2012년 일년 놀기로 하고 10월이 되면서 뭘할까 고민하다가 야후 때 옛 동료로부터 연락이 왔다. 본인이 조인한 Polyvore라는 회사로 한번 놀러와 보라는 거였다. Polyvore는 여성패션만 집중하는 Pinterest라고 이해하면 된다. 사실 Polyvore가 2007년에 만들어졌고 Pinterest가 2년 후인 2009년에 창업되었는데 Pinterest가 Polyvore 아이디어를 카피해서 여성패션 카테고리라는 제약을 없앴다고 보는 것이 맞다. 암튼 야후와 구글 출신 창업자들과 그 지인들로 구성이 된 역량이 뛰어난 팀이었고 오피스의 위치나 분위기도 너무 좋아서 2012년 12월에 조인했다.

원래 내 전문 분야는 검색 엔진이었기에 검색 엔진 개발과 이어서 추천 엔진 개발을 목표로 조인했지만 검색어 로그 등 검색엔진 랭킹을 최적화하기 위한 데이터가 쌓여있지 않았다. 그래서 본의 아니게 먼저 검색어 로그를 S3에 수집해두는 일을 했고 AWS 환경을 사용하는 회사였기에 찾아보니 그때 Redshift가 베타 버전으로 나와 있기에 거기에 다양한 정제된 데이터들을 테이블 형태로 쌓기 시작했고 이때부터 사실 SQL을 처음 제대로 사용해보기 시작했다 :) S3에 적재된 검색어 로그를 처리하는데 Hive를 사용했다. 이 때 처음으로 Python도 배워서 데이터 처리 코드를 작성해서 크론잡으로 실행했는데 그전까지 나는 C++와 자바만 사용해봤고 처음으로 스크립트 언어를 배웠다. 나중에 보니 Redshift가 데이터 웨어하우스였고 데이터 처리하는 코드가 데이터 파이프라인이었고 내가 앞단에 했던 일이 데이터 엔지니어링이었다. 여기에 다른 엔지니어들과 분석가들을 채용해서 데이터 팀을 만들었고 이 과정에서 많은 시행착오가 있었다. 다음으로 조인했던 유데미에서는 이 시행착오 덕분에 데이터 팀 빌딩을 훨씬더 효율적으로 할 수 있었다.

그렇게 시작된 데이터팀 경력을 통해 깨달은 점은 데이터 팀이 기본적으로 지원조직이란 점이다. 그 이유는 직접 뭔가 매출을 내거나 사용자와 직접 마주치는 팀이 아닌 다른 팀들이 각자 맡은 역할을 잘 할 수 있게 도와주는 팀이기 때문이다. 물론 데이터로 돈을 버는 회사라면 다른 이야기다. 하지만 대부분의 회사는 본업이 있고 그 본업을 잘 하기 위해서 데이터를 활용하는 형태가 된다. 즉 데이터가 새로운 석유라고 하지만 실제 회사에서 일을 할 때는 데이터 팀에 스포트라이트가 가는 일은 많지 않다. 지원조직이기 때문이다.

그러면 데이터 팀의 미션은 무엇일까? Airbnb 데이터 팀의 미션으로부터 훔친 내 정의는 다음과 같다: "신뢰할 수 있는 데이터로 부가 가치를 만들어낸다"

부가 가치라고 했는데 데이터로 돈을 버는 곳이라면 "매출"이라고 대신해도 되겠지만 그게 아니라면 간접적으로 매출내는 걸 도와주게 된다는 거다. 그러면 어떤 부가 가치가 있을까? 다음 2가지가 있다.

 1. 데이터를 바탕으로 과학적인 의사결정을 할 수 있게 도와준다 (Decision Science). 보통 데이터 분석가가 이 일을 수행한다. 여기에는 Data Driven Decision과 Data Informed Decision 두 가지가 존재한다.
 2. 데이터를 바탕으로 사용자의 서비스 사용 경험을 개선한다 (Product Science). 보통 데이터 과학자가 이 일을 머신 러닝이란 형태로 수행한다.

1과 2가 가능하려면 데이터 엔지니어가 인프라를 만들어주어야 한다. 이게 바로 데이터 웨어하우스와 데이터 파이프라인인데 가장 간단한 형태의 데이터 인프라라고 볼 수 있다. 다음 포스팅에서는 데이터 인프라가 무엇인지 조금더 자세히 설명해보고 이어서 데이터 기반 의사결정과 데이터 기반 서비스 개선에 대해 차례로 알아볼 예정이다.

