🦾 OpenLLM is an open platform for operating large language models (LLMs) in production. It enables developers to easily run inference with any open-source LLMs, deploy to the cloud or on-premises, and build powerful AI apps.

OpenLLM | 🦜️🔗 LangChain

커리어리 친구들, OpenLLM은 대규모 언어 모델(LLM)을 운영하기 위한 오픈 플랫폼입니다. 이 플랫폼을 통해 개발자는 어떤 오픈소스 LLM이든 쉽게 추론(inference)을 실행할 수 있으며, 클라우드나 온프레미스 환경에 배포하고 강력한 AI 애플리케이션을 구축할 수 있습니다.

https://python.langchain.com/v0.2/docs/integrations/llms/openllm/

커리어리 친구들, OpenLLM은 대규모 언어 모델(LLM)을 운영하기 위한 오픈 플랫폼입니다. 이 플랫폼을 통해 개발자는 어떤 오픈소스 LLM이든 쉽게 추론(inference)을 실행할 수 있으며, 클라우드나 온프레미스 환경에 배포하고 강력한 AI 애플리케이션을 구축할 수 있습니다. https://python.langchain.com/v0.2/docs/integrations/llms/openllm/

python.langchain.com

<오픈소스용 openLLM>

커리어리 친구들, 오늘은 HPE AI@Hyperscale 컨퍼런스 행사에 부스 도우미로 출격했습니다. MLDE Gen AI Studio 데모를 보여 줬는 데, HPE Cray XD 670 (NVIDIA H100 8장) 실제 장비에 대해 뜨거운 관심 많네요 🙂

커리어리 친구들, 오늘은 HPE AI@Hyperscale 컨퍼런스 행사에 부스 도우미로 출격했습니다. MLDE Gen AI Studio 데모를 보여 줬는 데, HPE Cray XD 670 (NVIDIA H100 8장) 실제 장비에 대해 뜨거운 관심 많네요 🙂

<HPE CRAY XD670 보세요!>

내가 실리콘밸리로 우연찮게 넘어가게 된 때는 만 31살이 되었을 때였다. 그 전까지 한번도 미국에서 살 꺼라 생각하지 않았기에 영어 회화 공부는 해본 적이 없었다. 미국에 넘어가 작은 스타트업에서 일하면서 보통 오전 10시전에 출근해서 새벽 1시 정도까지 일하고 퇴근하는 힘든 나날이었지만 집에 가면 와이프와 프렌즈 받아쓰기와 따라하기를 하며 나름 공부를 꾸준히 했는데 그렇다고 금방 늘지는 않았고 발음은 사실 고칠 수 있는 것이 아니었다.

하지만 깨달은 것이 하나가 있었는데 말하는 것 보다 더 중요한 것은 듣기 능력이란 점이었다. 내가 계속 한국에 살았다면 다른 사람이 하는 말은 그렇게 집중해서 듣지 않았을 텐데 영어로 이야기하다보니 일단 내가 하고 싶은 말을 하기 보다는 다른 사람이 하는 말을 먼저 이해하려는 노력을 할 수 밖에 없었고, 그게 의도했던 것은 아니지만 의사소통 능력을 키우는데 커다란 도움이 되었다. 즉 내 목적을 관철하기 위해 상대의 이야기를 듣기보다는 상대가 하는 말을 이해하려는 노력이 어쩌다 보니 의사소통 능력을 키우는데 도움이 되었다는 것이다.

다음은 현란한 말로 승부를 볼 수가 없다보니 내가 전달하고자 하는 것이 무엇인지 집중하는 습관을 갖게 되었고 말이 많이 하는 것보다는 명확하게 하는 습관이 생겼다. 또한 말만 중요한 것이 아니라 말을 하는 톤과 바디 랭귀지가 사실은 말 만큼 중요하다는 점도 알게 되었다.

언어란 결국 사람들간의 의사 소통이다. 내가 나만의 이득을 이야기하는 것이 아니라 상대를 이해하려고 하고 공동의 이익을 만들려 하는 사람인가가 중요하다. 개발자로서 사실 영어는 처음에 그렇게 중요하지 않지만 레벨이 올라갈수록 중요해지며 이는 현란하게 발음을 하고 그러는 것이 아닌 어눌하고 문법이 틀려도 본인의 의견을 명확하게 표현할 수 있으면 된다. 그보다 더 중요한 것은 긍정적인 태도를 갖는 팀플레이어로 결과를 내는 사람이 되어야 한다는 점이다. 난 영어를 못해서 일을 잘 못해라고 하며 영어의 미숙함 뒤에 숨는 사람들을 실리콘밸리에 가끔 보게 되는데 그 단계를 벗어나는 간절함이 먼저 필요하다.

내가 실리콘밸리로 우연찮게 넘어가게 된 때는 만 31살이 되었을 때였다. 그 전까지 한번도 미국에서 살 꺼라 생각하지 않았기에 영어 회화 공부는 해본 적이 없었다. 미국에 넘어가 작은 스타트업에서 일하면서 보통 오전 10시전에 출근해서 새벽 1시 정도까지 일하고 퇴근하는 힘든 나날이었지만 집에 가면 와이프와 프렌즈 받아쓰기와 따라하기를 하며 나름 공부를 꾸준히 했는데 그렇다고 금방 늘지는 않았고 발음은 사실 고칠 수 있는 것이 아니었다. 하지만 깨달은 것이 하나가 있었는데 말하는 것 보다 더 중요한 것은 듣기 능력이란 점이었다. 내가 계속 한국에 살았다면 다른 사람이 하는 말은 그렇게 집중해서 듣지 않았을 텐데 영어로 이야기하다보니 일단 내가 하고 싶은 말을 하기 보다는 다른 사람이 하는 말을 먼저 이해하려는 노력을 할 수 밖에 없었고, 그게 의도했던 것은 아니지만 의사소통 능력을 키우는데 커다란 도움이 되었다. 즉 내 목적을 관철하기 위해 상대의 이야기를 듣기보다는 상대가 하는 말을 이해하려는 노력이 어쩌다 보니 의사소통 능력을 키우는데 도움이 되었다는 것이다. 다음은 현란한 말로 승부를 볼 수가 없다보니 내가 전달하고자 하는 것이 무엇인지 집중하는 습관을 갖게 되었고 말이 많이 하는 것보다는 명확하게 하는 습관이 생겼다. 또한 말만 중요한 것이 아니라 말을 하는 톤과 바디 랭귀지가 사실은 말 만큼 중요하다는 점도 알게 되었다. 언어란 결국 사람들간의 의사 소통이다. 내가 나만의 이득을 이야기하는 것이 아니라 상대를 이해하려고 하고 공동의 이익을 만들려 하는 사람인가가 중요하다. 개발자로서 사실 영어는 처음에 그렇게 중요하지 않지만 레벨이 올라갈수록 중요해지며 이는 현란하게 발음을 하고 그러는 것이 아닌 어눌하고 문법이 틀려도 본인의 의견을 명확하게 표현할 수 있으면 된다. 그보다 더 중요한 것은 긍정적인 태도를 갖는 팀플레이어로 결과를 내는 사람이 되어야 한다는 점이다. 난 영어를 못해서 일을 잘 못해라고 하며 영어의 미숙함 뒤에 숨는 사람들을 실리콘밸리에 가끔 보게 되는데 그 단계를 벗어나는 간절함이 먼저 필요하다.

(실리콘밸리에서 일할 때) 영어를 못할 때의 장점

Code review antipatterns

﻿코드 리뷰 자체가 없어 외롭게 코드를 작성하는 팀이 있는가 반면 코드 리뷰가 있긴 하나 오히려 있으나 마나 한 경우가 있습니다. 다 그런 건 아니고 저도 잘 안되는 부분이지만 개발자들은 단어나 문장의 선택이 서툴러서 본심은 그게 아닌데 리뷰가 아닌 자칫 "훈계" 혹은 "지적"이 되는 상황으로 변질되곤 합니다. 코드를 더 잘 짜보자고 만든 문화가 오히려 병목을 만들거나 구성원 간에 불신을 조장하는 경우가 생기는데요. 이번에 공유드릴 내용에서는 코드 리뷰 안티 패턴을 소개하고 있습니다.

궁극적으로 상호 존중하는 과정에서 명확하게 구체적인 피드백이 이뤄져야 하고 리뷰이나 리뷰어 각자가 책임의식을 가지고 리뷰가 진행이 되어야 하는데요. 첨언하면, 리뷰를 받고자 하는 리뷰 이는 최대한 수용하는 자세로 자세한 정보와 상황을 친절하게 작성해야 하고, 리뷰를 해주는 리뷰어 입장에서는 장기적으로 코드와 개발자(혹은 팀 구성원) 모두가 성장할 수 있도록 고민하며 필요하면 레퍼런스와 함께 리뷰를 해주는 게 좋지 않을까 생각을 해봅니다.

https://www.chiark.greenend.org.uk/~sgtatham/quasiblog/code-review-antipatterns/

﻿코드 리뷰 자체가 없어 외롭게 코드를 작성하는 팀이 있는가 반면 코드 리뷰가 있긴 하나 오히려 있으나 마나 한 경우가 있습니다. 다 그런 건 아니고 저도 잘 안되는 부분이지만 개발자들은 단어나 문장의 선택이 서툴러서 본심은 그게 아닌데 리뷰가 아닌 자칫 "훈계" 혹은 "지적"이 되는 상황으로 변질되곤 합니다. 코드를 더 잘 짜보자고 만든 문화가 오히려 병목을 만들거나 구성원 간에 불신을 조장하는 경우가 생기는데요. 이번에 공유드릴 내용에서는 코드 리뷰 안티 패턴을 소개하고 있습니다. 궁극적으로 상호 존중하는 과정에서 명확하게 구체적인 피드백이 이뤄져야 하고 리뷰이나 리뷰어 각자가 책임의식을 가지고 리뷰가 진행이 되어야 하는데요. 첨언하면, 리뷰를 받고자 하는 리뷰 이는 최대한 수용하는 자세로 자세한 정보와 상황을 친절하게 작성해야 하고, 리뷰를 해주는 리뷰어 입장에서는 장기적으로 코드와 개발자(혹은 팀 구성원) 모두가 성장할 수 있도록 고민하며 필요하면 레퍼런스와 함께 리뷰를 해주는 게 좋지 않을까 생각을 해봅니다. https://www.chiark.greenend.org.uk/~sgtatham/quasiblog/code-review-antipatterns/﻿

www.chiark.greenend.org.uk

코드 리뷰 안티패턴

Built with Notion, the all-in-one connected workspace with publishing capabilities.

데이터 이력서 자랑대회 (Feat. Notion) | Notion

데이터 커리어를 꿈꾸는 취준생부터, 현업에 있는 전문가까지
모두 참여할 수 있는 📄데이터 이력서 자랑대회에 당신을 초대합니다 :)

지난 번 포스트에 이어 오늘은 여러분들이 이력서 자랑대회에 참여하면
받을 수 있는 특별한 혜택들에 대해 이야기하고자 해요.

데이터 이력서 자랑대회는 현재 Notion으로 만든 이력서로만 참여가 가능해요.
그런데 만약 노션으로 만든 이력서가 없다면, 참여할 수 없는 걸까요?

나만의 노션 이력서가 없어도 걱정하지 마세요!
datarichard가 제공하는 데이터 이력서 템플릿을 활용해
자신만의 이력서를 만들수 있답니다.

또는 제공하는 데이터 이력서 템플릿을 사용하지 않고
직접 Notion으로 제작할 수도 있습니다.

여러분들의 창의력과 능력을 발휘해,
크리에이티브한 나만의 이력서를 만들고 대회에 참여해보세요!

앞으로 일주일간 매일 하루에 한번씩 이력서 자랑대회 소식을 전해드릴게요.

참여하고 싶은 분들은 댓글에 있는👇링크를 클릭해주세요.

#데이터리차드 #이력서 #자랑대회 #노션

데이터 커리어를 꿈꾸는 취준생부터, 현업에 있는 전문가까지 모두 참여할 수 있는 📄데이터 이력서 자랑대회에 당신을 초대합니다 :) 지난 번 포스트에 이어 오늘은 여러분들이 이력서 자랑대회에 참여하면 받을 수 있는 특별한 혜택들에 대해 이야기하고자 해요. 데이터 이력서 자랑대회는 현재 Notion으로 만든 이력서로만 참여가 가능해요. 그런데 만약 노션으로 만든 이력서가 없다면, 참여할 수 없는 걸까요? 나만의 노션 이력서가 없어도 걱정하지 마세요! datarichard가 제공하는 데이터 이력서 템플릿을 활용해 자신만의 이력서를 만들수 있답니다. 또는 제공하는 데이터 이력서 템플릿을 사용하지 않고 직접 Notion으로 제작할 수도 있습니다. 여러분들의 창의력과 능력을 발휘해, 크리에이티브한 나만의 이력서를 만들고 대회에 참여해보세요! 앞으로 일주일간 매일 하루에 한번씩 이력서 자랑대회 소식을 전해드릴게요. 참여하고 싶은 분들은 댓글에 있는👇링크를 클릭해주세요. #데이터리차드 #이력서 #자랑대회 #노션

동찬 임's Notion on Notion

📄데이터 이력서 자랑대회 (Feat. Notion) - 이력서 템플릿

2024 FEConf 현장 영상을 준비했어요! 이번 행사에는 당근 부스 운영진으로 참여했어요. 다른 후원사 부스를 체험하면서 경품도 받고 네트워킹 부스도 즐기고 왔어요. 제가 스트레스와 불안감을 관리하는 방법은 영상 후반부에 나와요! 재미있게 보셨다면 좋아요와 댓글로 응원해주세요 😊 다음 영상으로 또 찾아올게요!

