과로를 미덕으로 여기는 세상에서 큰 환영을 받았고, 아직도 많은 사람들이 이 법칙을 마치 교리처럼 신봉한다.

7. 그런데 에릭슨의 실제 연구에는 ‘매일 의도적 연습이 효과적인 수준을 넘지 않도록 제한해야 한다’는 내용도 담겨 있으며, 연구에서는 ‘하루에 투입해야 할 이상적인 시간은 4시간’이라고도 제안한다.

8. 이 연구에서 더 흥미로운 부분은 ‘정상급 연주자와 평균적 연주자는 쉬는 방식부터 다르다’는 점이다. 정상급 연주자는 평균적 연주자들에 비해 더 체계적이고 계획적으로 여가 시간을 보냈다.

9. 정상급 연주자들은 연습만 의도적으로 하는 게 아니라, 휴식도 의도적으로 취했다. 그들은 평균적 연주자보다 1시간 가량 더 잠을 찾다. (탁월한 퍼포먼스 = 의식적 연습+의식적 휴식)

10. 흔히 휴식을 일의 반대라고 생각하지만, 일과 휴식의 엄격한 분리는 현대의 그릇된 통념이다. 오랫동안 사람들은 쉴 때 뇌의 활동력이 떨어진다고 생각했다. 하지만 날로 발전하는 뇌 영상 기술에 힘입어 뇌과학자들은 ‘쉬는 동안에도 뇌의 전반적인 활동량이 감소하지 않는다’는 것을 발견했다.

11. 활동성은 단지 뇌의 다른 영역으로 옮겨갔다. 그리고 연구자들은 쉬는 동안 활성화되는 뇌의 영역을 ‘디폴트 모드 네트워크(DMN)’라고 칭하게 되었다.

12. 그리고 추가 연구를 통해, 디폴트 모드 네트워크는 고도로 활동적일 뿐 아니라, 정신 건강과 정서에 있어 굉장히 중요하다는 점이 발견됐다.

13. 특히 창의적이고 혁신적인 유형의 일을 할 땐 일하는 시간만큼, 휴식과 긴장 풀기가 필요하다. 디폴트 모드 네트워크가 활성화되면, 우리의 직관이 주도권을 가지고, 창의성은 멀리 있는 요소와 연관점을 찾기 시작한다.

14. 산책을 하거나 샤워 도중에 강력한 생각이나 통찰이 떠올렸다면, 디폴트 모드 네트워크에 감사해야 한다.

15. 그러나 당신이 휴식 때 텔레비전 앞에서 멍하게 있거나 유튜브에서 고양이 동영상을 본다면 디폴트 모드 네트워크가 활성화되는 데는 차질이 생긴다. (TV를 보거나 동영상을 보는 건 좋은 휴식 방법은 아니라는 얘기다)

16. (게다가) 창의적인 사람의 뇌는 디폴트 모드 네트워크가 더 강력하게 개발되어 휴식 시간에도 더 효과적으로 일을 한다는 연구 결과도 있다.

17. (고로 올바른 방식으로) 더 많은 시간을 휴식에 쓰면, 창의력과 행복감이 증진될 뿐 아니라, 일하는 시간의 능률마저 올라간다.

18. (그러니 숏폼 중독 등 주의력을 탕진해 일에 부정적인 영향을 미치는 휴식이 아니라, 자신에게 맞는 올바른 휴식법을 찾아라. 그러면 일의 능률을 올라갈 수밖에 없다)