2012년 일년 놀기로 하고 10월이 되면서 뭘할까 고민하다가 야후 때 옛 동료로부터 연락이 왔다. 본인이 조인한 Polyvore라는 회사로 한번 놀러와 보라는 거였다. Polyvore는 여성패션만 집중하는 Pinterest라고 이해하면 된다. 사실 Polyvore가 2007년에 만들어졌고 Pinterest가 2년 후인 2009년에 창업되었는데 Pinterest가 Polyvore 아이디어를 카피해서 여성패션 카테고리라는 제약을 없앴다고 보는 것이 맞다. 암튼 야후와 구글 출신 창업자들과 그 지인들로 구성이 된 역량이 뛰어난 팀이었고 오피스의 위치나 분위기도 너무 좋아서 2012년 12월에 조인했다. 원래 내 전문 분야는 검색 엔진이었기에 검색 엔진 개발과 이어서 추천 엔진 개발을 목표로 조인했지만 검색어 로그 등 검색엔진 랭킹을 최적화하기 위한 데이터가 쌓여있지 않았다. 그래서 본의 아니게 먼저 검색어 로그를 S3에 수집해두는 일을 했고 AWS 환경을 사용하는 회사였기에 찾아보니 그때 Redshift가 베타 버전으로 나와 있기에 거기에 다양한 정제된 데이터들을 테이블 형태로 쌓기 시작했고 이때부터 사실 SQL을 처음 제대로 사용해보기 시작했다 :) S3에 적재된 검색어 로그를 처리하는데 Hive를 사용했다. 이 때 처음으로 Python도 배워서 데이터 처리 코드를 작성해서 크론잡으로 실행했는데 그전까지 나는 C++와 자바만 사용해봤고 처음으로 스크립트 언어를 배웠다. 나중에 보니 Redshift가 데이터 웨어하우스였고 데이터 처리하는 코드가 데이터 파이프라인이었고 내가 앞단에 했던 일이 데이터 엔지니어링이었다. 여기에 다른 엔지니어들과 분석가들을 채용해서 데이터 팀을 만들었고 이 과정에서 많은 시행착오가 있었다. 다음으로 조인했던 유데미에서는 이 시행착오 덕분에 데이터 팀 빌딩을 훨씬더 효율적으로 할 수 있었다. 그렇게 시작된 데이터팀 경력을 통해 깨달은 점은 데이터 팀이 기본적으로 지원조직이란 점이다. 그 이유는 직접 뭔가 매출을 내거나 사용자와 직접 마주치는 팀이 아닌 다른 팀들이 각자 맡은 역할을 잘 할 수 있게 도와주는 팀이기 때문이다. 물론 데이터로 돈을 버는 회사라면 다른 이야기다. 하지만 대부분의 회사는 본업이 있고 그 본업을 잘 하기 위해서 데이터를 활용하는 형태가 된다. 즉 데이터가 새로운 석유라고 하지만 실제 회사에서 일을 할 때는 데이터 팀에 스포트라이트가 가는 일은 많지 않다. 지원조직이기 때문이다. 그러면 데이터 팀의 미션은 무엇일까? Airbnb 데이터 팀의 미션으로부터 훔친 내 정의는 다음과 같다: "신뢰할 수 있는 데이터로 부가 가치를 만들어낸다" 부가 가치라고 했는데 데이터로 돈을 버는 곳이라면 "매출"이라고 대신해도 되겠지만 그게 아니라면 간접적으로 매출내는 걸 도와주게 된다는 거다. 그러면 어떤 부가 가치가 있을까? 다음 2가지가 있다. <ol ><li>데이터를 바탕으로 과학적인 의사결정을 할 수 있게 도와준다 (Decision Science). 보통 데이터 분석가가 이 일을 수행한다. 여기에는 Data Driven Decision과 Data Informed Decision 두 가지가 존재한다. </li><li>데이터를 바탕으로 사용자의 서비스 사용 경험을 개선한다 (Product Science). 보통 데이터 과학자가 이 일을 머신 러닝이란 형태로 수행한다. </li></ol> 1과 2가 가능하려면 데이터 엔지니어가 인프라를 만들어주어야 한다. 이게 바로 데이터 웨어하우스와 데이터 파이프라인인데 가장 간단한 형태의 데이터 인프라라고 볼 수 있다. 다음 포스팅에서는 데이터 인프라가 무엇인지 조금더 자세히 설명해보고 이어서 데이터 기반 의사결정과 데이터 기반 서비스 개선에 대해 차례로 알아볼 예정이다.