개발자가 스트레스와 불안감을 동시에 잡는 방법 | 2024 FEConf 탐방기

"스트레스를 푸는 취미가 있으신가요?"

2024 FEConf는 발표 세션과 후원사 부스를 비롯해 아이 돌봄 공간, 네트워킹 부스까지 마련되어 즐길 거리가 가득했습니다.

네트워킹 부스에선 스트레스를 푸는 취미가 있냐는 질문을 받았습니다. 저는 '글쓰기'가 스트레스를 푸는 취미라고 답했습니다.

처음에는 글쓰기가 스트레스를 받는 일이라고 생각했는데 가만 생각해 보니 스트레스를 줄여주는 활동이라는 걸 깨닫게 됐습니다. 자세한 내용은 첨부한 영상을 통해 확인해 주세요.

여러분은 어떤가요? 어떤 방식으로 스트레스를 풀고 계신가요?

https://youtu.be/ug1nLShB5DA?si=XN_Rww49HjeDw_7u

"스트레스를 푸는 취미가 있으신가요?" 2024 FEConf는 발표 세션과 후원사 부스를 비롯해 아이 돌봄 공간, 네트워킹 부스까지 마련되어 즐길 거리가 가득했습니다. 네트워킹 부스에선 스트레스를 푸는 취미가 있냐는 질문을 받았습니다. 저는 '글쓰기'가 스트레스를 푸는 취미라고 답했습니다. 처음에는 글쓰기가 스트레스를 받는 일이라고 생각했는데 가만 생각해 보니 스트레스를 줄여주는 활동이라는 걸 깨닫게 됐습니다. 자세한 내용은 첨부한 영상을 통해 확인해 주세요. 여러분은 어떤가요? 어떤 방식으로 스트레스를 풀고 계신가요? https://youtu.be/ug1nLShB5DA?si=XN_Rww49HjeDw_7u

www.youtube.com

개발자의 스트레스 해소법

LLM은 지난 2년간, 성능은 원숭이 수준에서 인간 수준으로 높아졌고 가격은 400배 저렴해졌으며, 추론 속도는 지난 6년간 (이론적으로)3,000배 빨라졌다.

역사적으로 어떠한 기술이 이렇게 빠르게 발전했던 경우가 없었다.

최근 다음 레벨의 AI가 나오지 않아서 AI가 과장됐다, 이제 버블이 꺼질거라는 말이 많이 나오지만, GPT-4가 출시된지 이제 겨우 1년 반 밖에 안됐음을 기억해야한다.

LLM은 지난 2년간, 성능은 원숭이 수준에서 인간 수준으로 높아졌고 가격은 400배 저렴해졌으며, 추론 속도는 지난 6년간 (이론적으로)3,000배 빨라졌다. 역사적으로 어떠한 기술이 이렇게 빠르게 발전했던 경우가 없었다. 최근 다음 레벨의 AI가 나오지 않아서 AI가 과장됐다, 이제 버블이 꺼질거라는 말이 많이 나오지만, GPT-4가 출시된지 이제 겨우 1년 반 밖에 안됐음을 기억해야한다.

Since the dawn of computing, humans have sought to estimate how long it takes to build software, and for just as long, they've consistently failed. Estimating even medium-sized projects is devilishly difficult, and estimating large projects is virtually i

Software estimates have never worked and never will

9월의 시작입니다. 9월동안 어떠한 프로젝트들이 진행될 것인지, 그리고 앞으로의 한 주는 어떤일들을 할지 아마 여러 미팅들이 잡혀있을 것 같은데요. 그런 과제 정리에 있어서 얼마나 걸릴지 일정 추정하는 것을 빼놓을 수 없을 것 같습니다.

하지만 항상 이 추정은 맞을 듯 안맞을 듯, 꼭 하루 이틀은 더 걸리게 되고, 다른 사람의 일정이 밀리면서 나의 일정도 밀리고, 맞을 듯 안맞을 듯 항상 고민스럽습니다. 이런 일정 추정의 어려움은 dhh에게도 동일한가봅니다.

블로그 글에서 소프트웨어 개발의 본질적인 복잡성과 불확실성 때문에, 추정이 실질적으로 무의미하다고 주장합니다.
 * 소프트웨어 개발에서의 추정은 종종 비현실적이며, 실제 작업의 복잡성을 반영하지 못합니다. 이는 개발자들이 실제로 필요한 작업을 수행하는 데 방해가 됩니다.
 * 애자일 방법론이 도입되었지만, 실제로는 관리자의 요구에 의해 비효율적인 프로세스가 강화되는 경향이 있습니다. 이로 인해 개발자들은 불필요한 압박을 받으며, 창의적인 작업을 수행하기 어려워집니다.
 * 많은 기업들이 애자일을 도입했지만, 실제로는 개발자들에게 도움이 되기보다는 관리자의 통제를 강화하는 수단으로 사용됩니다. 이는 개발자들의 동기를 저하시킬 뿐만 아니라, 팀의 생산성에도 부정적인 영향을 미칠 수 있습니다.
 * 소프트웨어 개발의 복잡성을 이해하고, 추정 대신 더 유연한 접근 방식을 채택해야 한다고 강조합니다. 이는 개발자들이 더 나은 결과를 도출할 수 있도록 돕는 방법이 될 것입니다.

소프트웨어 개발의 세계는 복잡하고 예측할 수 없는 요소로 가득 차 있습니다. 이러한 환경에서 정확한 추정치를 요구하는 것은 마치 바람을 잡으려는 시도와도 같다고 합니다.

https://world.hey.com/dhh/software-estimates-have-never-worked-and-never-will-a41a9c71

9월의 시작입니다. 9월동안 어떠한 프로젝트들이 진행될 것인지, 그리고 앞으로의 한 주는 어떤일들을 할지 아마 여러 미팅들이 잡혀있을 것 같은데요. 그런 과제 정리에 있어서 얼마나 걸릴지 일정 추정하는 것을 빼놓을 수 없을 것 같습니다. 하지만 항상 이 추정은 맞을 듯 안맞을 듯, 꼭 하루 이틀은 더 걸리게 되고, 다른 사람의 일정이 밀리면서 나의 일정도 밀리고, 맞을 듯 안맞을 듯 항상 고민스럽습니다. 이런 일정 추정의 어려움은 dhh에게도 동일한가봅니다. 블로그 글에서 소프트웨어 개발의 본질적인 복잡성과 불확실성 때문에, 추정이 실질적으로 무의미하다고 주장합니다.<ul ><li>소프트웨어 개발에서의 추정은 종종 비현실적이며, 실제 작업의 복잡성을 반영하지 못합니다. 이는 개발자들이 실제로 필요한 작업을 수행하는 데 방해가 됩니다.</li><li>애자일 방법론이 도입되었지만, 실제로는 관리자의 요구에 의해 비효율적인 프로세스가 강화되는 경향이 있습니다. 이로 인해 개발자들은 불필요한 압박을 받으며, 창의적인 작업을 수행하기 어려워집니다.</li><li>많은 기업들이 애자일을 도입했지만, 실제로는 개발자들에게 도움이 되기보다는 관리자의 통제를 강화하는 수단으로 사용됩니다. 이는 개발자들의 동기를 저하시킬 뿐만 아니라, 팀의 생산성에도 부정적인 영향을 미칠 수 있습니다. </li><li>소프트웨어 개발의 복잡성을 이해하고, 추정 대신 더 유연한 접근 방식을 채택해야 한다고 강조합니다. 이는 개발자들이 더 나은 결과를 도출할 수 있도록 돕는 방법이 될 것입니다.</li></ul> 소프트웨어 개발의 세계는 복잡하고 예측할 수 없는 요소로 가득 차 있습니다. 이러한 환경에서 정확한 추정치를 요구하는 것은 마치 바람을 잡으려는 시도와도 같다고 합니다. https://world.hey.com/dhh/software-estimates-have-never-worked-and-never-will-a41a9c71

일정 추정은 효과가 없고 앞으로도 없을 것입니다.

클릭 한 번이면 내 얼굴이 변한다고? 딥페이크 기술의 빛과 그림자 여러분, 혹시 딥페이크 기술을 아시나요? 최근 방영한 드라마인 '검은태양'에서도 딥페이크 기술을 활용한 장면이 나와 놀라움을 줬는데요. 이처럼 다양한 분야에서 딥페이크 기술이 활용되면서 이 기술에 대한 관심이 점점 높아지고 있습니다. 자신의 얼굴을 다른 사람의 얼굴로 변환하는 딥페이크 기술의 좋은 예도 있지만, 악용하는 사례들도 많다고 합니다.

클릭 한 번이면 내 얼굴이 변한다고? 딥페이크 기술의 빛과 그림자

최근의 텔레그램 기반의 딥페이크 영상물로 인한 어마어마한 사회적 물의와 파장을 만들어내고 있다. 사실 딥페이크 기술은 딥러닝 기술에서 발전한 AI기술의 하나이다. 딥페이크 기술의 내용을 정리해보고자 한다.

 1. 딥페이크(DeepFake)란?
 * DeepFake = Deep Learning + Fake
 * 인공지능 기술인 딥러닝(deep learning)과 ‘가짜’를 의미하는 단어인 페이크(fake)의 합성어
 * 본래는 인공 지능을 기반으로 한 인간 이미지 합성 기술을 의미하나, 현재 대부분 언론에서는 이러한 딥페이크 기술로 만들어져 진위 여부를 구별하기 어려운 가짜 이미지나 영상물을 의미
 * 2017년 'deepfakes'라는 닉네임의 레딧(Reddit) 사용자에 의해 만들어진 한 사람의 얼굴을 학습한 뒤 다른 영상에서 얼굴을 바꿔치기(Swap) 하는 기술을 의미하는 용어에서 유래

 2. 기반 기술
 * 딥러닝: 심화신경망을 활용해 기계학습을 하는 방법으로 컴퓨터가 사람처럼 생각하고 배우도록 하는 기계학습 기술로서 이미지검색, 음성검색, 기계번역 등 다양한 분야에 활용
 * 생성적 적대 신경망(Generative Adversarial Net, GAN): 두 신경망 모델(생성자-감별자) 의 경쟁을 통해 학습하고 결과물을 만들어 내는 기술
 * 생성자(Generator): 실제 데이터를 학습하고 이를 바탕으로 거짓 데이터를 생성하며 실제에 가까운 거짓 데이터를 생성하는 모델
 * 감별자(Discriminator): 생성자가 내놓은 데이터가 실제인지 거짓인지 판별하도록 학습하는 모델
 
 3. 역사(?)
 * 2014년: 머신러닝 기술인 ‘적대관계생성신경망(Generative Adversarial Networks, 이하 GAN)’ 등장
 * 2017년: 미국 온라인 커뮤니티 Reddit의 한 회원이 기존 영상에 유명인의 얼굴을 입혀 가짜 콘텐츠를 게재

 4. 딥페이크의 긍정적 활용 사례(빛)
 * 영상제작: 새로운 인물 제작하거나 특수 효과로 배우의 과거 또는 미래의 인물 재현. 예) 로그원(스타워즈), 저스티스리그의 슈퍼맨, 인디아나 존스:운명의 다이얼에서 해리슨포드 젊은 시절
 * 신원 확인 수단: 딥러닝을 통해 수많은 얼굴 정보를 익히도록 함으로써 얼굴인식 능력을 향상시키고, 이는 범죄자 색출, 테러범 차단 등 신원 확인 수단으로도 사용
 * 의료분야: CT, MRI, X선 등 영상 의학 자료를 분석하여 암 진단 활용 / 알츠하이머 환자의 초기 음성을 학습시켜 병이 심해진 환자의 말을 대신 발음해주는 기술 개발 / 말라리아 퇴치 캠페인 홍보를 위해 데이비드 베컴은 중국어, 힌디어, 아랍어 등 9개 언어를 구사하는 영상으로 홍보
 * 교육 분야: 역사적 인물을 복원하는 등 시청각 교육 자료로 활용
 * 정서적 안정 및 위로 매개체: 얼굴을 보지 못하는 그리운 사람의 모습을 똑같이 재현하고, 더 나아가 그 사람이 생전 경험했던 여러 모습을 학습시켜서 그 사람과 대화할 수 있는, 영원히 그 사람을 보존할 수 있는 기술을 개발. 예) 김광석, 거북이 재현 방송 등

 5. 딥페이크의 부정적 활용 사례(그림자)
 * 성범죄 악용: 유명인 또는 SNS, 최근 사례처럼 학교내의 학생들 얼굴을 무단 도용하여 딥페이크 포르노 생성을 통해 개인의 명예훼손 및 치명적인 악의적인 이미지 생성
 * 조작영상 및 가짜뉴스: 유명인사의 얼굴 합성한 딥페이크 뉴스. 심지어 총선이나 대통령 선거등에 가짜뉴스 원천으로 활용되는 사례도 있었음
 * 사기 및 보이스피싱: 음성이나 사진을 조작해 보이스 피싱등의 기반 기술로 활용하는 사례
 * 생체인증우회: 개인의 고유한 외모나 목소리를 모방해 금융, 보험 사기에 악용 < - PAD(Presentation Attack Detection) 기술이 적용된 인증 시스템으로 일정부분 방지 가능