- 존 피치 외, <이토록 멋진 휴식> 중

1. 찰스 다윈은 하루에 90분씩 3번 일했고, 나머지 시간에는 긴 산책을 하거나 낮잠을 자거나 상념에 잠겼다. (그러면서도 그는 &lt;종의 기원&gt;을 포함해 19권의 책을 집필했다) 2. 엄청난 다작가이자 사상가로 알려진 앙리 푸앵카레는 오전 10시부터 정오까지 첫 번째 작업을 한 뒤, 오후 5시부터 7시까지 두 번째 작업을 했다. (그는 하루 4시간만 일했다) 3. 마찬가지로, 수학자 고드프리 해럴드 하디는 ‘의식적 작업은 하루 4시간이 최대치’이며, 나머지 시간을 너무 많은 바쁜 일로 채우면 오히려 비생산적이라고 믿었다. 4. 다윈, 푸앵카레, 하디는 모든 같은 이야기를 하고 있다. 제대로 초점을 맞추고, 진짜 집중력을 (제대로) 발휘하면, 그리고 양질의 휴식으로 집중하는 시간을 잘 뒷받침하면, 위대한 성취를 이루는 데 필요한 시간은 하루 4시간이면 충분하다고. 이는 바쁨을 추구하는 우리의 문화와 정면으로 충돌하는 발상이다. 5. 위대함을 낳는 ‘1만 시간의 법칙’은 앤더스 에릭슨과 동료들의 공동 연구로 탄생한 이래로, 말콤 글래드웰이 책 &lt;아웃라이어&gt;에 소개하며 대중의 큰 주목을 받았다. 말콤 글래드웰은 1만 시간의 법칙을 소개하며 ‘어떤 분야에서든 전문가 수준에 도달하려면 1만 시간의 의도적 연습이 필요하다’고 주장했다. 6. 그리고 이는 바쁨과 스트레스와 과로를 미덕으로 여기는 세상에서 큰 환영을 받았고, 아직도 많은 사람들이 이 법칙을 마치 교리처럼 신봉한다. 7. 그런데 에릭슨의 실제 연구에는 ‘매일 의도적 연습이 효과적인 수준을 넘지 않도록 제한해야 한다’는 내용도 담겨 있으며, 연구에서는 ‘하루에 투입해야 할 이상적인 시간은 4시간’이라고도 제안한다. 8. 이 연구에서 더 흥미로운 부분은 ‘정상급 연주자와 평균적 연주자는 쉬는 방식부터 다르다’는 점이다. 정상급 연주자는 평균적 연주자들에 비해 더 체계적이고 계획적으로 여가 시간을 보냈다. 9. 정상급 연주자들은 연습만 의도적으로 하는 게 아니라, 휴식도 의도적으로 취했다. 그들은 평균적 연주자보다 1시간 가량 더 잠을 찾다. (탁월한 퍼포먼스 = 의식적 연습+의식적 휴식) 10. 흔히 휴식을 일의 반대라고 생각하지만, 일과 휴식의 엄격한 분리는 현대의 그릇된 통념이다. 오랫동안 사람들은 쉴 때 뇌의 활동력이 떨어진다고 생각했다. 하지만 날로 발전하는 뇌 영상 기술에 힘입어 뇌과학자들은 ‘쉬는 동안에도 뇌의 전반적인 활동량이 감소하지 않는다’는 것을 발견했다. 11. 활동성은 단지 뇌의 다른 영역으로 옮겨갔다. 그리고 연구자들은 쉬는 동안 활성화되는 뇌의 영역을 ‘디폴트 모드 네트워크(DMN)’라고 칭하게 되었다. 12. 그리고 추가 연구를 통해, 디폴트 모드 네트워크는 고도로 활동적일 뿐 아니라, 정신 건강과 정서에 있어 굉장히 중요하다는 점이 발견됐다. 13. 특히 창의적이고 혁신적인 유형의 일을 할 땐 일하는 시간만큼, 휴식과 긴장 풀기가 필요하다. 디폴트 모드 네트워크가 활성화되면, 우리의 직관이 주도권을 가지고, 창의성은 멀리 있는 요소와 연관점을 찾기 시작한다. 14. 산책을 하거나 샤워 도중에 강력한 생각이나 통찰이 떠올렸다면, 디폴트 모드 네트워크에 감사해야 한다. 15. 그러나 당신이 휴식 때 텔레비전 앞에서 멍하게 있거나 유튜브에서 고양이 동영상을 본다면 디폴트 모드 네트워크가 활성화되는 데는 차질이 생긴다. (TV를 보거나 동영상을 보는 건 좋은 휴식 방법은 아니라는 얘기다) 16. (게다가) 창의적인 사람의 뇌는 디폴트 모드 네트워크가 더 강력하게 개발되어 휴식 시간에도 더 효과적으로 일을 한다는 연구 결과도 있다. 17. (고로 올바른 방식으로) 더 많은 시간을 휴식에 쓰면, 창의력과 행복감이 증진될 뿐 아니라, 일하는 시간의 능률마저 올라간다. 18. (그러니 숏폼 중독 등 주의력을 탕진해 일에 부정적인 영향을 미치는 휴식이 아니라, 자신에게 맞는 올바른 휴식법을 찾아라. 그러면 일의 능률을 올라갈 수밖에 없다) - 존 피치 외, &lt;이토록 멋진 휴식&gt; 중