데이터 이야기 #1: 데이터팀의 미션은 무엇이고 어떻게 조직에 기여하는가

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

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

아래의 SQL 마인드맵으로 초보 단계부터 고급 단계까지 차근차근 공부해봐요.

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

#데이터리차드 #SQL #로드맵

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

SQL 학습 로드맵

OpenAI에서 o1(preview) 모델에 대한 소식을 알렸습니다.
chain of thought을 사용해서 추론능력을 드라마틱하게 향상시켰다고 합니다.

아래의 페이지에서 chiper, coding, math 등의 카테고리별 예시 결과도 볼 수 있는데, 정말신기하네요.
- https://openai.com/index/learning-to-reason-with-llms

유튜브에서 데모 영상도 볼 수 있습니다.
- https://m.youtube.com/watch?v=Jh2NdbPDVrQ

OpenAI에서 o1(preview) 모델에 대한 소식을 알렸습니다.chain of thought을 사용해서 추론능력을 드라마틱하게 향상시켰다고 합니다. 아래의 페이지에서 chiper, coding, math 등의 카테고리별 예시 결과도 볼 수 있는데, 정말신기하네요.- https://openai.com/index/learning-to-reason-with-llms 유튜브에서 데모 영상도 볼 수 있습니다. - https://m.youtube.com/watch?v=Jh2NdbPDVrQ

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

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

 - YouTube

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

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

youtu.be

AutoParams를 사용한 Spring Boot 응용프로그램 테스트

제품 기능별 구매 영향력과 가치를 따져 제공 여부를 결정할 수 있습니다.

소비자 지갑을 여는 핵심 기능은? 기능별 중요도와 우선순위 파악하는 법 - 오픈서베이 블로그

기업은 돈을 벌기위해 소비자의 지갑을 여는 기능이 무엇인지를 정확히 파악하고 프로덕트를 만드는 것이 중요한데요. 오픈서베이에서 로봇청소기로 예를들어 제품 경험을 분석해 기능의 우선순위를 파악하는 법에 대해 정리해주신 글이 있어 공유드립니다.

👁️ 소비자는 제품의 기능마다 중요성을 다르게 느낍니다.
사람들은 각자의 니즈에 따라 어떤 기능은 없어도 그만이지만, 어떤 기능은 더 비싼 가격을 지불하더라도 반드시 포함되어야 한다고 생각합니다. 따라서 기업은 소비자의 지갑을 여는 기능이 무엇인지를 알아야합니다.

🧘🏻‍♂️ 없으면 안 샀을 기능 vs 써보니 좋은 기능
제품의 다양한 기능 중, 소비자가 가장 중요하게 생각하는 기능이 무엇인지 파악하려면 구매 영향력과 실제 사용하면서 느낀 가치, 두 가지를 함께 파악해야합니다.
처음 살 때 주요하게 고려한 기능도 있겠지만, 직접 쓰다 보니 예상 외의 유용성을 발견할 기능도 있을 것이기 때문입니다.
 * 구매 영향력: 구매 시점에 특정 기능의 유무가 얼마나 영향을 미쳤는지
 * 가치 인식: 실제로 사용하면서 느낀 각 기능의 유용도와 가치

🏃‍♂️ 제품에 넣을 기능을 결정하는 방법
제품 각 기능에 대한 구매 영향력과 가치 인식을 파악했다면 이를 기반으로 제품 모델 라인별로 어떤 기능을 넣을지 결정할 수 있습니다. 구매 영향력과 가치 인식이 모두 높은 기능은 주력 고급모델에, 구매 영향력은 높지만 가치 인식은 낮은 기능은 보급형 제품에 기본 기능으로 넣으면 됩니다. 반대로 구매 영향력은 낮지만 가치 인식이 높다면 특화 모델에 적용하거나, 경쟁사 대비 차별화 요소로 활용해볼 수 있습니다.

🎆 빠르게 변하는 시장, 1년 뒤 중요해질 기능 예상하는 방법
제품과 소비자의 인식이 모두 빠르게 변화하는 시장이라면, 현재의 제품 경험을 분석하는 것만큼이나 앞으로를 예측하는 것이 중요합니다. 이를 위한 방법으로 이미 제품을 보유한 소비자와 지금은 갖고있지 않지만 앞으로 구매할 의향이 있는 소비자의 인식을 비교해볼 수 있습니다. 보유자보다 구매 의향자가 더 높게 평가하는 기능은 앞으로 더 중요해지는 기능이라고 짐작해보면 됩니다.

