전 보통 기술에 대한 예측은 꺼리는 편입니다만 이건 꽤 확신을 갖고 얘기할 수 있을 것 같습니다. ‘글을 쓸 수 있는’ 사람들은 수십년 내로 굉장히 드문 존재가 될 것입니다. …

글쓰기와 글쓰기맹(write-nots) (번역)

폴 그레이엄의 글을 번역한 글인데 재미있게 읽었습니다.

AI가 앞으로는 글을 대신 써줄 것이므로 앞으로 세상은 글을 쓰는 사람과 글을 쓰지 못하는 글쓰기맹 양극단으로 나뉘고 중간이 사라질 것으로 예상되는데 글쓰기는 곧 사고과정이므로 이렇게 양극단으로 나뉘어지는 것은 위험하다는 의견의 글입니다.

지난 과거에서도 그렇듯이 기술의 발전은 대체로 중간을 없애고 양극단으로 나뉘게 하는 편이라고 생각하는데 AI는 그 강력함 만큼 글쓰기에 대한 폴 그레이엄의 의견에 저도 동의하는 편입니다. 글쓰기는 단순이 글을 완성하냐 마냐의 문제가 아니고 사고과정을 발전시키기 때문에 단기간으로 보면 쉽게 글을 쓸 수 있는 것으로 보일 수 있지만 결국은 그 사고 과정으로 인한 차이가 나타날 것이라고 생각합니다.

https://ebadak.news/2024/11/06/writes/

폴 그레이엄의 글을 번역한 글인데 재미있게 읽었습니다. AI가 앞으로는 글을 대신 써줄 것이므로 앞으로 세상은 글을 쓰는 사람과 글을 쓰지 못하는 글쓰기맹 양극단으로 나뉘고 중간이 사라질 것으로 예상되는데 글쓰기는 곧 사고과정이므로 이렇게 양극단으로 나뉘어지는 것은 위험하다는 의견의 글입니다. 지난 과거에서도 그렇듯이 기술의 발전은 대체로 중간을 없애고 양극단으로 나뉘게 하는 편이라고 생각하는데 AI는 그 강력함 만큼 글쓰기에 대한 폴 그레이엄의 의견에 저도 동의하는 편입니다. 글쓰기는 단순이 글을 완성하냐 마냐의 문제가 아니고 사고과정을 발전시키기 때문에 단기간으로 보면 쉽게 글을 쓸 수 있는 것으로 보일 수 있지만 결국은 그 사고 과정으로 인한 차이가 나타날 것이라고 생각합니다. https://ebadak.news/2024/11/06/writes/

이바닥늬우스

미국의 대량 유통업체인 Target의 데이터 분석 직군을 위한 인터뷰 문제를 가지고 왔습니다.

SQL 질문

1. 지난 분기 동안 판매량이 가장 많이 증가한 상위 5개 제품은 무엇이였나요?
2. 각 지점 별 품절된 상품의 비율을 통해 평균 품절 품목이 20%를 초과하는 지점의 리스트를 보여주세요.
3. 지역의 모든 지점에서 꾸준히 판매되었지만 지난달 최소 한 지점에서 전혀 판매되지 않은 제품을 찾아주세요.
4. 지난 6개월 동안 매월 구매한 고객 숫자를 계산하여 고객 유지율을 계산해주세요.
5. 시즌별 프로모션에서 특정 제품 카테고리에 대한 할인 효과를 측정하기 위한 SQL 쿼리를 설계해주세요.
6. OLTP 데이터베이스와 OLAP 데이터베이스의 차이점을 설명하고 Target에서 각각을 사용하는 방법에 대한 예시를 제공해주세요.

Python 질문

1. 일일 판매 데이터를 통해 제품의 총 판매량을 계산하는 함수를 작성하십시오.
2. 제품 ID와 재고 수가 매칭된 딕셔너리를 사용하여 재고가 특정 값 미만인 제품에 특정 라벨을 지정하는 코드를 작성하세요.
3. 거래 데이터(열: 날짜, 제품_id, 판매_금액)가 포함된 데이터에서 주간 판매 보고서를 생성하는 Python 함수를 작성합니다. 이 때 보고서의 내용은 해당 주에 대한 각 제품의 총 판매량이어야 합니다.
4. 판매 데이터에서 누락된 데이터를 처리하기 위해 파이썬의 판다 라이브러리를 어떻게 사용할 수 있는지 설명하세요. 이 때 해당 요일의 평균 매출을 기준으로 일별 매출의 누락된 값을 채우는 방식을 사용하세요.
5. 각 지점 ID가 있는 목록과 해당 매출이 있는 리스트 두 개를 받아 딕셔너리를 생성하는 함수를 작성합니다. 이 때 해당 키는 스토어 ID이고 해당 값은 매출인 딕셔너리를 반환합니다.
6. Python에서 리스트과 딕셔너리의 주요 차이점은 무엇인가요? 데이터를 분석하는 다양한 작업에 리스트와 딕셔너리를 어떻게 사용하나요?

미국의 대량 유통업체인 Target의 데이터 분석 직군을 위한 인터뷰 문제를 가지고 왔습니다. SQL 질문 1. 지난 분기 동안 판매량이 가장 많이 증가한 상위 5개 제품은 무엇이였나요? 2. 각 지점 별 품절된 상품의 비율을 통해 평균 품절 품목이 20%를 초과하는 지점의 리스트를 보여주세요. 3. 지역의 모든 지점에서 꾸준히 판매되었지만 지난달 최소 한 지점에서 전혀 판매되지 않은 제품을 찾아주세요. 4. 지난 6개월 동안 매월 구매한 고객 숫자를 계산하여 고객 유지율을 계산해주세요. 5. 시즌별 프로모션에서 특정 제품 카테고리에 대한 할인 효과를 측정하기 위한 SQL 쿼리를 설계해주세요. 6. OLTP 데이터베이스와 OLAP 데이터베이스의 차이점을 설명하고 Target에서 각각을 사용하는 방법에 대한 예시를 제공해주세요. Python 질문 1. 일일 판매 데이터를 통해 제품의 총 판매량을 계산하는 함수를 작성하십시오. 2. 제품 ID와 재고 수가 매칭된 딕셔너리를 사용하여 재고가 특정 값 미만인 제품에 특정 라벨을 지정하는 코드를 작성하세요. 3. 거래 데이터(열: 날짜, 제품_id, 판매_금액)가 포함된 데이터에서 주간 판매 보고서를 생성하는 Python 함수를 작성합니다. 이 때 보고서의 내용은 해당 주에 대한 각 제품의 총 판매량이어야 합니다. 4. 판매 데이터에서 누락된 데이터를 처리하기 위해 파이썬의 판다 라이브러리를 어떻게 사용할 수 있는지 설명하세요. 이 때 해당 요일의 평균 매출을 기준으로 일별 매출의 누락된 값을 채우는 방식을 사용하세요. 5. 각 지점 ID가 있는 목록과 해당 매출이 있는 리스트 두 개를 받아 딕셔너리를 생성하는 함수를 작성합니다. 이 때 해당 키는 스토어 ID이고 해당 값은 매출인 딕셔너리를 반환합니다. 6. Python에서 리스트과 딕셔너리의 주요 차이점은 무엇인가요? 데이터를 분석하는 다양한 작업에 리스트와 딕셔너리를 어떻게 사용하나요?

[Target] 데이터 분석 인터뷰 문제

첫 회사는 로켓펀치 프로필을 보고 연락을 받았어요. CTO분이 경험도 능력도 부족한 제게 기회를 주셨죠.

두 번째 회사는 좋은 헤드헌터를 만났어요. React도 할 줄 몰랐는데 React를 쓰는 팀에 합류했어요.

