o1 의 모델 그 자체로써 특별한 점은 추론하는 방법을 강화학습을 통해 익히도록 한 것인가봅니다. 정렬을 위해 사용하는 RLHF는 강화학습이라고 보기에는 좀 불충분한 면이 있다고 하는데, o1 은 강화학습을 본격적으로 사용한 모델로 보이네요.

즉, 데이터를 통한 학습이 아니라, 알파고 제로와 같이 기보가 없는 상태에서 학습하는 방식과 유사한 방식을 사용한 것으로 추측되는데요. 추론 전략과 과정을 인간이 제공한 데이터로 학습하는 것이 아니라, 스스로 다양한 추론을 시도하고 실패하고 정복하는 과정을 거쳐서 학습하도록 한 것 같습니다.

바둑처럼, LLM 역시 인간에게 배우는 것 보다 스스로 시행착오를 통해 진화(학습)하도록 하는 것이 훨씬 뛰어난 결과를 가져다 주는 것 같네요.

o1 의 모델 그 자체로써 특별한 점은 추론하는 방법을 강화학습을 통해 익히도록 한 것인가봅니다. 정렬을 위해 사용하는 RLHF는 강화학습이라고 보기에는 좀 불충분한 면이 있다고 하는데, o1 은 강화학습을 본격적으로 사용한 모델로 보이네요. 즉, 데이터를 통한 학습이 아니라, 알파고 제로와 같이 기보가 없는 상태에서 학습하는 방식과 유사한 방식을 사용한 것으로 추측되는데요. 추론 전략과 과정을 인간이 제공한 데이터로 학습하는 것이 아니라, 스스로 다양한 추론을 시도하고 실패하고 정복하는 과정을 거쳐서 학습하도록 한 것 같습니다. 바둑처럼, LLM 역시 인간에게 배우는 것 보다 스스로 시행착오를 통해 진화(학습)하도록 하는 것이 훨씬 뛰어난 결과를 가져다 주는 것 같네요.

OpenAI의 새로운 모델인 o1의 특수한 점은, 생각하는 시간이 길어지면 성능도 지속적으로 올라간다는 것이네요. 사전학습도 마찬가지고요.

지금까지의 모델들은 추론시, 파인튜닝을 거친다고 해도, 사전학습 모델의 성능의 한계를 넘지 못했는데요. o1의 경우에는 사전학습과 별개로 추론 시간을 증가시키는 것으로 성능을 증가시킬 수 있다는 것이 중요한 진전인 것 같습니다. (모델 학습 방법의 진보와 더불어 무언가 시스템적인 통합도 있지 않을까 추측됩니다)

보통의 사용처에는 크게 효과가 느껴지지 않을 수 있겠지만, 며칠이나 더 나아가서는 몇 주씩 생각하게 함으로써 새로운 불치병 치료제나 획기적인 기술 문제 해결법을 연구시킬 수 있는 가능성이 생길 수 있겠네요.

아직 초기 단계라서 좀 더 두고봐야겠지만, 정말로 그렇게 될 수 있다면 최소한 과학기술업계는 정말 어마어마한 진보가 이루어질 수 있지 않을까 싶습니다.

OpenAI의 새로운 모델인 o1의 특수한 점은, 생각하는 시간이 길어지면 성능도 지속적으로 올라간다는 것이네요. 사전학습도 마찬가지고요. 지금까지의 모델들은 추론시, 파인튜닝을 거친다고 해도, 사전학습 모델의 성능의 한계를 넘지 못했는데요. o1의 경우에는 사전학습과 별개로 추론 시간을 증가시키는 것으로 성능을 증가시킬 수 있다는 것이 중요한 진전인 것 같습니다. (모델 학습 방법의 진보와 더불어 무언가 시스템적인 통합도 있지 않을까 추측됩니다) 보통의 사용처에는 크게 효과가 느껴지지 않을 수 있겠지만, 며칠이나 더 나아가서는 몇 주씩 생각하게 함으로써 새로운 불치병 치료제나 획기적인 기술 문제 해결법을 연구시킬 수 있는 가능성이 생길 수 있겠네요. 아직 초기 단계라서 좀 더 두고봐야겠지만, 정말로 그렇게 될 수 있다면 최소한 과학기술업계는 정말 어마어마한 진보가 이루어질 수 있지 않을까 싶습니다.

