As GenAI adoption surges, organizations face new security risks. Learn to protect your AI systems from prompt hacking and other emerging threats.

Protecting Systems in the Age of Generative AI - DZone

생성형 AI(GenAI)와 대규모 언어 모델(LLM)의 빠른 도입은 전례 없는 속도로 산업을 변화시키고 있습니다. 거의 90%에 가까운 조직이 이러한 혁신적인 기술의 힘을 활용하기 위해 LLM 사용 사례를 적극적으로 구현하거나 탐색하고 있습니다. 그러나 이러한 열정은 보안에 대한 준비 부족이라는 우려스러운 상황과 맞물려 있습니다. Lakera의 최근 GenAI 준비도 보고서에 따르면 약 5%의 조직만이 GenAI 보안 프레임워크에 자신감을 갖고 있는 것으로 나타났습니다.

프롬프트 해킹의 부상
GenAI가 광범위하게 도입되면서 잠재적으로 파괴적인 새로운 위협인 프롬프트 해킹이 등장했습니다. 광범위한 코딩 지식이 필요한 기존의 해킹 방법과 달리, 프롬프트 해킹은 AI 시스템을 악용할 수 있는 능력을 대중화합니다. 초보자도 몇 마디만 잘 익히면 AI 모델을 조작할 수 있어 의도치 않은 행동과 잠재적인 데이터 유출로 이어질 수 있습니다.

무료 LLM 해킹 시뮬레이션 게임인 Lakera의 간달프는 이러한 위협을 극명하게 보여줍니다. 현재까지 기록된 100만 명의 간달프 플레이어와 총 5천만 건의 프롬프트 및 추측 중 무려 20만 명이 게임 전체를 해킹하는 데 성공했습니다. GenAI가 얼마나 쉽게 조작될 수 있는지를 보여주는 이 사례는 적절한 보안 조치 없이 이러한 기술을 서둘러 도입하려는 조직에 경각심을 불러일으킬 것입니다.
 * Gandalf: https://gandalf.lakera.ai/intro

GenAI 보안 대비 현황
간달프 시뮬레이션 데이터와 1,000명이 넘는 참가자의 설문조사 결과를 결합한 Lakera의 GenAI 준비보고서는 GenAI 보안의 현주소를 우려스럽게 보여줍니다:
 * 높은 도입률, 낮은 신뢰도: 응답자의 42%는 이미 GenAI를 적극적으로 사용하고 LLM을 구현하고 있지만, 5%만이 AI 보안 조치에 대해 확신
 * AI 전용 위협 모델링 부족: 22%만이 GenAI 전용 위협에 대비하기 위해 AI 전용 위협 모델링 도입
 * 다양한 보안 관행: 조직의 61%가 접근 제어 메커니즘을 구현했지만, 37%만이 침투 테스트를 사용하고 있으며, AI 전용 위협 모델링을 사용하는 기업은 22%에 불과
 * 취약점에 대한 느린 대응: GenAI 취약점을 발견한 조직의 20%는 이러한 문제가 아직 완전히 해결되지 않음
   
   
위험에 대한 이해
GenAI와 관련된 보안 위험은 단순한 데이터 유출 그 이상으로 사소한 운영 중단부터 중대한 데이터 유출 및 법적 결과에 이르기까지 광범위할 수 있습니다. 보고서에서 확인된 주요 취약점은 다음과 같습니다:
 * 편향된 출력: 취약점을 경험한 조직의 47%가 편향된 AI 출력 문제 보고
 * 데이터 유출: 42%는 AI 상호 작용을 통해 민감한 데이터가 노출되는 문제 경험
 * AI 결과물의 오용: 38%는 AI가 생성한 정보가 오용된 사례 보고
 * 모델 조작: 34%는 AI 모델을 변경하거나 조작하려는 시도 경험
 * 무단 액세스: 19%는 권한이 없는 사람이 GenAI 시스템에 액세스하는 문제 직면

AI 전용 위협 모델링 구현하기
조직은 GenAI가 제기하는 고유한 보안 문제를 해결하기 위해 AI 전용 위협 모델링 관행을 채택해야 합니다. 이 접근 방식에는 다음이 포함됩니다:
 * AI 전용 자산 식별: 학습 데이터, 모델 아키텍처, 추론 엔드포인트 등 AI 시스템의 고유한 구성 요소 인식
 * 공격 표면 매핑: 공격자가 입력 데이터 중독, 모델 반전 공격, 프롬프트 인젝션 등을 통해 어떻게 AI 시스템을 조작하려고 시도하는지 이해
 * 잠재적 위협 분석: 전통적인 사이버 보안 위협과 모델 도용 또는 출력 조작과 같은 AI 관련 위험 고려
 * 완화 전략 구현: 강력한 입력 유효성 검사, 출력 필터링, 지속적인 모델 모니터링 등 AI 시스템에 맞는 보안 조치 개발 및 배포
 * 정기적인 테스트 및 업데이트: 지속적인 보안 평가를 수행하고 새로운 취약점과 공격 벡터가 등장하면 위협 모델 업데이트

GenAI 시스템 보안을 위한 모범 사례
GenAI 도입과 보안 사이의 격차를 해소하기 위해 조직은 다음과 같은 모범 사례를 고려해야 합니다:
 * 강력한 액세스 제어 구현: 잠재적인 공격 경로를 제한하려면 역할 기반 액세스 제어와 최소 권한 원칙 사용
 * 민감한 데이터 암호화: 모든 AI 학습 및 추론 데이터가 전송 중이거나 미사용 상태일 때 모두 적절하게 암호화되어 있는지 확인
 * 정기적인 보안 감사 실시: 내부 및 외부 보안 감사를 수행하여 취약점을 사전에 파악하고 해결
 * 모의 침투 테스트 실시: 잠재적인 공격에 대해 정기적으로 AI 시스템을 테스트하여 취약점이 악용되기 전에 발견
 * 안전한 AI 관행 개발: 데이터 수집부터 모델 배포에 이르기까지 AI 개발 수명 주기 전반에 걸쳐 보안 고려 사항 통합
 * 최신 정보 파악: 업계 포럼, 보안 권고, 연구원과의 협업을 통해 최신 AI 보안 위협과 모범 사례 파악
 * 공식적인 AI 보안 정책 수립: 조직 내 AI 시스템과 관련된 포괄적인 보안 정책을 개발및 시행
 * AI 보안 전문 지식 투자: AI 보안에 대한 전문 지식을 갖춘 팀을 구성하거나 확보하여 이러한 시스템의 고유한 문제 해결

앞으로 나아갈 길
GenAI가 계속해서 산업을 혁신함에 따라 강력한 보안 조치의 중요성은 아무리 강조해도 지나치지 않습니다. AI에 특화된 위협 모델링을 구현하고, GenAI 보안 모범 사례를 채택하고, 지속적인 학습과 적응의 문화를 조성함으로써 조직은 안전한 AI 혁신을 위한 강력한 기반을 구축할 수 있습니다. 이 새로운 영역을 탐색할 때 성공의 열쇠는 GenAI의 혁신적 힘을 활용하는 것과 AI 시스템의 안전과 무결성을 보장하는 것 사이에서 적절한 균형을 유지하는 데 있습니다.

 * source: https://dzone.com/articles/protecting-systems-in-the-age-of-genai?utm_source=Sailthru&utm_medium=email&utm_campaign=e731_09.11.24_WednesdaySend_Spotlight_Threatconnect&utm_term=cloud-insider-active

생성형 AI(GenAI)와 대규모 언어 모델(LLM)의 빠른 도입은 전례 없는 속도로 산업을 변화시키고 있습니다. 거의 90%에 가까운 조직이 이러한 혁신적인 기술의 힘을 활용하기 위해 LLM 사용 사례를 적극적으로 구현하거나 탐색하고 있습니다. 그러나 이러한 열정은 보안에 대한 준비 부족이라는 우려스러운 상황과 맞물려 있습니다. Lakera의 최근 GenAI 준비도 보고서에 따르면 약 5%의 조직만이 GenAI 보안 프레임워크에 자신감을 갖고 있는 것으로 나타났습니다. 프롬프트 해킹의 부상GenAI가 광범위하게 도입되면서 잠재적으로 파괴적인 새로운 위협인 프롬프트 해킹이 등장했습니다. 광범위한 코딩 지식이 필요한 기존의 해킹 방법과 달리, 프롬프트 해킹은 AI 시스템을 악용할 수 있는 능력을 대중화합니다. 초보자도 몇 마디만 잘 익히면 AI 모델을 조작할 수 있어 의도치 않은 행동과 잠재적인 데이터 유출로 이어질 수 있습니다. 무료 LLM 해킹 시뮬레이션 게임인 Lakera의 간달프는 이러한 위협을 극명하게 보여줍니다. 현재까지 기록된 100만 명의 간달프 플레이어와 총 5천만 건의 프롬프트 및 추측 중 무려 20만 명이 게임 전체를 해킹하는 데 성공했습니다. GenAI가 얼마나 쉽게 조작될 수 있는지를 보여주는 이 사례는 적절한 보안 조치 없이 이러한 기술을 서둘러 도입하려는 조직에 경각심을 불러일으킬 것입니다.<ul ><li>Gandalf: https://gandalf.lakera.ai/intro</li></ul> GenAI 보안 대비 현황간달프 시뮬레이션 데이터와 1,000명이 넘는 참가자의 설문조사 결과를 결합한 Lakera의 GenAI 준비보고서는 GenAI 보안의 현주소를 우려스럽게 보여줍니다:<ul ><li>높은 도입률, 낮은 신뢰도: 응답자의 42%는 이미 GenAI를 적극적으로 사용하고 LLM을 구현하고 있지만, 5%만이 AI 보안 조치에 대해 확신</li><li>AI 전용 위협 모델링 부족: 22%만이 GenAI 전용 위협에 대비하기 위해 AI 전용 위협 모델링 도입</li><li>다양한 보안 관행: 조직의 61%가 접근 제어 메커니즘을 구현했지만, 37%만이 침투 테스트를 사용하고 있으며, AI 전용 위협 모델링을 사용하는 기업은 22%에 불과</li><li>취약점에 대한 느린 대응: GenAI 취약점을 발견한 조직의 20%는 이러한 문제가 아직 완전히 해결되지 않음 </li></ul>위험에 대한 이해GenAI와 관련된 보안 위험은 단순한 데이터 유출 그 이상으로 사소한 운영 중단부터 중대한 데이터 유출 및 법적 결과에 이르기까지 광범위할 수 있습니다. 보고서에서 확인된 주요 취약점은 다음과 같습니다:<ul ><li>편향된 출력: 취약점을 경험한 조직의 47%가 편향된 AI 출력 문제 보고</li><li>데이터 유출: 42%는 AI 상호 작용을 통해 민감한 데이터가 노출되는 문제 경험</li><li>AI 결과물의 오용: 38%는 AI가 생성한 정보가 오용된 사례 보고</li><li>모델 조작: 34%는 AI 모델을 변경하거나 조작하려는 시도 경험</li><li>무단 액세스: 19%는 권한이 없는 사람이 GenAI 시스템에 액세스하는 문제 직면</li></ul> AI 전용 위협 모델링 구현하기조직은 GenAI가 제기하는 고유한 보안 문제를 해결하기 위해 AI 전용 위협 모델링 관행을 채택해야 합니다. 이 접근 방식에는 다음이 포함됩니다:<ul ><li>AI 전용 자산 식별: 학습 데이터, 모델 아키텍처, 추론 엔드포인트 등 AI 시스템의 고유한 구성 요소 인식</li><li>공격 표면 매핑: 공격자가 입력 데이터 중독, 모델 반전 공격, 프롬프트 인젝션 등을 통해 어떻게 AI 시스템을 조작하려고 시도하는지 이해</li><li>잠재적 위협 분석: 전통적인 사이버 보안 위협과 모델 도용 또는 출력 조작과 같은 AI 관련 위험 고려</li><li>완화 전략 구현: 강력한 입력 유효성 검사, 출력 필터링, 지속적인 모델 모니터링 등 AI 시스템에 맞는 보안 조치 개발 및 배포</li><li>정기적인 테스트 및 업데이트: 지속적인 보안 평가를 수행하고 새로운 취약점과 공격 벡터가 등장하면 위협 모델 업데이트</li></ul> GenAI 시스템 보안을 위한 모범 사례GenAI 도입과 보안 사이의 격차를 해소하기 위해 조직은 다음과 같은 모범 사례를 고려해야 합니다:<ul ><li>강력한 액세스 제어 구현: 잠재적인 공격 경로를 제한하려면 역할 기반 액세스 제어와 최소 권한 원칙 사용</li><li>민감한 데이터 암호화: 모든 AI 학습 및 추론 데이터가 전송 중이거나 미사용 상태일 때 모두 적절하게 암호화되어 있는지 확인</li><li>정기적인 보안 감사 실시: 내부 및 외부 보안 감사를 수행하여 취약점을 사전에 파악하고 해결</li><li>모의 침투 테스트 실시: 잠재적인 공격에 대해 정기적으로 AI 시스템을 테스트하여 취약점이 악용되기 전에 발견</li><li>안전한 AI 관행 개발: 데이터 수집부터 모델 배포에 이르기까지 AI 개발 수명 주기 전반에 걸쳐 보안 고려 사항 통합</li><li>최신 정보 파악: 업계 포럼, 보안 권고, 연구원과의 협업을 통해 최신 AI 보안 위협과 모범 사례 파악</li><li>공식적인 AI 보안 정책 수립: 조직 내 AI 시스템과 관련된 포괄적인 보안 정책을 개발및 시행</li><li>AI 보안 전문 지식 투자: AI 보안에 대한 전문 지식을 갖춘 팀을 구성하거나 확보하여 이러한 시스템의 고유한 문제 해결</li></ul> 앞으로 나아갈 길GenAI가 계속해서 산업을 혁신함에 따라 강력한 보안 조치의 중요성은 아무리 강조해도 지나치지 않습니다. AI에 특화된 위협 모델링을 구현하고, GenAI 보안 모범 사례를 채택하고, 지속적인 학습과 적응의 문화를 조성함으로써 조직은 안전한 AI 혁신을 위한 강력한 기반을 구축할 수 있습니다. 이 새로운 영역을 탐색할 때 성공의 열쇠는 GenAI의 혁신적 힘을 활용하는 것과 AI 시스템의 안전과 무결성을 보장하는 것 사이에서 적절한 균형을 유지하는 데 있습니다. <ul ><li>source: https://dzone.com/articles/protecting-systems-in-the-age-of-genai?utm_source=Sailthru&amp;utm_medium=email&amp;utm_campaign=e731_09.11.24_WednesdaySend_Spotlight_Threatconnect&amp;utm_term=cloud-insider-active</li></ul>

dzone.com

[DZone] AI 보안 격차: 생성 AI 시대의 시스템 보호

Disasters can happen to business IT systems at any time and at any place. IT failures and malfunctions can never be completely ruled out. This applies not only to natural disasters but also to simple human errors or cyber-attacks. Any of these situations significantly affect business operations, so a company's ability to withstand emergencies depends on its disaster recovery plan.