 6. 딥페이크 방지를 위한 규제 및 기술
 * 딥페이크 방지 기술
 * 오픈AI: 이미지 생성AI(달리)에서 딥페이크 관련 명령어 금지
 * 메타: 자사플랫폼에서 생성된 AI 이미지에 라벨 표시
 * 틱톡: 자사플랫폼에서 생성된 AI 이미지에 라벨 표시
 * 미국방위고등연구계획국(Defense Advanced Research Projects Agency): 딥 페이크 영상 탐지를 위한 기술 개발
 * 합성곱계층망(Convolutional Neural Network, 이하 CNN)을 이용한 탐지 연구
 * 합성곱 계층(convolutional layer) 및 풀링 계층(pooling layer)의 조합으로 구성된 신경망에서 진짜와 가짜 영상 속의 얼굴 특징을 추출하고, 이를 학습함으로써 딥 페이크를 탐지
 * 순환신경망(Recurrent Neural Network) 및 LSTM(Long Short-Term Memory)과 같은 다른 종류의 딥러닝 모델과 단계적으로 조합함으로써 딥 페이크 탐지 성능 향상
 * (ViT)Vision Transformer 딥러닝 모델을 사용하여 탐지하는 방법
 * 글로벌 기업들
 * 2019년 9월: 메타, 아마존, 구글, 마이크로소프트, MIT, 옥스퍼드, 코넬공과대 공동의 딥페이크 감지 기술 경연 대회 Deepfake Detection Challenge(DFDC) 개최
 * 메타: 연구비·상금 수여 등 명목으로 해당 대회에 1,000만 달러를 투자
 * 아마존: 영상 해독 알고리즘의 개발을 위해 향후 2년간 개발자들에게 100만 달러에 달하는 Amazon Web Services6 이용권 제공
 * 구글: Google은 3,000개의 딥페이크 영상을 촬영한 후, 딥페이크 감지 기술 연구에 제공
 * 트위터(X): 조작된 콘텐츠를 공유하지 못하게 하거나, 조작된 콘텐츠가 허위임을 나타내는 링크를 삽입하는 등 딥페이크 악용 사례를 방지하는 정책
 * 딥페이크 처벌
 * 미국: 버지니아주는 2019년 7월 1일부터 딥페이크 성인용 콘텐츠를 보복성 음란물(리벤지 포르노)의 영역에 포함하는 법안 발효 및 처벌 강화
 * 영국: 2024년 4월 딥페이크 영상 제작 처벌로 법 개정
 * 한국: 2024년 8월 현재
 * 성폭력처벌법을 개정해 ‘허위 영상물 소지죄’ 조항을 신설해, 딥페이크 음란물을 갖고 있기만 해도 형사처벌
 * 딥페이크 음란물을 유포한 사람에 대해선 법정형을 ‘5년 이하 징역 또는 5000만원 이하 벌금’에서 ‘7년 이하 징역’으로 강화
 * 딥페이크 음란물 제작자를 잡기 위해 경찰관이 신분을 위장해 수사하는 것을 허용하는 방안도 추진
 * 딥페이크 기술 등 생성형 AI를 활용해 만들어진 영상물에 대해 워터마크 표시를 의무화하고, 딥페이크 음란물 피해자의 신상 정보가 온라인에 퍼져 있는 경우 이를 삭제할 수 있도록 법적 근거를 마련 중

< 참고자료 >
 * 합성곱 신경망(https://wikidocs.net/64066)
 * 나무위키 딥페이크(https://namu.wiki/w/%EB%94%A5%ED%8E%98%EC%9D%B4%ED%81%AC)
 * Deepfake의 원리: 당신의 예상보다 훨씬 쉽고, 대단한 기술(https://velog.io/@hewas1230/deepfake-principle)
 * Deepfake 탐지 : 음지의 Deepfake에 맞서는 Transformer-Based AI(https://velog.io/@hewas1230/Deepfake-Detection-Transformer)
 * 딥페이크 기술의 명과 암- AI 보안 위협 5가지(https://www.skshieldus.com/blog-security/security-trend-idx-07)
 * DETECT FAKES(https://detectfakes.kellogg.northwestern.edu/)
 * Factcheck.org(https://www.factcheck.org/)
 * 출처: https://www.skcareersjournal.com/2422

최근의 텔레그램 기반의 딥페이크 영상물로 인한 어마어마한 사회적 물의와 파장을 만들어내고 있다. 사실 딥페이크 기술은 딥러닝 기술에서 발전한 AI기술의 하나이다. 딥페이크 기술의 내용을 정리해보고자 한다. <ol ><li>딥페이크(DeepFake)란?</li></ol><ul ><li>DeepFake = Deep Learning + Fake</li><li>인공지능 기술인 딥러닝(deep learning)과 ‘가짜’를 의미하는 단어인 페이크(fake)의 합성어</li><li>본래는 인공&nbsp;지능을&nbsp;기반으로&nbsp;한&nbsp;인간&nbsp;이미지&nbsp;합성&nbsp;기술을 의미하나, 현재 대부분 언론에서는 이러한 딥페이크 기술로 만들어져 진위 여부를 구별하기 어려운 가짜 이미지나 영상물을 의미</li><li>2017년 'deepfakes'라는 닉네임의 레딧(Reddit) 사용자에 의해 만들어진 한 사람의 얼굴을 학습한 뒤 다른 영상에서 얼굴을 바꿔치기(Swap) 하는 기술을 의미하는 용어에서 유래</li></ul> <ol start="2"><li>기반 기술</li></ol><ul ><li>딥러닝: 심화신경망을 활용해 기계학습을 하는 방법으로 컴퓨터가 사람처럼 생각하고 배우도록 하는 기계학습 기술로서 이미지검색, 음성검색, 기계번역 등 다양한 분야에 활용</li><li>생성적 적대 신경망(Generative Adversarial Net, GAN): 두 신경망 모델(생성자-감별자) 의 경쟁을 통해 학습하고 결과물을 만들어 내는 기술<ul ><li>생성자(Generator): 실제 데이터를 학습하고 이를 바탕으로 거짓 데이터를 생성하며 실제에 가까운 거짓 데이터를 생성하는 모델</li><li>감별자(Discriminator): 생성자가 내놓은 데이터가 실제인지 거짓인지 판별하도록 학습하는 모델 </li></ul></li></ul><ol start="3"><li>역사(?)</li></ol><ul ><li>2014년: 머신러닝 기술인 ‘적대관계생성신경망(Generative Adversarial Networks, 이하 GAN)’ 등장</li><li>2017년: 미국 온라인 커뮤니티 Reddit의 한 회원이 기존 영상에 유명인의 얼굴을 입혀 가짜 콘텐츠를 게재</li></ul> <ol start="4"><li>딥페이크의 긍정적 활용 사례(빛)</li></ol><ul ><li>영상제작: 새로운 인물 제작하거나 특수 효과로 배우의 과거 또는 미래의 인물 재현. 예) 로그원(스타워즈), 저스티스리그의 슈퍼맨, 인디아나 존스:운명의 다이얼에서 해리슨포드 젊은 시절</li><li>신원 확인 수단: 딥러닝을 통해 수많은 얼굴 정보를 익히도록 함으로써 얼굴인식 능력을 향상시키고,&nbsp;이는 범죄자 색출,&nbsp;테러범 차단 등 신원 확인 수단으로도 사용</li><li>의료분야: CT, MRI, X선 등 영상 의학 자료를 분석하여 암 진단 활용 / 알츠하이머 환자의 초기 음성을 학습시켜 병이 심해진 환자의 말을 대신 발음해주는 기술 개발 / 말라리아 퇴치 캠페인 홍보를 위해 데이비드 베컴은 중국어, 힌디어, 아랍어 등 9개 언어를 구사하는 영상으로 홍보</li><li>교육 분야: 역사적 인물을 복원하는 등 시청각 교육 자료로 활용</li><li>정서적 안정 및 위로 매개체: 얼굴을 보지 못하는 그리운 사람의 모습을 똑같이 재현하고,&nbsp;더 나아가 그 사람이 생전 경험했던 여러 모습을 학습시켜서 그 사람과 대화할 수 있는,&nbsp;영원히 그 사람을 보존할 수 있는 기술을 개발. 예) 김광석, 거북이 재현 방송 등</li></ul> <ol start="5"><li>딥페이크의 부정적 활용 사례(그림자)</li></ol><ul ><li>성범죄 악용: 유명인 또는 SNS, 최근 사례처럼 학교내의 학생들 얼굴을 무단 도용하여 딥페이크 포르노 생성을 통해 개인의 명예훼손 및 치명적인 악의적인 이미지 생성</li><li>조작영상 및 가짜뉴스: 유명인사의 얼굴 합성한 딥페이크 뉴스. 심지어 총선이나 대통령 선거등에 가짜뉴스 원천으로 활용되는 사례도 있었음</li><li>사기 및 보이스피싱: 음성이나 사진을 조작해 보이스 피싱등의 기반 기술로 활용하는 사례</li><li>생체인증우회: 개인의 고유한 외모나 목소리를 모방해 금융, 보험 사기에 악용 &lt; - PAD(Presentation Attack Detection) 기술이 적용된 인증 시스템으로 일정부분 방지 가능</li></ul> <ol start="6"><li>딥페이크 방지를 위한 규제 및 기술</li></ol><ul ><li>딥페이크 방지 기술<ul ><li>오픈AI: 이미지 생성AI(달리)에서 딥페이크 관련 명령어 금지</li><li>메타: 자사플랫폼에서 생성된 AI 이미지에 라벨 표시</li><li>틱톡: 자사플랫폼에서 생성된 AI 이미지에 라벨 표시</li><li>미국방위고등연구계획국(Defense Advanced Research Projects Agency): 딥 페이크 영상 탐지를 위한 기술 개발</li><li>합성곱계층망(Convolutional Neural Network, 이하 CNN)을 이용한 탐지 연구<ul ><li>합성곱 계층(convolutional layer) 및 풀링 계층(pooling layer)의 조합으로 구성된 신경망에서 진짜와 가짜 영상 속의 얼굴 특징을 추출하고, 이를 학습함으로써 딥 페이크를 탐지</li><li>순환신경망(Recurrent Neural Network) 및 LSTM(Long Short-Term Memory)과 같은 다른 종류의 딥러닝 모델과 단계적으로 조합함으로써 딥 페이크 탐지 성능 향상</li></ul></li><li>(ViT)Vision Transformer 딥러닝 모델을 사용하여 탐지하는 방법</li></ul></li></ul><ul ><li>글로벌 기업들<ul ><li>2019년 9월: 메타, 아마존, 구글, 마이크로소프트, MIT, 옥스퍼드, 코넬공과대 공동의 딥페이크 감지 기술 경연 대회 Deepfake Detection Challenge(DFDC) 개최<ul ><li>메타: 연구비·상금 수여 등 명목으로 해당 대회에 1,000만 달러를 투자</li><li>아마존: 영상 해독 알고리즘의 개발을 위해 향후 2년간 개발자들에게 100만 달러에 달하는 Amazon Web Services6 이용권 제공</li><li>구글: Google은 3,000개의 딥페이크 영상을 촬영한 후, 딥페이크 감지 기술 연구에 제공</li><li>트위터(X): 조작된 콘텐츠를 공유하지 못하게 하거나, 조작된 콘텐츠가 허위임을 나타내는 링크를 삽입하는 등 딥페이크 악용 사례를 방지하는 정책</li></ul></li></ul></li></ul><ul ><li>딥페이크 처벌<ul ><li>미국: 버지니아주는 2019년 7월 1일부터 딥페이크 성인용 콘텐츠를 보복성 음란물(리벤지 포르노)의 영역에 포함하는 법안 발효 및 처벌 강화</li><li>영국: 2024년 4월 딥페이크 영상 제작 처벌로 법 개정</li><li>한국: 2024년 8월 현재<ul ><li>성폭력처벌법을 개정해 ‘허위 영상물 소지죄’ 조항을 신설해, 딥페이크 음란물을 갖고 있기만 해도 형사처벌</li><li>딥페이크 음란물을 유포한 사람에 대해선 법정형을 ‘5년 이하 징역 또는 5000만원 이하 벌금’에서 ‘7년 이하 징역’으로 강화</li><li>딥페이크 음란물 제작자를 잡기 위해 경찰관이 신분을 위장해 수사하는 것을 허용하는 방안도 추진</li><li>딥페이크 기술 등 생성형 AI를 활용해 만들어진 영상물에 대해 워터마크 표시를 의무화하고, 딥페이크 음란물 피해자의 신상 정보가 온라인에 퍼져 있는 경우 이를 삭제할 수 있도록 법적 근거를 마련 중</li></ul></li></ul></li></ul> &lt; 참고자료 &gt;<ul ><li>합성곱 신경망(https://wikidocs.net/64066)</li><li>나무위키 딥페이크(https://namu.wiki/w/%EB%94%A5%ED%8E%98%EC%9D%B4%ED%81%AC)</li><li>Deepfake의 원리: 당신의 예상보다 훨씬 쉽고, 대단한 기술(https://velog.io/@hewas1230/deepfake-principle)</li><li>Deepfake 탐지 : 음지의 Deepfake에 맞서는 Transformer-Based AI(https://velog.io/@hewas1230/Deepfake-Detection-Transformer)</li><li>딥페이크 기술의 명과 암- AI 보안 위협 5가지(https://www.skshieldus.com/blog-security/security-trend-idx-07)</li></ul><ul ><li>DETECT FAKES(https://detectfakes.kellogg.northwestern.edu/)</li><li>Factcheck.org(https://www.factcheck.org/)</li><li>출처: https://www.skcareersjournal.com/2422</li></ul>

SK채용 공식 블로그

[AI의 빛과 그림자] 딥페이크(DeepFake)

오늘 간단한 컨셉 페이지를 웹으로 하나 만들었는데 진짜 말 그대로 순식간에 만들 수 있어서 놀랐다.