o1의 강화학습

https://careerly.co.kr/comments/110944?utm_campaign=self-share

OpenAI가 그동안 많은 루머가 있었던, 어려운 추론 문제를 해결하기 위한 새로운 모델인 o1 을 발표했습니다. (추론에 특화된 모델로 첫번짜 모델이라 버전 1부터 다시 시작한다고)

이 모델은 생각하는 데 더 많은 시간을 할애할 수 있도록 설계된 모델이며, 복잡한 과제를 추론할 수 있고 과학, 코딩 및 수학의 이전 모델보다 더 어려운 문제를 풀 수 있다고 합니다.

방법은 간단하게 말하자면, 강화학습을 통해 다양한 전략적 사고를 문제에 맞게 생각하는 방법을 배우도록 만든 것이라고 합니다. 다만, 아쉽게도 이를 위한 사고 과정은 보여주지 않고 요약만 보여준다고 하네요. 모델 그 자체의 혁신 보다는 문제 풀이 전략 생성을 학습하는 방식으로 보여서 무언가 조금 아쉽다는 생각이 들긴 합니다.

하지만 성능은, 첨부 이미지를 보시면, 수학과 코딩 능력이 GPT-4o와 비교 할 수 없을 정도로 압도적으로 뛰어나며, 무엇보다 박사 수준의 과학 문제(물리학, 화학, 생물학 등)를 인간 전문가보다 월등히 높은 수준으로 풀 수 있게 되었습니다.

ChatGPT와 API로 오늘부터 바로 써 볼 수 있으며, o1-preview 와 o1-mini 두 가지 모델이 있습니다. 가격은 o1-preview 는 GPT-4o의 약 4배, o1-mini는 GPT-4o보다 약간 싼 수준입니다.

성능 수치로만 보면 샘 알트만이 자신했듯이 정말 엄청난 진전으로 보이는데요. 안그래도 최근 과학 연구에 LLM이 인간보다 뛰어나다는 논문들이 꽤 나오고 있었는데, 일반 사용자들은 몰라도 과학 연구 분야는 정말 혁신이 가속화 될 수 있겠네요. 암튼 빨리 한 번 써봐야겠습니다. 연구자, 개발자 여러분들 어서 고고 하시죠!! 🤩

OpenAI가 그동안 많은 루머가 있었던, 어려운 추론 문제를 해결하기 위한 새로운 모델인 o1 을 발표했습니다. (추론에 특화된 모델로 첫번짜 모델이라 버전 1부터 다시 시작한다고) 이 모델은 생각하는 데 더 많은 시간을 할애할 수 있도록 설계된 모델이며, 복잡한 과제를 추론할 수 있고 과학, 코딩 및 수학의 이전 모델보다 더 어려운 문제를 풀 수 있다고 합니다. 방법은 간단하게 말하자면, 강화학습을 통해 다양한 전략적 사고를 문제에 맞게 생각하는 방법을 배우도록 만든 것이라고 합니다. 다만, 아쉽게도 이를 위한 사고 과정은 보여주지 않고 요약만 보여준다고 하네요. 모델 그 자체의 혁신 보다는 문제 풀이 전략 생성을 학습하는 방식으로 보여서 무언가 조금 아쉽다는 생각이 들긴 합니다. 하지만 성능은, 첨부 이미지를 보시면, 수학과 코딩 능력이 GPT-4o와 비교 할 수 없을 정도로 압도적으로 뛰어나며, 무엇보다 박사 수준의 과학 문제(물리학, 화학, 생물학 등)를 인간 전문가보다 월등히 높은 수준으로 풀 수 있게 되었습니다. ChatGPT와 API로 오늘부터 바로 써 볼 수 있으며, o1-preview 와 o1-mini 두 가지 모델이 있습니다. 가격은 o1-preview 는 GPT-4o의 약 4배, o1-mini는 GPT-4o보다 약간 싼 수준입니다. 성능 수치로만 보면 샘 알트만이 자신했듯이 정말 엄청난 진전으로 보이는데요. 안그래도 최근 과학 연구에 LLM이 인간보다 뛰어나다는 논문들이 꽤 나오고 있었는데, 일반 사용자들은 몰라도 과학 연구 분야는 정말 혁신이 가속화 될 수 있겠네요. 암튼 빨리 한 번 써봐야겠습니다. 연구자, 개발자 여러분들 어서 고고 하시죠!! 🤩