기업은 돈을 벌기위해 소비자의 지갑을 여는 기능이 무엇인지를 정확히 파악하고 프로덕트를 만드는 것이 중요한데요. 오픈서베이에서 로봇청소기로 예를들어 제품 경험을 분석해 기능의 우선순위를 파악하는 법에 대해 정리해주신 글이 있어 공유드립니다. 👁️ 소비자는 제품의 기능마다 중요성을 다르게 느낍니다.사람들은 각자의 니즈에 따라 어떤 기능은 없어도 그만이지만, 어떤 기능은 더 비싼 가격을 지불하더라도 반드시 포함되어야 한다고 생각합니다. 따라서 기업은 소비자의 지갑을 여는 기능이 무엇인지를 알아야합니다. 🧘🏻‍♂️ 없으면 안 샀을 기능 vs 써보니 좋은 기능 제품의 다양한 기능 중, 소비자가 가장 중요하게 생각하는 기능이 무엇인지 파악하려면 구매 영향력과 실제 사용하면서 느낀 가치, 두 가지를 함께 파악해야합니다.처음 살 때 주요하게 고려한 기능도 있겠지만, 직접 쓰다 보니 예상 외의 유용성을 발견할 기능도 있을 것이기 때문입니다. <ul ><li>구매 영향력: 구매 시점에 특정 기능의 유무가 얼마나 영향을 미쳤는지</li><li>가치 인식: 실제로 사용하면서 느낀 각 기능의 유용도와 가치</li></ul> 🏃‍♂️ 제품에 넣을 기능을 결정하는 방법제품 각 기능에 대한 구매 영향력과 가치 인식을 파악했다면 이를 기반으로 제품 모델 라인별로 어떤 기능을 넣을지 결정할 수 있습니다. 구매 영향력과 가치 인식이 모두 높은 기능은 주력 고급모델에, 구매 영향력은 높지만 가치 인식은 낮은 기능은 보급형 제품에 기본 기능으로 넣으면 됩니다. 반대로 구매 영향력은 낮지만 가치 인식이 높다면 특화 모델에 적용하거나, 경쟁사 대비 차별화 요소로 활용해볼 수 있습니다. 🎆 빠르게 변하는 시장, 1년 뒤 중요해질 기능 예상하는 방법제품과 소비자의 인식이 모두 빠르게 변화하는 시장이라면, 현재의 제품 경험을 분석하는 것만큼이나 앞으로를 예측하는 것이 중요합니다. 이를 위한 방법으로 이미 제품을 보유한 소비자와 지금은 갖고있지 않지만 앞으로 구매할 의향이 있는 소비자의 인식을 비교해볼 수 있습니다. 보유자보다 구매 의향자가 더 높게 평가하는 기능은 앞으로 더 중요해지는 기능이라고 짐작해보면 됩니다.

오픈서베이 블로그

소비자 지갑을 여는 핵심 기능은

하조은 | Next.js로 개인 블로그를 만들며 Next.js를 손에 익혀봐요!, 블로그를 만들며 배우는 Next.jsNext.js로 나만의 공간을 만들어보세요!Next.js로 나만의 블로그 만들기모두가 남들과 똑같은 집에 살고 싶을까요? 누군가는 자신만의 집을 짓고 남들

손에 익는 Next.js - 블로그 만들기 강의 | 하조은 - 인프런

개발자로 커리어를 쌓아오며 잘한 일 중 하나는 블로그를 운영한 일이에요.

제 블로그는 Gatsby로 운영되고 있었어요. Next.js로 강의도 만들었으니, 블로그를 Next.js로 마이그레이션 했죠.

이 과정에서 배운 Next.js 블로그의 아키텍처를 소개하고 함께 블로그를 만들어보는 강의를 오픈했어요. 9월 18일까지 얼리버드 특가로 30% 할인된 가격에 만나보실 수 있어요!

-

1. 블로그를 만드는 Next.js의 주요 기능을 배워요

SSR, SSG, ISR, PPR과 같은 사전 렌더링 기법부터 Route Groups, Server Actions까지 활용해보며 Next.js의 새로운 기능을 이해하고 익혀보세요!

2. 두가지 블로그 아키텍처의 장/단점을 배워요

Pages Router를 활용하는 일반적인 Next.js 블로그의 아키텍처, App Router로 만든 Vercel 리더십의 블로그 아키텍처를 배워 원하는 방식으로 조합해서 블로그를 만들 수 있어요!