7 tiers of disaster recovery

재해 복구(DR)는 조직의 중요한 IT 시스템을 백업하고 다시 실행하는 프로세스입니다.

재해 복구 계획(DRP)은 데이터 복구 단계가 포함된 문서로, 담당 직원 목록과 역할 및 책임, IT 인프라를 보호하고 복구하기 위한 일련의 조치를 포함합니다. 잘 설계된 DRP를 통해 조직은 예기치 않은 중단에도 고객, 파트너, 직원에게 서비스를 계속 제공할 수 있을 뿐만 아니라 데이터 손실을 크게 줄일 수 있습니다.

1980년대 후반, SHARE 기술 운영 위원회는 재해 복구를 위한 서비스 계층을 설명했습니다. 이들은 0~6계층을 사용하는 모델을 개발했습니다. 나중에 일곱 번째 계층이 추가되었습니다. 비즈니스 연속성을 위한 7단계는 현재 서비스 수준과 관련 위험을 결정하는 방법입니다.

< 재해 복구 서비스 수준 >
 * 레벨 0: 오프사이트 데이터 없음(No off-site data)
 * 이 경우 복구가 전혀 불가능할 수 있습니다.
 * 이 회사는 저장된 정보, 문서, 백업 장비, 비상 계획 등 비즈니스 연속성 계획이 전혀 없습니다. 따라서 복구에 필요한 시간을 예측할 수 없습니다.

 * Tier 1: 핫 사이트가 없는 데이터 백업(Data backups with no hot site)
 * 특정 간격으로 데이터를 백업한 다음 물리적으로 오프사이트 시설로 백업을 전송하여 저장합니다.
 * 백업 생성 빈도에 따라 조직은 며칠 또는 몇 주 동안의 데이터 손실에 대비해야 합니다.
 * 이 수준에서는 백업이 오프사이트에서 안전하게 보호되지만 데이터 복구를 위한 시스템이 없습니다.

 * Tier2: : 핫 사이트를 통한 데이터 백업(Data Backup with a Hot Site)
 * 티어 1과 동일한 재해 복구 조항을 제공하지만, 일반적으로 핫 사이트라고 하는 원격 위치에 백업 시스템을 추가로 제공합니다.
 * 이 시스템은 주 시스템과 동일한 데이터 프로세스를 처리합니다.
 * 재해가 발생하면 이 백업 시스템에서 백업을 복원할 수 있습니다.
 * 이 방식은 시스템 자체가 아닌 데이터만 복원하면 되므로 시스템 복구 속도가 빠릅니다.

 * Tier3: 전자 볼트(Electronic vaulting)
 * 계층 2 구성 요소를 기반으로 하지만 중요한 데이터는 전용 채널을 통해 원격 서버(전자 금고)에 영구적으로 백업해야 한다는 추가 조항이 있습니다.
 * 이러한 채널의 대역폭이 제한되어 있으므로 미리 정의된 중요 데이터에 대해서만 백업을 수행할 수 있습니다.
 
 
 * Tier4: 특정 시점 사본(Point-in-Time Copies)
 * 하위 계층보다 더 높은 데이터 무결성과 빠른 복구가 필요한 조직을 위해 설계되었습니다.
 * 솔루션에는 하드 드라이브가 포함됩니다.
 * 데이터는 기본 사이트와 보조 사이트 간에 복사되며, 각 사이트는 서로를 백업합니다.

 * Tier5: 트랜잭션 무결성(Transaction Integrity)
 * 데이터 일관성이 필요한 기업에서 사용하는 솔루션입니다.
 * 데이터는 사이트(프로덕션 데이터 센터와 데이터 복구 센터) 간에 지속적으로 전송되므로 데이터 손실이 없습니다.
 
 
 * Tier6: 데이터 손실이 없거나 거의 없음(Zero or near-zero data loss)
 * 데이터 손실이 거의 또는 전혀 없는 최고 수준의 데이터 무결성을 입증합니다.
 * 데이터 복구가 최우선 순위입니다. 이러한 솔루션에는 종종 어떤 형태의 디스크 미러링이 필요합니다.

 * Tier7: 고도로 자동화된 비즈니스 통합 솔루션
 * 가장 높은 수준의 DR 시나리오.
 * 티어 6 솔루션에 사용되는 모든 구성 요소에 추가 자동화가 포함됩니다.
 * 데이터 복구가 자동화되어 시스템과 애플리케이션을 빠르고 안정적으로 복구할 수 있습니다.

 * source: https://www.cloud4u.com/blog/seven-tiers-of-disaster-recovery/

재해 복구(DR)는 조직의 중요한 IT 시스템을 백업하고 다시 실행하는 프로세스입니다. 재해 복구 계획(DRP)은 데이터 복구 단계가 포함된 문서로, 담당 직원 목록과 역할 및 책임, IT 인프라를 보호하고 복구하기 위한 일련의 조치를 포함합니다. 잘 설계된 DRP를 통해 조직은 예기치 않은 중단에도 고객, 파트너, 직원에게 서비스를 계속 제공할 수 있을 뿐만 아니라 데이터 손실을 크게 줄일 수 있습니다. 1980년대 후반, SHARE 기술 운영 위원회는 재해 복구를 위한 서비스 계층을 설명했습니다. 이들은 0~6계층을 사용하는 모델을 개발했습니다. 나중에 일곱 번째 계층이 추가되었습니다. 비즈니스 연속성을 위한 7단계는 현재 서비스 수준과 관련 위험을 결정하는 방법입니다. &lt; 재해 복구 서비스 수준 &gt;<ul ><li>레벨 0: 오프사이트 데이터 없음(No off-site data)<ul ><li>이 경우 복구가 전혀 불가능할 수 있습니다. </li><li>이 회사는 저장된 정보, 문서, 백업 장비, 비상 계획 등 비즈니스 연속성 계획이 전혀 없습니다. 따라서 복구에 필요한 시간을 예측할 수 없습니다.</li></ul></li></ul> <ul ><li>Tier 1: 핫 사이트가 없는 데이터 백업(Data backups with no hot site)<ul ><li>특정 간격으로 데이터를 백업한 다음 물리적으로 오프사이트 시설로 백업을 전송하여 저장합니다. </li><li>백업 생성 빈도에 따라 조직은 며칠 또는 몇 주 동안의 데이터 손실에 대비해야 합니다. </li><li>이 수준에서는 백업이 오프사이트에서 안전하게 보호되지만 데이터 복구를 위한 시스템이 없습니다.</li></ul></li></ul> <ul ><li>Tier2: : 핫 사이트를 통한 데이터 백업(Data Backup with a Hot Site)<ul ><li>티어 1과 동일한 재해 복구 조항을 제공하지만, 일반적으로 핫 사이트라고 하는 원격 위치에 백업 시스템을 추가로 제공합니다. </li><li>이 시스템은 주 시스템과 동일한 데이터 프로세스를 처리합니다. </li><li>재해가 발생하면 이 백업 시스템에서 백업을 복원할 수 있습니다. </li><li>이 방식은 시스템 자체가 아닌 데이터만 복원하면 되므로 시스템 복구 속도가 빠릅니다.</li></ul></li></ul> <ul ><li>Tier3: 전자 볼트(Electronic vaulting)<ul ><li>계층 2 구성 요소를 기반으로 하지만 중요한 데이터는 전용 채널을 통해 원격 서버(전자 금고)에 영구적으로 백업해야 한다는 추가 조항이 있습니다. </li><li>이러한 채널의 대역폭이 제한되어 있으므로 미리 정의된 중요 데이터에 대해서만 백업을 수행할 수 있습니다. </li></ul></li><li>Tier4: 특정 시점 사본(Point-in-Time Copies)<ul ><li>하위 계층보다 더 높은 데이터 무결성과 빠른 복구가 필요한 조직을 위해 설계되었습니다. </li><li>솔루션에는 하드 드라이브가 포함됩니다. </li><li>데이터는 기본 사이트와 보조 사이트 간에 복사되며, 각 사이트는 서로를 백업합니다.</li></ul></li></ul> <ul ><li>Tier5: 트랜잭션 무결성(Transaction Integrity)<ul ><li>데이터 일관성이 필요한 기업에서 사용하는 솔루션입니다. </li><li>데이터는 사이트(프로덕션 데이터 센터와 데이터 복구 센터) 간에 지속적으로 전송되므로 데이터 손실이 없습니다.</li></ul> </li><li>Tier6: 데이터 손실이 없거나 거의 없음(Zero or near-zero data loss)<ul ><li>데이터 손실이 거의 또는 전혀 없는 최고 수준의 데이터 무결성을 입증합니다. </li><li>데이터 복구가 최우선 순위입니다. 이러한 솔루션에는 종종 어떤 형태의 디스크 미러링이 필요합니다.</li></ul></li></ul> <ul ><li>Tier7: 고도로 자동화된 비즈니스 통합 솔루션<ul ><li>가장 높은 수준의 DR 시나리오. </li><li>티어 6 솔루션에 사용되는 모든 구성 요소에 추가 자동화가 포함됩니다. </li><li>데이터 복구가 자동화되어 시스템과 애플리케이션을 빠르고 안정적으로 복구할 수 있습니다.</li></ul></li></ul> <ul ><li>source: https://www.cloud4u.com/blog/seven-tiers-of-disaster-recovery/</li></ul>

www.cloud4u.com

[Cloud4U] 7단계 재해 복구

In this issue: A more strategic way of prompting Closing the open source gap for MoE models The most powerful small code model… yet Vectors are everywhere these days and Superlinked is the compute framework for all your vector needs. In partnership with Redis and MongoDB, they’ve just launched their

🧠 The Next Level of CoT Prompting

CoT(Chain-of-Thought) 기법은 사용자의 프롬프트에 대해 AI가 단순히 최종 답변을 제시하는 것이 아니라, 중간 단계의 사고 과정을 보여주는 것을 목표로 합니다. 이를 통해 AI의 추론 과정을 투명하게 만들고, 사용자가 AI의 답변을 더욱 신뢰할 수 있게 합니다.

1. 전략적 CoT(Strategic Chain-of-Thought): 전략 도출을 통해 LLM에서 정확한 추론 유도하기
-- Paper: https://arxiv.org/abs/2409.03271v1
 * 어떤 문제를 해결하나요?
   * 생각의 연쇄(CoT) 프롬프트는 대규모 언어 모델(LLM)에서 다단계 추론 능력을 이끌어내는 데 널리 사용되는 기법이 되었습니다.
   * CoT는 중간 추론 단계를 제공함으로써 LLM이 복잡한 문제를 보다 효과적으로 해결할 수 있게 해줍니다. 그러나 생성된 추론 경로의 품질과 일관성이 불안정하여 추론 작업에서 최적의 성능을 발휘하지 못할 수 있습니다.
 * 이 문제를 어떻게 해결하나요?
   * 전략적 사고 연쇄(SCoT)는 전략적 지식을 CoT 프로세스에 통합하여 불안정성 문제를 해결합니다.
   * SCoT는 중간 추론 단계를 생성하기 전에 전략적 지식을 통합함으로써 보다 일관되고 신뢰할 수 있는 추론 성능을 보장합니다.
   * SCoT는 단일 프롬프트 내에서 2단계 접근 방식을 사용합니다.
     * 먼저, LLM에서 효과적인 문제 해결 전략을 도출합니다.
     * 그런 다음, 이 전략을 사용하여 고품질의 CoT 경로와 최종 답변을 생성하도록 안내합니다.
 * 다음 단계는 무엇인가요?
   * LLM이 더 복잡한 작업에 계속 사용됨에 따라 전략적 지식을 통합하고 추론 경로의 일관성을 개선하는 것이 중요해질 것입니다. SCoT는 이러한 방향의 향후 연구를 위한 유망한 프레임워크를 제공합니다.
     
     
2. OLMoE(Open Mixture-of-Experts Language Models): 개방형 전문가 혼합 언어 모델
-- Paper: https://arxiv.org/abs/2409.02060
-- Code: https://github.com/allenai/OLMoE
 * 어떤 문제를 해결하나요?
   * 전문가 혼합(MoE)은 보다 효율적이고 확장 가능한 언어 모델을 구축하기 위한 유망한 접근 방식입니다.
   * 전문화된 '전문가' 모델 세트와 게이트 메커니즘을 사용하여 입력을 가장 관련성이 높은 전문가에게 라우팅함으로써 MoE는 밀집 모델에 비해 더 적은 매개변수로 더 나은 성능을 달성할 수 있습니다.
   * 그러나 MoE 아키텍처에 대한 지속적인 연구와 개선에도 불구하고 Llama와 같은 대부분의 최신 언어 모델은 여전히 밀도 아키텍처에 의존하고 있습니다.
 * 이 문제를 어떻게 해결하나요?
   * 최초의 완전 오픈 소스, 최첨단 믹스 오브 엑스퍼트 언어 모델인 OLMOE-1B-7B가 소개되었습니다.
   * 1B개의 활성 파라미터와 7B개의 총 파라미터를 갖춘 OLMOE-1B-7B는 DeepSeekMoE-16B 및 Llama2-13B-Chat과 같은 대규모 고밀도 모델보다 뛰어난 성능을 발휘합니다.
 * 다음 단계는 무엇인가요?
   * OLMOE-1B-7B의 완전한 오픈 소스 릴리스는 최첨단 MoE 모델에 대한 접근성을 높이고 이 분야에 대한 추가 연구를 장려하기 위한 중요한 단계입니다.
   * 이 분야에서 MoE의 잠재력을 계속 탐구함에 따라, 프론티어 모델과 완전 개방형 모델 간의 성능 격차를 줄이기 위한 OLMOE 및 기타 오픈 소스 MoE 모델의 새로운 반복을 볼 수 있을 것으로 예상됩니다.
   