웹 페이지 한 페이지 정도는 그냥 순식간에 파바박..! 이제는 UI 컴포넌트 정보만 잘 정리해주면 거의 수정없이 쓸 수 있을 정도이고,

무엇보다, 정말 단순한 페이지이긴 하지만, 1~2년 전만 같았어도 내 능력 밖의 일이라 혼자서는 할 수 없었던 것을, 툴을 익히는 시간까지 포함해서 두어시간도 안걸려서 만들 수 있었다.

익히 알고 있었던거긴 하지만, 오늘은 하려고 했던게 진짜 한 방에 돼버려서 갑자기 충격받음..

오늘 간단한 컨셉 페이지를 웹으로 하나 만들었는데 진짜 말 그대로 순식간에 만들 수 있어서 놀랐다. 웹 페이지 한 페이지 정도는 그냥 순식간에 파바박..! 이제는 UI 컴포넌트 정보만 잘 정리해주면 거의 수정없이 쓸 수 있을 정도이고, 무엇보다, 정말 단순한 페이지이긴 하지만, 1~2년 전만 같았어도 내 능력 밖의 일이라 혼자서는 할 수 없었던 것을, 툴을 익히는 시간까지 포함해서 두어시간도 안걸려서 만들 수 있었다. 익히 알고 있었던거긴 하지만, 오늘은 하려고 했던게 진짜 한 방에 돼버려서 갑자기 충격받음..

Have you noticed that Git is so integral to working with code that people hardly ever include it in their tech stack or on their CV at all? The assumption is you know it already, or at least enough...

The guide to Git I never had.

개발자로서 우리의 일상은 코드를 읽고, 작성하고, 검토하는 데 집중되어 있습니다. Git은 우리가 사용하는 도구 중 가장 중요한 것 중 하나라고 할 수 있습니다. Git의 기능과 특징을 마스터하는 것은 개발자로서 자신에게 할 수 있는 최고의 투자 중 하나입니다.
 
브랜치 (Branches)
Git 저장소에는 "main" 또는 "master"(deprecated)라는 메인 개발 라인이 있으며, 여기서 여러 브랜치가 분기됩니다. 이 브랜치들은 동시에 여러 기능이나 수정을 병행하여 작업할 수 있도록 해줍니다.

커밋 (Commits)
Git 커밋은 업데이트된 코드를 묶어 특정 시점의 프로젝트 코드를 캡처합니다. 각 커밋은 이전 커밋 이후로 이루어진 변경사항을 기록하며, 프로젝트 개발의 전체적인 역사를 구축합니다.

커밋을 참조할 때는 일반적으로 고유한 암호화 해시 값을 사용합니다.
git show abc123def456789

이 명령어는 해당 해시 값을 가진 커밋의 상세 정보를 보여줍니다.
 
태그 (Tags)
Git 태그는 Git 역사 내에서 주요 이정표를 나타내며, 일반적으로 릴리스, 버전, 또는 중요한 커밋을 표시합니다. 이러한 태그는 프로젝트의 여정에서 특정 시점을 나타내는 데 매우 유용합니다.

헤드 (HEAD)
현재 체크아웃된 브랜치의 가장 최신 커밋은 HEAD에 의해 표시되며, 저장소 내의 모든 참조를 가리킬 수 있는 포인터 역할을 합니다. 특정 브랜치에 있을 때, HEAD는 해당 브랜치의 최신 커밋을 가리킵니다. 가끔 HEAD는 브랜치의 끝이 아닌 특정 커밋을 직접 가리킬 수도 있습니다.
 
스테이지 (Stages)
Git 단계를 이해하는 것은 Git 워크플로우를 이해하는 데 매우 중요합니다. 단계는 파일에 대한 변경사항이 커밋되기 전에 발생하는 논리적 전환을 나타냅니다. Git 단계를 더 자세히 살펴봅시다:

 * 작업 디렉토리 (Working directory) 👷: 작업 디렉토리는 프로젝트 파일을 수정하고 생성하는 곳입니다. 로컬 머신에서 파일의 현재 상태를 나타냅니다.
 * 스테이징 영역 (Staging area) 🚉: 스테이징 영역은 변경사항을 커밋하기 전에 준비하는 대기 영역 또는 사전 커밋 구역입니다.
 * 로컬 저장소 (Local repository) 🗄️: 로컬 저장소는 Git이 커밋된 변경사항을 영구히 저장하는 곳입니다. 프로젝트의 역사를 검토하고, 이전 상태로 되돌리며, 동일한 코드베이스에서 다른 사람들과 협업할 수 있게 해줍니다.
 * 원격 저장소 (Remote repository) 🛫: 원격 저장소는 중앙 서버(예: GitHub, GitLab, Bitbucket)에 위치하며, 프로젝트를 공유하고 다른 사람들과 협업할 수 있는 곳입니다.
 
Git 시작하기
어디서부터 시작해야 할지 고민이라면, Git에서는 작업 공간(workspace)에서 시작해야 합니다. 기존의 저장소(repository)를 포크(fork)하거나 클론(clone)하여 그 작업 공간의 복사본을 가질 수 있습니다. 만약 완전히 새롭게 로컬 폴더에서 시작하고자 한다면, 해당 폴더를 Git 저장소로 만들기 위해 git init 명령어를 사용해야 합니다. 다음 단계로는 자격 증명 설정을 반드시 잊지 말아야 합니다.

브랜치 작업
로컬에서 작업할 때는 현재 어떤 브랜치에 있는지 아는 것이 중요합니다. 다음 명령어들이 유용합니다:
# Will show the changes in the local repository
git branch 
# Or create a branch directly with
git branch feature-branch-name

브랜치 간 전환을 위해서는:
git switch

또한, 브랜치 간 전환뿐만 아니라 다음과 같이 할 수도 있습니다:
git checkout 
# A shortcut to switch to a branch that is yet to be created with the -b flag 
git checkout -b feature-branch-name

저장소의 상태를 확인하려면 다음을 사용하십시오:
git status

현재 브랜치를 항상 명확하게 보기 위해서는 터미널에 브랜치를 표시하는 것이 좋습니다. 이를 도와주는 여러 터미널 애드온이 있습니다.

커밋 작업
커밋을 작업할 때, git commit -m을 사용하여 변경 사항을 기록하고, git amend를 사용하여 가장 최근의 커밋을 수정하며, 커밋 메시지 규칙을 지키는 것이 중요합니다.
git commit -m "의미 있는 메시지"

마지막 커밋에 변경 사항이 있을 때는 새 커밋을 만들지 않고 --amend 플래그를 사용하여 가장 최근 커밋을 수정할 수 있습니다:
# 변경사항을 추가
git add .
git commit --amend

이 명령어는 기본 텍스트 편집기를 열어 필요하면 커밋 메시지를 수정할 수 있게 합니다.
git push origin your_branch --force

기본적으로 자주 커밋하는 것이 더 좋습니다. 이는 진행 상황을 잃거나 스테이징되지 않은 변경사항을 실수로 리셋하는 것을 방지합니다. 이후에 여러 커밋을 합치거나 인터랙티브 리베이스(interactive rebase)를 통해 히스토리를 재작성할 수 있습니다.
 
git log를 사용하여 최근 커밋부터 과거로 거슬러 올라가는 순서로 커밋 목록을 확인할 수 있습니다.
 

번역: [https://ducktopia.tistory.com/132]
원문:

개발자로서 우리의 일상은 코드를 읽고, 작성하고, 검토하는 데 집중되어 있습니다. Git은 우리가 사용하는 도구 중 가장 중요한 것 중 하나라고 할 수 있습니다. Git의 기능과 특징을 마스터하는 것은 개발자로서 자신에게 할 수 있는 최고의 투자 중 하나입니다.&nbsp;브랜치 (Branches)Git 저장소에는 "main" 또는 "master"(deprecated)라는 메인 개발 라인이 있으며, 여기서 여러 브랜치가 분기됩니다. 이 브랜치들은 동시에 여러 기능이나 수정을 병행하여 작업할 수 있도록 해줍니다. 커밋 (Commits)Git 커밋은 업데이트된 코드를 묶어 특정 시점의 프로젝트 코드를 캡처합니다. 각 커밋은 이전 커밋 이후로 이루어진 변경사항을 기록하며, 프로젝트 개발의 전체적인 역사를 구축합니다. 커밋을 참조할 때는 일반적으로 고유한 암호화 해시 값을 사용합니다.<pre ><code class="language-bash">git show abc123def456789</code></pre>이 명령어는 해당 해시 값을 가진 커밋의 상세 정보를 보여줍니다.&nbsp;태그 (Tags)Git 태그는 Git 역사 내에서 주요 이정표를 나타내며, 일반적으로 릴리스, 버전, 또는 중요한 커밋을 표시합니다. 이러한 태그는 프로젝트의 여정에서 특정 시점을 나타내는 데 매우 유용합니다. 헤드 (HEAD)현재 체크아웃된 브랜치의 가장 최신 커밋은 HEAD에 의해 표시되며, 저장소 내의 모든 참조를 가리킬 수 있는 포인터 역할을 합니다. 특정 브랜치에 있을 때, HEAD는 해당 브랜치의 최신 커밋을 가리킵니다. 가끔 HEAD는 브랜치의 끝이 아닌 특정 커밋을 직접 가리킬 수도 있습니다.&nbsp;스테이지 (Stages)Git 단계를 이해하는 것은 Git 워크플로우를 이해하는 데 매우 중요합니다. 단계는 파일에 대한 변경사항이 커밋되기 전에 발생하는 논리적 전환을 나타냅니다. Git 단계를 더 자세히 살펴봅시다: <ul ><li>작업 디렉토리 (Working directory) 👷: 작업 디렉토리는 프로젝트 파일을 수정하고 생성하는 곳입니다. 로컬 머신에서 파일의 현재 상태를 나타냅니다.</li><li>스테이징 영역 (Staging area) 🚉: 스테이징 영역은 변경사항을 커밋하기 전에 준비하는 대기 영역 또는 사전 커밋 구역입니다.</li><li>로컬 저장소 (Local repository) 🗄️: 로컬 저장소는 Git이 커밋된 변경사항을 영구히 저장하는 곳입니다. 프로젝트의 역사를 검토하고, 이전 상태로 되돌리며, 동일한 코드베이스에서 다른 사람들과 협업할 수 있게 해줍니다.</li><li>원격 저장소 (Remote repository) 🛫: 원격 저장소는 중앙 서버(예: GitHub, GitLab, Bitbucket)에 위치하며, 프로젝트를 공유하고 다른 사람들과 협업할 수 있는 곳입니다.</li></ul>&nbsp;Git 시작하기어디서부터 시작해야 할지 고민이라면, Git에서는 작업 공간(workspace)에서 시작해야 합니다. 기존의 저장소(repository)를 포크(fork)하거나 클론(clone)하여 그 작업 공간의 복사본을 가질 수 있습니다. 만약 완전히 새롭게 로컬 폴더에서 시작하고자 한다면, 해당 폴더를 Git 저장소로 만들기 위해 git init 명령어를 사용해야 합니다. 다음 단계로는 자격 증명 설정을 반드시 잊지 말아야 합니다. 브랜치 작업로컬에서 작업할 때는 현재 어떤 브랜치에 있는지 아는 것이 중요합니다. 다음 명령어들이 유용합니다:<pre ><code class="language-bash"># Will show the changes in the local repository
git branch 
# Or create a branch directly with
git branch feature-branch-name</code></pre>브랜치 간 전환을 위해서는:<pre ><code class="language-bash">git switch</code></pre>또한, 브랜치 간 전환뿐만 아니라 다음과 같이 할 수도 있습니다:<pre ><code class="language-bash">git checkout 
# A shortcut to switch to a branch that is yet to be created with the -b flag 
git checkout -b feature-branch-name</code></pre>저장소의 상태를 확인하려면 다음을 사용하십시오:<pre ><code class="language-bash">git status</code></pre>현재 브랜치를 항상 명확하게 보기 위해서는 터미널에 브랜치를 표시하는 것이 좋습니다. 이를 도와주는 여러 터미널 애드온이 있습니다. 커밋 작업커밋을 작업할 때, git commit -m을 사용하여 변경 사항을 기록하고, git amend를 사용하여 가장 최근의 커밋을 수정하며, 커밋 메시지 규칙을 지키는 것이 중요합니다.<pre ><code class="language-bash">git commit -m "의미 있는 메시지"</code></pre>마지막 커밋에 변경 사항이 있을 때는 새 커밋을 만들지 않고 --amend 플래그를 사용하여 가장 최근 커밋을 수정할 수 있습니다:<pre ><code class="language-bash"># 변경사항을 추가
git add .
git commit --amend</code></pre>이 명령어는 기본 텍스트 편집기를 열어 필요하면 커밋 메시지를 수정할 수 있게 합니다.<pre ><code class="language-bash">git push origin your_branch --force</code></pre>기본적으로 자주 커밋하는 것이 더 좋습니다. 이는 진행 상황을 잃거나 스테이징되지 않은 변경사항을 실수로 리셋하는 것을 방지합니다. 이후에 여러 커밋을 합치거나 인터랙티브 리베이스(interactive rebase)를 통해 히스토리를 재작성할 수 있습니다.&nbsp;git log를 사용하여 최근 커밋부터 과거로 거슬러 올라가는 순서로 커밋 목록을 확인할 수 있습니다.&nbsp; 번역: [https://ducktopia.tistory.com/132]원문:

Medium

🕊️ [Medium] 내가 원했던, Git 가이드 (1)

카카오페이에서 프론트엔드 개발을 하며 스켈레톤 UI와 사용자 경험 향상에 대해 고민한 내용을 공유합니다.