세 번째 회사는 동료의 추천을 받았어요. 제게 딱 맞는 자리가 있었죠.

매번 좋은 기회를 얻었고 배울 점이 많은 동료들과 일했어요. 자랑할 만한 제품을 만들기도 했죠.

돌이켜보니 정말 운이 좋았어요.

첫 회사는 로켓펀치 프로필을 보고 연락을 받았어요. CTO분이 경험도 능력도 부족한 제게 기회를 주셨죠. 두 번째 회사는 좋은 헤드헌터를 만났어요. React도 할 줄 몰랐는데 React를 쓰는 팀에 합류했어요. 세 번째 회사는 동료의 추천을 받았어요. 제게 딱 맞는 자리가 있었죠. 매번 좋은 기회를 얻었고 배울 점이 많은 동료들과 일했어요. 자랑할 만한 제품을 만들기도 했죠. 돌이켜보니 정말 운이 좋았어요.

운이 좋았어요

시사인에서 2022년에 발행한
[왜 우리는 인공지능에 대해 배워야 하는가?]를 읽고,
요약 및 인사이트를 남겨보고자 합니다.

😈요약

인공지능은 자주 18~19세기에 등장한 증기 기관에 비유되어 표현되곤 합니다.
증기 기관이 대량 생산과 산업 구조의 대전환을 가져왔듯이,
인공지능(AI)은 오늘날 우리의 삶과 산업을 변화시키는 핵심 기술로 자리 잡았습니다.

현재를 살아가는 우리에게 인공지능 역시 20세기의 증기 기관과 같이
또 다른 변화와 혁신을 만드는 존재라는 의미겠죠.

기계가 우리의 신체적 능력을 확장하거나 대체한 것처럼,
인공지능은 우리의 지적 능력에 대한 대체제나 보완재로 떠오르고 있습니다.

물론 인공지능에는 한계점이 명확한 부분들이 존재했습니다.

과거의 데이터를 통해 미래를 예측하는 패턴 학습이나
그보다 더 심화된 학습인 딥러닝과 같은 경우에는
성능과 정확도가 높아지는 장점이 있었지만,
그만큼 더 많은 연산 비용과 속도 등이 단점으로 따라왔습니다.

하지만 2024년 현재 우리는
더 적은 비용과 더 빠른 속도의 인공지능을 만나고 있습니다.

인공지능을 배워야 하는 이유는 3가지로 요약될 수 있습니다.

1️⃣ 미래를 대비하기 위한 필수 역량으로서의 필요성
2️⃣ 공공 시스템의 구축 가능성을 높이는 필요성
3️⃣ 미래의 동반자로서의 AI를 이해하기 위한 필요성

😈인사이트

AI를 배우는 것은 단순한 기술 습득이 아니라
AI를 전체적인 시각에서 이해하는 과정입니다.

이제는 Personal Computer (PC)와 같이 기업이나 공공 단체 뿐만 아니라,
개인이라면 누구나 인공지능을 쉽고 빠르게 사용할 수 있는 시대가 찾아온 것입니다.

본문 내에 이런 구절이 있었습니다.

”역동적인 자본주의 시장경제 체제에서 살아가는 개인으로서는 미래의 기회를 잡기 위해서라도 인공지능을 학습할 필요가 있다.”

제가 개인적으로 조금 다르게 생각하는 부분은
미래의 기회를 잡기 위한 시스템 내의 수동적인 인간의 역할보다는
우리가 시스템 자체를 만들어가기 위해 인공지능을 공부해야 한다는 점입니다.

단순히 취업을 잘하기 위해, 또는 비즈니스의 자동화를 위해 인공지능을 잘 알기보다,
앞으로 우리와 함꼐 살아갈 미래를 만들어가는 인공지능을 이해하기 위해
하나의 개체로서 인공지능을 알아가는 과정은 분명 큰 의미가 있을 것입니다.

여러분이 생각하는 인공지능을 배워야 하는 이유는 무엇인가요?

시사인에서 2022년에 발행한 [왜 우리는 인공지능에 대해 배워야 하는가?]를 읽고, 요약 및 인사이트를 남겨보고자 합니다. 😈요약 인공지능은 자주 18~19세기에 등장한 증기 기관에 비유되어 표현되곤 합니다. 증기 기관이 대량 생산과 산업 구조의 대전환을 가져왔듯이, 인공지능(AI)은 오늘날 우리의 삶과 산업을 변화시키는 핵심 기술로 자리 잡았습니다. 현재를 살아가는 우리에게 인공지능 역시 20세기의 증기 기관과 같이 또 다른 변화와 혁신을 만드는 존재라는 의미겠죠. 기계가 우리의 신체적 능력을 확장하거나 대체한 것처럼, 인공지능은 우리의 지적 능력에 대한 대체제나 보완재로 떠오르고 있습니다. 물론 인공지능에는 한계점이 명확한 부분들이 존재했습니다. 과거의 데이터를 통해 미래를 예측하는 패턴 학습이나 그보다 더 심화된 학습인 딥러닝과 같은 경우에는 성능과 정확도가 높아지는 장점이 있었지만, 그만큼 더 많은 연산 비용과 속도 등이 단점으로 따라왔습니다. 하지만 2024년 현재 우리는 더 적은 비용과 더 빠른 속도의 인공지능을 만나고 있습니다. 인공지능을 배워야 하는 이유는 3가지로 요약될 수 있습니다. 1️⃣ 미래를 대비하기 위한 필수 역량으로서의 필요성 2️⃣ 공공 시스템의 구축 가능성을 높이는 필요성 3️⃣ 미래의 동반자로서의 AI를 이해하기 위한 필요성 😈인사이트 AI를 배우는 것은 단순한 기술 습득이 아니라 AI를 전체적인 시각에서 이해하는 과정입니다. 이제는 Personal Computer (PC)와 같이 기업이나 공공 단체 뿐만 아니라, 개인이라면 누구나 인공지능을 쉽고 빠르게 사용할 수 있는 시대가 찾아온 것입니다. 본문 내에 이런 구절이 있었습니다. ”역동적인 자본주의 시장경제 체제에서 살아가는 개인으로서는 미래의 기회를 잡기 위해서라도 인공지능을 학습할 필요가 있다.” 제가 개인적으로 조금 다르게 생각하는 부분은 미래의 기회를 잡기 위한 시스템 내의 수동적인 인간의 역할보다는 우리가 시스템 자체를 만들어가기 위해 인공지능을 공부해야 한다는 점입니다. 단순히 취업을 잘하기 위해, 또는 비즈니스의 자동화를 위해 인공지능을 잘 알기보다, 앞으로 우리와 함꼐 살아갈 미래를 만들어가는 인공지능을 이해하기 위해 하나의 개체로서 인공지능을 알아가는 과정은 분명 큰 의미가 있을 것입니다. 여러분이 생각하는 인공지능을 배워야 하는 이유는 무엇인가요?

증기기관을 넘어 인공지능의 시대로 가는 미래

지난 8월에 시작한 스터디 2기가 성공적으로 마무리되었습니다. 스터디에 참여해주신 분들께서 생생한 후기를 많이 남겨주셨습니다. 아, 그리고 정말 기쁘게도 1기 참여자 중에서 원하는 기업에 합격하신 분이 또 배출되었어요! 🎊 저도 함께 매주 알고리즘 문제를 풀다보니 얼떨결에 최근에 이직을 하게 되었네요 😅

이제 스터디가 꽤 알려졌는지 아직 3기 모집을 시작하지도 않았는데 벌써 50분 가까이 대기자로 등록을 해주셨어요. 그래서 모집 공고를 올리지 않으려다가 다음 차수를 기다리시던 분들이 분명 계실 것 같아서 정원을 100명으로 두 배 늘리기로 결정하였습니다.