일을 못하는 사람들은 대부분 잘 쉬지도 못해요ㅠ

회사의 대표 옆에서 일해볼 수 있다는 점인 것 같아요.

가까이 있으면 그 사람의 사고방식을 배울 수 있어요. 회사를 세울 정도의 사람이라면 분명 배울 점이 있어요.

제가 만난 분들은 관점이 남달랐어요. 시장을 보는 관점, 제품을 대하는 관점에서 정말 많이 배울 수 있었죠. 개발자로서 조금 더 큰 그림을 볼 수 있는 기회가 되었어요.

누군가는 불편한 일이라고 할지도 몰라요. 하지만 조금 불편한 그 순간에 우리는 성장할 수 있다고 믿어요.

회사의 대표 옆에서 일해볼 수 있다는 점인 것 같아요. 가까이 있으면 그 사람의 사고방식을 배울 수 있어요. 회사를 세울 정도의 사람이라면 분명 배울 점이 있어요. 제가 만난 분들은 관점이 남달랐어요. 시장을 보는 관점, 제품을 대하는 관점에서 정말 많이 배울 수 있었죠. 개발자로서 조금 더 큰 그림을 볼 수 있는 기회가 되었어요. 누군가는 불편한 일이라고 할지도 몰라요. 하지만 조금 불편한 그 순간에 우리는 성장할 수 있다고 믿어요.

작은 회사에 일하면 좋은 점

Elastic announces the return of open source licensing for Elasticsearch and Kibana, adding AGPL as an option alongside existing licenses. This change reinforces our long-standing commitment to open so...

Elasticsearch is Open Source, Again

https://www.elastic.co/kr/blog/elasticsearch-is-open-source-again

AWS와의 갈등으로 3년전 Apache 라이센스를 버리고 SSPL 라이센스를 도입하면서 오픈소스가 아니게 되었다가 이번에 다시 AGPL 라이센스를 도입해서 오픈소스가 되었습니다.

오픈소스는 오픈소스 이니셔티브에서 사용 권한을 가지고 있어서 오픈소스 이니셔티브에서 인정한 라이센스가 아니라면 오픈소스라는 말을 사용할 수 없습니다. 오픈소스 이기는 하지만 엘라스틱 같은 회사는 클라우드 사업을 하기 때문에 AWS같은 클라우드 업체에서 elasticsearch를 서비스로 내놓으면서 갈등이 생기고 결국 오픈소스 라이센스를 버리고 클라우드 업체가 elasticsearch를 사용할 수 없게하는 SSPL을 도입해서 이를 막았습니다.

그동안의 과정이 고통스럽긴 했지만 3년이 지난 지금 AWS와의 파트너쉽이 견고해졌고 AWS도 OpenSearch에 충분한 투자를 했기 때문에 다시 오픈소스로 돌아와도 되겠다고 생각하고 AGPL을 도입하기로 했다고 합니다.

엘리스틱은 이렇게 얘기하고 사람들의 의견은 다양하게 있는거 같습니다. 엘라스틱의 의도를 그대로 믿을 수도 있고 오픈소스를 버린게 결과적으로 안좋았다고 판단했기에 번복했다는 얘기도 있습니다.