무조건 스켈레톤 화면을 보여주는게 사용자 경험에 도움이 될까요? | 카카오페이 기술 블로그

웹사이트에서 데이터를 불러올 때, 흔히 '스켈레톤 화면'이라는 로딩 표시를 사용합니다. 하지만 이게 항상 최선의 선택은 아니라는 흥미로운 블로그 글이 있어 공유드립니다.

세계적인 UX리서치 그룹 닐슨 노먼은 1초 미만이 소요되는 항목의 경우 애니메이션을 사용하면 오히려 주의가 산만해진다고 합니다. 이유는 사용자 입장에서는 너무 짧은 시간 이기에 화면에서 어떤 일이 발생했는지 따라갈 수 없기 때문인데요.

스켈레톤 화면의 효과
 1. 빠른 로딩 (100ms 미만):
    * 스켈레톤이 너무 빨리 사라져 화면이 '덜그럭거리는' 느낌을 줍니다.
    * 결론: 이런 경우 스켈레톤을 보여주지 않는 것이 더 깔끔합니다.
 2. 느린 로딩 (300ms 이상):
    * 스켈레톤 화면이 유용하게 작용합니다.
    * 사용자에게 '무언가 로딩 중'이라는 시각적 피드백을 제공합니다.

카카오페이의 해결책: 지연된 스켈레톤
카카오페이는 이 문제를 Suspense와 DeferredComponent라는 유틸리티 컴포넌트로 아래와 같이 해결했습니다. 200ms 까지는 빈 화면을 보여주고 이후에는 스켈레톤을 표시하는 방식인데요.
 * 작동 방식:
   * 0-200ms: 빈 화면 표시
   * 200ms 이후:
     * 데이터 로딩 완료 시 → 즉시 데이터 표시
     * 데이터 로딩 중 → 스켈레톤 표시
 * 예시:
   * 100ms 응답: 200ms 후 바로 데이터 표시 (스켈레톤 없음)
   * 400ms 응답: 200ms 후 스켈레톤 표시, 400ms에 데이터 표시

또한 성능 모니터링 도구(Firebase)를 활용하여 실제 API 응답 시간을 분석하여 대부분의 응답시간이 200ms이내임을 확인하고, 위와 같은 전략으로 '덜그럭거림'이 없는 부드러운 경험을 제공했습니다.

따라서 무조건 스켈레톤을 보여주는것보다는 사용자의 환경과 데이터를 분석하여 선택적으로 스켈레톤을 보여주는 것이 더 나을 수 있습니다. 이렇게 사용자 경험에 대한 연구들을 통해 인사이트를 얻고 데이터를 활용한 가설 및 검증 과정을 통해 더 좋은 사용자 경험을 제공할 수 있습니다.

https://tech.kakaopay.com/post/skeleton-ui-idea/

웹사이트에서 데이터를 불러올 때, 흔히 '스켈레톤 화면'이라는 로딩 표시를 사용합니다. 하지만 이게 항상 최선의 선택은 아니라는 흥미로운 블로그 글이 있어 공유드립니다. 세계적인 UX리서치 그룹 닐슨 노먼은 1초 미만이 소요되는 항목의 경우 애니메이션을 사용하면 오히려 주의가 산만해진다고 합니다. 이유는 사용자 입장에서는 너무 짧은 시간 이기에 화면에서 어떤 일이 발생했는지 따라갈 수 없기 때문인데요. 스켈레톤 화면의 효과<ol ><li>빠른 로딩 (100ms 미만):<ul ><li>스켈레톤이 너무 빨리 사라져 화면이 '덜그럭거리는' 느낌을 줍니다.</li><li>결론: 이런 경우 스켈레톤을 보여주지 않는 것이 더 깔끔합니다.</li></ul></li><li>느린 로딩 (300ms 이상):<ul ><li>스켈레톤 화면이 유용하게 작용합니다.</li><li>사용자에게 '무언가 로딩 중'이라는 시각적 피드백을 제공합니다.</li></ul></li></ol> 카카오페이의 해결책: 지연된 스켈레톤카카오페이는 이 문제를 Suspense와 DeferredComponent라는 유틸리티 컴포넌트로 아래와 같이 해결했습니다. 200ms 까지는 빈 화면을 보여주고 이후에는 스켈레톤을 표시하는 방식인데요.<ul ><li>작동 방식:<ul ><li>0-200ms: 빈 화면 표시</li><li>200ms 이후:<ul ><li>데이터 로딩 완료 시 → 즉시 데이터 표시</li><li>데이터 로딩 중 → 스켈레톤 표시</li></ul></li></ul></li><li>예시:<ul ><li>100ms 응답: 200ms 후 바로 데이터 표시 (스켈레톤 없음)</li><li>400ms 응답: 200ms 후 스켈레톤 표시, 400ms에 데이터 표시</li></ul></li></ul> 또한 성능 모니터링 도구(Firebase)를 활용하여 실제 API 응답 시간을 분석하여 대부분의 응답시간이 200ms이내임을 확인하고, 위와 같은 전략으로 '덜그럭거림'이 없는 부드러운 경험을 제공했습니다. 따라서 무조건 스켈레톤을 보여주는것보다는 사용자의 환경과 데이터를 분석하여 선택적으로 스켈레톤을 보여주는 것이 더 나을 수 있습니다. 이렇게 사용자 경험에 대한 연구들을 통해 인사이트를 얻고 데이터를 활용한 가설 및 검증 과정을 통해 더 좋은 사용자 경험을 제공할 수 있습니다. https://tech.kakaopay.com/post/skeleton-ui-idea/

Kakaopay

스켈레톤 화면: 언제나 좋은 선택일까요?

소프트웨어 개발의 80% 이상은 트러블 슈팅이다. 어쩌면 90% 이상? 그런데 이 트러블 슈팅은 컴퓨터 과학/공학의 기초가 없으면 해결하기가 어렵다.

기초 공부는 알겠다. 그럼 이 트러블 슈팅은 어떻게 배워야하나? 이제는 너무 쉽다.

AI(LLM)에게 개발을 시킨다. 거의 무조건 문제가 생기거나 완벽히 원하는대로 나오지 않는다. 어렵거나 새로운 문제일수록 그렇다. 이걸 해결해보는 과정을 많이 거쳐보면 된다.

AI에게 개발을 시킨다 -> 문제가 생긴다 & 문제를 만든다 -> 문제를 해결한다.

이 방식을 통하면 개발의 많은 과정을 이해하고 익힐 수 있다. 다만, 개발을 시키는 것도 뭘 알아야 시킬 수 있다. (서울대 강의에 썼던 방식이다)

부가적인 효과로 대화를 통해 목적을 달성해가는 스킬을 익힐 수 있고, AI의 결과가 틀릴 수 있다는 것이 몸에 새겨지므로, 늘 의심하고 확인하는 습관을 가질 수 있다.

소프트웨어 개발의 80% 이상은 트러블 슈팅이다. 어쩌면 90% 이상? 그런데 이 트러블 슈팅은 컴퓨터 과학/공학의 기초가 없으면 해결하기가 어렵다. 기초 공부는 알겠다. 그럼 이 트러블 슈팅은 어떻게 배워야하나? 이제는 너무 쉽다. AI(LLM)에게 개발을 시킨다. 거의 무조건 문제가 생기거나 완벽히 원하는대로 나오지 않는다. 어렵거나 새로운 문제일수록 그렇다. 이걸 해결해보는 과정을 많이 거쳐보면 된다. AI에게 개발을 시킨다 -&gt; 문제가 생긴다 &amp; 문제를 만든다 -&gt; 문제를 해결한다. 이 방식을 통하면 개발의 많은 과정을 이해하고 익힐 수 있다. 다만, 개발을 시키는 것도 뭘 알아야 시킬 수 있다. (서울대 강의에 썼던 방식이다) 부가적인 효과로 대화를 통해 목적을 달성해가는 스킬을 익힐 수 있고, AI의 결과가 틀릴 수 있다는 것이 몸에 새겨지므로, 늘 의심하고 확인하는 습관을 가질 수 있다.

소프트웨어 개발의 80% 이상은 트러블 슈팅이다. 어쩌면 90% 

결국은 가독성이 높은 코드가 좋은 코드다. 그래야 나도 나중에 쉽게 다시 기억을 되살릴 수 있고, 다른 사람들이 쉽게 이해하고 내가 그만두거나 다른 일로 넘어갈 때 유지보수가 쉬워진다.

단 코드를 작성할 때 본인이 하는 맡은 업무를 명확히 이해하는 것이 중요하다 ("문제 정의"). 그래야 맡은 일에서 정말 중요한 것들 중심으로 구현을 할 수 있기 때문이다. 문제의 복잡도와 들어가는 시간에는 다른 모든 것들처럼 보통 20:80 법칙이 적용된다. 마지막 20%를 해결하는데 보통 80%의 시간을 쓰게 되기에 20%를 단순하게 해결할 방법을 생각해보는 것이 필요하며 의사 소통을 통해 문제 정의를 잘 한다면 이 부분이 쉬워진다. 내 생각을 정리해보자면

 * 가독성이 높은 단순한 코드를 작성하자 (The simpler the better). 그래야 코드 리뷰부터 시작해서 모든 것이 쉬워진다. 불필요하게 복잡한 코드를 작성하면 본인도 나중에 다시 이해하려면 고생한다.
 * 모듈화 등을 통해 유지보수가 쉬운 코드를 작성하는 것이다. 예를 들어 비슷한 코드가 게으름이나 시간 압박으로 인해 하드코드 형태로 여기저기 흩어져 있다고 하면 유지보수에 큰 어려움을 겪게 될 가능성이 높다.
 * 문제 정의를 잘하는 것이 가장 중요하며 선행되어야 한다. 하지만 주의할 점은 처음 만드는 거라면 요구 조건이 시간을 두고 바뀔 가능성이 높기에 유연하게 만들고 너무 빠르게 최적화하지 않을 필요가 있다.
 * 마지막 20%를 해결하는데 들어가는 노력이 80%임을 인지하고 이 20%의 해결방법을 단순하게 할 방법을 찾아보자.

요약하자면 "읽기 쉽고 유지보수가 쉬운 코드를 작성해서 다른 사람들과의 협업이 쉽도록 만들자"

결국은 가독성이 높은 코드가 좋은 코드다. 그래야 나도 나중에 쉽게 다시 기억을 되살릴 수 있고, 다른 사람들이 쉽게 이해하고 내가 그만두거나 다른 일로 넘어갈 때 유지보수가 쉬워진다. 단 코드를 작성할 때 본인이 하는 맡은 업무를 명확히 이해하는 것이 중요하다 ("문제 정의"). 그래야 맡은 일에서 정말 중요한 것들 중심으로 구현을 할 수 있기 때문이다. 문제의 복잡도와 들어가는 시간에는 다른 모든 것들처럼 보통 20:80 법칙이 적용된다. 마지막 20%를 해결하는데 보통 80%의 시간을 쓰게 되기에 20%를 단순하게 해결할 방법을 생각해보는 것이 필요하며 의사 소통을 통해 문제 정의를 잘 한다면 이 부분이 쉬워진다. 내 생각을 정리해보자면 <ul ><li>가독성이 높은 단순한 코드를 작성하자 (The simpler the better). 그래야 코드 리뷰부터 시작해서 모든 것이 쉬워진다. 불필요하게 복잡한 코드를 작성하면 본인도 나중에 다시 이해하려면 고생한다.</li><li>모듈화 등을 통해 유지보수가 쉬운 코드를 작성하는 것이다. 예를 들어 비슷한 코드가 게으름이나 시간 압박으로 인해 하드코드 형태로 여기저기 흩어져 있다고 하면 유지보수에 큰 어려움을 겪게 될 가능성이 높다.</li><li>문제 정의를 잘하는 것이 가장 중요하며 선행되어야 한다. 하지만 주의할 점은 처음 만드는 거라면 요구 조건이 시간을 두고 바뀔 가능성이 높기에 유연하게 만들고 너무 빠르게 최적화하지 않을 필요가 있다.</li><li>마지막 20%를 해결하는데 들어가는 노력이 80%임을 인지하고 이 20%의 해결방법을 단순하게 할 방법을 찾아보자.</li></ul> 요약하자면 "읽기 쉽고 유지보수가 쉬운 코드를 작성해서 다른 사람들과의 협업이 쉽도록 만들자"

좋은 코드란?

2018년 작성해 오래된 아티컬이긴하지만
그때 고민해본 실제 동작하는 MSA 아키텍트의 프레임을 공유해봅니다.

https://wiki.webnori.com/plugins/servlet/mobile?contentId=16646192#content/view/16646192

2018년 작성해 오래된 아티컬이긴하지만그때 고민해본 실제 동작하는 MSA 아키텍트의 프레임을 공유해봅니다. https://wiki.webnori.com/plugins/servlet/mobile?contentId=16646192#content/view/16646192

MSA with Spring

Java developers tend to use 'java.util.UUID#randomUUID()' API, to generate a UUID (Universally Unique Identifier) number (i.e., 'b8bbcbed-ca07-490c-8711-5118ee0af2f9'). Under certain circumstances...