🗞️ OpenAI, 새로운 AI 모델 o1 발표!

o1의 의미

https://careerly.co.kr/comments/110943?utm_campaign=self-share

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

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

좋은 분들이 현 직장에 불만스러워하거나 구직 시장에 나올 때 마다, 돈을 빨리 많이 벌어서 “셔럽 앤 택 마 머니!” 하고 싶다..는 생각만.. 🥹

좋은 분들이 현 직장에 불만스러워하거나 구직 시장에 나올 때 마다, 돈을 빨리 많이 벌어서 “셔럽 앤 택 마 머니!” 하고 싶다..는 생각만.. 🥹

애플 진짜, 기술을 뛰어난 사용자 경험으로 만드는 일은 정말 기가막히네요. 이게 안다고 되는게 아닌데, 어떻게 이렇게 계속 그런 문화를 유지할 수 있는지 정말 신기합니다.

애플 진짜, 기술을 뛰어난 사용자 경험으로 만드는 일은 정말 기가막히네요. 이게 안다고 되는게 아닌데, 어떻게 이렇게 계속 그런 문화를 유지할 수 있는지 정말 신기합니다.

OpenAI가 차세대 모델을 탑재한 차세대 챗봇 시스템의 가격을 월 2,000불(약 270만원)대로 고려하고 있다는 루머가 있군요.

이정도 가격대를 생각한다는 것은 정말로 인간의 능력을 완전히 대체할 수 있는 수준이라는 이야기일 것 같은데요. 이정도 시스템이 나온다면 온갖 B2B 시스템은 진짜 폭망 각이 될 수도 있겠습니다.

물론 과연 이것이 루머로만 끝날지 아니면 조만간 정말로 충격적인 모델과 제품을 들고 나올지 그것이 문제겠죠. 최근 OpenAI를 퇴사하고 Safe Superintelligence를 창업한 일리야 수츠케버가 시드 라운드에서만 1조원 이상을 투자받은 것을 보면 맞는게 아닌가 싶기도 하고요.

아무튼 GPU 푸어는 그저 관중석에서 팝콘이나 뜯고 있을 뿐이겠습니다만.. 과연 사실은 언제쯤 밝혀질지 정말 궁금합니다. 😎🍿🥤

OpenAI가 차세대 모델을 탑재한 차세대 챗봇 시스템의 가격을 월 2,000불(약 270만원)대로 고려하고 있다는 루머가 있군요. 이정도 가격대를 생각한다는 것은 정말로 인간의 능력을 완전히 대체할 수 있는 수준이라는 이야기일 것 같은데요. 이정도 시스템이 나온다면 온갖 B2B 시스템은 진짜 폭망 각이 될 수도 있겠습니다. 물론 과연 이것이 루머로만 끝날지 아니면 조만간 정말로 충격적인 모델과 제품을 들고 나올지 그것이 문제겠죠. 최근 OpenAI를 퇴사하고 Safe Superintelligence를 창업한 일리야 수츠케버가 시드 라운드에서만 1조원 이상을 투자받은 것을 보면 맞는게 아닌가 싶기도 하고요. 아무튼 GPU 푸어는 그저 관중석에서 팝콘이나 뜯고 있을 뿐이겠습니다만.. 과연 사실은 언제쯤 밝혀질지 정말 궁금합니다. 😎🍿🥤

문제풀이 전략을 “먼저” 생각한 후 CoT를 통해 문제를 푸는 과정을 진행하는 방식인 SCoT(Strategic Chain-of-Thought) 기법이 제안되었습니다.