오픈소스였다가 아니었다가 혼란스럽고 앞으로 그러면 OpenSearch는 어떻게 되는건지 궁금하기도 하지만 앞으로 시장이 어떻게 흘러갈지 봐야될 것 같습니다.

https://www.elastic.co/kr/blog/elasticsearch-is-open-source-again AWS와의 갈등으로 3년전 Apache 라이센스를 버리고 SSPL 라이센스를 도입하면서 오픈소스가 아니게 되었다가 이번에 다시 AGPL 라이센스를 도입해서 오픈소스가 되었습니다. 오픈소스는 오픈소스 이니셔티브에서 사용 권한을 가지고 있어서 오픈소스 이니셔티브에서 인정한 라이센스가 아니라면 오픈소스라는 말을 사용할 수 없습니다. 오픈소스 이기는 하지만 엘라스틱 같은 회사는 클라우드 사업을 하기 때문에 AWS같은 클라우드 업체에서 elasticsearch를 서비스로 내놓으면서 갈등이 생기고 결국 오픈소스 라이센스를 버리고 클라우드 업체가 elasticsearch를 사용할 수 없게하는 SSPL을 도입해서 이를 막았습니다. 그동안의 과정이 고통스럽긴 했지만 3년이 지난 지금 AWS와의 파트너쉽이 견고해졌고 AWS도 OpenSearch에 충분한 투자를 했기 때문에 다시 오픈소스로 돌아와도 되겠다고 생각하고 AGPL을 도입하기로 했다고 합니다. 엘리스틱은 이렇게 얘기하고 사람들의 의견은 다양하게 있는거 같습니다. 엘라스틱의 의도를 그대로 믿을 수도 있고 오픈소스를 버린게 결과적으로 안좋았다고 판단했기에 번복했다는 얘기도 있습니다. 오픈소스였다가 아니었다가 혼란스럽고 앞으로 그러면 OpenSearch는 어떻게 되는건지 궁금하기도 하지만 앞으로 시장이 어떻게 흘러갈지 봐야될 것 같습니다.

Elastic Blog

https://www.elastic.co/kr/blog/elast

국내 개발자로서 자부심을 불어넣는 오픈소스 생태계가 있습니다. 바로 토스(Toss)가 주도하는 오픈소스 생태계 인데요.

es-hangul
이라고 하는 한글을 다루기 위한 라이브러리는 이미 1,000개가 넘는 GitHub 스타를 획득했습니다. 또한
lodash
보다 2배 더 빠른 유틸리티 라이브러리인
es-toolkit
은 이미 6,100개의 스타를 받고 국내를 넘어 세계적으로 많은 개발자들의 관심을 받고 있는데요. 이번 토스 모닥불 EP.4 영상에서는 토스에서 오픈소스 생태계를 운영하는 개발자들의 이야기를 만나볼 수 있습니다.

특히나 주목할 만한 점은, 패널로 참여한 토스의 오픈소스
suspensive
를 운영하고 계시는 분인데요. 이 개발자분은 요즘은 필수로 사용되고 있는
TanstackQuery
의 최상위 기여자입니다.
Jotai
외에도 토스 오픈소스에도 적극적으로 기여를하고 결국에는 토스에 합류하신게 참 대단하게 느껴지네요.

또한 오픈소스 생태계 구축을 통해 기술 커뮤니티에 긍정적인 영향을 미치고자 하는 토스의 노력도 대단한것 같습니다. 한국 개발 생태계의 경쟁력을 높이고, 개발자들에게 새로운 도전과 성장의 기회를 제공하는데 있어서, 토스의 이러한 행보를 응원합니다.