Java UUID generation - Performance impact

﻿
랜덤으로 유니크한 문자열을 만들기 위해 Java.util.UUID#randomUUID() 라는 메서드를 사용해 보신 적이 있으실 겁니다. 이 글에서는 해당 메서드로 인해 시스템이 느려졌던 사례를 공유합니다.
글의 설명에 따르면, 내부 운영체제에서 entropy를 사용하여 고유번호를 생성한다고 하는데 이는 다양한 시스템의 상태 (마우스 움직임, 하드웨어 팬 소음의 변화, 장치 드라이버의 소음 변화 등)을 활용한다고 하는데요. 이때 운영체제에 이 entropy가 부족할 경우 난수 생성 속도가 느려지고 이는 애플리케이션에 영향을 준다고 합니다. 글에 나와있는 스레드 덤프 리포트를 보면 상당히 흥미로운데요.
무심코 사용하던 코드에서도 결함이 생기는 경우가 종종 있으니 특히나 외부 라이브러리를 사용할 때는 한 번쯤은 추상화되어있는 인터페이스 내부에서 어떤 식으로 돌아가는지 살펴보는 것 또한 중요해 보입니다.

https://medium.com/@RamLakshmanan/java-uuid-generation-performance-impact-cec888b7d9b8

﻿랜덤으로 유니크한 문자열을 만들기 위해 Java.util.UUID#randomUUID() 라는 메서드를 사용해 보신 적이 있으실 겁니다. 이 글에서는 해당 메서드로 인해 시스템이 느려졌던 사례를 공유합니다.글의 설명에 따르면, 내부 운영체제에서 entropy를 사용하여 고유번호를 생성한다고 하는데 이는 다양한 시스템의 상태 (마우스 움직임, 하드웨어 팬 소음의 변화, 장치 드라이버의 소음 변화 등)을 활용한다고 하는데요. 이때 운영체제에 이 entropy가 부족할 경우 난수 생성 속도가 느려지고 이는 애플리케이션에 영향을 준다고 합니다. 글에 나와있는 스레드 덤프 리포트를 보면 상당히 흥미로운데요.무심코 사용하던 코드에서도 결함이 생기는 경우가 종종 있으니 특히나 외부 라이브러리를 사용할 때는 한 번쯤은 추상화되어있는 인터페이스 내부에서 어떤 식으로 돌아가는지 살펴보는 것 또한 중요해 보입니다. https://medium.com/@RamLakshmanan/java-uuid-generation-performance-impact-cec888b7d9b8

Java UUID generation-Performance imp

토스와 애플의 조직문화인 DRI는 무엇일까? DRI를 효과적으로 도입하기 위해 꼭 알아야 할 3가지 요소(결정, 실행, 책임)에 대해 알아보겠습니다. | HR 인사이트

DRI를 도입하기 위한 필수 요소 3가지 - 진짜 나를 빛나게, 스펙터 Specter

애플은 DRI 문화를 도입한 대표적인 사례로 잘알려져있고, 국내에서는 토스가 DRI를 성공적으로 도입한 기업으로 많이 언급되고 있습니다.
DRI 조직문화 관련해서 상세하게 적힌 글이 있어 내용을 공유드립니다.

🏃🏻‍♀️ 그래서 이거 누가 담당하실 건가요?
업무를 진행하다보면 여러 사람의 손을 거쳐야 할 때가 있습니다. 이런 문제는 회사가 여러 사람이 모여 있는 '팀'이기에 발생하고, 특히 다양한 부서에서 함께 프로젝트를 진행하다 보면 의견을 공유하는 과정이 길어지기 마련입니다.
이 과정에서 누가 결정을 내릴 것인지 명확하지 않다면 의견이 엇갈리게 되고, 프로젝트는 지연될 수 밖에 없습니다. 그러다 각자 다른 업무때문에 바빠지면 '다른 누군가가 하겠지' 라는 생각에 누구도 책임을 지지 않으려는 분위기가 형성되면서 실패로 끝날 가능성이 높아집니다.
이러한 문제를 해결하기위해 DRI(Directly Responsible Individual) 개념을 도입한 회사들이 있습니다.

💁‍♂️ DRI란
특정 업무나 프로젝트의 전 과정을 책임지는 개인 (최종의사결정권자)을 의미합니다.
프로젝트의 주요한 결정과 실행, 그리고 최종 결과까지의 책임을 한 사람이 담당하도록 하여 의사결정 과정을 단순화하고, 책임 소재를 명확히 하기위해 도입된 개념입니다.
DRI의 핵심은 한 명의 책임자에게 모든 권한을 위임한다는점입니다.

📈 DRI 도입 이후 직원들에게 일어난 변화
 * 활발한 의사소통: 프로젝트의 권한을 갖는 사람이 업무의 실행 및 결과까지 책임지면서, 업무의 성공여부가 온전히 자신에게 달려있음을 인지하게 되었습니다. 더 나은 결정을 하기위해 더 많은 사람들의 의견에 귀를 기울이고, 팀원들과 활발히 소통하게 되었습니다.
 * 전체 성과 향상: DRI를 통해 모든 구성원이 자신이 맡은 업무와 목표를 더욱 명확하게 이해하게 되었고, 상호 협력할 수 있는 환경이 조성되었습니다. 또한 구체적인 목표를 설정과 함께 책임감이 강화되면서 불필요한 업무에 시간을 낭비하지 않고 더 효율적으로 일할 수 있게 되었습니다.

🏄🏻‍♂️ DRI를 구성하는 요소
 * 결정: DRI는 프로젝트에서 주요한 결정을 내리는 역할을 합니다. 최선의 합리적인 결정을 내리기 위해 정보를 수집하고 분석하며, 필요한 모든 자원을 고려해야 합니다.
 * 실행: DRI는 결정된 사항을 실행하는 것 또한 본인의 주도 하에 진행됩니다. 이 단계에서 자원을 효과적으로 관리하고, 인력을 적절히 배치하며 프로젝트가 계획대로 진행될 수 있도록 모든 과정에 관여합니다.
 * 책임: DRI는 결과가 좋든 나쁘든 그에 따른 모든 책임을 집니다. 결과가 무조건 성공적이어야 한다는 것에 초점을 두는 것이 아닌, 맡고 있는 프로젝트의 처음부터 끝까지 누락된 것은 없는지 살피고, 레슨런을 통해 실패에서 성공을, 성공에서 더 큰 성공을 이루어내기 위해 고민하는 것이 필요합니다.

🎁 DRI 조직 문화를 만들기 위한 필수사항
 * 신뢰와 피드백: DRI는 조직 내 사람들의 의견을 경청하고, 합리적으로 설득할 수 있어야합니다. 피드백을 주고 받을 때에도 신뢰를 바탕으로 '공동의 목표를 달성하기 위해 협력하는 과정'이라는 것을 인지할 수 있어야 합니다.
 * 수평적 의사소통: 팀원들의 다양한 시각이 결합될 때 더 나은 의사결정과 혁신적인 해결책이 도출됩니다. 수평적 의사소통은 또한 팀원들이 서로의 강점과 약점을 이해하고 협력할 수 있는 기회를 제공합니다.
 * DRI형 리더십을 가진 직책자: 프로젝트의 성공 여부는 DRI 개인의 역량과 자질에 의해 크게 좌우됩니다. 기업에 DRI문화를 효과적으로 도입하는 방법은 DRI형 리더십이 있는 직책자가 조직 전체에 퍼뜨리는 것입니다.

애플은 DRI 문화를 도입한 대표적인 사례로 잘알려져있고, 국내에서는 토스가 DRI를 성공적으로 도입한 기업으로 많이 언급되고 있습니다.DRI 조직문화 관련해서 상세하게 적힌 글이 있어 내용을 공유드립니다. 🏃🏻‍♀️ 그래서 이거 누가 담당하실 건가요?업무를 진행하다보면 여러 사람의 손을 거쳐야 할 때가 있습니다. 이런 문제는 회사가 여러 사람이 모여 있는 '팀'이기에 발생하고, 특히 다양한 부서에서 함께 프로젝트를 진행하다 보면 의견을 공유하는 과정이 길어지기 마련입니다.이 과정에서 누가 결정을 내릴 것인지 명확하지 않다면 의견이 엇갈리게 되고, 프로젝트는 지연될 수 밖에 없습니다. 그러다 각자 다른 업무때문에 바빠지면 '다른 누군가가 하겠지' 라는 생각에 누구도 책임을 지지 않으려는 분위기가 형성되면서 실패로 끝날 가능성이 높아집니다.이러한 문제를 해결하기위해 DRI(Directly Responsible Individual) 개념을 도입한 회사들이 있습니다. 💁‍♂️ DRI란특정 업무나 프로젝트의 전 과정을 책임지는 개인 (최종의사결정권자)을 의미합니다.프로젝트의 주요한 결정과 실행, 그리고 최종 결과까지의 책임을 한 사람이 담당하도록 하여 의사결정 과정을 단순화하고, 책임 소재를 명확히 하기위해 도입된 개념입니다.DRI의 핵심은 한 명의 책임자에게 모든 권한을 위임한다는점입니다. 📈 DRI 도입 이후 직원들에게 일어난 변화<ul ><li>활발한 의사소통: 프로젝트의 권한을 갖는 사람이 업무의 실행 및 결과까지 책임지면서, 업무의 성공여부가 온전히 자신에게 달려있음을 인지하게 되었습니다. 더 나은 결정을 하기위해 더 많은 사람들의 의견에 귀를 기울이고, 팀원들과 활발히 소통하게 되었습니다. </li><li>전체 성과 향상: DRI를 통해 모든 구성원이 자신이 맡은 업무와 목표를 더욱 명확하게 이해하게 되었고, 상호 협력할 수 있는 환경이 조성되었습니다. 또한 구체적인 목표를 설정과 함께 책임감이 강화되면서 불필요한 업무에 시간을 낭비하지 않고 더 효율적으로 일할 수 있게 되었습니다.</li></ul> 🏄🏻‍♂️ DRI를 구성하는 요소<ul ><li>결정: DRI는 프로젝트에서 주요한 결정을 내리는 역할을 합니다. 최선의 합리적인 결정을 내리기 위해 정보를 수집하고 분석하며, 필요한 모든 자원을 고려해야 합니다.</li><li>실행: DRI는 결정된 사항을 실행하는 것 또한 본인의 주도 하에 진행됩니다. 이 단계에서 자원을 효과적으로 관리하고, 인력을 적절히 배치하며 프로젝트가 계획대로 진행될 수 있도록 모든 과정에 관여합니다. </li><li>책임: DRI는 결과가 좋든 나쁘든 그에 따른 모든 책임을 집니다. 결과가 무조건 성공적이어야 한다는 것에 초점을 두는 것이 아닌, 맡고 있는 프로젝트의 처음부터 끝까지 누락된 것은 없는지 살피고, 레슨런을 통해 실패에서 성공을, 성공에서 더 큰 성공을 이루어내기 위해 고민하는 것이 필요합니다.</li></ul> 🎁 DRI 조직 문화를 만들기 위한 필수사항<ul ><li>신뢰와 피드백: DRI는 조직 내 사람들의 의견을 경청하고, 합리적으로 설득할 수 있어야합니다. 피드백을 주고 받을 때에도 신뢰를 바탕으로 '공동의 목표를 달성하기 위해 협력하는 과정'이라는 것을 인지할 수 있어야 합니다.</li><li>수평적 의사소통: 팀원들의 다양한 시각이 결합될 때 더 나은 의사결정과 혁신적인 해결책이 도출됩니다. 수평적 의사소통은 또한 팀원들이 서로의 강점과 약점을 이해하고 협력할 수 있는 기회를 제공합니다. </li><li>DRI형 리더십을 가진 직책자: 프로젝트의 성공 여부는 DRI 개인의 역량과 자질에 의해 크게 좌우됩니다. 기업에 DRI문화를 효과적으로 도입하는 방법은 DRI형 리더십이 있는 직책자가 조직 전체에 퍼뜨리는 것입니다. </li></ul>

Specter

토스와 애플 조직문화 DRI

01 . 황정민 배우님의 동생이자 유명한 영화음악 감독이기도 한 황상준 감독님이 얼마 전 유퀴즈에 출연하셔서 이런 말씀을 하셨습니다.
"우리 같은 사람들은 기회가 있을 때 잘하는 게 아니라 늘 잘해야 한다."
그리고 공교롭게 얼마 지나지 않아 출연한 차승원 배우님은 또 이런 이야기를 풀어 놓았죠.
"경쟁력이라는 것도 사실 50점 이하면 안 된다. 필요한 여러 자질들에서 최소한 50점은 되어야 그때부터 의미가 생긴다."

02 . 두 분의 이야기를 종합해 보자면 이렇게 요약할 수 있을 겁니다. '적어도 자신의 성과를 다른 사람에게 선보이고 이를 통해 수익을 창출하는 사람이라면, 늘 꾸준히 잘해야 하며 그 퀄리티는 일반적인 기준을 우회해야 한다'라고 말입니다.
그리고 이렇게 정리하고 나니 살짝 오싹해지기도 합니다. 꼭 배우나 제작자가 아니더라도 우리 같은 회사원들 역시도 똑같은 기준을 적용받고 사는 존재들이라는 게 더욱 명확해지니 말입니다.