스터디 규모가 커지면서 전 세계에 흩어져있는 모든 멤버가 참석할 수 있는 모임 일정을 잡는 것이 너무 어려워지고, 깃허브에서 멘션이 가능한 최대 인원을 초과하고 디스코드에서 음성 채팅의 최대 인원을 초과하는 등 여러가지 제약 사항에 부딪히게 되었습니다. 그래서 3기 부터는 부득이하게 정기 모임을 중단하고 100% 온라인 비대면으로 진행하오니 양해 부탁드립니다.

스터디는 12월 8일부터 시작하고 신청은 12월 2일에 마감하도록 하겠습니다.

👉 달레 스터디 3기 신청: https://github.com/DaleStudy/leetcode-study/discussions/620
👉 달레 스터디 웹사이트: https://www.dalestudy.com/

지난 8월에 시작한 스터디 2기가 성공적으로 마무리되었습니다. 스터디에 참여해주신 분들께서 생생한 후기를 많이 남겨주셨습니다. 아, 그리고 정말 기쁘게도 1기 참여자 중에서 원하는 기업에 합격하신 분이 또 배출되었어요! 🎊 저도 함께 매주 알고리즘 문제를 풀다보니 얼떨결에 최근에 이직을 하게 되었네요 😅 이제 스터디가 꽤 알려졌는지 아직 3기 모집을 시작하지도 않았는데 벌써 50분 가까이 대기자로 등록을 해주셨어요. 그래서 모집 공고를 올리지 않으려다가 다음 차수를 기다리시던 분들이 분명 계실 것 같아서 정원을 100명으로 두 배 늘리기로 결정하였습니다. 스터디 규모가 커지면서 전 세계에 흩어져있는 모든 멤버가 참석할 수 있는 모임 일정을 잡는 것이 너무 어려워지고, 깃허브에서 멘션이 가능한 최대 인원을 초과하고 디스코드에서 음성 채팅의 최대 인원을 초과하는 등 여러가지 제약 사항에 부딪히게 되었습니다. 그래서 3기 부터는 부득이하게 정기 모임을 중단하고 100% 온라인 비대면으로 진행하오니 양해 부탁드립니다. 스터디는 12월 8일부터 시작하고 신청은 12월 2일에 마감하도록 하겠습니다. 👉 달레 스터디 3기 신청: https://github.com/DaleStudy/leetcode-study/discussions/620👉 달레 스터디 웹사이트: https://www.dalestudy.com/

📣 달레 스터디 3기를 모집합니다

There’s a common character that can be often spotted in many online communities. It’s the “toxic influencer” (sometimes referred as “intellectual bully”). A toxic influencer is a person…

The Impact of Toxic Influencers on Communities

오랫동안 온라인 커뮤니티를 겪으면서 독성 인플러언서의 문제에 대해서 작은 글입니다.

이러한 독성 인프루언서는 특정 주제에 관한 지식이 꽤 있기 때문에 해당 커뮤니티에 필요한 서비스를 제공하기 때문에 실질적으로 도움이 되는 부분이 있기 때문에 우호 세력도 생기게 됩니다. 하지만 공격적인 태도를 취하기 때문에 커뮤니티 사람들의 신경을 건드리고 전체 커뮤니티에 긴장된 분위기를 조정하기 때문에 커뮤니티 전체적으로는 안좋아지는데 또 커뮤니티 규칙을 어기는 일이 없도록 신중한 태도를 취하기 때문에 운영진에서 조치를 취하기 어렵다고 합니다.

어떻게 하는게 맞는지는 모르겠지만 생각나는 일들도 많고 많이 본 케이스라는 생각이 들었습니다. 결국 큰 문제가 벌어지거나 하기 전까지는 실제로 조치를 취하기 어렵기도 하고 실질적으로 주는 나쁜 영향이 어느정도인지 측정하기 어렵기 때문에(또한 긍정적 혜택과의 차이도) 더욱 어려운 부분이라고 생각합니다.

https://intenseminimalism.com/2020/the-impact-of-toxic-influencers-on-communities/

오랫동안 온라인 커뮤니티를 겪으면서 독성 인플러언서의 문제에 대해서 작은 글입니다. 이러한 독성 인프루언서는 특정 주제에 관한 지식이 꽤 있기 때문에 해당 커뮤니티에 필요한 서비스를 제공하기 때문에 실질적으로 도움이 되는 부분이 있기 때문에 우호 세력도 생기게 됩니다. 하지만 공격적인 태도를 취하기 때문에 커뮤니티 사람들의 신경을 건드리고 전체 커뮤니티에 긴장된 분위기를 조정하기 때문에 커뮤니티 전체적으로는 안좋아지는데 또 커뮤니티 규칙을 어기는 일이 없도록 신중한 태도를 취하기 때문에 운영진에서 조치를 취하기 어렵다고 합니다. 어떻게 하는게 맞는지는 모르겠지만 생각나는 일들도 많고 많이 본 케이스라는 생각이 들었습니다. 결국 큰 문제가 벌어지거나 하기 전까지는 실제로 조치를 취하기 어렵기도 하고 실질적으로 주는 나쁜 영향이 어느정도인지 측정하기 어렵기 때문에(또한 긍정적 혜택과의 차이도) 더욱 어려운 부분이라고 생각합니다. https://intenseminimalism.com/2020/the-impact-of-toxic-influencers-on-communities/

Intense Minimalism

GCS에서 파일 복사는 gcloud storage 쓰는게 10배 더 빠르다

10배 더 빠른 gcloud storage cp

GCS에서 파일을 복사할때 보통 gsutil cp 를 사용합니다.
그런데 gcloud storage cp 를 사용하면 네트워크 대역폭을 100% 사용한다고 합니다.
저도 앞으로는 이걸 써볼려고합니다.

https://junbuml.ee/no-gsutil-yes-gcloud-storage

GCS에서 파일을 복사할때 보통 gsutil cp 를 사용합니다. 그런데 gcloud storage cp 를 사용하면 네트워크 대역폭을 100% 사용한다고 합니다. 저도 앞으로는 이걸 써볼려고합니다. https://junbuml.ee/no-gsutil-yes-gcloud-storage

Junbum Lee

gsutil cp보다 10배 빠른 gcloud storage cp

⚙️ Cybersecurity expert: The ‘zero-trust’ world of AI 

🎃 배경
많은 면에서 인공지능(AI), 프라이버시, 그리고 사이버 보안은 밀접하게 연관되어 있습니다.
최근 들어 대규모 언어 모델(LLM)과 생성형 AI가 모든 이들의 역량을 강화하면서 이 전쟁은 더욱 치열해지고 있습니다. 사이버 범죄자들은 딥페이크와 허위 정보의 대규모 배포를 넘어 데이터 중독(data poisoning)과 생성형 AI 모델을 통한 악성코드 확산 등 다양한 방식으로 활동하고 있기도 합니다.