예를 들면, 수학 문제를 풀 때, 우선 “이 문제를 어떤 공식으로 풀면 좋을까? ㅇㅇ 공식을 사용하면 되겠다.”라고 생각하고 난 뒤 풀면 좋은 것과 같은 것이죠.

당연하게도(?) CoT보다 더 나은 성능을 보여주고, 단일 추론으로 Self-Consistency 에 준하는 성능을 보여줍니다.

프롬프트 포맷은 Role Setting, Workflow, Rules, Initialization 의 구성으로 문제의 카테고리에 따라 프롬프트의 내용을 달리해야합니다만, 다음처럼 간단한 방식의 SCoT 로도 Zero-shot CoT 보다는 나은 성능을 보입니다.

생각 토큰이 많을수록 성능이 좋아진다는 바는 널리 알려져 있는데요. 이제는 생각 토큰을 얼마나 효율적으로 사용하느냐가 연구 주제가 되는 것 같네요.

—

당신은 문제 해결을 위해 가장 효과적인 전략을 먼저 찾아낸 다음, 최종 답을 도출하는 임무를 맡았습니다.

문제를 신중하게 고려하고, 문제 해결 과정을 가장 잘 안내할 전략적 지식을 생성하세요.

문제: [여기에 문제를 입력하세요]

다음으로, 생성된 전략적 지식을 사용하여 문제를 단계별로 풀어나가고, 필요한 모든 추론을 보여주며 최종 답에 도달하세요.

선택지: [여기에 선택지를 입력하세요]
답: 단계별로 생각해 봅시다.

문제풀이 전략을 “먼저” 생각한 후 CoT를 통해 문제를 푸는 과정을 진행하는 방식인 SCoT(Strategic Chain-of-Thought) 기법이 제안되었습니다. 예를 들면, 수학 문제를 풀 때, 우선 “이 문제를 어떤 공식으로 풀면 좋을까? ㅇㅇ 공식을 사용하면 되겠다.”라고 생각하고 난 뒤 풀면 좋은 것과 같은 것이죠. 당연하게도(?) CoT보다 더 나은 성능을 보여주고, 단일 추론으로 Self-Consistency 에 준하는 성능을 보여줍니다. 프롬프트 포맷은 Role Setting, Workflow, Rules, Initialization 의 구성으로 문제의 카테고리에 따라 프롬프트의 내용을 달리해야합니다만, 다음처럼 간단한 방식의 SCoT 로도 Zero-shot CoT 보다는 나은 성능을 보입니다. 생각 토큰이 많을수록 성능이 좋아진다는 바는 널리 알려져 있는데요. 이제는 생각 토큰을 얼마나 효율적으로 사용하느냐가 연구 주제가 되는 것 같네요. — 당신은 문제 해결을 위해 가장 효과적인 전략을 먼저 찾아낸 다음, 최종 답을 도출하는 임무를 맡았습니다. 문제를 신중하게 고려하고, 문제 해결 과정을 가장 잘 안내할 전략적 지식을 생성하세요. 문제: [여기에 문제를 입력하세요] 다음으로, 생성된 전략적 지식을 사용하여 문제를 단계별로 풀어나가고, 필요한 모든 추론을 보여주며 최종 답에 도달하세요. 선택지: [여기에 선택지를 입력하세요]답: 단계별로 생각해 봅시다.