https://www.youtube.com/watch?v=SdBL-p597Dw

국내 개발자로서 자부심을 불어넣는 오픈소스 생태계가 있습니다. 바로 토스(Toss)가 주도하는 오픈소스 생태계 인데요. <code >es-hangul</code>이라고 하는 한글을 다루기 위한 라이브러리는 이미 1,000개가 넘는 GitHub 스타를 획득했습니다. 또한 <code >lodash</code>보다 2배 더 빠른 유틸리티 라이브러리인 <code >es-toolkit</code>은 이미 6,100개의 스타를 받고 국내를 넘어 세계적으로 많은 개발자들의 관심을 받고 있는데요. 이번 토스 모닥불 EP.4 영상에서는 토스에서 오픈소스 생태계를 운영하는 개발자들의 이야기를 만나볼 수 있습니다. 특히나 주목할 만한 점은, 패널로 참여한 토스의 오픈소스 <code >suspensive</code> 를 운영하고 계시는 분인데요. 이 개발자분은 요즘은 필수로 사용되고 있는 <code >TanstackQuery</code> 의 최상위 기여자입니다. <code >Jotai</code> 외에도 토스 오픈소스에도 적극적으로 기여를하고 결국에는 토스에 합류하신게 참 대단하게 느껴지네요. 또한 오픈소스 생태계 구축을 통해 기술 커뮤니티에 긍정적인 영향을 미치고자 하는 토스의 노력도 대단한것 같습니다. 한국 개발 생태계의 경쟁력을 높이고, 개발자들에게 새로운 도전과 성장의 기회를 제공하는데 있어서, 토스의 이러한 행보를 응원합니다. https://www.youtube.com/watch?v=SdBL-p597Dw

www.youtube.com

토스의 오픈소스 생태계: 한국을 넘어 글로벌로

최고의 자동완성 플러그인 타입스크립트를 사용하여 개발자를 속이고 코드를 최적화한 경험을 공유합니다.

타입스크립트스럽게 성능과 생산성 두 마리 토끼 모두 잡기

이름만 보고 프론트엔드인줄 알았는데요. 살펴보니 백엔드였습니다!

2021년 1월에 출시한 쿠키런:킹덤에 운영 도구는 어마어마하군요!

https://tech.devsisters.com/posts/typescript-ish-way-to-improve-performance/

이름만 보고 프론트엔드인줄 알았는데요. 살펴보니 백엔드였습니다! 2021년 1월에 출시한 쿠키런:킹덤에 운영 도구는 어마어마하군요! https://tech.devsisters.com/posts/typescript-ish-way-to-improve-performance/

DevTech - 데브시스터즈 기술블로그

TypeScript하면 프론트만?!

Vite는 기존 자바스크립트 번들러의 만성적인 성능 문제를 해결하고 개발자 경험을 향상시키기 위해서 등장한 차세대 번들러입니다. 브라우저에서 지원하는 ESM(ES Modules)를 적극적으로 활용하고, 자바스크립트 대신에 컴파일 언어인 Go로 작성된 현대적인 자바스크립트 개발 도구이죠.

Vite은 예전부터 널리 사용되던 번들러인 Webpack보다 설정이 훨씬 쉽고 간단하며, 설정이 필요 없기로 유명하던 번들러인 Parcel보다도 훨씬 빠릅니다. 이로 인해서 기존 번들러보다 뛰어난 개발자 경험을 제공하여 많은 개발자로부터 사랑을 받고 있는 번들러입니다.

2023년 Sate of JavaScript 설문 결과를 보시면 빌드 도구 부분에서 Vite(73%)가 Parcel(30%)을 아득히 넘고 Webpack(90%)에 이어서 사용률 2위를 기록하고 있습니다. 2021년에 20% 사용률로 처음 그래프에 등장했는데 무서운 성장세가 아닐 수 없습니다.

더욱 고무적인 부분은 바로 Vite를 써본 응답자들의 만족도입니다. 88%로 압도적인 1위를 차지하고 있으며, Webpack의 만족도는 45%까지 곤두박질 친 것을 볼 수 있습니다.

참고로 많은 분들이 영문 철자만 보시고 Vite를 “바이트”라고 발음해야 하는 걸로 오해하시는데요. 사실 Vite라는 이름은 “빠름”을 의미하는 프랑스어에서 유래되었고 그래서 정확한 발음은 “비트”라고 합니다. 한국 개발자들 사이에서는 우스갯 소리로 빛처럼 빠르다고 “빛”이라고도 많이 부르는 것 같습니다. 😄

이번 포스팅에서는 Vite를 처음 사용하시는 분들의 위해서 Vite를 시작하는 방법을 안내해드리겠습니다.