3. 내 손으로 만든 블로그를 관리하는 법을 배워요

AI를 활용해 테마 변경, 조회수 기능을 비롯해 원하는 기능을 추가하며, 나만의 공간으로 꾸며 나갈 수 있는 개인 블로그를 만드는 법을 배워요!

-

이 강의에서 얻을 수 있는 것

✳️ 직접 꾸미고 업그레이드할 수 있는 개인 블로그
✳️ Next.js에서 마크다운 다루는 방법을 배우기
✳️ Next.js 14의 최신 렌더링 기법을 배우고 익히기

-

부족한 점이 보인다면 피드백 주시면 감사하겠습니다. 지속해서 개선해 나가겠습니다!
https://inf.run/Z8PRA

개발자로 커리어를 쌓아오며 잘한 일 중 하나는 블로그를 운영한 일이에요. 제 블로그는 Gatsby로 운영되고 있었어요. Next.js로 강의도 만들었으니, 블로그를 Next.js로 마이그레이션 했죠. 이 과정에서 배운 Next.js 블로그의 아키텍처를 소개하고 함께 블로그를 만들어보는 강의를 오픈했어요. 9월 18일까지 얼리버드 특가로 30% 할인된 가격에 만나보실 수 있어요! - 1. 블로그를 만드는 Next.js의 주요 기능을 배워요 SSR, SSG, ISR, PPR과 같은 사전 렌더링 기법부터 Route Groups, Server Actions까지 활용해보며 Next.js의 새로운 기능을 이해하고 익혀보세요! 2. 두가지 블로그 아키텍처의 장/단점을 배워요 Pages Router를 활용하는 일반적인 Next.js 블로그의 아키텍처, App Router로 만든 Vercel 리더십의 블로그 아키텍처를 배워 원하는 방식으로 조합해서 블로그를 만들 수 있어요! 3. 내 손으로 만든 블로그를 관리하는 법을 배워요 AI를 활용해 테마 변경, 조회수 기능을 비롯해 원하는 기능을 추가하며, 나만의 공간으로 꾸며 나갈 수 있는 개인 블로그를 만드는 법을 배워요! - 이 강의에서 얻을 수 있는 것 ✳️ 직접 꾸미고 업그레이드할 수 있는 개인 블로그✳️ Next.js에서 마크다운 다루는 방법을 배우기✳️ Next.js 14의 최신 렌더링 기법을 배우고 익히기 - 부족한 점이 보인다면 피드백 주시면 감사하겠습니다. 지속해서 개선해 나가겠습니다!https://inf.run/Z8PRA

인프런

Next.js로 나만의 블로그 만들기

perplexity 같은 생성형 검색엔진이 각광을 받고 있지만, 아직까지 나온 서비스들은 기존-구글, 네이버 등-의 검색과 사실상 큰 차이가 없다.

현재는 대부분 단순히 검색 결과를 추려서 요약하고 후속 질문을 제안하는 수준이기 때문에, 차별성이 전혀 없다. 따라서 대단해보이고 그 서비스들이 막 구글을 다 잡아먹을 것 같지만, 지금 수준에서는 아무런 위협이 되지 않는다.

게다가 검색 엔진은 결과 출력보다는 크롤러와 인덱서/랭커가 핵심이며 이것은 LLM을 만드는 것 만큼이나 혹은 그보다 더 고난도의 기술이다. 그런데 이것들을 전부 외부 엔진을 쓰고 있다면? 거기에 심지어 LLM도 자체 모델이 아니라면? 그것은 진짜로 껍데기만 있을 뿐인 것이다.

또한 검색 서비스의 가치에서 정확한 정보 제공은 일부일 뿐이며, 컨텐츠 네비게이터의 역할도 매우 크다. 게다가 최근의 메이저 검색 서비스들은 사후 액션까지 연결하도록 확장하고 있기 때문에, 이런 부분까지 포함해서 생각해야한다.