📝 Strategic CoT 프롬프팅

‪혹~시, AI/LLM에 관심이 있으신데 CoT나 Self-Consistency가 생소하시다면 다음 강의나 도서를 참고하시면 좋습니다. 개발자가 아닌 분들도 보실 수 있도록 쉽게 구성하였으니 참고 해 주세요. 🤗‬

‪강의: https://fastcampus.co.kr/data_red_golbin‬

‪도서: https://product.kyobobook.co.kr/detail/S000213362002‬

Reflection 70B가 성능이 대단하다고 많이 이슈가 되는 모양인데.. 결과를 보니 그냥 Self-reflection 프롬프팅이랑 차이가 없는거 아닌가.. 고성능 모델에서 reflection 프롬프트로 데이터 만들어서 LoRA 학습 시킨 것 뿐인 것 같고.. 출력 결과도 thinking/reflection/output 구조가 그대로 출력되는거라, 토큰을 많이 쓰게 되니 모델이 작아도 컴퓨팅 시간에 이득이 없고.. 성능을 끌어 올릴 수 있는 좋은 튜닝 방법이긴 하지만, 모델 자체가 이슈를 끌만한건 아니지 않나.. 🫠

Reflection 70B가 성능이 대단하다고 많이 이슈가 되는 모양인데.. 결과를 보니 그냥 Self-reflection 프롬프팅이랑 차이가 없는거 아닌가.. 고성능 모델에서 reflection 프롬프트로 데이터 만들어서 LoRA 학습 시킨 것 뿐인 것 같고.. 출력 결과도 thinking/reflection/output 구조가 그대로 출력되는거라, 토큰을 많이 쓰게 되니 모델이 작아도 컴퓨팅 시간에 이득이 없고.. 성능을 끌어 올릴 수 있는 좋은 튜닝 방법이긴 하지만, 모델 자체가 이슈를 끌만한건 아니지 않나.. 🫠

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

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

개발자라면 찜 해놔야하는 GitHub 저장소들

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

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

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

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

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

GitHub

개발자라면 찜 해놔야하는 GitHub 저장소들

모든 프로그래머가

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

아래의 SQL 마인드맵으로 초보 단계부터 고급 단계까지 차근차근 공부해봐요.

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

#데이터리차드 #SQL #로드맵

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

SQL 학습 로드맵

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 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

OpenAI의 공동 창업자였던 일리야 수츠케버의 회사 SSI(Safe Superintelligence)가 10억 달러(약 1조 3천억원) 펀딩을 받았다는 소식이 타임라인을 뒤덮고 있는데..

심지어 시드 라운드..(…)

기업 가치가 1조가 되면 유니콘 회사(환상속에나 존재한다는)라고 하는데.. 1조 펀딩을 시드 라운드에서 받다니.. 메이저급 AI 회사들 앞에서는 그 대단한 유니콘 회사들조차 그냥 평범한 조랑말처럼 보일 지경..

OpenAI의 공동 창업자였던 일리야 수츠케버의 회사 SSI(Safe Superintelligence)가 10억 달러(약 1조 3천억원) 펀딩을 받았다는 소식이 타임라인을 뒤덮고 있는데.. 심지어 시드 라운드..(…) 기업 가치가 1조가 되면 유니콘 회사(환상속에나 존재한다는)라고 하는데.. 1조 펀딩을 시드 라운드에서 받다니.. 메이저급 AI 회사들 앞에서는 그 대단한 유니콘 회사들조차 그냥 평범한 조랑말처럼 보일 지경..

Founder, Software Engineer

옥민수

새로운 시장과 기존 시장의 혁신 방향을 찾아 서비스와 비지니스의 성장에 집중하는 창업가이자 개발자입니다.
#개발자 #백엔드 #소프트웨어엔지니어 #서버개발

데이터분석

김성민

#백엔드 #데이터엔지니어 #개발자 #파이썬디벨로퍼 #소프트웨어엔지니어

junior data engineer

정종현

Chief Maker

겸임강사

Co-founder, VP

책임연구원

Lead of Generative AI

R&D 그룹장

Lead of AI Production

골빈해커

링크

Code addict, AI/ML believer, 25+ years’ coding experienced start-up guy, Built a unicorn and building another big one!

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필