📝 포스팅: https://www.daleseo.com/vite/

Vite는 기존 자바스크립트 번들러의 만성적인 성능 문제를 해결하고 개발자 경험을 향상시키기 위해서 등장한 차세대 번들러입니다. 브라우저에서 지원하는 ESM(ES Modules)를 적극적으로 활용하고, 자바스크립트 대신에 컴파일 언어인 Go로 작성된 현대적인 자바스크립트 개발 도구이죠. Vite은 예전부터 널리 사용되던 번들러인 Webpack보다 설정이 훨씬 쉽고 간단하며, 설정이 필요 없기로 유명하던 번들러인 Parcel보다도 훨씬 빠릅니다. 이로 인해서 기존 번들러보다 뛰어난 개발자 경험을 제공하여 많은 개발자로부터 사랑을 받고 있는 번들러입니다. 2023년 Sate of JavaScript 설문 결과를 보시면 빌드 도구 부분에서 Vite(73%)가 Parcel(30%)을 아득히 넘고 Webpack(90%)에 이어서 사용률 2위를 기록하고 있습니다. 2021년에 20% 사용률로 처음 그래프에 등장했는데 무서운 성장세가 아닐 수 없습니다. 더욱 고무적인 부분은 바로 Vite를 써본 응답자들의 만족도입니다. 88%로 압도적인 1위를 차지하고 있으며, Webpack의 만족도는 45%까지 곤두박질 친 것을 볼 수 있습니다. 참고로 많은 분들이 영문 철자만 보시고 Vite를 “바이트”라고 발음해야 하는 걸로 오해하시는데요. 사실 Vite라는 이름은 “빠름”을 의미하는 프랑스어에서 유래되었고 그래서 정확한 발음은 “비트”라고 합니다. 한국 개발자들 사이에서는 우스갯 소리로 빛처럼 빠르다고 “빛”이라고도 많이 부르는 것 같습니다. 😄 이번 포스팅에서는 Vite를 처음 사용하시는 분들의 위해서 Vite를 시작하는 방법을 안내해드리겠습니다. 📝 포스팅: https://www.daleseo.com/vite/

Vite 처음 시작하기

원문 : Good Refactoring vs Bad Refactoring thumbnail…

(번역) 좋은 리팩터링 vs 나쁜 리팩터링

오늘 소개해드릴 글은 42dot의 유경상님이 번역해주신 글입니다.

많은 개발자들이 리팩터링의 중요성을 알고 리팩터링을 하지만, 적절하지 않은 리팩터링으로 오히려 코드 베이스에 악영향을 준다는 것을 간과하는 경우가 많습니다. 이 글에서는 저자가 지금까지 겪어온 경험을 기반으로 어떤 리팩터링이 잘못된 리팩터링이고, 어떤 식으로 리팩터링하는 것이 바람직한지에 대해 구체적인 코드 예시와 함께 설명합니다. 이에 더해서 올바른 리팩터링 방법과 더 나은 리팩터링을 위한 도구도 함께 소개하고 있습니다. 이 글을 통해 현재 적절한 리팩터링을 하고 있는지 점검해 보시는 기회가 되시면 좋을 것 같습니다 :)

> 글 링크 : https://ykss.netlify.app/translation/good_refactoring_vs_bad_refactoring/