   
3. Yi-Coder: 작지만 강력한 코드용 LLM
-- Code: https://github.com/01-ai/Yi-Coder
 * 어떤 문제를 해결하나요?
   * Yi-Coder는 100억 개 미만의 파라미터로 최첨단 코딩 성능을 제공하는 일련의 오픈 소스 코드 LLM입니다.
   * 긴 컨텍스트 모델링을 처리하고 코드 생성, 편집, 완성, 수학적 추론 등 다양한 코딩 작업에서 탁월한 성능을 발휘하는 효율적이고 고성능의 코드 LLM에 대한 필요성을 해결합니다.
   * Yi-Coder는 소규모 코드 LLM의 한계를 뛰어넘어 소프트웨어 개발을 가속화하고 혁신할 수 있는 사용 사례를 발굴하는 것을 목표로 합니다.
 * 어떻게 문제를 해결하나요?
   * Yi-Coder는 인상적인 성능을 달성하기 위해 여러 기술을 조합하여 활용합니다.
   * 52개 주요 프로그래밍 언어에 걸쳐 2조 4천억 개에 달하는 방대한 리포지토리 수준의 코드 코퍼스와 CommonCrawl에서 필터링된 코드 관련 데이터를 기반으로 학습합니다.
   * 또한 Yi-Coder는 최대 128K 토큰의 긴 컨텍스트 모델링을 사용하여 프로젝트 수준의 코드를 이해하고 생성할 수 있습니다. 비교적 작은 크기(1.5억 및 9억 매개변수)에도 불구하고 Yi-Coder는 다양한 코딩 벤치마크 및 작업에서 대형 모델보다 뛰어난 성능을 발휘합니다.
 * 다음 단계는 무엇인가요?
   * 기본 버전과 채팅 버전 모두에서 Yi-Coder 1.5B/9B의 오픈 소스 릴리스는 커뮤니티가 이 강력한 코드 LLM을 탐색하고 프로젝트에 통합할 수 있는 흥미로운 기회를 제공합니다.
   * 개발자는 Yi-Coder의 기능을 활용하여 소프트웨어 개발 프로세스를 개선하고, 코딩 작업을 자동화하며, 소규모 코드 LLM이 달성할 수 있는 한계를 뛰어넘을 수 있습니다.
   * Yi-Coder 팀은 개발자가 Yi-Coder README와 같은 제공된 리소스를 살펴보고 Discord 또는 이메일을 통해 커뮤니티에 참여하여 문의 및 토론을 할 것을 권장합니다.

 * 참고: 프롬프트 엔지니어링 Thought 시리즈(https://aiheroes.ai/community/153)
 * 출처: The Next Level of CoT Prompting(https://www.linkedin.com/pulse/next-level-cot-prompting-pascal-biese-e08pf/)

CoT(Chain-of-Thought) 기법은 사용자의 프롬프트에 대해 AI가 단순히 최종 답변을 제시하는 것이 아니라, 중간 단계의 사고 과정을 보여주는 것을 목표로 합니다. 이를 통해 AI의 추론 과정을 투명하게 만들고, 사용자가 AI의 답변을 더욱 신뢰할 수 있게 합니다. 1. 전략적 CoT(Strategic Chain-of-Thought): 전략 도출을 통해 LLM에서 정확한 추론 유도하기-- Paper: https://arxiv.org/abs/2409.03271v1<ul ><li>어떤 문제를 해결하나요? <ul ><li>생각의 연쇄(CoT) 프롬프트는 대규모 언어 모델(LLM)에서 다단계 추론 능력을 이끌어내는 데 널리 사용되는 기법이 되었습니다. </li><li>CoT는 중간 추론 단계를 제공함으로써 LLM이 복잡한 문제를 보다 효과적으로 해결할 수 있게 해줍니다. 그러나 생성된 추론 경로의 품질과 일관성이 불안정하여 추론 작업에서 최적의 성능을 발휘하지 못할 수 있습니다.</li></ul></li><li>이 문제를 어떻게 해결하나요? <ul ><li>전략적 사고 연쇄(SCoT)는 전략적 지식을 CoT 프로세스에 통합하여 불안정성 문제를 해결합니다. </li><li>SCoT는 중간 추론 단계를 생성하기 전에 전략적 지식을 통합함으로써 보다 일관되고 신뢰할 수 있는 추론 성능을 보장합니다.</li><li>SCoT는 단일 프롬프트 내에서 2단계 접근 방식을 사용합니다. <ul ><li>먼저, LLM에서 효과적인 문제 해결 전략을 도출합니다. </li><li>그런 다음, 이 전략을 사용하여 고품질의 CoT 경로와 최종 답변을 생성하도록 안내합니다. </li></ul></li></ul></li><li>다음 단계는 무엇인가요? <ul ><li>LLM이 더 복잡한 작업에 계속 사용됨에 따라 전략적 지식을 통합하고 추론 경로의 일관성을 개선하는 것이 중요해질 것입니다. SCoT는 이러한 방향의 향후 연구를 위한 유망한 프레임워크를 제공합니다. </li></ul></li></ul>2. OLMoE(Open Mixture-of-Experts Language Models): 개방형 전문가 혼합 언어 모델-- Paper: https://arxiv.org/abs/2409.02060-- Code: https://github.com/allenai/OLMoE<ul ><li>어떤 문제를 해결하나요? <ul ><li>전문가 혼합(MoE)은 보다 효율적이고 확장 가능한 언어 모델을 구축하기 위한 유망한 접근 방식입니다. </li><li>전문화된 '전문가' 모델 세트와 게이트 메커니즘을 사용하여 입력을 가장 관련성이 높은 전문가에게 라우팅함으로써 MoE는 밀집 모델에 비해 더 적은 매개변수로 더 나은 성능을 달성할 수 있습니다. </li><li>그러나 MoE 아키텍처에 대한 지속적인 연구와 개선에도 불구하고 Llama와 같은 대부분의 최신 언어 모델은 여전히 밀도 아키텍처에 의존하고 있습니다. </li></ul></li><li>이 문제를 어떻게 해결하나요? <ul ><li>최초의 완전 오픈 소스, 최첨단 믹스 오브 엑스퍼트 언어 모델인 OLMOE-1B-7B가 소개되었습니다. </li><li>1B개의 활성 파라미터와 7B개의 총 파라미터를 갖춘 OLMOE-1B-7B는 DeepSeekMoE-16B 및 Llama2-13B-Chat과 같은 대규모 고밀도 모델보다 뛰어난 성능을 발휘합니다. </li></ul></li><li>다음 단계는 무엇인가요? <ul ><li>OLMOE-1B-7B의 완전한 오픈 소스 릴리스는 최첨단 MoE 모델에 대한 접근성을 높이고 이 분야에 대한 추가 연구를 장려하기 위한 중요한 단계입니다. </li><li>이 분야에서 MoE의 잠재력을 계속 탐구함에 따라, 프론티어 모델과 완전 개방형 모델 간의 성능 격차를 줄이기 위한 OLMOE 및 기타 오픈 소스 MoE 모델의 새로운 반복을 볼 수 있을 것으로 예상됩니다. </li></ul> </li></ul>3. Yi-Coder: 작지만 강력한 코드용 LLM -- Code: https://github.com/01-ai/Yi-Coder<ul ><li>어떤 문제를 해결하나요? <ul ><li>Yi-Coder는 100억 개 미만의 파라미터로 최첨단 코딩 성능을 제공하는 일련의 오픈 소스 코드 LLM입니다. </li><li>긴 컨텍스트 모델링을 처리하고 코드 생성, 편집, 완성, 수학적 추론 등 다양한 코딩 작업에서 탁월한 성능을 발휘하는 효율적이고 고성능의 코드 LLM에 대한 필요성을 해결합니다. </li><li>Yi-Coder는 소규모 코드 LLM의 한계를 뛰어넘어 소프트웨어 개발을 가속화하고 혁신할 수 있는 사용 사례를 발굴하는 것을 목표로 합니다.</li></ul></li><li>어떻게 문제를 해결하나요? <ul ><li>Yi-Coder는 인상적인 성능을 달성하기 위해 여러 기술을 조합하여 활용합니다. </li><li>52개 주요 프로그래밍 언어에 걸쳐 2조 4천억 개에 달하는 방대한 리포지토리 수준의 코드 코퍼스와 CommonCrawl에서 필터링된 코드 관련 데이터를 기반으로 학습합니다.</li><li>또한 Yi-Coder는 최대 128K 토큰의 긴 컨텍스트 모델링을 사용하여 프로젝트 수준의 코드를 이해하고 생성할 수 있습니다. 비교적 작은 크기(1.5억 및 9억 매개변수)에도 불구하고 Yi-Coder는 다양한 코딩 벤치마크 및 작업에서 대형 모델보다 뛰어난 성능을 발휘합니다.</li></ul></li><li>다음 단계는 무엇인가요? <ul ><li>기본 버전과 채팅 버전 모두에서 Yi-Coder 1.5B/9B의 오픈 소스 릴리스는 커뮤니티가 이 강력한 코드 LLM을 탐색하고 프로젝트에 통합할 수 있는 흥미로운 기회를 제공합니다. </li><li>개발자는 Yi-Coder의 기능을 활용하여 소프트웨어 개발 프로세스를 개선하고, 코딩 작업을 자동화하며, 소규모 코드 LLM이 달성할 수 있는 한계를 뛰어넘을 수 있습니다. </li><li>Yi-Coder 팀은 개발자가 Yi-Coder README와 같은 제공된 리소스를 살펴보고 Discord 또는 이메일을 통해 커뮤니티에 참여하여 문의 및 토론을 할 것을 권장합니다.</li></ul></li></ul> <ul ><li>참고: 프롬프트 엔지니어링 Thought 시리즈(https://aiheroes.ai/community/153)</li></ul><ul ><li>출처: The Next Level of CoT Prompting(https://www.linkedin.com/pulse/next-level-cot-prompting-pascal-biese-e08pf/)</li></ul>

www.linkedin.com

[AI] 다음 단계의 CoT 프롬프팅

Thank you for reading my latest article The AI-Driven Truth Crisis. Here at LinkedIn and at Forbes I regularly write about management and technology trends.

20 Generative AI Tools For Creating Synthetic Data

현재 우리가 겪고 있는 AI 혁명은 인사이트를 얻기 위해 채굴하고 분석할 수 있는 데이터의 양이 폭발적으로 증가한 데 따른 직접적인 결과입니다. 하지만 현실 세계에서 데이터를 수집하는 것은 쉽지 않은 일입니다. 개인 데이터를 저장하고 작업할 때 개인정보 보호 및 보안 문제가 발생하며, 다른 유형의 데이터는 비용이 많이 들거나 위험할 수도 있습니다.

그렇다면 시간, 비용, 위험 측면에서 훨씬 적은 비용으로 많은 동일한 목적에 사용할 수 있을 만큼 실제 데이터에 가까운 인공 데이터를 생성하는 것은 어떨까요? 이것이 바로 합성 데이터의 가능성이며, 제너레이티브 AI가 빠르게 가치 있는 도구로 자리 잡고 있는 또 다른 분야입니다.

합성 데이터를 생성을 지원하는 20가지 생성 AI 도구를 소개합니다.

 1. Mostly- https://mostly.ai/
 * 대부분 실제 세계와 매우 유사한 데이터를 생성하기 위한 잘 정립된 합성 데이터 플랫폼
 * 금융, 소매, 통신, 의료 등의 산업에서 사용
 * 가트너에서 쿨 벤더로 선정
 * 개인정보 보호를 보장하는 데이터 세트를 생성하고 GDPR 및 CCPA와 같은 데이터 보호 규정을 준수
 * 자연어 중심의 사용자 인터페이스
 * 생성되는 합성 데이터에 편견이 개입되지 않도록 보호하는 가드 레일도 포함
   
 2. Gretel - https://gretel.ai/
 * 누구나 모든 유형의 분석 또는 머신러닝 워크플로우에 사용할 수 있는 표 형식의 비정형 및 시계열 데이터를 생성 용이
 * 코딩 경험이 거의 없어도 합성 데이터 생성 지원
 * 수많은 커넥터와 API 통합을 통해 대부분의 클라우드 및 데이터 웨어하우스 인프라와 호환
 * 사용자 커뮤니티에서 지원

 3. Synthea - https://synthetichealth.github.io/synthea/
 * 의료 분석에 사용할 가상 환자를 생성하기 위해 특별히 설계된 무료 오픈 소스 도구
 * 까다로운 의료 문제를 해결할 수 있는 단서가 될 수 있는 환자의 전체 의료 기록 생성 가능
   
   
 4. Tonic - https://www.tonic.ai/
 * 현실적이고 규정을 준수하며 안전한 합성 데이터 개발을 위한 종합 플랫폼
 * 주로 소프트웨어 및 AI 개발을 위해 구축
 * 합성 데이터 생성 외에도 실제 데이터의 익명화를 위한 비식별화 기능 제공
 * 온프레미스에 배포하거나 클라우드 환경에서 액세스할 수 있으며, 일반적으로 사용되는 모든 데이터베이스와 통합되도록 설계
   
   
 5. Faker - https://fakerjs.dev/
 * 파이썬과 자바스크립트 및 기타 여러 언어에서 사용할 수 있는 라이브러리로 코딩 지식 필요
 * 이커머스 구매 습관에서 금융 거래에 이르기까지 다양한 가짜 데이터를 생성하려는 사용자들에게 인기 있는 도구
 * 실제 데이터를 사용할 때 발생하는 개인정보 침해의 위험 없이 추천 엔진에서 사기 탐지 알고리즘에 이르기까지 모든 것을 훈련하는 데 사용 가능
   