물론, 생성형 AI 덕분에 현재 대기업이 독점하고 있는 검색 서비스 시장에 파고 들어갈 틈이 분명히 생기긴 했다. 그것은 바로… #지면이부족해생략한다

perplexity 같은 생성형 검색엔진이 각광을 받고 있지만, 아직까지 나온 서비스들은 기존-구글, 네이버 등-의 검색과 사실상 큰 차이가 없다. 현재는 대부분 단순히 검색 결과를 추려서 요약하고 후속 질문을 제안하는 수준이기 때문에, 차별성이 전혀 없다. 따라서 대단해보이고 그 서비스들이 막 구글을 다 잡아먹을 것 같지만, 지금 수준에서는 아무런 위협이 되지 않는다. 게다가 검색 엔진은 결과 출력보다는 크롤러와 인덱서/랭커가 핵심이며 이것은 LLM을 만드는 것 만큼이나 혹은 그보다 더 고난도의 기술이다. 그런데 이것들을 전부 외부 엔진을 쓰고 있다면? 거기에 심지어 LLM도 자체 모델이 아니라면? 그것은 진짜로 껍데기만 있을 뿐인 것이다. 또한 검색 서비스의 가치에서 정확한 정보 제공은 일부일 뿐이며, 컨텐츠 네비게이터의 역할도 매우 크다. 게다가 최근의 메이저 검색 서비스들은 사후 액션까지 연결하도록 확장하고 있기 때문에, 이런 부분까지 포함해서 생각해야한다. 물론, 생성형 AI 덕분에 현재 대기업이 독점하고 있는 검색 서비스 시장에 파고 들어갈 틈이 분명히 생기긴 했다. 그것은 바로… #지면이부족해생략한다

A collection of projects designed to help developers quickly get started with building deployable applications using the Anthropic API - anthropics/anthropic-quickstarts

GitHub - anthropics/anthropic-quickstarts: A collection of projects designed to help developers quickly get started with building deployable applications using the Anthropic API

앤트로픽에서 앤트로픽 퀵스타트라는걸 공개했어요.
Anthropic API를 사용하여
배포 가능한 애플리케이션을 빠르게 빌드하는 데 도움이 되는 프로젝트 모음 이라고 합니다.

예제로 보여주는게 고객지원 에이전트 앱인데…
퀄리티가 상당합니다.

개발자입장에서는 OpenAI보다 앤트로픽이 좀 더 나은 선택지 인듯하네요..

https://github.com/anthropics/anthropic-quickstarts/

앤트로픽에서 앤트로픽 퀵스타트라는걸 공개했어요. Anthropic API를 사용하여 배포 가능한 애플리케이션을 빠르게 빌드하는 데 도움이 되는 프로젝트 모음 이라고 합니다. 예제로 보여주는게 고객지원 에이전트 앱인데…퀄리티가 상당합니다. 개발자입장에서는 OpenAI보다 앤트로픽이 좀 더 나은 선택지 인듯하네요.. https://github.com/anthropics/anthropic-quickstarts/

앤트로픽 퀵 스타트 - 앤트로픽 API로 빠르게 애플리케이션 제작하기

개발자라면 찜 해놔야하는 GitHub 저장소들

모든 프로그래머가

AutoParams를 사용한 Spring Boot 응용프로그램 테

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

- 존 피치 외, <이토록 멋진 휴식> 중

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

일을 못하는 사람들은 대부분 잘 쉬지도 못해요ㅠ

회사의 대표 옆에서 일해볼 수 있다는 점인 것 같아요.

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

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

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

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

작은 회사에 일하면 좋은 점

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

Elasticsearch is Open Source, Again

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

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

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

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

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

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

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

Elastic Blog

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

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

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

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

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

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

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

www.youtube.com

토스의 오픈소스 생태계: 한국을 넘어 글로벌로

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

타입스크립트스럽게 성능과 생산성 두 마리 토끼 모두 잡기

이름만 보고 프론트엔드인줄 알았는데요. 살펴보니 백엔드였습니다!

2021년 1월에 출시한 쿠키런:킹덤에 운영 도구는 어마어마하군요!

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

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

DevTech - 데브시스터즈 기술블로그

TypeScript하면 프론트만?!

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

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

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

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

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

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

📝 포스팅: https://www.daleseo.com/vite/

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

Vite 처음 시작하기

원문 : Good Refactoring vs Bad Refactoring thumbnail…

(번역) 좋은 리팩터링 vs 나쁜 리팩터링

오늘 소개해드릴 글은 42dot의 유경상님이 번역해주신 글입니다.

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

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

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

ykss.netlify.app

좋은 리팩터링 vs 나쁜 리팩터링

SEO의 새로운 표준, Search GPT ㅣ.. : 네이버블로그

AI 시대, SEO의 패러다임이 변화하고 있습니다. Search GPT를 중심으로 한 SEO 전략의 변화를 살펴보고, 성공을 위한 필수 인사이트를 제공합니다. 지금, SEO의 새로운 표준을 확인하세요!