03 . 물론 그들도, 우리도 수많은 실패를 합니다. 연예인들이라고 매번 히트작을 낼 수는 없는 것처럼 회사에서 하는 공동 업무나 개인적으로 일구는 사업 혹은 과제들 역시 성공보단 실패의 확률이 훨씬 크기 때문이죠. 그래서 가끔은 '세상은 참 가혹한 환경인데도 사람들은 이 가혹함을 인생이라고 정의하며 살고 있구나'하는 생각이 들 때도 있습니다.

04 . 하지만 '잘한다'는 기준에 대해 조금만 생각해 보면 내부로부터의 평가와 외부로부터의 평가가 각각 존재한다는 사실을 발견할 수 있습니다. 대중이나 소비자처럼 우리가 선보이는 결과물을 평가해 줄 집단이 있나 하면, 반대로 그 결과물까지 어떻게 도달했나를 평가해 줄 내부의 동료들과 관계자들이 있으니 말이죠. 전자가 결과의 평가라면 후자는 과정의 평가라고도 볼 수 있겠네요.

05 . 그리고 이 지점에서 또 하나의 고민이 고개를 듭니다. 그럼 우리는 이 각각의 평가단(?)을 어떻게 관리해야 하며, '잘한다'는 기준을 들이밀었을 땐 이 두 평가단으로부터 어떤 평가를 끌어내는 것이 '잘한다'의 의미인 것인지 알쏭달쏭함이 꼬리를 물고 이어지기 때문입니다. 성과는 기가 막히게 뽑아내지만 그 누구에게도 환영받지 못하는 캐릭터가 있고, 성실한 태도와 모자람 없는 실력을 갖췄음에도 유독 성과로 이어지는 그 연결고리가 약한 사람이 있으니까요, 아마 지금 여러분의 머릿속에도 몇몇 사람들이 마치 O, X 게임을 하듯 편을 나눠 양쪽에 선 모습이 그려질 겁니다.

06 . 누가 더 낫다, 아니다를 평가할 수 없다는 건 여러분도 잘 아실 겁니다. 이건 애초에 두부 자르듯 정확하게 가를 수 없는 문제고 파고 내려가다 보면 결국 개인의 스타일과 선호의 문제로 이어질 가능성이 크기 때문입니다.
다만 만약 누군가 제게 '이런 모든 상황을 감안했을 때 늘, 꾸준히, 기본 이상 잘한다는 건 어떤 의미일까요?'라고 묻는다면 저는 이렇게 대답할 것도 같습니다.
"50 이상을 유지하기 위해서는 나만의 기준이 있어야 하고, 늘 꾸준히 잘하기 위해서는 나만의 방법이 있어야 한다"라고 말입니다.

07 . 이에 대해 황상준 감독님과 차승원 배우님은 각각 이런 말을 들려주셨습니다.
"매일 아침 일어나서 정해진 시간에 음악을 만든다. 그게 꾸준히 잘할 수 있게 해주는 것 같다"라는 말과 "우리 같은 직업은 경쟁력 있는 실력, 경쟁력 있는 가격, 경쟁력 있는 인품, 경쟁력 있는 외형이 필요한데 그중 두 가지만 적절히 조합돼도 괜찮게 인정을 받는다. 나는 경쟁력 있는 가격과 인품이 나를 유지하는 방법이다."라는 말이었죠.

08 . 제 생각도 마찬가지입니다. 일단 대부분 스스로 전문성을 가진 분야는 시간이 지남에 따라 점점 실력이 늘어나고 통찰력 또한 깊어질 거라 생각하지만 꼭 그런 것만은 아닙니다. 당장 어제 통용되던 문법이 오늘은 전혀 통하지 않는 시대가 작금의 현실이고, 어느 분야를 막론하고 늘 나보다 더 나은 사람, 더 경험이 많은 사람은 존재하는 법이니 그들을 뛰어넘을 미친 듯한 경쟁력이 없는 이상 적어도 기본 이상을 해낼 수 있는 나만의 기준 하나쯤은 가지고 있어야 합니다. 그래야 새로운 세상이 다가오고 더 잘하는 사람이 등장해도 '내가 지금 무엇을 더 하고, 덜 해야 하나'를 판단할 수 있기 때문이죠.

09 . 더불어 꾸준히 잘하기 위해서는 내 역량을 풀어내는 나만의 방법이 있어야 합니다. 잘하고 싶은 마음이 굴뚝같아도, 언젠가 쌓이고 쌓인 역량이 '팡'하고 터지는 대기만성의 그날을 기약한다고 해도, 누군가의 평가를 받아야 하는 존재들은 일단 눈앞의 있는 것들을 비교적 잘 해내야 합니다. 때문에 내가 나를 잘 이해해야 하고, 내가 나를 잘 활용할 수 있는 힘을 기르지 않고는 꾸준한 퀄리티를 유지하기는 힘듭니다. 시간이 지날수록 나에 대한 정보들이 나에게 잘 유입되고 처리되도록 하는 것이 엄청난 경쟁력이 되는 이유죠.

10 . 말은 이렇게 했지만 꾸준히, 일정 이상 잘한다는 건 정말정말 어려운 일입니다. 그럼에도 이런 이야기를 글로 한 번 풀어본 가장 중요한 이유는 세상 모두가 내 사정을 속속들이 이해해 주진 않는다는 것이고, 한 번 삐끗하는 것만으로도 다시 기회가 주어지지 않는 꽤 쌀쌀맞은 로직이 동작하는 게 현실이기 때문입니다. 그러니 어쩌겠습니까. 달콤한 말로 위로해 줄 수 없는 순간이라면 덤덤하게 삼켜내기를 택해야 할 때도 있는 거죠. 그래도 한가지 희망적인 것은 이런 고민을 하고 사는 것과 하지 않고 사는 것부터 이미 조금씩 차이를 보이기 시작한다는 겁니다. 그런 의미에서 우리는 늘, 꾸준히, 일정 이상 잘하는 방법을 향해 안테나 정도는 세운 셈인지도 모르겠네요.

01 . 황정민 배우님의 동생이자 유명한 영화음악 감독이기도 한 황상준 감독님이 얼마 전 유퀴즈에 출연하셔서 이런 말씀을 하셨습니다. "우리 같은 사람들은 기회가 있을 때 잘하는 게 아니라 늘 잘해야 한다." 그리고 공교롭게 얼마 지나지 않아 출연한 차승원 배우님은 또 이런 이야기를 풀어 놓았죠. "경쟁력이라는 것도 사실 50점 이하면 안 된다. 필요한 여러 자질들에서 최소한 50점은 되어야 그때부터 의미가 생긴다." 02 . 두 분의 이야기를 종합해 보자면 이렇게 요약할 수 있을 겁니다. '적어도 자신의 성과를 다른 사람에게 선보이고 이를 통해 수익을 창출하는 사람이라면, 늘 꾸준히 잘해야 하며 그 퀄리티는 일반적인 기준을 우회해야 한다'라고 말입니다. 그리고 이렇게 정리하고 나니 살짝 오싹해지기도 합니다. 꼭 배우나 제작자가 아니더라도 우리 같은 회사원들 역시도 똑같은 기준을 적용받고 사는 존재들이라는 게 더욱 명확해지니 말입니다. 03 . 물론 그들도, 우리도 수많은 실패를 합니다. 연예인들이라고 매번 히트작을 낼 수는 없는 것처럼 회사에서 하는 공동 업무나 개인적으로 일구는 사업 혹은 과제들 역시 성공보단 실패의 확률이 훨씬 크기 때문이죠. 그래서 가끔은 '세상은 참 가혹한 환경인데도 사람들은 이 가혹함을 인생이라고 정의하며 살고 있구나'하는 생각이 들 때도 있습니다. 04 . 하지만 '잘한다'는 기준에 대해 조금만 생각해 보면 내부로부터의 평가와 외부로부터의 평가가 각각 존재한다는 사실을 발견할 수 있습니다. 대중이나 소비자처럼 우리가 선보이는 결과물을 평가해 줄 집단이 있나 하면, 반대로 그 결과물까지 어떻게 도달했나를 평가해 줄 내부의 동료들과 관계자들이 있으니 말이죠. 전자가 결과의 평가라면 후자는 과정의 평가라고도 볼 수 있겠네요. 05 . 그리고 이 지점에서 또 하나의 고민이 고개를 듭니다. 그럼 우리는 이 각각의 평가단(?)을 어떻게 관리해야 하며, '잘한다'는 기준을 들이밀었을 땐 이 두 평가단으로부터 어떤 평가를 끌어내는 것이 '잘한다'의 의미인 것인지 알쏭달쏭함이 꼬리를 물고 이어지기 때문입니다. 성과는 기가 막히게 뽑아내지만 그 누구에게도 환영받지 못하는 캐릭터가 있고, 성실한 태도와 모자람 없는 실력을 갖췄음에도 유독 성과로 이어지는 그 연결고리가 약한 사람이 있으니까요, 아마 지금 여러분의 머릿속에도 몇몇 사람들이 마치 O, X 게임을 하듯 편을 나눠 양쪽에 선 모습이 그려질 겁니다. 06 . 누가 더 낫다, 아니다를 평가할 수 없다는 건 여러분도 잘 아실 겁니다. 이건 애초에 두부 자르듯 정확하게 가를 수 없는 문제고 파고 내려가다 보면 결국 개인의 스타일과 선호의 문제로 이어질 가능성이 크기 때문입니다. 다만 만약 누군가 제게 '이런 모든 상황을 감안했을 때 늘, 꾸준히, 기본 이상 잘한다는 건 어떤 의미일까요?'라고 묻는다면 저는 이렇게 대답할 것도 같습니다. "50 이상을 유지하기 위해서는 나만의 기준이 있어야 하고, 늘 꾸준히 잘하기 위해서는 나만의 방법이 있어야 한다"라고 말입니다. 07 . 이에 대해 황상준 감독님과 차승원 배우님은 각각 이런 말을 들려주셨습니다. "매일 아침 일어나서 정해진 시간에 음악을 만든다. 그게 꾸준히 잘할 수 있게 해주는 것 같다"라는 말과 "우리 같은 직업은 경쟁력 있는 실력, 경쟁력 있는 가격, 경쟁력 있는 인품, 경쟁력 있는 외형이 필요한데 그중 두 가지만 적절히 조합돼도 괜찮게 인정을 받는다. 나는 경쟁력 있는 가격과 인품이 나를 유지하는 방법이다."라는 말이었죠. 08 . 제 생각도 마찬가지입니다. 일단 대부분 스스로 전문성을 가진 분야는 시간이 지남에 따라 점점 실력이 늘어나고 통찰력 또한 깊어질 거라 생각하지만 꼭 그런 것만은 아닙니다. 당장 어제 통용되던 문법이 오늘은 전혀 통하지 않는 시대가 작금의 현실이고, 어느 분야를 막론하고 늘 나보다 더 나은 사람, 더 경험이 많은 사람은 존재하는 법이니 그들을 뛰어넘을 미친 듯한 경쟁력이 없는 이상 적어도 기본 이상을 해낼 수 있는 나만의 기준 하나쯤은 가지고 있어야 합니다. 그래야 새로운 세상이 다가오고 더 잘하는 사람이 등장해도 '내가 지금 무엇을 더 하고, 덜 해야 하나'를 판단할 수 있기 때문이죠. 09 . 더불어 꾸준히 잘하기 위해서는 내 역량을 풀어내는 나만의 방법이 있어야 합니다. 잘하고 싶은 마음이 굴뚝같아도, 언젠가 쌓이고 쌓인 역량이 '팡'하고 터지는 대기만성의 그날을 기약한다고 해도, 누군가의 평가를 받아야 하는 존재들은 일단 눈앞의 있는 것들을 비교적 잘 해내야 합니다. 때문에 내가 나를 잘 이해해야 하고, 내가 나를 잘 활용할 수 있는 힘을 기르지 않고는 꾸준한 퀄리티를 유지하기는 힘듭니다. 시간이 지날수록 나에 대한 정보들이 나에게 잘 유입되고 처리되도록 하는 것이 엄청난 경쟁력이 되는 이유죠. 10 . 말은 이렇게 했지만 꾸준히, 일정 이상 잘한다는 건 정말정말 어려운 일입니다. 그럼에도 이런 이야기를 글로 한 번 풀어본 가장 중요한 이유는 세상 모두가 내 사정을 속속들이 이해해 주진 않는다는 것이고, 한 번 삐끗하는 것만으로도 다시 기회가 주어지지 않는 꽤 쌀쌀맞은 로직이 동작하는 게 현실이기 때문입니다. 그러니 어쩌겠습니까. 달콤한 말로 위로해 줄 수 없는 순간이라면 덤덤하게 삼켜내기를 택해야 할 때도 있는 거죠. 그래도 한가지 희망적인 것은 이런 고민을 하고 사는 것과 하지 않고 사는 것부터 이미 조금씩 차이를 보이기 시작한다는 겁니다. 그런 의미에서 우리는 늘, 꾸준히, 일정 이상 잘하는 방법을 향해 안테나 정도는 세운 셈인지도 모르겠네요.

늘, 꾸준히, 일정 기준 이상으로 '잘하기'

An overview of Go syntax and features. Contribute to a8m/golang-cheat-sheet development by creating an account on GitHub.

GitHub - a8m/golang-cheat-sheet: An overview of Go syntax and features.