🎃 디지털 흔적
 * 개념
   * 디지털 흔적 = 디지털 프로필
   * 온라인에서 당신이 하는 모든 행동을 포함, 구글 검색, 소셜 미디어에서 클릭하거나 검색, 좋아요, 댓글을 단 모든 활동, 보낸 이메일, 읽은 이메일, 삭제한 이메일, 방문한 웹사이트, 다운로드한 앱, 웹사이트에서 머문 시간 등의 능동적인 데이터 정보들
   * 위치 정보(추적 데이터), 하드웨어 종류, 설치된 앱, 사용하는 브라우저, Wi-Fi와 셀룰러 연결 여부, 헤드폰을 꽂는 시점, 방문하는 웹사이트, 휴대폰 주소록 정보, 기기 사진첩 정보 등의 수동적으로 수집되는 데이터도 포함될 수 있음
 * 현황
   * 개인 정보는 수집되고 분석되며 정리되어 웹사이트 소유자, 앱 개발자, 소셜 미디어 플랫폼, 데이터 브로커 같은 다양한 조직에 의해 판매
   * 2021년 기준, 미국에는 공식적으로 등록된 데이터 브로커가 540곳이 있었으며, 여기에는 사이버 범죄자들이 수집하고 판매하는 데이터 미포함이며, 모두 합법적 기업임
 * 사례
   * 스냅챗: 능동적인 데이터 정보들 뿐만 아니라 스동적 데이터도 포함하여 개인정보 보호 정책에 명시
   * 닛산: 운전자들의 비디오 및 오디오 녹화, 인터넷 검색 기록(스마트폰을 자동차에 연결할 경우), 개인 소유물 목록, 나이, 인종, 이름, 민족, 성별, 신용카드 번호, 교육 및 고용 이력, 주소 등 정보 수집

🎃 왜 중요할까:
 * 데이터들은 단순히 수집/유출되기만 한다 해도, 여전히 해커에게는 좋은 먹잇감
 * 생성형 AI는 이 모든 데이터를 분석하고 처리하여 큰 데이터 속에서 중요한 정보를 신속히 찾아내거나, 맞춤형 피싱 공격을 개발하거나, 보안 네트워크를 뚫는 강력한 도구로 활용됨
 * 이 데이터는 합법적으로도 주로 맞춤형 광고 및 마케팅 캠페인에 활용됨
 * 업무 기기에서 방문하고 로그인하는 웹사이트, 개인 기기에서 접속하는 회사 포털, 또는 업무 관련 정보를 요약하기 위해 ChatGPT 같은 챗봇을 사용하는 행동 등은 모두 사이버 범죄자가 노릴 수 있는 취약한 연결 고리 가능성 존재

🎃 해결 방안
 * 사이버 보안 교육 및 표준
 * 디지털 건강을 시각적으로 확인하고 평가할 수 있는 방법이 필수이며, 기술적 해결책 + 스마트한 프로세스와 사고방식의 전환 필요
 * 제로 트러스트 접근 방법: 모든것을 확인하고 검증하며, 다계층의 검증 시스템 구현
 * 사이버 보안 표준
 * 스마트한 프로세스와 사고방식의 전환
 * 거버넌스와 프레임워크, 프라이버시, 데이터 리터러시 등 사이버 보안 표준화
 * 디지털 환경에서 만나는 모든 것을 기본적으로 신뢰할 수 없다는(?) 인식 전환 등

 * 출처: https://www.thedeepview.co/p/researchers-call-for-the-abolishment-of-carceral-ai-3?utm_campaign=cybersecurity-expert-the-zero-trust-world-of-ai&utm_medium=newsletter&utm_source=www.thedeepview.co

🎃 배경많은 면에서 인공지능(AI), 프라이버시, 그리고 사이버 보안은 밀접하게 연관되어 있습니다.최근 들어 대규모 언어 모델(LLM)과 생성형 AI가 모든 이들의 역량을 강화하면서 이 전쟁은 더욱 치열해지고 있습니다. 사이버 범죄자들은 딥페이크와 허위 정보의 대규모 배포를 넘어 데이터 중독(data poisoning)과 생성형 AI 모델을 통한 악성코드 확산 등 다양한 방식으로 활동하고 있기도 합니다. 🎃 디지털 흔적<ul ><li>개념<ul ><li>디지털 흔적 = 디지털 프로필</li><li>온라인에서 당신이 하는 모든 행동을 포함, 구글 검색, 소셜 미디어에서 클릭하거나 검색, 좋아요, 댓글을 단 모든 활동, 보낸 이메일, 읽은 이메일, 삭제한 이메일, 방문한 웹사이트, 다운로드한 앱, 웹사이트에서 머문 시간 등의 능동적인 데이터 정보들</li><li>위치 정보(추적 데이터), 하드웨어 종류, 설치된 앱, 사용하는 브라우저, Wi-Fi와 셀룰러 연결 여부, 헤드폰을 꽂는 시점, 방문하는 웹사이트, 휴대폰 주소록 정보, 기기 사진첩 정보 등의 수동적으로 수집되는 데이터도 포함될 수 있음</li></ul></li><li>현황<ul ><li>개인 정보는 수집되고 분석되며 정리되어 웹사이트 소유자, 앱 개발자, 소셜 미디어 플랫폼, 데이터 브로커 같은 다양한 조직에 의해 판매</li><li>2021년 기준, 미국에는 공식적으로 등록된 데이터 브로커가 540곳이 있었으며, 여기에는 사이버 범죄자들이 수집하고 판매하는 데이터 미포함이며, 모두 합법적 기업임</li></ul></li><li>사례<ul ><li>스냅챗: 능동적인 데이터 정보들 뿐만 아니라 스동적 데이터도 포함하여 개인정보 보호 정책에 명시</li><li>닛산: 운전자들의 비디오 및 오디오 녹화, 인터넷 검색 기록(스마트폰을 자동차에 연결할 경우), 개인 소유물 목록, 나이, 인종, 이름, 민족, 성별, 신용카드 번호, 교육 및 고용 이력, 주소 등 정보 수집</li></ul></li></ul> 🎃 왜 중요할까:<ul ><li>데이터들은 단순히 수집/유출되기만 한다 해도, 여전히 해커에게는 좋은 먹잇감</li><li>생성형 AI는 이 모든 데이터를 분석하고 처리하여 큰 데이터 속에서 중요한 정보를 신속히 찾아내거나, 맞춤형 피싱 공격을 개발하거나, 보안 네트워크를 뚫는 강력한 도구로 활용됨</li><li>이 데이터는 합법적으로도 주로 맞춤형 광고 및 마케팅 캠페인에 활용됨</li><li>업무 기기에서 방문하고 로그인하는 웹사이트, 개인 기기에서 접속하는 회사 포털, 또는 업무 관련 정보를 요약하기 위해 ChatGPT 같은 챗봇을 사용하는 행동 등은 모두 사이버 범죄자가 노릴 수 있는 취약한 연결 고리 가능성 존재</li></ul> 🎃 해결 방안<ul ><li>사이버 보안 교육 및 표준</li><li>디지털 건강을 시각적으로 확인하고 평가할 수 있는 방법이 필수이며, 기술적 해결책 + 스마트한 프로세스와 사고방식의 전환 필요</li><li>제로 트러스트 접근 방법: 모든것을 확인하고 검증하며, 다계층의 검증 시스템 구현</li><li>사이버 보안 표준</li><li>스마트한 프로세스와 사고방식의 전환</li><li>거버넌스와 프레임워크, 프라이버시, 데이터 리터러시 등 사이버 보안 표준화</li><li>디지털 환경에서 만나는 모든 것을 기본적으로 신뢰할 수 없다는(?) 인식 전환 등</li></ul> <ul ><li>출처: https://www.thedeepview.co/p/researchers-call-for-the-abolishment-of-carceral-ai-3?utm_campaign=cybersecurity-expert-the-zero-trust-world-of-ai&amp;utm_medium=newsletter&amp;utm_source=www.thedeepview.co</li></ul>

The Deep View

[Deepview]보안 전문가가 말하는 디지털 건강/사이버보안의 중요성

사용자 부주의로 인한 개인정보 유출은 별도로 하고 시스템상으로 지금도 해킹은 불가능합니다 보안소프트웨어 설치해본 게 언제인지 까마득하네요

나는 어떤 기술의 초기에 매우 관심을 크게 갖다가 기술이 어느정도 성숙해지면 약간 시들해지면서 다른 떠오르는 기술에 관심을 갖는 편인데, 지난 반년 사이 LLM에는 약간 시들해지고, 음성 인터페이스에 큰 관심을 갖게 되었다. 단일 기술로써가 아닌 통합적인 경험으로써.