디지털 마케팅과 SEO (Search Engine Optimization)의 세계는 끊임없이 진화하고 있습니다. 그중에서도 인공지능(AI) 기술의 발전은 SEO와 검색엔진의 패러다임을 근본적으로 바꾸고 있습니다.

특히, OpenAI의 GPT 시리즈와 같은 AI 모델들이 등장하면서 검색의 방식과 SEO 전략도 새로운 국면을 맞이하게 되었습니다.

이제는 단순히 키워드와 링크 빌딩에만 의존하는 시대는 지났습니다. AI가 검색 알고리즘을 재정의하고, 콘텐츠를 평가하며, 사용자 경험을 개선하는 데 중요한 역할을 하고 있습니다.

그렇다면 우리는 이러한 변화에 어떻게 대응해야 할까요? AI가 주도하는 검색 세계에서 어떻게 경쟁력을 유지하고, 더 나아가 선두에 설 수 있을까요?

본 포스팅에서는 AI, 특히 Search GPT가 SEO에 미치는 영향을 살펴보고, AI 시대에 성공적인 SEO 전략을 수립하는 방법에 대해 깊이 있는 논의를 진행하겠습니다. 새로운 검색 세계의 흐름을 이해하고, 실질적인 인사이트를 얻어 가시기 바랍니다.

AI 시대, SEO의 패러다임이 변화하고 있습니다. Search GPT를 중심으로 한 SEO 전략의 변화를 살펴보고, 성공을 위한 필수 인사이트를 제공합니다. 지금, SEO의 새로운 표준을 확인하세요! 디지털 마케팅과 SEO (Search Engine Optimization)의 세계는 끊임없이 진화하고 있습니다. 그중에서도 인공지능(AI) 기술의 발전은 SEO와 검색엔진의 패러다임을 근본적으로 바꾸고 있습니다.​특히, OpenAI의 GPT 시리즈와 같은 AI 모델들이 등장하면서 검색의 방식과 SEO 전략도 새로운 국면을 맞이하게 되었습니다.​이제는 단순히 키워드와 링크 빌딩에만 의존하는 시대는 지났습니다. AI가 검색 알고리즘을 재정의하고, 콘텐츠를 평가하며, 사용자 경험을 개선하는 데 중요한 역할을 하고 있습니다.​그렇다면 우리는 이러한 변화에 어떻게 대응해야 할까요? AI가 주도하는 검색 세계에서 어떻게 경쟁력을 유지하고, 더 나아가 선두에 설 수 있을까요?​본 포스팅에서는 AI, 특히 Search GPT가 SEO에 미치는 영향을 살펴보고, AI 시대에 성공적인 SEO 전략을 수립하는 방법에 대해 깊이 있는 논의를 진행하겠습니다. 새로운 검색 세계의 흐름을 이해하고, 실질적인 인사이트를 얻어 가시기 바랍니다.

네이버 블로그 | 가장 보통의 스타트업 CEO

Search GPT ㅣ AI 시대에 당신이 알아야 할 필수 전략

광고 / 마케팅

컨설팅

Google Analytics

그로스 마케팅

글쓰기

논리적 사고

데이터 분석

디지털 마케팅

리더십

문제 정의하기

브랜드 마케팅

사용자 조사

서비스 기획

애자일 프로세스

커뮤니케이션

콘텐츠 기획

콘텐츠 마케팅

퍼포먼스 마케팅

프로젝트 매니징

글로벌 퍼포먼스 마케팅 에이전시
    
- 분 야  :  글로벌 퍼포먼스 마케팅, 앱 / 모바일 캠페인, 글로벌 미디어 콘텐츠 기획, 국가별 광고 소재 전략, B2B 세일즈
성 과  :  카카오 엔터테인먼트, LG 유플러스, Radish, tapas, 뱅크 샐러드, 아고다, 넥슨, 넷마블, 마켓컬리, 네오위즈 外 데이터 기반 전략 개발 선행, 최적 미디어 플래닝 & 운용, A/B 테스팅, ROI 최적화, B2B 프로스펙팅 리드