   
 6. Broadcom CTA 테스트 매니저 - https://www.broadcom.com/products/software/app-dev/test-data-manager
 * 매우 기술적이고 복잡한 데이터 세트 생성 가능
   
   
 7. BizData X - https://bizdatax.com/
 * 비즈니스용 합성 데이터 생성을 통해 데이터 마스킹 및 익명화 간소화

 8. Cvedia - https://www.cvedia.com/
 * 합성 데이터로 구동되는 컴퓨터 비전 및 비디오 분석.

 9. Datomize - https://datawizz.ai/
 * 동적 유효성 검사 도구로 데이터 세트를 생성하여 최대한 사실적인 데이터 세트 생성 지원

 10. Edgecase - https://www.edgecase.ai/
 * 레이블이 지정된 합성 데이터를 서비스 생성

 11. GenRocket - https://www.genrocket.com/
 * 엔터프라이즈 확장성을 갖춘 동적 데이터 생성으로 소프트웨어 테스트를 위한 데이터 생성 목표

 12. Hazy - https://hazy.com/
 * 최근 세계 최초의 합성 데이터 마켓플레이스로 재출시

 13. K2View - https://www.k2view.com/solutions/synthetic-data-generation-tools/
 * 머신 러닝 모델 학습을 목적으로 데이터 생성

 14. KopiKat - https://www.kopikat.co/
 * 개인 정보 보호를 강화하고 신경망의 성능을 향상하도록 설계된 노코드 데이터 증강

 15. MDClone - https://www.mdclone.com/
 * 의료 전문가를 대상으로 하는 합성 데이터

 16. Simerse - https://www.simerse.com/
 * 컴퓨터 비전 애플리케이션을 위한 합성 훈련 데이터 생성기

 17. Sogeti - https://www.sogeti.com/services/artificial-intelligence/artificial-data-amplifier/
 * '데이터 증폭기'로 불리는 이 도구는 기존 데이터의 특성과 상관관계를 일치시켜 실제 데이터 세트를 모방

 18. 합성 데이터 볼트(Synthetic Data Vault) - https://sdv.dev/
 * 대용량 합성 데이터 생성을 위한 오픈 소스 머신 러닝 모델

 19. Syntho - https://www.syntho.ai/
 * 인사이트와 의사 결정을 위한 셀프 서비스 데이터 생성

 20. YData - https://ydata.ai/
 * 생산성과 AI 모델 성능을 향상하기 위한 자동화된 합성 데이터 생성

 * 출처: https://www.linkedin.com/pulse/20-generative-ai-tools-creating-synthetic-data-bernard-marr-efswe/

현재 우리가 겪고 있는 AI 혁명은 인사이트를 얻기 위해 채굴하고 분석할 수 있는 데이터의 양이 폭발적으로 증가한 데 따른 직접적인 결과입니다. 하지만 현실 세계에서 데이터를 수집하는 것은 쉽지 않은 일입니다. 개인 데이터를 저장하고 작업할 때 개인정보 보호 및 보안 문제가 발생하며, 다른 유형의 데이터는 비용이 많이 들거나 위험할 수도 있습니다. 그렇다면 시간, 비용, 위험 측면에서 훨씬 적은 비용으로 많은 동일한 목적에 사용할 수 있을 만큼 실제 데이터에 가까운 인공 데이터를 생성하는 것은 어떨까요? 이것이 바로 합성 데이터의 가능성이며, 제너레이티브 AI가 빠르게 가치 있는 도구로 자리 잡고 있는 또 다른 분야입니다. 합성 데이터를 생성을 지원하는 20가지 생성 AI 도구를 소개합니다. <ol ><li>Mostly- https://mostly.ai/</li></ol><ul ><li>대부분 실제 세계와 매우 유사한 데이터를 생성하기 위한 잘 정립된 합성 데이터 플랫폼</li><li>금융, 소매, 통신, 의료 등의 산업에서 사용</li><li>가트너에서 쿨 벤더로 선정</li><li>개인정보 보호를 보장하는 데이터 세트를 생성하고 GDPR 및 CCPA와 같은 데이터 보호 규정을 준수</li><li>자연어 중심의 사용자 인터페이스</li><li>생성되는 합성 데이터에 편견이 개입되지 않도록 보호하는 가드 레일도 포함 </li></ul><ol start="2"><li>Gretel - https://gretel.ai/</li></ol><ul ><li>누구나 모든 유형의 분석 또는 머신러닝 워크플로우에 사용할 수 있는 표 형식의 비정형 및 시계열 데이터를 생성 용이</li><li>코딩 경험이 거의 없어도 합성 데이터 생성 지원</li><li>수많은 커넥터와 API 통합을 통해 대부분의 클라우드 및 데이터 웨어하우스 인프라와 호환</li><li>사용자 커뮤니티에서 지원</li></ul> <ol start="3"><li>Synthea - https://synthetichealth.github.io/synthea/</li></ol><ul ><li>의료 분석에 사용할 가상 환자를 생성하기 위해 특별히 설계된 무료 오픈 소스 도구</li><li>까다로운 의료 문제를 해결할 수 있는 단서가 될 수 있는 환자의 전체 의료 기록 생성 가능 </li></ul><ol start="4"><li>Tonic - https://www.tonic.ai/</li></ol><ul ><li>현실적이고 규정을 준수하며 안전한 합성 데이터 개발을 위한 종합 플랫폼</li><li>주로 소프트웨어 및 AI 개발을 위해 구축</li><li>합성 데이터 생성 외에도 실제 데이터의 익명화를 위한 비식별화 기능 제공</li><li>온프레미스에 배포하거나 클라우드 환경에서 액세스할 수 있으며, 일반적으로 사용되는 모든 데이터베이스와 통합되도록 설계 </li></ul><ol start="5"><li>Faker - https://fakerjs.dev/</li></ol><ul ><li>파이썬과 자바스크립트 및 기타 여러 언어에서 사용할 수 있는 라이브러리로 코딩 지식 필요</li><li>이커머스 구매 습관에서 금융 거래에 이르기까지 다양한 가짜 데이터를 생성하려는 사용자들에게 인기 있는 도구</li><li>실제 데이터를 사용할 때 발생하는 개인정보 침해의 위험 없이 추천 엔진에서 사기 탐지 알고리즘에 이르기까지 모든 것을 훈련하는 데 사용 가능 </li></ul><ol start="6"><li>Broadcom CTA 테스트 매니저 - https://www.broadcom.com/products/software/app-dev/test-data-manager</li></ol><ul ><li>매우 기술적이고 복잡한 데이터 세트 생성 가능 </li></ul><ol start="7"><li>BizData X - https://bizdatax.com/</li></ol><ul ><li>비즈니스용 합성 데이터 생성을 통해 데이터 마스킹 및 익명화 간소화</li></ul> <ol start="8"><li>Cvedia - https://www.cvedia.com/</li></ol><ul ><li>합성 데이터로 구동되는 컴퓨터 비전 및 비디오 분석.</li></ul> <ol start="9"><li>Datomize - https://datawizz.ai/</li></ol><ul ><li>동적 유효성 검사 도구로 데이터 세트를 생성하여 최대한 사실적인 데이터 세트 생성 지원</li></ul> <ol start="10"><li>Edgecase - https://www.edgecase.ai/</li></ol><ul ><li>레이블이 지정된 합성 데이터를 서비스 생성</li></ul> <ol start="11"><li>GenRocket - https://www.genrocket.com/</li></ol><ul ><li>엔터프라이즈 확장성을 갖춘 동적 데이터 생성으로 소프트웨어 테스트를 위한 데이터 생성 목표</li></ul> <ol start="12"><li>Hazy - https://hazy.com/</li></ol><ul ><li>최근 세계 최초의 합성 데이터 마켓플레이스로 재출시</li></ul> <ol start="13"><li>K2View - https://www.k2view.com/solutions/synthetic-data-generation-tools/</li></ol><ul ><li>머신 러닝 모델 학습을 목적으로 데이터 생성</li></ul> <ol start="14"><li>KopiKat - https://www.kopikat.co/</li></ol><ul ><li>개인 정보 보호를 강화하고 신경망의 성능을 향상하도록 설계된 노코드 데이터 증강</li></ul> <ol start="15"><li>MDClone - https://www.mdclone.com/</li></ol><ul ><li>의료 전문가를 대상으로 하는 합성 데이터</li></ul> <ol start="16"><li>Simerse - https://www.simerse.com/</li></ol><ul ><li>컴퓨터 비전 애플리케이션을 위한 합성 훈련 데이터 생성기</li></ul> <ol start="17"><li>Sogeti - https://www.sogeti.com/services/artificial-intelligence/artificial-data-amplifier/</li></ol><ul ><li>'데이터 증폭기'로 불리는 이 도구는 기존 데이터의 특성과 상관관계를 일치시켜 실제 데이터 세트를 모방</li></ul> <ol start="18"><li>합성 데이터 볼트(Synthetic Data Vault) - https://sdv.dev/</li></ol><ul ><li>대용량 합성 데이터 생성을 위한 오픈 소스 머신 러닝 모델</li></ul> <ol start="19"><li>Syntho - https://www.syntho.ai/</li></ol><ul ><li>인사이트와 의사 결정을 위한 셀프 서비스 데이터 생성</li></ul> <ol start="20"><li>YData - https://ydata.ai/</li></ol><ul ><li>생산성과 AI 모델 성능을 향상하기 위한 자동화된 합성 데이터 생성</li></ul> <ul ><li>출처: https://www.linkedin.com/pulse/20-generative-ai-tools-creating-synthetic-data-bernard-marr-efswe/</li></ul>

합성 데이터 생성을 위한 20가지 생성 AI 도구

카카오엔터테인먼트 개발 팀장 박승규와 함께하는 백엔드 개발 기초, 코틀린과 스프링부트를 활용해 더욱 매끄럽게 완성

코틀린과 스프링부트를 활용한 현대적 개발, 기획부터 배포까지

자바 백엔드 개발자라면 코틀린으로
스프링 부트 한번 해보시는 건 어떨까요?
코틀린도 좋지만, 스프링 부트가 또 기가막힙니다.
프로젝트 세팅 간편하게 해주고
springboot-starter-xxxx 으로 의존성 꼬이는 것도 해결해줍니다.
그 뿐아니라 배포도 그냥 jar만 배포하면 되요.
기본적으로 자동설정이 들어가있고,
actuator 활성화하면 모니터링도 추가할 수 있어요~
너무 좋지 않습니까~
궁금하신분들 한번 보고 가십숑~ 🙇‍♂️

https://coloso.co.kr/products/programming-parkseungkyoo

자바 백엔드 개발자라면 코틀린으로 스프링 부트 한번 해보시는 건 어떨까요? 코틀린도 좋지만, 스프링 부트가 또 기가막힙니다. 프로젝트 세팅 간편하게 해주고springboot-starter-xxxx 으로 의존성 꼬이는 것도 해결해줍니다. 그 뿐아니라 배포도 그냥 jar만 배포하면 되요. 기본적으로 자동설정이 들어가있고, actuator 활성화하면 모니터링도 추가할 수 있어요~ 너무 좋지 않습니까~ 궁금하신분들 한번 보고 가십숑~ 🙇‍♂️ https://coloso.co.kr/products/programming-parkseungkyoo

coloso.co.kr

자바 백엔드 개발자라면 코프링!

한국 LLM 오픈소스의 희망 Upstage에서 22B 모델인 Solar Pro 프리뷰 버전을 출시했습니다. Open Weight 모델로 MIT 라이센스이니 편하게 사용 할 수 있겠습니다.

모델 성능은, 22B 의 중간 규모 사이즈이지만 MMLU-Pro, IFEval, HellaSwag 성능에 있어서 Llama 3.1 70B Instruct 모델에 육박하거나 약간 더 좋은 성능을 보여줍니다.

ARC나 GSM8K 등의 추론 능력을 평가하는 벤치에서는 상대적으로 낮은 수준이지만, 언어 능력은 70B에 육박하는 수준이기 때문에 일반적인 챗봇 시스템에 적용한다면 가성비가 뛰어난 모델로 보입니다.

특히 크기가 22B이어서 A100 80GB 단일 GPU에 양자화 없이 사용할 수 있기 때문에, 시스템 구성이 용이해서 특히 운영면에 있어서 성능 대비 가성비가 좋을 것 같습니다.

아쉬운 점은 한국 회사임에도 불구하고 영어 버전부터 공개하였다는 것인데요.(역시 조단위 투자를 받으려면 천조국으로 가긴 해야겠죠.. 🥹) 다행히 정식 버전에서는 일본어/한국어 포함를 포함하고 context length도 확장된다고 합니다.