Golang을 한번 훓었는데 까먹었거나,
책한권 보는 것은 귀찮으신 분은 이거 참고하시면 될 것 같습니다.
목차가 아주 알차네요~

- Basic Syntax (기본 문법)
- Operators (연산자)
- Declarations (선언)
- Functions (함수)
- Built-in Types (내장 타입)
- Type Conversions (타입 변환)
- Packages (패키지)
- Control structures (제어 구조)
- Arrays, Slices, Ranges (배열, 슬라이스, 범위)
- Maps (맵)
- Structs (구조체)
- Pointers (포인터)
- Interfaces (인터페이스)
- Embedding (임베딩)
- Errors (오류 처리)
- Concurrency (동시성)
- Printing (출력)
- Reflection (리플렉션)
- Snippets (코드 스니펫)

https://github.com/a8m/golang-cheat-sheet/tree/master

Golang을 한번 훓었는데 까먹었거나,책한권 보는 것은 귀찮으신 분은 이거 참고하시면 될 것 같습니다.목차가 아주 알차네요~ - Basic Syntax (기본 문법)- Operators (연산자)- Declarations (선언)- Functions (함수)- Built-in Types (내장 타입)- Type Conversions (타입 변환)- Packages (패키지)- Control structures (제어 구조)- Arrays, Slices, Ranges (배열, 슬라이스, 범위)- Maps (맵)- Structs (구조체)- Pointers (포인터)- Interfaces (인터페이스)- Embedding (임베딩)- Errors (오류 처리)- Concurrency (동시성)- Printing (출력)- Reflection (리플렉션)- Snippets (코드 스니펫) https://github.com/a8m/golang-cheat-sheet/tree/master

GitHub

Golang 치트 시트

1
스티브 잡스는 매일 아침 거울 앞에서 스스로에게 물었다. 오늘이 내 삶의 마지막 날이라면, 지금 이 일을 계속할 거냐고.

2
모멘토 모리. 죽음을 기억하라. 죽음은 인간이 만든 최고의 발명품이다. 그 누구도 예외 없다. 사람은 모두 죽는다. 사람의 시간은 유한하다.

3
그럼에도 우리는 시간을 무한한 자원처럼 다룬다. 눈에 보이지 않기 때문이다. 한 시간, 하루, 한 달. 보이지 않는 시간을 단위로 개념화했다. 그럼에도 시간은 잘 와닿지 않는다.

4
우선순위는 보이지 시간에 대한 결정이다. 한정된 시간을 어디에 쓸 것인가. 사람의 삶과 마찬가지로 기업에게도 가장 중요하다.

5
텅 빈 투명한 통이 있다. 여기 다양한 크기의 돌멩이를 담는다. 통은 시간이다. 돌멩이는 우리가 시간을 쓰는 일이다.

6
돌의 크기는 저마다 다르다. 크기는 중요도와 비례한다고 하자. 어떤 걸 먼저 담아야 같은 통에 가장 많은 돌을 채울 수 있을까? 쉽다. 큰 돌을 먼저 담은 다음, 나머지 공간을 작은 돌로 채운다. 가장 밀도가 높다. 시간을 효율적으로 쓴 셈이다.

7
순서를 거꾸로 한다면 어떻게 될까? 작은 돌들을 먼저 채운다. 나중에 큰 돌을 담아본다. 몇 개 들어가지 않는다. 많은 작은 돌들이 이미 꽉 차버렸으니까. 큰일이다. 그래도 돌멩이는 쏟고 다시 담으면 된다. 하지만, 써버린 시간은 되돌릴 수 없다.

8
부와 성공을 이룬 사람은 돈으로 최대한 시간을 산다. 중요하지 않은 결정은 시간을 안 쓴다. 매일 같은 옷을 입고, 같은 식단을 먹는다.

9
기업도 마찬가지다. 기업의 시간은 구성원의 시간이다. 구성원의 수만큼 시간이 있는 셈이다.

10
기업의 시간을 늘리는 방법은 두 가지다. 채용을 해서 구성원의 수를 늘리면 된다. 빠르게 시간을 늘릴 수 있다. 하지만 감당해야 할 대가가 매우 크다. 되돌리기 어려운 결정이다.

11
다른 방법은 시간 사용을 효율화하는 것이다. 높은 역량이 있는 사람을 채용한다. 성과를 내는 과정을 효율화한다.

12
'어떤 일을 할 시간이 없다'라는 말은 사실 '그 일은 우선순위에 없다'라는 말과 같다. 최악은 내가 가진 돌멩이에 우선순위가 없는 것이다. 이 돌, 저 돌 건드리다 결국 하나도 제대로 해내지 못한다. 흐지부지 시간은 계속 흐른다.

13
모래시계처럼 우리의 남은 시간을 눈으로 볼 수 있다면 얼마나 좋을까. 조금은 더 효율적으로 살 수 있지 않을까.

14
시각은 뇌가 다루는 감각의 90%를 차지한다. 그래서 우리는 눈에 안 보이는 걸 덜 중요하게 여긴다.

15
시간, 결정, 건강, 관계. 살면서 점점 더 중요한 것들은 눈에 보이지 않는다는 것을 깨닫는다. 무의식의 흐름대로 살다가도 문득문득 멈춰서 다시 챙겨 본다. 나는 지금 보이지 않는 것들을 잘 챙겨가고 있을까.

1 스티브 잡스는 매일 아침 거울 앞에서 스스로에게 물었다. 오늘이 내 삶의 마지막 날이라면, 지금 이 일을 계속할 거냐고. ​ ​2 모멘토 모리. 죽음을 기억하라. 죽음은 인간이 만든 최고의 발명품이다. 그 누구도 예외 없다. 사람은 모두 죽는다. 사람의 시간은 유한하다. ​ ​3 그럼에도 우리는 시간을 무한한 자원처럼 다룬다. 눈에 보이지 않기 때문이다. 한 시간, 하루, 한 달. 보이지 않는 시간을 단위로 개념화했다. 그럼에도 시간은 잘 와닿지 않는다. ​ ​4 우선순위는 보이지 시간에 대한 결정이다. 한정된 시간을 어디에 쓸 것인가. 사람의 삶과 마찬가지로 기업에게도 가장 중요하다. ​ ​5 텅 빈 투명한 통이 있다. 여기 다양한 크기의 돌멩이를 담는다. 통은 시간이다. 돌멩이는 우리가 시간을 쓰는 일이다. ​ ​6 돌의 크기는 저마다 다르다. 크기는 중요도와 비례한다고 하자. 어떤 걸 먼저 담아야 같은 통에 가장 많은 돌을 채울 수 있을까? 쉽다. 큰 돌을 먼저 담은 다음, 나머지 공간을 작은 돌로 채운다. 가장 밀도가 높다. 시간을 효율적으로 쓴 셈이다. ​7 순서를 거꾸로 한다면 어떻게 될까? 작은 돌들을 먼저 채운다. 나중에 큰 돌을 담아본다. 몇 개 들어가지 않는다. 많은 작은 돌들이 이미 꽉 차버렸으니까. 큰일이다. 그래도 돌멩이는 쏟고 다시 담으면 된다. 하지만, 써버린 시간은 되돌릴 수 없다. ​8 부와 성공을 이룬 사람은 돈으로 최대한 시간을 산다. 중요하지 않은 결정은 시간을 안 쓴다. 매일 같은 옷을 입고, 같은 식단을 먹는다. ​ ​9 기업도 마찬가지다. 기업의 시간은 구성원의 시간이다. 구성원의 수만큼 시간이 있는 셈이다. ​ ​10 기업의 시간을 늘리는 방법은 두 가지다. 채용을 해서 구성원의 수를 늘리면 된다. 빠르게 시간을 늘릴 수 있다. 하지만 감당해야 할 대가가 매우 크다. 되돌리기 어려운 결정이다. ​ ​11 다른 방법은 시간 사용을 효율화하는 것이다. 높은 역량이 있는 사람을 채용한다. 성과를 내는 과정을 효율화한다. ​ ​12 '어떤 일을 할 시간이 없다'라는 말은 사실 '그 일은 우선순위에 없다'라는 말과 같다. 최악은 내가 가진 돌멩이에 우선순위가 없는 것이다. 이 돌, 저 돌 건드리다 결국 하나도 제대로 해내지 못한다. 흐지부지 시간은 계속 흐른다. ​ ​13 모래시계처럼 우리의 남은 시간을 눈으로 볼 수 있다면 얼마나 좋을까. 조금은 더 효율적으로 살 수 있지 않을까. ​ ​14 시각은 뇌가 다루는 감각의 90%를 차지한다. 그래서 우리는 눈에 안 보이는 걸 덜 중요하게 여긴다. ​ ​15 시간, 결정, 건강, 관계. 살면서 점점 더 중요한 것들은 눈에 보이지 않는다는 것을 깨닫는다. 무의식의 흐름대로 살다가도 문득문득 멈춰서 다시 챙겨 본다. 나는 지금 보이지 않는 것들을 잘 챙겨가고 있을까.

< 죽음을 기억하라. 중요한 것들은 눈에 보이지 않는다 >

미국 빅테크에 대한 실적 우려로 증시가 폭락하면서 '인공지능(AI) 거품론'이 확산되고 있다. AI 개발에 들어가는 비용이 초기에 비해 기하급수적으로 늘어나고 있지만 이를 상쇄할만한 수익 창출은 여의치 않은 상황을

AI 훈련 비용 3년 동안 18배 폭증..."나스닥 쇼크 이유 있네"

커리어리 친구들, GPT-3에서 GPT-4 훈련 비용 18배 증가 했다고 합니다. 그 이유는 데이터센터·반도체·인력·클라우드 투입 때문이라고 합니다.

AI 기업의 수익성에 대한 의문 기저에는 천문학적인 비용이다. 26일 미 스탠퍼드대 인간 중심 AI 연구소(HAI)의 '스탠퍼드 AI 인덱스 2024' 보고서를 보면 AI 모델의 추정 훈련 비용은 크게 늘었다. 오픈AI를 예로 들면 2020년에는 생성형 AI GPT-3 모델에 대해 432만달러(약 60억원) 규모의 비용을 투입했는데, 지난해 GPT-4 모델 훈련에는 7835만달러(약 1085억원)에 달했다. 3년 만에 18배가 뛴 것이다.

HAI가 집계한 AI 모델 중 가장 많은 훈련 비용이 들어간 것은 구글의 제미나이 울트라로 1억9140만달러(약 2650억원)로 집계됐다. 2017년 생성형 AI의 기초적 형태였던 트랜스포머 모델에는 930달러(약 130만원)의 비용이 투입됐다.

https://n.news.naver.com/article/277/0005450934?cds=news_edit

커리어리 친구들, GPT-3에서 GPT-4 훈련 비용 18배 증가 했다고 합니다. 그 이유는 데이터센터·반도체·인력·클라우드 투입 때문이라고 합니다. AI 기업의 수익성에 대한 의문 기저에는 천문학적인 비용이다. 26일 미 스탠퍼드대 인간 중심 AI 연구소(HAI)의 '스탠퍼드 AI 인덱스 2024' 보고서를 보면 AI 모델의 추정 훈련 비용은 크게 늘었다. 오픈AI를 예로 들면 2020년에는 생성형 AI GPT-3 모델에 대해 432만달러(약 60억원) 규모의 비용을 투입했는데, 지난해 GPT-4 모델 훈련에는 7835만달러(약 1085억원)에 달했다. 3년 만에 18배가 뛴 것이다. HAI가 집계한 AI 모델 중 가장 많은 훈련 비용이 들어간 것은 구글의 제미나이 울트라로 1억9140만달러(약 2650억원)로 집계됐다. 2017년 생성형 AI의 기초적 형태였던 트랜스포머 모델에는 930달러(약 130만원)의 비용이 투입됐다. https://n.news.naver.com/article/277/0005450934?cds=news_edit

n.news.naver.com

사원

호잇

금융 SI 중소기업/5년차/개발자
은행과 증권사에서 보관하는 펀드를 관리하는 프로그램을 개발하는 프로젝트에서 경험을 쌓고있어요.
써서 없애는 '소모'에서 만들어 남기는 '생산'을 꿈꿔요
#개발자

고려대학교 경영학과

문재성

금융/투자

김재기

<AI 훈련 비용 3년 동안 18배 폭증>

머신 러닝

MySQL

python

html

javascript

SpringBoot

django

Java

Docker

Kubernetes

Linux

c언어

React

typescript

Node.js

Vue.js

Spring

Github

OracleDB

Android

데이터 분석

커뮤니케이션

대규모 데이터센터나 서버에서 대규모 언어 모델 또는 멀티모달, 딥러닝 모델에 대한 GPU를 이용한 분산 훈련 및 추론 솔루션 아키텍처를 기업 대상으로 하고 있습니다. 

HPC&AI PreSales

AI 전략경영 MBA

서진호

서진호의 링크드인

Google Cloud Innovators

시나브로의 실리콘 밸리 산책

저의 깃허브

클라우드 또는 하이브리드 컴퓨팅에서 빅데이타 분석과 GPU와 고성능 분산 컴퓨팅 기반의 머신러닝 및 딥러닝, 생성형 AI(LLM/LMM)에 대한 솔루션 아키텍처 컨설팅.

#소프트웨어엔지니어 #데이터사이언스 #Ai #데이터애널리스트 #GPU #분산훈련

<AI 훈련 비용 3년 동안 18배 폭증>

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필