음성 인터페이스가 시작된지도, 내가 관심을 가진지도 오래되긴 했지만, LLM과 대규모 모델이 가능해짐으로써 통합 인터페이스로써 완전히 인간 수준의 경험을 줄 수 있게 될 것이 확실해졌기 때문이다.

또한 컴퓨터 활용의 확장은 인터페이스의 확장에 의해 발전해왔다고해도 과언이 아니고, 특히 그 발전이 인간이 가장 자연스럽게 사용 할 수 있는 형태로 발전해왔다는 것을 보았을 때, 궁극의 인터페이스는 음성 인터페이스라고도 말 할 수 있을 것이다.

물론 아직은 음성 인터페이스를 사용할 수 있는 용처가 한정적이지만, 앞으로 로봇/VR부터 시작해서 디바이스와 기술이 저렴해짐에 따라 기존에 활용되던 컴퓨터의 영역이 아니었던, 특히 오프라인 영역에 매우 큰 변화가 생길 수도 있을 것으로 생각된다.

나는 어떤 기술의 초기에 매우 관심을 크게 갖다가 기술이 어느정도 성숙해지면 약간 시들해지면서 다른 떠오르는 기술에 관심을 갖는 편인데, 지난 반년 사이 LLM에는 약간 시들해지고, 음성 인터페이스에 큰 관심을 갖게 되었다. 단일 기술로써가 아닌 통합적인 경험으로써. 음성 인터페이스가 시작된지도, 내가 관심을 가진지도 오래되긴 했지만, LLM과 대규모 모델이 가능해짐으로써 통합 인터페이스로써 완전히 인간 수준의 경험을 줄 수 있게 될 것이 확실해졌기 때문이다. 또한 컴퓨터 활용의 확장은 인터페이스의 확장에 의해 발전해왔다고해도 과언이 아니고, 특히 그 발전이 인간이 가장 자연스럽게 사용 할 수 있는 형태로 발전해왔다는 것을 보았을 때, 궁극의 인터페이스는 음성 인터페이스라고도 말 할 수 있을 것이다. 물론 아직은 음성 인터페이스를 사용할 수 있는 용처가 한정적이지만, 앞으로 로봇/VR부터 시작해서 디바이스와 기술이 저렴해짐에 따라 기존에 활용되던 컴퓨터의 영역이 아니었던, 특히 오프라인 영역에 매우 큰 변화가 생길 수도 있을 것으로 생각된다.

그래서 티비 리모컨이 사라질까요? 전 굳이 음성음식 티비 필요성을 못 느낍니다만

AI Search & RAG Without Moving Your Data. Get instant answers from your company's knowledge across 100+ apps while keeping data secure. Deploy in minutes, not months. - swirlai/swirl-search

GitHub - swirlai/swirl-search: AI Search & RAG Without Moving Your Data. Get instant answers from your company's knowledge across 100+ apps while keeping data secure. Deploy in minutes, not months.

다양한 AI프로젝트를 어디서부터 시작해야 할지 모른다면, 아래의 5가지 오픈 소스 프로젝트를 통해 배울 수 있습니다. 참고하세요.

🍎 SWIRL
🥯 https://github.com/swirlai/swirl-search
🥯 개념
 * 고급 AI 기술을 비즈니스 운영에 통합하는 오픈 소스 AI 검색 및 RAG(Retrieval-Augmented Generation) 시스템
🥯 주요 특징 및 경험
 * 비즈니스에서의 AI 통합: 의사 결정과 효율성을 개선하기 위해 기존 비즈니스 시스템에 AI 기능을 통합하는 방법을 이해
 * RAG: 정보 검색과 생성 AI를 결합하여 맥락에 맞는 응답을 제공하는 RAG 기술 배울수 있음
 * 데이터 보안 관행: 데이터 이동의 필요성을 제거하여 보안을 강화하는 로컬 데이터에 직접 작동하는 AI 솔루션을 구현하는 방법을 탐색
 * 오픈 소스 배포: 프라이빗 클라우드 환경 내에서 오픈 소스 AI 인프라를 배포하고 관리하는 경험

🍎 Postiz
🥯 https://github.com/gitroomhq/postiz-app
🥯 개념
 * AI를 활용하여 다양한 플랫폼에서 콘텐츠 게시를 최적화하는 오픈 소스 소셜 미디어 스케줄링 도구
 * 여러 소셜 미디어 계정을 관리하고 효과적으로 게시물을 예약하는 프로세스를 단순화
🥯 주요 특징 및 경험
 * AI 기반 스케줄링: 인공지능이 소셜 미디어에 게시할 최적의 시간을 결정하는 방법
 * 다중 플랫폼 지원: 다양한 소셜 미디어 플랫폼에서 게시물을 예약하는 데 따른 과제와 해결책 이해
 * 사용자 친화적 디자인: 쉬운 탐색과 계정 관리를 위한 직관적인 UI 디자인 원칙 탐색
 * 분석 통합: 게시물 성과와 청중 참여에 대한 통찰력을 제공하는 분석 방법 발견

🍎 OpenBB
🥯 https://github.com/OpenBB-finance/OpenBB
🥯 개념
 * 광범위한 투자 연구 도구에 접근할 수 있는 무료 오픈 소스 금융 플랫폼
 * 주식, 옵션, 암호화폐, 외환, 거시경제 데이터, 고정 수입 등을 분석하는 기능 제공
🥯 주요 특징 및 경험
 * 종합적인 금융 분석: 다양한 금융 상품과 시장을 탐색하여 주식, 옵션, 암호화폐 등에 대한 통찰력
 * 데이터 통합 기술: 종합적인 투자 연구를 용이하게 하는 여러 데이터 소스를 일관된 플랫폼으로 통합하는 방법
 * 오픈 소스 개발 관행: 대규모 오픈 소스 프로젝트를 유지하고 개선하는 데 관련된 협업 프로세스 이해
 * 확장성과 맞춤화: 특정 연구 요구에 맞게 플랫폼을 맞춤화하고 확장하여 기능을 향상시키는 방법 발견

🍎 Open WebUI
🥯 https://github.com/open-webui/open-webui
🥯 개념
 * 대규모 언어 모델(LLM)과의 상호작용을 용이하게 하기 위해 설계된 오픈 소스, 사용자 친화적 인터페이스
 * Ollama와 OpenAI 호환 API를 포함한 다양한 LLM 러너를 지원하며, 역할 기반 접근 제어, 다국어 지원, 이미지 생성 도구와의 통합과 같은 기능 제공
🥯 주요 특징 및 경험
 * AI 모델 통합: 통합 인터페이스 내에서 다양한 AI 모델을 연결하고 관리하는 방법 이해
 * 사용자 관리: 사용자 권한을 효과적으로 관리하기 위한 역할 기반 접근 제어 구현
 * 다국어 지원: 여러 언어를 지원하는 사용자 인터페이스를 제공하는 기술 탐색
 * 오프라인 작동: 데이터 프라이버시를 강화하는 인터넷 연결 없이 기능하는 애플리케이션 설계에 대한 통찰력

🍎 Auto Jobs Applier AI Agent
🥯 https://github.com/AIHawk-FOSS/Auto_Jobs_Applier_AI_Agent
🥯 개념
 * 구직 프로세스를 자동화하는 오픈 소스 도구
 * 인공지능을 활용하여 사용자가 여러 일자리에 효율적으로 그리고 개인화된 내용으로 지원하는 기능 지원. 구인 공고를 스캔하고, 관련 있는 직책을 필터링하며, 사용자를 대신하여 지원서를 제출하여 구직 경험 간소화
🥯 주요 특징 및 경험
 * 자동화 기술: AI 주도 방법을 사용하여 구직 지원과 같은 반복적인 작업을 자동화
 * AI 기반 개인화: AI가 특정 직무 요구사항에 맞춰 지원 자료를 조정하여 성공 가능성 향상
 * 데이터 처리 및 보안: 애플리케이션 내에서 민감한 사용자 정보를 안전하게 관리하는 방법 탐색
 * 오픈 소스 협업: 코드 리뷰와 이슈 추적을 포함하여 커뮤니티 주도 프로젝트에 기여하고 유지하는 경험