아무튼 한국 회사가 다시 한 번 세계적으로 뛰어난 모델을 발표해서 기쁩니다. 앞으로 OpenAI를 뛰어넘는 모델도 속속 발표해주시길 기원하겠습니다. (개인적으로.. Groq에도 올려서 초빠른 API를 사용할 수 있게 해 주시면 좋겠..) 😎🍿🥤

한국 LLM 오픈소스의 희망 Upstage에서 22B 모델인 Solar Pro 프리뷰 버전을 출시했습니다. Open Weight 모델로 MIT 라이센스이니 편하게 사용 할 수 있겠습니다. 모델 성능은, 22B 의 중간 규모 사이즈이지만 MMLU-Pro, IFEval, HellaSwag 성능에 있어서 Llama 3.1 70B Instruct 모델에 육박하거나 약간 더 좋은 성능을 보여줍니다. ARC나 GSM8K 등의 추론 능력을 평가하는 벤치에서는 상대적으로 낮은 수준이지만, 언어 능력은 70B에 육박하는 수준이기 때문에 일반적인 챗봇 시스템에 적용한다면 가성비가 뛰어난 모델로 보입니다. 특히 크기가 22B이어서 A100 80GB 단일 GPU에 양자화 없이 사용할 수 있기 때문에, 시스템 구성이 용이해서 특히 운영면에 있어서 성능 대비 가성비가 좋을 것 같습니다. 아쉬운 점은 한국 회사임에도 불구하고 영어 버전부터 공개하였다는 것인데요.(역시 조단위 투자를 받으려면 천조국으로 가긴 해야겠죠.. 🥹) 다행히 정식 버전에서는 일본어/한국어 포함를 포함하고 context length도 확장된다고 합니다. 아무튼 한국 회사가 다시 한 번 세계적으로 뛰어난 모델을 발표해서 기쁩니다. 앞으로 OpenAI를 뛰어넘는 모델도 속속 발표해주시길 기원하겠습니다. (개인적으로.. Groq에도 올려서 초빠른 API를 사용할 수 있게 해 주시면 좋겠..) 😎🍿🥤

📰 Upstage, 22B 모델 Solar Pro 출시

데이터 직무 별로 어떤 포트폴리오를 만들어야 하는지 궁금하신가요?
아래의 마인드 맵을 통해 데이터 직무별 포트폴리오용 주제들을 살펴보세요 :)

데이터 과학자
↳ 탐색적 데이터 분석 (EDA)
↳ A/B 실험 (A/B testing)
↳ 머신러닝 (Machine Learning)
↳ 인과 추론 (Causal Inference)

머신러닝 엔지니어
↳ 머신러닝 프로젝트 (ML project)
↳ 데이터 전처리 프로젝트 (Preprocessing)
↳ 모델 평가 및 튜닝 (Modeling evaluation & fine-tuning)
↳ 빅데이터 처리 기술 (Spark & Hadoop)

데이터 엔지니어
↳ ETL 개발
↳ 데이터베이스 관리 (DBA)
↳ 데이터 파이프라인 자동화 (Data Pipeline)
↳ 클라우드 데이터 플랫폼 (Cloud Data Platform)

데이터 분석가
↳ SQL
↳ 고급 엑셀 (Advanced Excel)
↳ 데이터 시각화 (Data Visualization)
↳ 지표 정의 및 보고 (KPI metrics)

#데이터리차드 #데이터직무 #포트폴리오 #프로젝트

데이터 직무 별로 어떤 포트폴리오를 만들어야 하는지 궁금하신가요?아래의 마인드 맵을 통해 데이터 직무별 포트폴리오용 주제들을 살펴보세요 :) 데이터 과학자↳ 탐색적 데이터 분석 (EDA)↳ A/B 실험 (A/B testing)↳ 머신러닝 (Machine Learning)↳ 인과 추론 (Causal Inference) 머신러닝 엔지니어↳ 머신러닝 프로젝트 (ML project)↳ 데이터 전처리 프로젝트 (Preprocessing)↳ 모델 평가 및 튜닝 (Modeling evaluation &amp; fine-tuning)↳ 빅데이터 처리 기술 (Spark &amp; Hadoop) 데이터 엔지니어↳ ETL 개발↳ 데이터베이스 관리 (DBA)↳ 데이터 파이프라인 자동화 (Data Pipeline)↳ 클라우드 데이터 플랫폼 (Cloud Data Platform) 데이터 분석가↳ SQL↳ 고급 엑셀 (Advanced Excel)↳ 데이터 시각화 (Data Visualization)↳ 지표 정의 및 보고 (KPI metrics) #데이터리차드 #데이터직무 #포트폴리오 #프로젝트

데이터 직무별 포트폴리오용 프로젝트 주제들

지난 주말, 끈이론의 대가인 미치오 카쿠 교수가 쓴 책 <단 하나의 방정식> (원제: The God Equation)을 주문해 받았습니다. 한쪽 구석에 두었다가 오늘에서야 다 읽었네요. 교양 물리학을 흥미롭게 공부한 경험이 있는 사람이라면 누구나 쉽게 이해할 수 있도록 쓰였으며 3~4시간이면 읽을 수 있는 분량입니다. 그동안 일반 대중을 대상으로 한 저자의 다양한 활동 덕분인지 그의 전문성과 함께 친절함이 글 속에 고스란히 담겨 있습니다.

우리가 사는 세상에는 네 가지 힘, 즉 강력, 약력, 전자기력, 그리고 중력이 존재합니다. 하지만 현대 물리학의 대표 주자인 양자역학은 이 중 중력이란 무엇인지에 대한 명확한 답을 제시하지 못하고 있습니다. 그래서 정통 물리학계에서는 아직까지 이 네 가지 힘을 하나의 이론으로 통합하는 데 많은 어려움을 겪고 있죠. 아인슈타인도 이것에 남은 인생을 바쳤지만 끝내 이루어내질 못했습니다. 책의 초반부는 이 네 가지 힘에 대한 역사적 의미와 발견 과정을 차근차근 설명합니다. 후반부에서는 중력이 끈이론을 통해 자연스럽게 설명되며, 나아가 모든 것을 통합할 수 있는 하나의 방정식이 끈이론에서 나올 가능성이 높다는 주장을 펼칩니다. 그 이유는 현재 끈이론이 10차원 혹은 11차원의 개념으로 확장되며, 그 작동 원리를 온전히 이해하고 있지는 못하지만 수학적으로 모든 힘을 하나로 설명할 수 있는 유일한 이론이기 때문입니다. 그것은 대칭을 이루며 아름답기까지 합니다.

2021년 말 발간된 이 책을 통해 끈이론이 현재 어느 정도 진전되었는지, 앞으로 어떻게 발전해 나갈지에 대한 미래를 간접적으로나마 엿볼 수 있어 좋았습니다. 또한 이 책을 읽으며, 일상에서 겪는 크고 작은 문제들이 얼마나 부질없고 작은 것인지 다시 한번 깨닫게 됩니다. 특히 책 중반부에 나오는 양자역학의 불확정성 원리에서, 관측자에 의해 관측되는 순간 상태가 결정된다는 내용을 읽으면서, 우주적 관점에서 우린 티끌처럼 보잘것없는 존재일지라도, 의식을 가진 관측자로서 각자의 고유한 우주에서 중요한 존재가 될 수 있지 않을까 하는 생각이 들었습니다.

이 책은 잠시나마 삶의 무게를 내려놓고 생각할 수 있게 해 주는, 저에게는 마치 휴양지 같은 힐링 서적처럼 느껴지네요

지난 주말, 끈이론의 대가인 미치오 카쿠 교수가 쓴 책 &lt;단 하나의 방정식&gt; (원제: The God Equation)을 주문해 받았습니다. 한쪽 구석에 두었다가 오늘에서야 다 읽었네요. 교양 물리학을 흥미롭게 공부한 경험이 있는 사람이라면 누구나 쉽게 이해할 수 있도록 쓰였으며 3~4시간이면 읽을 수 있는 분량입니다. 그동안 일반 대중을 대상으로 한 저자의 다양한 활동 덕분인지 그의 전문성과 함께 친절함이 글 속에 고스란히 담겨 있습니다. 우리가 사는 세상에는 네 가지 힘, 즉 강력, 약력, 전자기력, 그리고 중력이 존재합니다. 하지만 현대 물리학의 대표 주자인 양자역학은 이 중 중력이란 무엇인지에 대한 명확한 답을 제시하지 못하고 있습니다. 그래서 정통 물리학계에서는 아직까지 이 네 가지 힘을 하나의 이론으로 통합하는 데 많은 어려움을 겪고 있죠. 아인슈타인도 이것에 남은 인생을 바쳤지만 끝내 이루어내질 못했습니다. 책의 초반부는 이 네 가지 힘에 대한 역사적 의미와 발견 과정을 차근차근 설명합니다. 후반부에서는 중력이 끈이론을 통해 자연스럽게 설명되며, 나아가 모든 것을 통합할 수 있는 하나의 방정식이 끈이론에서 나올 가능성이 높다는 주장을 펼칩니다. 그 이유는 현재 끈이론이 10차원 혹은 11차원의 개념으로 확장되며, 그 작동 원리를 온전히 이해하고 있지는 못하지만 수학적으로 모든 힘을 하나로 설명할 수 있는 유일한 이론이기 때문입니다. 그것은 대칭을 이루며 아름답기까지 합니다. 2021년 말 발간된 이 책을 통해 끈이론이 현재 어느 정도 진전되었는지, 앞으로 어떻게 발전해 나갈지에 대한 미래를 간접적으로나마 엿볼 수 있어 좋았습니다. 또한 이 책을 읽으며, 일상에서 겪는 크고 작은 문제들이 얼마나 부질없고 작은 것인지 다시 한번 깨닫게 됩니다. 특히 책 중반부에 나오는 양자역학의 불확정성 원리에서, 관측자에 의해 관측되는 순간 상태가 결정된다는 내용을 읽으면서, 우주적 관점에서 우린 티끌처럼 보잘것없는 존재일지라도, 의식을 가진 관측자로서 각자의 고유한 우주에서 중요한 존재가 될 수 있지 않을까 하는 생각이 들었습니다. 이 책은 잠시나마 삶의 무게를 내려놓고 생각할 수 있게 해 주는, 저에게는 마치 휴양지 같은 힐링 서적처럼 느껴지네요

단 하나의 방정식

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

마침 기존 webpack에서 vite로 마이그레이션 하려던 참에 이글을 보니 안심이되네요👍

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

CSS는 마침내 align-content를 디폴트 레이아웃에 추가하여 단 한 줄의 CSS 속성으로 수직 정렬이 가능해짐지원 버전 Chrome 123, Firefox 125, Safari: 17.4현재는 기본 레이아웃(flow)에서 align-content가 동작하지 않으므로 flexbox 나 grid로 전환해야함2024년 드디어 브라우저들이 Flow 레이아

CSS, 2024년에 드디어 "세로 중앙 정렬"이 추가됨 | GeekNews

CSS에서 드디어 세로 중앙 정렬 기능이 추가 되었습니다. 기존의 가로 중앙 정렬은 손쉽게 되었지만 세로는 중앙 정렬 기능이 별도로 없었기에,
display: flex + align-items: center
같은 다소 복잡한 방법을 사용했어야 했는데요.

이제 단 한 줄의 CSS 속성
align-content: center
으로 수직 정렬이 가능해졌습니다.
이 속성으로 추가적인 래퍼(wrapper)나 복잡한 설정 없이도 컨텐츠를 수직 정렬할 수 있게 되었습니다.
이 속성은
Chrome 123, Safari: 17.4
부터 지원합니다.

이렇게 꼭 필요한 기능이 왜 이제서야 구현되었는지는 의문이지만, 이제라도 구현이 되어서 다행이네요. 수직정렬을 구현할때 적극적으로 활용하시기를 추천드립니다.

https://news.hada.io/topic?id=16586&utm_source=slack&utm_medium=bot&utm_campaign=T0244AU37S5

CSS에서 드디어 세로 중앙 정렬 기능이 추가 되었습니다. 기존의 가로 중앙 정렬은 손쉽게 되었지만 세로는 중앙 정렬 기능이 별도로 없었기에, <code >display: flex + align-items: center</code>같은 다소 복잡한 방법을 사용했어야 했는데요. 이제 단 한 줄의 CSS 속성 <code >align-content: center</code> 으로 수직 정렬이 가능해졌습니다.이 속성으로 추가적인 래퍼(wrapper)나 복잡한 설정 없이도 컨텐츠를 수직 정렬할 수 있게 되었습니다.이 속성은 <code >Chrome 123, Safari: 17.4</code>부터 지원합니다. 이렇게 꼭 필요한 기능이 왜 이제서야 구현되었는지는 의문이지만, 이제라도 구현이 되어서 다행이네요. 수직정렬을 구현할때 적극적으로 활용하시기를 추천드립니다. https://news.hada.io/topic?id=16586&amp;utm_source=slack&amp;utm_medium=bot&amp;utm_campaign=T0244AU37S5

GeekNews

드디어 추가된 CSS의 '세로 중앙 정렬' 기능

유데미 개발 챌린지 : 클론코딩편

✅ 잘못된 클론 코딩

게임 업계에서 개발자들의 포트폴리오로 자주 나오는 요소는 클론 코딩입니다. 본인이 좋아하는 게임을 만들어보기도 하고, 지원하는 회사와 가장 밀접한 프로젝트를 만들어서 제출하기도 합니다. 물론 아주 잘 만든 분들도 있지만, 대부분은 제출한 클론 코드가 안 좋은 결과를 만드는 경우가 많습니다.

어떤 경우일까요? 제가 경험한 사례를 좀 공유해보려고 합니다.

❇️사례 1. 스크린샷뿐인 모작

3년 전쯤 마인크래프트 모작을 제출한 분이 있었습니다.

마치 마인크래프트처럼 보이는 월드와 블록들이 있는 스크린샷이 있었습니다. 정말 똑같다(?)는 생각이 들 정도로 잘 구성된 스샷이었습니다. 그리고, 내용에는 이 모작을 만드는데 몇 주가 걸렸고, 만들 때 어떤 엔진을 사용했는지 기입해 두셨습니다.

당연히 이분은 탈락했습니다.

모작을 할 때 중요한 것은, 이게 얼마나 걸렸고, 무슨 엔진을 썼는지보다, 어떻게 구현했는지가 가장 중요합니다.

그런 관점에서 비슷해 보이는 단편적인 스크린샷은 오히려 전혀 매력적이지 않습니다.
오히려, 블록이 2개밖에 없더라도, 혹은 블록이 화이트 박스 형태더라도, 절차적으로 생성되는 월드나 직접 배치하는 샌드박스가 있다면, 훨씬 높은 점수를 줄 것 같습니다.

❇️사례 2. 핵심을 벗어난 모작

두 번째 사례는 캔디크러시 사가와 같은 매치3 퍼즐 게임 모작을 제출한 분이었습니다. 데모도 같이 보내주셨고, 본인이 작성한 핵심 소스 코드도 제출해 주셨습니다.

허나 아쉽게도 이분도 탈락했습니다.

가장 큰 이유는 데모를 플레이할 때 연쇄가 잘 되지 않는 점이었습니다.
3-매치 게임의 핵심은 레벨 디자인도 중요하지만, 한번 매치가 되어 블록이 사라지면 그 자리를 다른 블록들이 채우면서 발생하는 연쇄작용에 있습니다. 그 연쇄작용하는 코드가 미완성 상태였고, 실제로 제출된 코드에서 연쇄 구현이 제대로 되지 않았음을 볼 수 있었습니다.