글로벌 퍼포먼스 마케팅 본부장 / 파트너

SaaS

디지털 마케팅 자동화 솔루션 애드옵스 (AdOps) 에이전시
    
- 분 야  :  광고 플랫폼 통합 대시보드, 디지털 마케팅 플랴닝, 캠페인 성과 ROI 극대화, KPI 전략, B2B 세일즈, SaaS
- 성 과  :  무신사, 아모레 퍼시픽, 네이버, 삼성전자, 제일기획, 메타, 인스타그램, 기흥그룹 外  각종 마케팅 데이터 총괄 관리, 실시간 대시보드 운용, 자동 리포팅 및 고품질 인사이트 제공, 광고 미디어 믹스 및 전략 컨설팅 

디지털 마케팅 전문가 그룹 / 파트너 컨설턴트

커뮤니티 / 소셜네트워킹

사회공헌 CSV, CSR
    
- 분 야  :  삼성임직원 사회봉사 프로그램 기획, 사회봉사활동 매니지먼트
- 성 과  :  삼성코닝, 삼성증권 임직원 사회봉사 프로그램 기획 및 매니지먼트 리드

사원

콘텐츠

방송 / 엔터테인먼트

동영상 콘텐츠 프로덕션
    
- 분 야  :  뮤직 비디오, TV CF,  디지털 미디어 콘텐츠
- 성 과  :  브라운 아이즈, 보아, 이효리, 클래지콰이, 넬, SG워너비, 성시경, 비, 나얼, 에픽하이, 빅마마 外 뮤직 비디오 및 아티스트 영상 기획 제작, TV 커머스 영상 및 디지털 캠페인 영상 제작, 아티스트 홍보 프로모션 리드

마케팅 이사

영화 포털 사이트 & 영화 마케팅 에이전시
    
- 분 야  :  영화 잡지 KINO 발행, 영화 포털 nKINO, 영화 온라인 마케팅, 홍보 캠페인 
- 성 과  :  번지점프를 하다, 엽기적인 그녀, 클래식, 공동경비구역 JSA, 비트, 알리, 2009 로스트 메모리즈, 취화선 外 다수 영화 홍보 사이트 제작, 영화 온라인 마케팅 및 프로모션 총괄 리드 

영화마케팅팀장

브랜드 미디어 콘텐츠 / BX 전략기획
    
- 분 야  :  커머스 / 디지털 콘텐츠 기획 & 제작, 브랜드 콘텐츠 전략, 유튜브 / 틱톡 / 인스타그램 브랜디드 콘텐츠 기획
- 성 과  :  퓨마, BTS, KT, 현대모터스튜디오, 롯데호텔, 롤스로이스, 한국 타이어, 틱톡 外 커머스 / 디지털 콘텐츠 플래닝, 브랜드 콘텐츠 아이덴티티 정립 및 크리에이티브, 쇼셜 미디어 콘텐츠 운용, 채널 액션 플랜 리드

브랜드 콘텐츠 마케팅 이사 / 사외

(제일기획, 하쿠호도 제일, 웰컴, TBWA, 오리콤) 파트너 IMC 에이전시
    
- 분 야  :  IMC 캠페인, TV광고, 디지털 마케팅
- 성 과  :  제일기획, 하쿠호도 제일, 웰컴, TBWA, 오리콤, BAT 던힐, 파스퇴르, 모토로라, 대우 아파트, 나이키 外 통합 커뮤니케이션 전략 기획, 브랜드 캠페인, 광고 영상 크리에이티브, 콘텐츠 채널 액션 플랜, 브랜딩 총괄

대표이사

IMC 에이전시
    
- 분 야  :  IMC 캠페인, 디지털 마케팅, 브랜드 전략, SEO, CRM, 소셜 콘텐츠 제작, BM 고도화
- 성 과  :  삼성카드, 마제스티 골프, 제네시스 사업본부, 현대자동차그룹,카카오 그룹, BMW, 다수 정부기관 外 인사이트 도출 및 전략 데이터 분석, 브랜드 핵심 경험 정립 & 브랜드 전략기획, 온드 브랜드 채널 운영, SEO / 소셜 콘텐츠 제작, 비즈니스 모델 고도화 등 다양한 산업군 프로젝트 대행 및 컨설팅 리드

진경탁

Hello, Brands.
Better digital business
even byond comparison

스타더스트 피엠

우리가 매일 마주하는 브랜드를 만들고 성장시키는 일을 하고 있습니다. 모든 마케팅 필드를 리드한 경험과 지식, 전략적 마케팅 스킬을 바탕으로 영감의 원천을 주는 콘텐츠 마케팅 실전 라이브러리를 제공합니다.

Search GPT ㅣ AI 시대에 당신이 알아야 할 필수 전략

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필