 * source: https://dev.to/swirl/from-zero-to-app-learning-through-open-source-ai-projects-3dkn

다양한 AI프로젝트를 어디서부터 시작해야 할지 모른다면, 아래의 5가지 오픈 소스 프로젝트를 통해 배울 수 있습니다. 참고하세요. 🍎 SWIRL 🥯 https://github.com/swirlai/swirl-search 🥯 개념<ul ><li>고급 AI 기술을 비즈니스 운영에 통합하는 오픈 소스 AI 검색 및 RAG(Retrieval-Augmented Generation) 시스템</li></ul> 🥯 주요 특징 및 경험<ul ><li>비즈니스에서의 AI 통합: 의사 결정과 효율성을 개선하기 위해 기존 비즈니스 시스템에 AI 기능을 통합하는 방법을 이해</li><li>RAG: 정보 검색과 생성 AI를 결합하여 맥락에 맞는 응답을 제공하는 RAG 기술 배울수 있음</li><li>데이터 보안 관행: 데이터 이동의 필요성을 제거하여 보안을 강화하는 로컬 데이터에 직접 작동하는 AI 솔루션을 구현하는 방법을 탐색</li><li>오픈 소스 배포: 프라이빗 클라우드 환경 내에서 오픈 소스 AI 인프라를 배포하고 관리하는 경험</li></ul> 🍎 Postiz 🥯 https://github.com/gitroomhq/postiz-app 🥯 개념<ul ><li>AI를 활용하여 다양한 플랫폼에서 콘텐츠 게시를 최적화하는 오픈 소스 소셜 미디어 스케줄링 도구</li><li>여러 소셜 미디어 계정을 관리하고 효과적으로 게시물을 예약하는 프로세스를 단순화</li></ul> 🥯 주요 특징 및 경험<ul ><li>AI 기반 스케줄링: 인공지능이 소셜 미디어에 게시할 최적의 시간을 결정하는 방법</li><li>다중 플랫폼 지원: 다양한 소셜 미디어 플랫폼에서 게시물을 예약하는 데 따른 과제와 해결책 이해</li><li>사용자 친화적 디자인: 쉬운 탐색과 계정 관리를 위한 직관적인 UI 디자인 원칙 탐색</li><li>분석 통합: 게시물 성과와 청중 참여에 대한 통찰력을 제공하는 분석 방법 발견</li></ul> 🍎 OpenBB 🥯 https://github.com/OpenBB-finance/OpenBB 🥯 개념<ul ><li>광범위한 투자 연구 도구에 접근할 수 있는 무료 오픈 소스 금융 플랫폼</li><li>주식, 옵션, 암호화폐, 외환, 거시경제 데이터, 고정 수입 등을 분석하는 기능 제공</li></ul> 🥯 주요 특징 및 경험<ul ><li>종합적인 금융 분석: 다양한 금융 상품과 시장을 탐색하여 주식, 옵션, 암호화폐 등에 대한 통찰력</li><li>데이터 통합 기술: 종합적인 투자 연구를 용이하게 하는 여러 데이터 소스를 일관된 플랫폼으로 통합하는 방법</li><li>오픈 소스 개발 관행: 대규모 오픈 소스 프로젝트를 유지하고 개선하는 데 관련된 협업 프로세스 이해</li><li>확장성과 맞춤화: 특정 연구 요구에 맞게 플랫폼을 맞춤화하고 확장하여 기능을 향상시키는 방법 발견</li></ul> 🍎 Open WebUI 🥯 https://github.com/open-webui/open-webui 🥯 개념<ul ><li>대규모 언어 모델(LLM)과의 상호작용을 용이하게 하기 위해 설계된 오픈 소스, 사용자 친화적 인터페이스</li><li>Ollama와 OpenAI 호환 API를 포함한 다양한 LLM 러너를 지원하며, 역할 기반 접근 제어, 다국어 지원, 이미지 생성 도구와의 통합과 같은 기능 제공</li></ul> 🥯 주요 특징 및 경험<ul ><li>AI 모델 통합: 통합 인터페이스 내에서 다양한 AI 모델을 연결하고 관리하는 방법 이해</li><li>사용자 관리: 사용자 권한을 효과적으로 관리하기 위한 역할 기반 접근 제어 구현</li><li>다국어 지원: 여러 언어를 지원하는 사용자 인터페이스를 제공하는 기술 탐색</li><li>오프라인 작동: 데이터 프라이버시를 강화하는 인터넷 연결 없이 기능하는 애플리케이션 설계에 대한 통찰력</li></ul> 🍎 Auto Jobs Applier AI Agent 🥯 https://github.com/AIHawk-FOSS/Auto_Jobs_Applier_AI_Agent 🥯 개념<ul ><li>구직 프로세스를 자동화하는 오픈 소스 도구</li><li>인공지능을 활용하여 사용자가 여러 일자리에 효율적으로 그리고 개인화된 내용으로 지원하는 기능 지원. 구인 공고를 스캔하고, 관련 있는 직책을 필터링하며, 사용자를 대신하여 지원서를 제출하여 구직 경험 간소화</li></ul> 🥯 주요 특징 및 경험<ul ><li>자동화 기술: AI 주도 방법을 사용하여 구직 지원과 같은 반복적인 작업을 자동화</li><li>AI 기반 개인화: AI가 특정 직무 요구사항에 맞춰 지원 자료를 조정하여 성공 가능성 향상</li><li>데이터 처리 및 보안: 애플리케이션 내에서 민감한 사용자 정보를 안전하게 관리하는 방법 탐색</li><li>오픈 소스 협업: 코드 리뷰와 이슈 추적을 포함하여 커뮤니티 주도 프로젝트에 기여하고 유지하는 경험</li></ul> <ul ><li>source: https://dev.to/swirl/from-zero-to-app-learning-through-open-source-ai-projects-3dkn</li></ul>

GitHub

[Dev] 오픈 소스 AI 프로젝트를 통한 학습

An end-to-end open source machine learning platform for everyone. Discover TensorFlow's flexible ecosystem of tools, libraries and community resources.

TensorFlow

간단한 챗봇 구축부터 복잡한 언어 모델 개발까지, 이러한 프레임워크는 최신 AI 애플리케이션의 기반이 됩니다. 2024년에 주목할 만한 가장 중요한 AI 프레임워크 7가지 내용을 공유해봅니다!