비슷한 사례로, 간혹 액션 게임 쪽에서 채용을 할 때 마영전 모작이나 리니지 모작도 자주 볼 수 있는데, 거의 대부분 탈락 처리됩니다.

우선, 마영전 모작의 경우 클라이언트-서버 구조를 굉장히 강조하는 분들이 많습니다. 사실 왜 그걸 강조하는지 잘 모르겠습니다. (어쩌면 학원에서 그렇게 시켰을 수도 있겠죠.) 마영전의 핵심은 멀티플레이 논타겟 액션입니다. 제가 본 마영전 모작 중에서는 아쉽게도 마영전의 논타겟 액션 동기화를 본인만의 방식으로 만들어서 설명해주신 분이 없었습니다.

리니지 모작도 마찬가지입니다. MMO 서버-클라이언트 구조라고 강조하는 분들을 많이 봅니다. 정말 놀랍게도, 만드는데 2주밖에 안 걸렸다는 분도 있었는데… 어필 포인트가 너무 어긋나서 할 말을 잃었던 것 같습니다. 실제로 그런 분들 중에서 MMO의 핵심 요소 중 하나인 월드 채널링이나 MMO에서 퀘스트와 같은 콘텐츠를 본인만의 방식으로 만들어서 설명해주신 분들은 없었습니다.

✅클론 코딩을 포트폴리오로 만드는 방법

위의 잘못된 클론 코딩 사례가 거의 포트폴리오에 있는 클론 코딩의 90%를 차지하기 때문에, 클론 코딩을 포트폴리오로 만드는 방법은 생각보다 쉽습니다. 바로 안티패턴을 피하는 것이죠.

우선, 클론할 게임의 핵심을 아는 것부터 시작해야 합니다.
마인크래프트, 오버워치, 3-매치, 마영전, 리니지 등 다양한 게임들의 핵심은 모두 다릅니다. 그리고 주니어 개발자 입장에서 이런 핵심을 관통하기란 쉽지 않은 것도 사실입니다. 그러나 조금만 검색해보면 나오는 것도 맞습니다.

두 번째는 핵심 기믹만 모작하는 것도 가치가 있다는 것입니다.
예를들면, 포탈2의 들어가는 포탈/나가는 포탈은 다양한 기술적 챌린지(렌더링, 공간 이동)가 있습니다. 총게임들의 Netcode(예측, 보간)들도 꽤 좋은 챌린지가 됩니다. 그래서 이런 기믹들은 만들어서 포트폴리오에 넣으면 게임플레이 프로그래머로 홍보하기 좋습니다.

개인적으로 이런 핵심 요소를 클론한 유튜브 하나를 추천해드리면, Mix and Jam 이 있습니다.

제가 생각했을 때 클론코딩의 모범사례에 가깝고, 클론 코딩에 대한 좋은 예를 보실 수 있습니다.

✅마무리하며,

클론 코딩은 분명히 개발자로서의 역량을 보여줄 수 있는 좋은 방법입니다. 하지만 그 과정에서 중요한 것은 단순히 게임을 흉내 내는 것이 아니라, 게임의 핵심 메커니즘을 이해하고 그것을 구현하는 능력을 보여주는 것입니다. 단순히 비슷해 보이는 결과물을 만드는 것보다, 그 안에 숨겨진 원리를 이해하고 자신만의 방식으로 풀어내는 것이 더 중요합니다.

✅더불어 이벤트 홍보(?)

그래서, 이번에 저와 함께 클론 코딩을 도전해볼 사람을 찾습니다!! :)

[챌린지 개요]
😀현직 개발자 멘토와 함께 4주 동안 클론코딩 챌린지 도전할 사람 찾습니다!
각 분야별 유데미 멘토들과 함께 클론코딩부터 코드리뷰까지 할 수 있는 기회!

💪이번 챌린지는 [프론트엔드 / 백엔드 / 게임개발] 진행 됩니다 :)
유데미 개발 챌린지에서 개발자 커리어를 시작해보세요!

🥇챌린지 참여 혜택 무엇이 있나요?
 * 현직 개발자와 라이브 특강
 * 주차별 미션 제공
 * 멘토와 1:1 커피챗 (미션 과제 우수자 선정자)
 * 참가 혜택 : 유데미 개발 강의 할인 쿠폰팩, 지난 챌린지 특강 제공

💌챌린지 자세히 보러가기 :
https://udemy.wjtb.co.kr/event/id/272
🌞친구와 함께 신청하면 배민 상품권 제공!
https://forms.gle/2fxpfmh68ioELCwG8

모집/신청 기간 : 2024년 8월 19일(월) ~ 9월 22일(일)
챌린지 진행 기간 : 2024년 9월 23일(월) ~ 10월 18일(금)
제가 맡은 게임 개발 챌린지 주제는 “뱀파이어 서바이벌(뱀서류) 클론코딩"으로,
라이브 특강에서 포트폴리오가 되는 모작 만들기, 현업에서 사용하는 게임 프로그래밍 디자인 패턴과 테크닉, 수강생 코드리뷰까지 함께 다뤄볼 예정입니다.
많은 관심과 참여 부탁 드립니다.
감사합니다.

✅ 잘못된 클론 코딩 게임 업계에서 개발자들의 포트폴리오로 자주 나오는 요소는 클론 코딩입니다. 본인이 좋아하는 게임을 만들어보기도 하고, 지원하는 회사와 가장 밀접한 프로젝트를 만들어서 제출하기도 합니다. 물론 아주 잘 만든 분들도 있지만, 대부분은 제출한 클론 코드가 안 좋은 결과를 만드는 경우가 많습니다. 어떤 경우일까요? 제가 경험한 사례를 좀 공유해보려고 합니다. ❇️사례 1. 스크린샷뿐인 모작 3년 전쯤 마인크래프트 모작을 제출한 분이 있었습니다. 마치 마인크래프트처럼 보이는 월드와 블록들이 있는 스크린샷이 있었습니다. 정말 똑같다(?)는 생각이 들 정도로 잘 구성된 스샷이었습니다. 그리고, 내용에는 이 모작을 만드는데 몇 주가 걸렸고, 만들 때 어떤 엔진을 사용했는지 기입해 두셨습니다. 당연히 이분은 탈락했습니다. 모작을 할 때 중요한 것은, 이게 얼마나 걸렸고, 무슨 엔진을 썼는지보다, 어떻게 구현했는지가 가장 중요합니다. 그런 관점에서 비슷해 보이는 단편적인 스크린샷은 오히려 전혀 매력적이지 않습니다.오히려, 블록이 2개밖에 없더라도, 혹은 블록이 화이트 박스 형태더라도, 절차적으로 생성되는 월드나 직접 배치하는 샌드박스가 있다면, 훨씬 높은 점수를 줄 것 같습니다. ❇️사례 2. 핵심을 벗어난 모작 두 번째 사례는 캔디크러시 사가와 같은 매치3 퍼즐 게임 모작을 제출한 분이었습니다. 데모도 같이 보내주셨고, 본인이 작성한 핵심 소스 코드도 제출해 주셨습니다. 허나 아쉽게도 이분도 탈락했습니다. 가장 큰 이유는 데모를 플레이할 때 연쇄가 잘 되지 않는 점이었습니다.3-매치 게임의 핵심은 레벨 디자인도 중요하지만, 한번 매치가 되어 블록이 사라지면 그 자리를 다른 블록들이 채우면서 발생하는 연쇄작용에 있습니다. 그 연쇄작용하는 코드가 미완성 상태였고, 실제로 제출된 코드에서 연쇄 구현이 제대로 되지 않았음을 볼 수 있었습니다. 비슷한 사례로, 간혹 액션 게임 쪽에서 채용을 할 때 마영전 모작이나 리니지 모작도 자주 볼 수 있는데, 거의 대부분 탈락 처리됩니다. 우선, 마영전 모작의 경우 클라이언트-서버 구조를 굉장히 강조하는 분들이 많습니다. 사실 왜 그걸 강조하는지 잘 모르겠습니다. (어쩌면 학원에서 그렇게 시켰을 수도 있겠죠.) 마영전의 핵심은 멀티플레이 논타겟 액션입니다. 제가 본 마영전 모작 중에서는 아쉽게도 마영전의 논타겟 액션 동기화를 본인만의 방식으로 만들어서 설명해주신 분이 없었습니다. 리니지 모작도 마찬가지입니다. MMO 서버-클라이언트 구조라고 강조하는 분들을 많이 봅니다. 정말 놀랍게도, 만드는데 2주밖에 안 걸렸다는 분도 있었는데… 어필 포인트가 너무 어긋나서 할 말을 잃었던 것 같습니다. 실제로 그런 분들 중에서 MMO의 핵심 요소 중 하나인 월드 채널링이나 MMO에서 퀘스트와 같은 콘텐츠를 본인만의 방식으로 만들어서 설명해주신 분들은 없었습니다. ✅클론 코딩을 포트폴리오로 만드는 방법 위의 잘못된 클론 코딩 사례가 거의 포트폴리오에 있는 클론 코딩의 90%를 차지하기 때문에, 클론 코딩을 포트폴리오로 만드는 방법은 생각보다 쉽습니다. 바로 안티패턴을 피하는 것이죠. 우선, 클론할 게임의 핵심을 아는 것부터 시작해야 합니다.마인크래프트, 오버워치, 3-매치, 마영전, 리니지 등 다양한 게임들의 핵심은 모두 다릅니다. 그리고 주니어 개발자 입장에서 이런 핵심을 관통하기란 쉽지 않은 것도 사실입니다. 그러나 조금만 검색해보면 나오는 것도 맞습니다. 두 번째는 핵심 기믹만 모작하는 것도 가치가 있다는 것입니다.예를들면, 포탈2의 들어가는 포탈/나가는 포탈은 다양한 기술적 챌린지(렌더링, 공간 이동)가 있습니다. 총게임들의 Netcode(예측, 보간)들도 꽤 좋은 챌린지가 됩니다. 그래서 이런 기믹들은 만들어서 포트폴리오에 넣으면 게임플레이 프로그래머로 홍보하기 좋습니다. 개인적으로 이런 핵심 요소를 클론한 유튜브 하나를 추천해드리면, Mix and Jam 이 있습니다. 제가 생각했을 때 클론코딩의 모범사례에 가깝고, 클론 코딩에 대한 좋은 예를 보실 수 있습니다. ✅마무리하며, 클론 코딩은 분명히 개발자로서의 역량을 보여줄 수 있는 좋은 방법입니다. 하지만 그 과정에서 중요한 것은 단순히 게임을 흉내 내는 것이 아니라, 게임의 핵심 메커니즘을 이해하고 그것을 구현하는 능력을 보여주는 것입니다. 단순히 비슷해 보이는 결과물을 만드는 것보다, 그 안에 숨겨진 원리를 이해하고 자신만의 방식으로 풀어내는 것이 더 중요합니다. ✅더불어 이벤트 홍보(?) 그래서, 이번에 저와 함께 클론 코딩을 도전해볼 사람을 찾습니다!! :) [챌린지 개요]😀현직 개발자 멘토와 함께 4주 동안 클론코딩 챌린지 도전할 사람 찾습니다!각 분야별 유데미 멘토들과 함께 클론코딩부터 코드리뷰까지 할 수 있는 기회! 💪이번 챌린지는 [프론트엔드 / 백엔드 / 게임개발] 진행 됩니다 :)유데미 개발 챌린지에서 개발자 커리어를 시작해보세요! 🥇챌린지 참여 혜택 무엇이 있나요?<ul><li>현직 개발자와 라이브 특강</li><li>주차별 미션 제공</li><li>멘토와 1:1 커피챗 (미션 과제 우수자 선정자)</li><li>참가 혜택 : 유데미 개발 강의 할인 쿠폰팩, 지난 챌린지 특강 제공</li></ul> 💌챌린지 자세히 보러가기 : https://udemy.wjtb.co.kr/event/id/272🌞친구와 함께 신청하면 배민 상품권 제공! https://forms.gle/2fxpfmh68ioELCwG8 모집/신청 기간 : 2024년 8월 19일(월) ~ 9월 22일(일)챌린지 진행 기간 : 2024년 9월 23일(월) ~ 10월 18일(금)제가 맡은 게임 개발 챌린지 주제는 “뱀파이어 서바이벌(뱀서류) 클론코딩"으로,라이브 특강에서 포트폴리오가 되는 모작 만들기, 현업에서 사용하는 게임 프로그래밍 디자인 패턴과 테크닉, 수강생 코드리뷰까지 함께 다뤄볼 예정입니다.많은 관심과 참여 부탁 드립니다.감사합니다.

udemy.wjtb.co.kr

게임개발자를 위한 클론코딩

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

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

쉘 리다이렉션(Redirection) 사용법

쉘 프로그래밍을 처음 하시는 분들이 스크립트를 읽으시다가
2>&1
와 같은 알 수 없는 문법을 보고 당황하시는 경우가 있습니다. 이 것을 보통 리다이렉션(Redirection)이라고 하는데요. 어떤 명령의 입력이나 출력을 다른 곳으로 변경하기 위해서 사용됩니다.

이번 포스팅에서는 쉘 리다이렉션의 기본 사용법을 알아보고 다양한 예제를 통해 어떻게 실제 쉘 프로그래밍에 활용할 수 있는지 배워보겠습니다.