오늘 소개해드릴 글은 42dot의 유경상님이 번역해주신 글입니다. 많은 개발자들이 리팩터링의 중요성을 알고 리팩터링을 하지만, 적절하지 않은 리팩터링으로 오히려 코드 베이스에 악영향을 준다는 것을 간과하는 경우가 많습니다. 이 글에서는 저자가 지금까지 겪어온 경험을 기반으로 어떤 리팩터링이 잘못된 리팩터링이고, 어떤 식으로 리팩터링하는 것이 바람직한지에 대해 구체적인 코드 예시와 함께 설명합니다. 이에 더해서 올바른 리팩터링 방법과 더 나은 리팩터링을 위한 도구도 함께 소개하고 있습니다. 이 글을 통해 현재 적절한 리팩터링을 하고 있는지 점검해 보시는 기회가 되시면 좋을 것 같습니다 :) &gt; 글 링크 : https://ykss.netlify.app/translation/good_refactoring_vs_bad_refactoring/

ykss.netlify.app

좋은 리팩터링 vs 나쁜 리팩터링

멀티캠퍼스 :: 상품정보 :: 국비지원교육

👀 영상으로 쉽게 알아보기!
https://www.youtube.com/watch?v=2kzmEsZSnk4

교육과 취업을 한번에 준비하고 싶은 분은 주목🔥
현대이지웰 Java 풀스택 개발자 아카데미(~2024/9/29)

국내 1위 복지플랫폼 기업 현대이지웰과 함께하는 채용 연계 과정
e-커머스 특화 프로젝트를 진행하고 싶은 분이라면
지금 교육 듣고 정규직 채용 혜택까지 놓치지 마세요!
📖교육 대상
 * 내일배움카드 발급이 가능한 분
 * 졸업 후 미취업자
 * 대학 졸업예정자
 * 대학 재학생 : 졸업까지의 수업연한이 2년 이내 가능 (고등/대학)
   
   
📖교육일정
 * 2024/09/30 ~ 2025/03/28
 * 09:00~18:00 (주 5회)

📖교육혜택
 * 현대이지웰 정규직 채용 우대 
 * 서류전형 면제 및 가산점 제공
 * 수료생 전원 취업 서비스 제공
 * 1:1 맞춤형 취업 컨설팅 및 특강 진행

🔎문의처 (멀티캠퍼스 IT취업교육)
 * (02)3470-2124
 * 카카오톡 '멀티캠퍼스 IT취업교육'

📝 지금 신청하기
https://multikdt.co.kr/pages/aacdeM240716?mediaCode=CR_c_ezwel&utm_source=careerly&utm_medium=class&utm_campaign=Lead&utm_content=ezwel&utm_term=CR_c_ezwel

👀 영상으로 쉽게 알아보기!https://www.youtube.com/watch?v=2kzmEsZSnk4 교육과 취업을 한번에 준비하고 싶은 분은 주목🔥현대이지웰 Java 풀스택 개발자 아카데미(~2024/9/29) 국내 1위 복지플랫폼 기업 현대이지웰과 함께하는 채용 연계 과정e-커머스 특화 프로젝트를 진행하고 싶은 분이라면지금 교육 듣고 정규직 채용 혜택까지 놓치지 마세요!📖교육 대상<ul ><li>내일배움카드 발급이 가능한 분</li><li>졸업 후 미취업자</li><li>대학 졸업예정자</li><li>대학 재학생 : 졸업까지의 수업연한이 2년 이내 가능 (고등/대학) </li></ul>📖교육일정<ul ><li>2024/09/30 ~ 2025/03/28</li><li>09:00~18:00 (주 5회)</li></ul> 📖교육혜택<ul ><li>현대이지웰 정규직 채용 우대&nbsp;</li><li>서류전형 면제 및 가산점 제공</li><li>수료생 전원 취업 서비스 제공</li><li>1:1 맞춤형 취업 컨설팅 및 특강 진행</li></ul> 🔎문의처 (멀티캠퍼스 IT취업교육)<ul ><li>(02)3470-2124</li><li>카카오톡 '멀티캠퍼스 IT취업교육'</li></ul> 📝 지금 신청하기https://multikdt.co.kr/pages/aacdeM240716?mediaCode=CR_c_ezwel&amp;utm_source=careerly&amp;utm_medium=class&amp;utm_campaign=Lead&amp;utm_content=ezwel&amp;utm_term=CR_c_ezwel

[멀티캠퍼스]⭐현대이지웰 Java 풀스택 개발자 수강생 모집⭐

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필