🎃 텐서플로우
 * https://www.tensorflow.org/
 * 연구용 및 프로덕션용 머신 러닝 애플리케이션을 위한 포괄적인 플랫폼을 제공하는 AI 프레임워크 생태계에 대한 Google의 강력한 기여
   * 프레임워크 자체는 오픈 소스이므로 스타트업과 대기업 모두에게 비용 효율적
   * 리소스에는 포괄적인 문서, 사전 학습된 모델, TensorFlow Hub를 통한 데이터 세트가 포함되어 있어 AI 솔루션을 빠르게 개발 및 배포 지원
 * TensorFlow의 주요 특징 및 기능
   * TensorFlow의 핵심은 AI 개발을 위해 선호되는 강력한 기능 세트 제공
   * 유연한 아키텍처: 원활한 전환을 통해 CPU 및 GPU 컴퓨팅 모두 지원
   * 시각화 도구: 상세한 모델 검사 및 디버깅을 가능하게 하는 TensorBoard
   * 프로덕션 준비 완료: 모바일, 엣지, 클라우드 플랫폼 전반에 걸쳐 모델 배포 가능
   * 커뮤니티 지원: 광범위한 문서와 활발한 개발자 커뮤니티
   * 사전 학습된 모델: 바로 사용할 수 있는 방대한 모델 라이브러리 액세스
 * TensorFlow 구현 모범 사례
   * 코드를 더 작고 관리하기 쉬운 함수로 리팩터링하고 가장 큰 계산 블록을 @ tf.function으로 장식하여 최적의 성능을 발휘할 때 가장 잘 작동
   * 모델 개발의 경우, 높은 수준의 모델 구성을 위해 Keras API를 활용하면서 필요한 경우 낮은 수준의 TensorFlow 연산에 대한 액세스를 유지

🎃 PyTorch
 * https://pytorch.org/
 * 직관적인 디자인과 동적 계산 기능으로 AI 프레임워크 환경에 혁신을 일으킨 Meta AI의 PyTorch는 연구자와 개발자 모두에게 사랑받는 제품
   * 포럼, 포괄적인 문서, Meta AI 연구팀의 정기 업데이트를 통한 광범위한 커뮤니티 지원의 이점
   * 엔터프라이즈 사용자를 위해 PyTorch Enterprise는 향상된 기능과 전용 지원 채널을 제공하여 프로덕션 환경에서 안정적인 배포 보장
   * NumPy 및 Pandas를 비롯한 Python의 과학 컴퓨팅 에코시스템과 원활하게 통합되어 생성형 AI 모델과 대규모 언어 모델(LLM)을 개발하는 데 특히 효과적
   * 동적 계산 그래프를 유연하게 처리
 * PyTorch 아키텍처 및 구성 요소
   * PyTorch의 아키텍처는 개발 단계에서 실시간으로 모델을 조정할 수 있는 Autograd라는 동적 계산 그래프 시스템 중심
   * 텐서 연산: GPU 가속을 통한 고급 수학적 연산
   * 신경망 모듈: 사전 구축 및 커스터마이징 가능한 네트워크 레이어
   * 최적화 도구: 모델 트레이닝을 위한 정교한 알고리즘
   * 데이터 유틸리티: 효율적인 데이터 로딩 및 전처리 도구
 * PyTorch 개발 워크플로
   * 데이터 준비
     * 입력 데이터를 PyTorch 텐서로 변환하기
     * 사용자 정의 데이터 세트 및 데이터 로더 생성
     * 필요한 전처리 변환 적용
   * 모델 개발
     * torch.nn을 사용하여 네트워크 아키텍처 정의하기
     * 포워드 패스 계산 구현하기
     * 손실 함수 및 옵티마이저 구성

🎃 LangChain
 * https://www.langchain.com/
 * 개발자가 대규모 언어 모델의 힘을 활용하는 방식을 혁신적으로 변화시킨 LangChain은 복잡한 LLM 기능과 실제 애플리케이션 간의 격차를 해소하는 획기적인 AI 프레임워크로 부상
   * 강력한 문서, 광범위한 커뮤니티 지원, 지속적인 업데이트를 통해 개발자가 최첨단 AI 애플리케이션을 구축하면서 투자를 극대화할 수 있도록 지원
 * LangChain 프레임워크 개요
   * LangChain은 모듈식 아키텍처와 제너레이티브 AI 개발을 위해 특별히 설계된 포괄적인 도구 세트를 통해 차별화
   * 프럼프트 관리 및 최적화
   * 데이터 증강 생성
   * 의사 결정을 위한 자율 에이전트
   * 컨텍스트 유지를 위한 메모리 시스템
 * 광범위한 통합 기능
   * 외부 데이터 소스
     * 문서 저장소
     * 벡터 데이터베이스
     * API 엔드포인트
   * 개발 도구
     * 버전 관리 시스템
     * 모니터링 플랫폼
     * 배포 서비스
   * 비용을 최적화하기 위해 몇 가지 전략
     * 빈번한 쿼리를 위한 캐싱 메커니즘 활용
     * 가능한 경우 API 호출 일괄 처리
     * 효율적인 리소스 할당을 위해 사용 패턴 모니터링

🎃 허깅 페이스 트랜스포머
 * https://huggingface.co/docs/transformers/en/index
 * 허깅 페이스 트랜스포머 라이브러리는 포괄적인 도구와 모델로 구성된 에코시스템을 통해 전 세계 개발자가 고급 자연어 처리를 이용할 수 있도록 하여 인공지능 대중화의 최전선 위치
 * 허깅 페이스의 핵심 기능
   * 바로 사용할 수 있는 수천 개의 모델이 포함된 사전 학습된 모델 허브
   * PyTorch 및 TensorFlow와의 원활한 통합
   * 고급 토큰화 및 전처리 도구
   * 이전 학습을 위한 기본 지원
   * 포괄적인 문서 및 커뮤니티 리소스
 * 허깅 페이스 구현 가이드
   * 허깅 페이스 트랜스포머 구현은 빠른 개발을 가능하게 하는 간단한 접근 방식.
     * 이 프로세스는 모델 선택에서 시작하여 미세 조정 및 배포를 통해 확장
     * 최적의 결과를 얻으려면 개발자는 모델 아키텍처 세부 사항을 자동으로 처리하고 다양한 모델 유형에 걸쳐 일관된 인터페이스를 제공하는 AutoClass 시스템을 활용하는 데 집중
   * 파이프라인 아키텍처를 통해 작업을 처리하는 데 탁월하므로 개발자는 최소한의 코드로 복잡한 NLP 작업 구현 가능.
     * 여기에는 기본 텍스트 분류부터 고급 생성 AI 애플리케이션까지 모든 것 가능
   * 로컬 및 클라우드 배포 옵션을 모두 제공하며, 비용은 계산 요구 사항과 모델 복잡성에 따라 차이.
     * 기업 사용자는 SSO 지원, 감사 로그, 전용 인프라 옵션과 같은 추가 기능의 혜택
   * 프로덕션 환경에서 작업하는 개발자를 위해 허깅 페이스는 허브에서 직접 전용 및 자동 확장 인프라를 제공하는 추론 엔드포인트 제공.
     * 이를 통해 최적화된 리소스 활용을 통해 비용 효율성을 유지하면서 안정적인 성능 보장

🎃 LlamaIndex
 * https://www.llamaindex.ai/
 * 데이터와 대규모 언어 모델 간의 격차를 해소하기 위해 설계된 LlamaIndex는 개발자가 상황 인식 AI 애플리케이션을 구축하는 방식을 혁신하는 강력한 데이터 프레임워크
   * LLM을 통해 다양한 데이터 소스에 액세스하고 쿼리할 수 있도록 하는 데 특화
   * 엔터프라이즈 배포를 위해 가상의 문서 임베딩과 다양한 벡터 저장소와의 통합과 같은 고급 기능을 제공하여 조직이 비용 효율성을 유지하면서 AI 프레임워크 구현 확장
 * LlamaIndex의 특징 및 기능
   * 정교한 데이터 처리 및 검색 기능 중심
   * 여러 소스 통합을 위한 데이터 커넥터(LlamaHub)
   * 고급 문서 작업(삽입, 삭제, 업데이트)
   * 다중 문서 합성 기능
   * 쿼리 엔진 선택을 위한 라우터 기능
   * 벡터 스토어 통합 및 ChatGPT 플러그인 지원
   * OpenAI 함수 호출 API 호환성
 * 라마인덱스 개발 프로세스
   * 데이터 처리와 쿼리를 모두 최적화하는 2단계 접근 방식
     * 데이터 처리 단계에서 프레임워크는 지식 베이스를 '노드' 객체로 저장된 관리 가능한 청크로 분할하는데, 이는 LLM의 토큰 제한을 처리하는 데 매우 중요
   * 쿼리 프로세스:
     * 노드 수집: 쿼리 컨텍스트에 따라 관련 데이터 수집
     * 응답 합성: LLM 통합을 사용하여 컨텍스트가 풍부한 답변 생성
     * 채팅 엔진 구현: 데이터에 대한 지속적인 대화 활성화
 * 비용 최적화 전략
   * 인덱스 구축 및 쿼리 단계에서 비용을 예측하기 위한 토큰 예측기 구현 포함
   * 개발자가 토큰 사용량을 효과적으로 관리하고 예측할 수 있도록 TokenCounting Handler 콜백 및 MockLLM 구현과 같은 기본 제공 도구를 제공