📝 포스팅: https://www.daleseo.com/shell-redirection/

 * 표준 스트림
 * 출력 리다이렉션
 * 오류 리다이렉션
 * 통합 리다이렉션
 * 입력 리다이렉션

쉘 프로그래밍을 처음 하시는 분들이 스크립트를 읽으시다가 <code >2&gt;&amp;1</code>와 같은 알 수 없는 문법을 보고 당황하시는 경우가 있습니다. 이 것을 보통 리다이렉션(Redirection)이라고 하는데요. 어떤 명령의 입력이나 출력을 다른 곳으로 변경하기 위해서 사용됩니다. 이번 포스팅에서는 쉘 리다이렉션의 기본 사용법을 알아보고 다양한 예제를 통해 어떻게 실제 쉘 프로그래밍에 활용할 수 있는지 배워보겠습니다. 📝 포스팅: https://www.daleseo.com/shell-redirection/ <ul ><li>표준 스트림</li><li>출력 리다이렉션</li><li>오류 리다이렉션</li><li>통합 리다이렉션</li><li>입력 리다이렉션</li></ul>

www.daleseo.com

내가 조바심 내지 않는 이유 | 인간이라면 누구나 겪는 감정인 '조바심'에 주목한 감정 멘토 사이토 다카시의『내가 조바심 내지 않는 이유』. 소셜 네트워크로 실시간 연결된 '초연결 사회'에서는 언제든지 자신을 표현하……

내가 조바심 내지 않는 이유 | 사이토 다카시 - 교보문고

“기다릴 줄 아는 사람은 바라는 것을 가질 수 있다.” - 벤저민 프랭클린 -

“서두른다는 느낌은, 인생을 충실하게 산다는 증거도 아니고, 시간이 없어서 생기는 결과도 아니다. 그 반대로 자기 인생을 허비하고 있다는 막연한 두려움에서 생겨난다. 해야 하는 일을 하지 않을 때, 다른 일을 할 시간은 전혀 없다.” - 에릭 호퍼, 철학자 -

사이토 다카시는 책 <내가 조바심 내지 않는 이유>에서 인간이라면 누구나 겪는 감정인 ‘조바심’에 주목했다. 사소한 일로도 반응하고 조바심을 느끼는 현대인의 마음속에는 과연 어떤 원인이 숨어 있을까? 사이토 다카시는 현대사회에 만연한 조바심의 증폭제로 모바일 메신저를 비롯한 각종 소셜 미디어를 지목한다.

조바심은 자연스러운 감정이지만 ‘초연결 사회’에서는 과다한 커뮤니케이션으로 타인과의 정신적 접촉이 늘어나 감정의 안테나가 지나치게 민감하고 섬세해질 수밖에 없다. 실시간 소통이 가능해지면서 사회 시스템들이 빠른 속도로 돌아가기에 일상의 속도 또한 빨라졌다.

이런 삶을 살면서 우리는 느긋함이나 인내심을 잃어버리고 말았다. 사소한 일에도 필요 이상으로 감정이 동요되고 조바심을 낸다. 지나친 조바심은 분노로 변하기 쉽다. 늘 조마조마한 마음을 품고 살아가는 현대인은 시한폭탄을 장착한 것이나 다름없다.

- 주위와 충돌하지 않고 때로는 혼자 있고 싶지만, 뒤처진다는 생각에 불안하다!
- 나를 피곤하게 만드는 사람들에게 반응하지 않고 싶지만, 사소한 일에도 욱하게 된다!
- 아무도 상처받지 않고 누구에게도 상처 주고 싶지 않지만, 자꾸 감정적이 되어 화를 참기 힘들다!
- 아무리 신경 쓰지 않는 연습을 해봐도 쉽지 않다, 내가 이상한 걸까?

누구나 갖고 있는 생각들이다. 조바심이란 곧바로 드러나진 않더라도 나비효과처럼 번지기 쉽고 타인에게 과도한 평가 잣대를 들이댈 위험이 있기 때문에, 일상을 망가뜨리고 관계를 망치는 주범이 된다. 그러므로 스스로 조절해야 한다.

“언제든 누군가와 연결되어 있다. 어디에 있든 연락할 수 있다.” 언뜻 편리할 것 같지만 이는 곧, 연결되지 않을 때 마음속 파도는 더욱 커진다는 의미입니다. 휴대전화가 연결되지 않거나 이메일 답장이 없으면 ‘수신 거부 상태가 아닌지’ 의심하고 ‘미움받고 있을지도 모른다’라고 착각하며 ‘무시당했다’라고 화를 냅니다. 결국 부정적인 감정이 머리를 치켜들고 쓸데없는 생각을 하게 됩니다. 8p, 〈프롤로그〉

지금처럼 자신이 먼저 ‘인정해줘’ ‘칭찬해줘’ ‘좋아해줘’ ‘굉장하지’하고 어필하는 욕구는 없었습니다. 현대만큼 인정 욕구가 강한 시대는 없었습니다. 그런 의미에서 ‘인정받고 싶지만 인정받지 못했다’라는 상실감은 현대인만의 부정적인 감정이라고 할 수 있습니다. 소망과 현실 사이의 괴리로 인해 쌓인 불안감이 새로운 현대병인 ‘관심병’에 이르게 한 것인지도 모릅니다. 30p, 〈관심병은 상대적이며 절대적인 현대병이다〉

통화 연결음이 30초가 넘어가거나, 엘리베이터를 기다리는 데 1분 이상이 걸리면 많은 사람들이 슬슬 화가 나기 시작합니다. 빨간불에 횡단보도 앞에서 기다리거나, 관공서 창구에서 차례가 좀처럼 돌아오지 않을 때, 주문한 음식이 나오지 않을 때, 휴대전화 통신 환경이 좋지 않아서 인터넷 접속에 시간이 오래 걸릴 때 등등 일상에서 기다려야 하는 수많은 상황마다 사람들은 자기도 모르게 짜증을 내고 맙니다. 49p, 〈1분도 참지 못하게 만드는 조바심의 정체〉

누군가와 이야기할 때 ‘목에 뭔가가 걸려서 답답한 느낌’이 든다면 ‘이 감정은 뭘까?’ 하고 생각해보세요. 상대가 거북한 사람이라면 ‘아, 이 느낌이 내 서툰 마음의 표출이구나’ 하고 눈치챌 수 있습니다. 60p, 〈몸에 초점을 맞추자: 내 마음은 몰라도 내 몸은 안다〉

권하는 것은 ‘감정’ 시뮬레이션. 그 선택을 통해 자신이 어떤 감정을 갖게 될지 예측하고 상상하고, 분석해보는 것입니다. 대부분의 사람들이 ‘상황’만을 우선하다 이를 놓치고 있습니다. 136p, 〈감정 시뮬레이션: 선택장애가 올 때는 감정을 연습해본다〉

‘자신의 감정을 매일매일 하루 단위로 정산한다’. 쉽게 말하면 하루의 감정을 결산하여 흑자로 돌려서 ‘오늘은 이걸로 오케이’라고 생각하는 방법입니다. 좋은 일이 있었던 날은 그것으로 오케이. 싫은 일이 있어서 부정적 감정이 많았고, 그래서 이 감정이 내일까지 이어질 것 같은 날에는 그날 감정의 ‘마이너스만큼’ 다른 좋은 일로 메우는 것입니다. 제 경우 마이너스 감정을 메우기 위한 수단 중 하나로 ‘고기 구워 먹기’가 있습니다. 143p, 〈하루 단위 감정 정산법: ‘우울한 날은 구운 고기’의 법칙〉

긴장되는 사람과 만나기 전에 10초 동안 점프를 해보십시오. 취업을 위한 면접을 앞둔 학생에게 자주 이 방법을 알려줍니다. 높이 뛸 필요는 없습니다. 가볍게 톡톡 뛰는 정도도 괜찮습니다. 그것만으로도 어깨 힘이 빠지고 뭉친 부분이 풀어져 몸이 약간 따뜻해집니다. 이렇게 몸이 풀어진 상태에서 사람을 만나면 자신의 환한 모습이 적어도 20퍼센트는 올라갑니다. 156p, 〈10초 점프 효과: 몸의 움직임이 마음의 응어리를 풀어준다〉

자신의 손이 닿는 범위 안에서 제한된 친구들과 소셜 미디어로 대화하고 연락을 주고받는 한정된 세계에서는 알 수 없는 보다 넓은 감정을, 광대하고 심오한 감정을 다룬 소설이라는 세계에서 배웁니다. 현대사회를 사는 우리에게 책은 상당히 중요한 학습의 장입니다. 180p, 〈소설 감정 수업: 초연결 사회일수록 책을 읽어야 하는 이유〉

카페라는 완충 장치를 통해 일 모드로 되어 있던 감정을 가정 모드로 바꿉니다. 회사에는 많은 인간관계가 있습니다. 신경도 많이 쓰고 긴장도 많이 했을 겁니다. 일에서 오는 문제나 스트레스도 있습니다. 그런 부정적인 감정을 그대로 집으로 갖고 들어가지 않기 위해서, 회사와 집의 중간 지점에, 혼자 감정을 식히고 정리할 수 있는 공간이 카페입니다. 202p, 〈회사와 집 사이에 카페라는 감정의 휴게소〉

“기다릴 줄 아는 사람은 바라는 것을 가질 수 있다.” - 벤저민 프랭클린 - “서두른다는 느낌은, 인생을 충실하게 산다는 증거도 아니고, 시간이 없어서 생기는 결과도 아니다. 그 반대로 자기 인생을 허비하고 있다는 막연한 두려움에서 생겨난다. 해야 하는 일을 하지 않을 때, 다른 일을 할 시간은 전혀 없다.” - 에릭 호퍼, 철학자 - 사이토 다카시는 책 &lt;내가 조바심 내지 않는 이유&gt;에서 인간이라면 누구나 겪는 감정인 ‘조바심’에 주목했다. 사소한 일로도 반응하고 조바심을 느끼는 현대인의 마음속에는 과연 어떤 원인이 숨어 있을까? 사이토 다카시는 현대사회에 만연한 조바심의 증폭제로 모바일 메신저를 비롯한 각종 소셜 미디어를 지목한다. 조바심은 자연스러운 감정이지만 ‘초연결 사회’에서는 과다한 커뮤니케이션으로 타인과의 정신적 접촉이 늘어나 감정의 안테나가 지나치게 민감하고 섬세해질 수밖에 없다. 실시간 소통이 가능해지면서 사회 시스템들이 빠른 속도로 돌아가기에 일상의 속도 또한 빨라졌다. 이런 삶을 살면서 우리는 느긋함이나 인내심을 잃어버리고 말았다. 사소한 일에도 필요 이상으로 감정이 동요되고 조바심을 낸다. 지나친 조바심은 분노로 변하기 쉽다. 늘 조마조마한 마음을 품고 살아가는 현대인은 시한폭탄을 장착한 것이나 다름없다. - 주위와 충돌하지 않고 때로는 혼자 있고 싶지만, 뒤처진다는 생각에 불안하다!- 나를 피곤하게 만드는 사람들에게 반응하지 않고 싶지만, 사소한 일에도 욱하게 된다!- 아무도 상처받지 않고 누구에게도 상처 주고 싶지 않지만, 자꾸 감정적이 되어 화를 참기 힘들다!- 아무리 신경 쓰지 않는 연습을 해봐도 쉽지 않다, 내가 이상한 걸까? 누구나 갖고 있는 생각들이다. 조바심이란 곧바로 드러나진 않더라도 나비효과처럼 번지기 쉽고 타인에게 과도한 평가 잣대를 들이댈 위험이 있기 때문에, 일상을 망가뜨리고 관계를 망치는 주범이 된다. 그러므로 스스로 조절해야 한다. “언제든 누군가와 연결되어 있다. 어디에 있든 연락할 수 있다.” 언뜻 편리할 것 같지만 이는 곧, 연결되지 않을 때 마음속 파도는 더욱 커진다는 의미입니다. 휴대전화가 연결되지 않거나 이메일 답장이 없으면 ‘수신 거부 상태가 아닌지’ 의심하고 ‘미움받고 있을지도 모른다’라고 착각하며 ‘무시당했다’라고 화를 냅니다. 결국 부정적인 감정이 머리를 치켜들고 쓸데없는 생각을 하게 됩니다. 8p, 〈프롤로그〉 지금처럼 자신이 먼저 ‘인정해줘’ ‘칭찬해줘’ ‘좋아해줘’ ‘굉장하지’하고 어필하는 욕구는 없었습니다. 현대만큼 인정 욕구가 강한 시대는 없었습니다. 그런 의미에서 ‘인정받고 싶지만 인정받지 못했다’라는 상실감은 현대인만의 부정적인 감정이라고 할 수 있습니다. 소망과 현실 사이의 괴리로 인해 쌓인 불안감이 새로운 현대병인 ‘관심병’에 이르게 한 것인지도 모릅니다. 30p, 〈관심병은 상대적이며 절대적인 현대병이다〉 통화 연결음이 30초가 넘어가거나, 엘리베이터를 기다리는 데 1분 이상이 걸리면 많은 사람들이 슬슬 화가 나기 시작합니다. 빨간불에 횡단보도 앞에서 기다리거나, 관공서 창구에서 차례가 좀처럼 돌아오지 않을 때, 주문한 음식이 나오지 않을 때, 휴대전화 통신 환경이 좋지 않아서 인터넷 접속에 시간이 오래 걸릴 때 등등 일상에서 기다려야 하는 수많은 상황마다 사람들은 자기도 모르게 짜증을 내고 맙니다. 49p, 〈1분도 참지 못하게 만드는 조바심의 정체〉 누군가와 이야기할 때 ‘목에 뭔가가 걸려서 답답한 느낌’이 든다면 ‘이 감정은 뭘까?’ 하고 생각해보세요. 상대가 거북한 사람이라면 ‘아, 이 느낌이 내 서툰 마음의 표출이구나’ 하고 눈치챌 수 있습니다. 60p, 〈몸에 초점을 맞추자: 내 마음은 몰라도 내 몸은 안다〉 권하는 것은 ‘감정’ 시뮬레이션. 그 선택을 통해 자신이 어떤 감정을 갖게 될지 예측하고 상상하고, 분석해보는 것입니다. 대부분의 사람들이 ‘상황’만을 우선하다 이를 놓치고 있습니다. 136p, 〈감정 시뮬레이션: 선택장애가 올 때는 감정을 연습해본다〉 ‘자신의 감정을 매일매일 하루 단위로 정산한다’. 쉽게 말하면 하루의 감정을 결산하여 흑자로 돌려서 ‘오늘은 이걸로 오케이’라고 생각하는 방법입니다. 좋은 일이 있었던 날은 그것으로 오케이. 싫은 일이 있어서 부정적 감정이 많았고, 그래서 이 감정이 내일까지 이어질 것 같은 날에는 그날 감정의 ‘마이너스만큼’ 다른 좋은 일로 메우는 것입니다. 제 경우 마이너스 감정을 메우기 위한 수단 중 하나로 ‘고기 구워 먹기’가 있습니다. 143p, 〈하루 단위 감정 정산법: ‘우울한 날은 구운 고기’의 법칙〉 긴장되는 사람과 만나기 전에 10초 동안 점프를 해보십시오. 취업을 위한 면접을 앞둔 학생에게 자주 이 방법을 알려줍니다. 높이 뛸 필요는 없습니다. 가볍게 톡톡 뛰는 정도도 괜찮습니다. 그것만으로도 어깨 힘이 빠지고 뭉친 부분이 풀어져 몸이 약간 따뜻해집니다. 이렇게 몸이 풀어진 상태에서 사람을 만나면 자신의 환한 모습이 적어도 20퍼센트는 올라갑니다. 156p, 〈10초 점프 효과: 몸의 움직임이 마음의 응어리를 풀어준다〉 자신의 손이 닿는 범위 안에서 제한된 친구들과 소셜 미디어로 대화하고 연락을 주고받는 한정된 세계에서는 알 수 없는 보다 넓은 감정을, 광대하고 심오한 감정을 다룬 소설이라는 세계에서 배웁니다. 현대사회를 사는 우리에게 책은 상당히 중요한 학습의 장입니다. 180p, 〈소설 감정 수업: 초연결 사회일수록 책을 읽어야 하는 이유〉 카페라는 완충 장치를 통해 일 모드로 되어 있던 감정을 가정 모드로 바꿉니다. 회사에는 많은 인간관계가 있습니다. 신경도 많이 쓰고 긴장도 많이 했을 겁니다. 일에서 오는 문제나 스트레스도 있습니다. 그런 부정적인 감정을 그대로 집으로 갖고 들어가지 않기 위해서, 회사와 집의 중간 지점에, 혼자 감정을 식히고 정리할 수 있는 공간이 카페입니다. 202p, 〈회사와 집 사이에 카페라는 감정의 휴게소〉

product.kyobobook.co.kr

“기다릴 줄 아는 사람은 바라는 것을 가질 수 있다.” - 벤저민

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.

LLM은 지난 2년간, 성능은 원숭이 수준에서 인간 수준으로 높아

초급] 마이크로서비스를 개발할 때 가장 어려워하는 부분은 서비스 별로 데이터베이스를 분리한다는 점입니다. SQL JOIN을 REST API로 대체하려니 성능이 느릴 것 같고 데이터베이스의 트랜잭션 보장이 없어지니 정합성이 깨지지 않을까 걱정합니다. 마이크로서비스와 함께 API Composition, Event Sourcing, CQRS, SAGA 같은 반짝이는 기술들이 함께 소개되었지만, 실전에선 이보다는 평범한 기술을 사용하는 경우가 많습니다.

스프링캠프 2024 [Track 1] 4.실전! MSA 개발 가이드 (김용욱)

올해 스프링캠프 2024에서 발표한 영상입니다.
MSA로 개발할 때에 고려해야하는 팁들을 소개하는 내용으로
부족한 발표라 민망하지만..
누구나 기본으로 알았으면 하는 내용이라 공유합니다.

[개요] 마이크로서비스를 개발할 때 가장 어려워하는 부분은 서비스 별로 데이터베이스를 분리한다는 점입니다. SQL JOIN을 REST API로 대체하려니 성능이 느릴 것 같고 데이터베이스의 트랜잭션 보장이 없어지니 정합성이 깨지지 않을까 걱정합니다. 마이크로서비스와 함께 API Composition, Event Sourcing, CQRS, SAGA 같은 반짝이는 기술들이 함께 소개되었지만, 실전에선 이보다는 평범한 기술을 사용하는 경우가 많습니다. 관련해서 마이크로서비스를 개발할 때의 구현 이슈를 소개하고, 실전에서는 어떻게 풀어내는지 소개합니다.

https://youtu.be/raPJqrtGMxY?si=p86hwR7Jz7vweH4I

올해 스프링캠프 2024에서 발표한 영상입니다.MSA로 개발할 때에 고려해야하는 팁들을 소개하는 내용으로부족한 발표라 민망하지만..누구나 기본으로 알았으면 하는 내용이라 공유합니다. [개요] 마이크로서비스를 개발할 때 가장 어려워하는 부분은 서비스 별로 데이터베이스를 분리한다는 점입니다. SQL JOIN을 REST API로 대체하려니 성능이 느릴 것 같고 데이터베이스의 트랜잭션 보장이 없어지니 정합성이 깨지지 않을까 걱정합니다. 마이크로서비스와 함께 API Composition, Event Sourcing, CQRS, SAGA 같은 반짝이는 기술들이 함께 소개되었지만, 실전에선 이보다는 평범한 기술을 사용하는 경우가 많습니다. 관련해서 마이크로서비스를 개발할 때의 구현 이슈를 소개하고, 실전에서는 어떻게 풀어내는지 소개합니다. https://youtu.be/raPJqrtGMxY?si=p86hwR7Jz7vweH4I

[영상] 실전! MSA 개발 가이드

다시 취업할 수 있을까

트위터를 보다가 눈이 멈췄습니다.
젊은 친구들이 취업이 힘들다는 얘기는 많이 들었지만…
내 얘기는 아닐 거라 생각했는데.

비슷한 연배의 개발자분이 이런 글을 쓰는 걸 보고 놀랐습니다.
그냥 나이만 많은 개발자였으면 그렇게 놀라지는 않았을 겁니다.
2009년 경에 디바이스 드라이버를 개발할 때 pyrasis 블로그에서 많이 보고 배웠던 기억이 납니다.
개발 실력으로는 충분하고도 넘칠 만큼 훌륭한 분.
그런데 이력서를 30군데 이상 넣었는데 다 탈락했다고?

나는 과연 회사에 다시 취업할 수 있을까? 하는 생각을 해보지 않을 수 없었습니다.

망하면 까짓 거 다시 회사 가면 되지 뭐.

이렇게 생각하고 살았는데.
카카오나 네이버에서 과연 날 다시 받아줄까?
스타트업이라도 갈 수 있을까?
내가 너무 안일한 건 아닐까? 자신감이 떨어집니다.

개발자가 된 이후 처음으로 취업이 어려운 시대가 온 것 같습니다.
어쩌면 개발자들만의 문제가 아닐지도 모릅니다.
최근 2년 여간 우리나라 국민들 대부분 힘들었을 거라고 생각합니다.
이런 기간이 일시적이라면 다행이지만… 무한정 길어지는 건 아닐까 걱정도 됩니다.
정신이 번쩍 드는 하루 였습니다.

https://jeho.page/essay/2024/09/04/ever-be-get-job-again.html

트위터를 보다가 눈이 멈췄습니다. 젊은 친구들이 취업이 힘들다는 얘기는 많이 들었지만… 내 얘기는 아닐 거라 생각했는데. 비슷한 연배의 개발자분이 이런 글을 쓰는 걸 보고 놀랐습니다. 그냥 나이만 많은 개발자였으면 그렇게 놀라지는 않았을 겁니다. 2009년 경에 디바이스 드라이버를 개발할 때 pyrasis 블로그에서 많이 보고 배웠던 기억이 납니다. 개발 실력으로는 충분하고도 넘칠 만큼 훌륭한 분. 그런데 이력서를 30군데 이상 넣었는데 다 탈락했다고? 나는 과연 회사에 다시 취업할 수 있을까? 하는 생각을 해보지 않을 수 없었습니다. 망하면 까짓 거 다시 회사 가면 되지 뭐. 이렇게 생각하고 살았는데. 카카오나 네이버에서 과연 날 다시 받아줄까? 스타트업이라도 갈 수 있을까? 내가 너무 안일한 건 아닐까? 자신감이 떨어집니다. 개발자가 된 이후 처음으로 취업이 어려운 시대가 온 것 같습니다. 어쩌면 개발자들만의 문제가 아닐지도 모릅니다. 최근 2년 여간 우리나라 국민들 대부분 힘들었을 거라고 생각합니다. 이런 기간이 일시적이라면 다행이지만… 무한정 길어지는 건 아닐까 걱정도 됩니다. 정신이 번쩍 드는 하루 였습니다. https://jeho.page/essay/2024/09/04/ever-be-get-job-again.html

K리그 프로그래머

오늘의 생각식당ㅣ2024.07.30 | 인공지능 콘텐츠의 가격은? 재화의 가치를 돈으로 환산한 것이 가격입니다. 생성 인공지능으로 만든 콘텐츠도 재화입니다. 분명히 가치가 있죠. 그런데 가격은 얼마일까요? 얼마 전 '인사이트 커뮤니티'에서 진행한 간편 조사에 의하면 현재 기술로 제작한 AI 영상의 가격은 '0'원에 수렴합니다. 유일한 기준은 공모전 상금.. 1993년생 한국 대학생이 만든 영

AI 콘텐츠의 가치

생성 인공지능으로 만든 콘텐츠도 재화입니다. 분명히 가치가 있죠. 그런데 가격은 얼마일까요? 얼마 전 제가 ‘인사이트 커뮤니티’ 에서 진행한 간편 조사에 의하면 현재 기술로 제작한 AI 영상의 가격은 ‘0’원에 수렴합니다. 그렇다면 앞으로의 가치곡선은 어떻게 바뀔까요?

링크드인 공동창립자 리드 호프먼은 2034년 안에 ‘9to5’ 직업이 멸종하는 ‘긱 이코노미’의 시대가 올 것으로 예측합니다. 그는 기업에서 발생하는 업무 수요의 대부분이 계약직 형태가 될 것이며, 10년 안에 미국 인구의 절반이 프리랜서가 될 것이라고 말합니다. (링크에서 계속)

생성 인공지능으로 만든 콘텐츠도 재화입니다. 분명히 가치가 있죠. 그런데 가격은 얼마일까요? 얼마 전 제가 ‘인사이트 커뮤니티’ 에서 진행한 간편 조사에 의하면 현재 기술로 제작한 AI 영상의 가격은 ‘0’원에 수렴합니다. 그렇다면 앞으로의 가치곡선은 어떻게 바뀔까요? 링크드인 공동창립자 리드 호프먼은 2034년 안에 ‘9to5’ 직업이 멸종하는 ‘긱 이코노미’의 시대가 올 것으로 예측합니다. 그는 기업에서 발생하는 업무 수요의 대부분이 계약직 형태가 될 것이며, 10년 안에 미국 인구의 절반이 프리랜서가 될 것이라고 말합니다. (링크에서 계속)

Brunch Story

인공지능 콘텐츠의 가격은 얼마일까?

김우정의 메시지 전쟁이라는 주제로, 데이터 기반 고객경험 및 인공지능 시대의 메시지 전략에 대한 고정칼럼을 매월 연재하고 있다. 

칼럼니스트

팀버튼은 2006년에 설립된 국내 최초의 기업예술교육 극단이다. 약 17년간 8,000회의 프로그램을 통해 30만 명 이상의 직원들에게 예술을 통한 창의성을 교육했다. 국내 1,000대 기업의 약 70%가 팀버튼의 교육서비스를 경험했으며, 특히 2012년부터 4년간 현대자동차그룹의 신입사원 입문교육 <비전시네마>를 기획/총괄했다.

Founder

춘사국제영화제는 한국영화감독협회에서 주최하는 영화 시상식이다. 춘사 나운규의 영화에 대한 열정을 기리는 의미로 이름을 붙였다. 춘사 나운규의 영화와 삶에 대한 정신을 밑거름으로 다져 한국영화의 풍토를 새로이 조성하는 데 그 목적을 두고 있다. 김우정은 2020년부터 2023년까지 춘사국제영화제의 총감독을 맡아, 국내 시상식 최초로 OTT 영화를 영화 시상식 후보작에 포함시키는 작업을 진행하였고, 영화 <미나리>의 정이삭 감독과 영화 <브로커>의 고레에다 히로카즈 감독에게 국제영화상을 부여하는 국제화 작업을 도모했다.

총감독

생각식당은 스토리 스튜디오입니다. 지금까지 제작한 작품의 목록은 아래와 같습니다. 

/웹툰 ‘샤먼’ | 카카오페이지, 타파스 미디어, 텐센트
/웹툰 ‘황태자의 하루’ | 카카오페이지, 타파스 미디어
/웹툰 ‘깡’ | 카카오페이지
/웹툰 ‘조선의 복수’ | 레진코믹스
/웹툰 ‘아이언 불’ | 타파스미디어

그리고 생각식당은 마케팅 컨설팅과 스토리텔링 서비스를 제공합니다. 생각식당의 메뉴는 세 가지입니다. 60분간 커피를 마시는 ‘통찰력 라떼’, 90분간 브런치를 먹는 ‘컨셉 브런치’, 저녁 식사를 함께 하는 ‘경영의 양식’이 그것입니다. ‘통찰력 라테’는 면접이나 프레젠테이션 같은, 찰나에 누군가의 눈에 띄는 ‘핵심 경쟁력’ 만드는 방법을 소개합니다. 대표 메뉴인 ‘컨셉 브런치’에서는 제품이나 서비스 이름이 필요한 사람, 제안서를 써야 하는 사람에게 아이디어를 제시합니다. ‘경영의 양식’은 경영자나 예비 창업자에게 경영 방법을 코칭합니다.

Story Producer

벡터그룹은 2023년 기준 세계 7위의 글로벌 PR Firm 이다. 김우정은 2019년부터 2023년까지 벡터그룹 한국지사의 부대표로 근무하면서 필립모리스 코리아, 쿠팡, 경기도청 등의 PR 프로젝트를 진행하였고, 일본 3위의 광고회사인 ADK 한국지사의 인수합병을 완료하였다. 이후 P&G, 아식스, 라이나생명 등의 캠페인 프로젝트를 관리하였다.

수석 컨설턴트

문화콘텐츠 마케팅 프로듀싱

정치학/한국학대학원

임상병리학/경영학

김우정

링크드인 프로필

인사이트 클럽

김우정 브런치

김우정 프로필

글쓰는 기획자, 스토리텔링 디렉터. 어린 시절부터 영화에 관심이 많았다. 본업인 마케팅 기획을 하면서 OTT 미디어랩 수석 디렉터로 인사이트 커뮤니티를 운영 중이다.

인공지능 콘텐츠의 가격은 얼마일까?

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필