🎃 OpenAI 프레임워크(OPF)
 * https://platform.openai.com/docs/api-reference/introduction
 * 책임감 있는 안전하고 윤리적인 AI 프레임워크 구현을 위한 새로운 표준 제시
   * 강력한 안전 프로토콜과 최첨단 개발 도구를 결합하여 AI 배포의 혁신과 책임 보장
   * 프레임워크의 종량제 시스템은 모델 선택 및 사용 패턴에 따라 비용이 달라지는 유연한 확장 가능
   * OpenAI는 사용자 지정 데이터 보존 기간과 향상된 보안 기능을 포함한 포괄적인 지원 옵션을 제공
   * 프레임워크의 통합 기능은 다양한 개발 환경으로 확장되어 연구 이니셔티브와 프로덕션 규모의 애플리케이션을 모두 지원
 * OpenAI 프레임워크 구성 요소
   * 위험 평가를 위한 종합적인 평가 시스템
   * 통합 사이버 보안 조치
   * 안전 자문 그룹(SAG) 감독
   * 책임 있는 확장 정책 구현
   * 고급 모니터링 및 테스트 프로토콜
 * OpenAI 구현 전략
   * 안전과 효율성에 중점을 둔 구조화된 접근 방식
   * 철저한 위험 평가로 시작하여 정기적인 안전 훈련과 레드팀 연습을 통해 배포를 계속 진행.
   * 시스템 배포 제어를 위한 절차적 조치와 함께 AI 알고리즘을 개선하기 위한 기술 솔루션을 통합
 * 비용 최적화 전략:
   * 대시보드를 통한 토큰 사용량 모니터링
   * 사용량 임계값 및 알림 구현
   * 작업 요구 사항에 따른 전략적 모델 선택
   * 언어 API는 토큰당 가격이 책정되는 반면, 이미지 생성 모델은 해상도 기반 요금제

🎃 Microsoft JARVIS
 * https://github.com/microsoft/JARVIS
 * 지능형 컨트롤러 아키텍처를 통해 여러 AI 모델을 오케스트레이션하는 획기적인 시스템인 Microsoft의 최신 AI 프레임워크 환경 혁신 JARVIS
   * 서로 다른 AI 모델 간의 원활한 상호 작용을 지원하므로 단일 모델로는 독립적으로 수행할 수 없는 복잡한 작업 실행
   * 로컬 및 클라우드 기반 배포 모델을 모두 지원
   * 엔터프라이즈 구현을 위해 JARVIS는 맞춤형 모델 통합, 전용 지원 채널, 특수 배포 옵션 등의 고급 기능 제공
 * JARVIS 플랫폼 개요
   * JARVIS의 핵심은 ChatGPT를 기본 컨트롤러로 활용하는 협업 시스템
   * 플랫폼의 특징:
     * 멀티모달 처리 기능
     * 실시간 웹 액세스 통합
     * 고급 작업 계획 시스템
     * 모델 간 협업
     * 포괄적인 API 지원
     * 지능형 리소스 관리
 * JARVIS 개발 워크플로(4단계 워크플로우)
   * 작업 계획: ChatGPT가 사용자 요청을 분석하여 관리 가능한 하위 작업으로 세분화
   * 모델 선택: Hugging Face에서 적절한 전문가 모델을 지능적으로 선택
   * 작업 실행: 실시간 모니터링을 통해 선택한 모델의 조정된 실행
   * 응답 통합: 결과를 일관된 출력으로 종합적으로 합성
 * 배포 옵션에 따른 리소스 요구 사항
   * 최소 설정: 16GB VRAM, 100GB 스토리지
   * 표준 설정: 64GB RAM(Jetson AGX Orin에 권장)
   * 클라우드 배포: 유연한 확장 옵션
   * 리소스 관리 시스템은 비용 효율성을 유지하면서 성능을 최적화하므로 연구 및 프로덕션 환경 모두에 적합

🎀 결론 🎀
 * 이 7가지 각 프레임워크는 각기 다른 용도로 사용됩니다.
   * TensorFlow(프러덕션 환경)와 PyTorch(연구환경)는 딥러닝 탁월
   * LangChain과 LlamaIndex는 LM 기반 애플리케이션 구축에 특화 및 LLM 애플리케이션 간소화
   * Hugging Face, OpenAI, Microsoft JARVIS는 자연어 처리와 멀티모달 AI 경계 확장
 * 모든 프레임워크를 동시에 마스터하려고 시도하기보다는 당면한 프로젝트 요구사항에 맞는 프레임워크부터 시작하세요.

 * 출처: https://dev.to/pavanbelagatti/7-cutting-edge-ai-frameworks-every-developer-should-master-13l9

간단한 챗봇 구축부터 복잡한 언어 모델 개발까지, 이러한 프레임워크는 최신 AI 애플리케이션의 기반이 됩니다. 2024년에 주목할 만한 가장 중요한 AI 프레임워크 7가지 내용을 공유해봅니다! 🎃 텐서플로우<ul ><li>https://www.tensorflow.org/</li><li>연구용 및 프로덕션용 머신 러닝 애플리케이션을 위한 포괄적인 플랫폼을 제공하는 AI 프레임워크 생태계에 대한 Google의 강력한 기여<ul ><li>프레임워크 자체는 오픈 소스이므로 스타트업과 대기업 모두에게 비용 효율적</li><li>리소스에는 포괄적인 문서, 사전 학습된 모델, TensorFlow Hub를 통한 데이터 세트가 포함되어 있어 AI 솔루션을 빠르게 개발 및 배포 지원</li></ul></li><li>TensorFlow의 주요 특징 및 기능<ul ><li>TensorFlow의 핵심은 AI 개발을 위해 선호되는 강력한 기능 세트 제공</li><li>유연한 아키텍처: 원활한 전환을 통해 CPU 및 GPU 컴퓨팅 모두 지원</li><li>시각화 도구: 상세한 모델 검사 및 디버깅을 가능하게 하는 TensorBoard</li><li>프로덕션 준비 완료: 모바일, 엣지, 클라우드 플랫폼 전반에 걸쳐 모델 배포 가능</li><li>커뮤니티 지원: 광범위한 문서와 활발한 개발자 커뮤니티</li><li>사전 학습된 모델: 바로 사용할 수 있는 방대한 모델 라이브러리 액세스</li></ul></li><li>TensorFlow 구현 모범 사례<ul ><li>코드를 더 작고 관리하기 쉬운 함수로 리팩터링하고 가장 큰 계산 블록을 @ tf.function으로 장식하여 최적의 성능을 발휘할 때 가장 잘 작동</li><li>모델 개발의 경우, 높은 수준의 모델 구성을 위해 Keras API를 활용하면서 필요한 경우 낮은 수준의 TensorFlow 연산에 대한 액세스를 유지</li></ul></li></ul> 🎃 PyTorch<ul ><li>https://pytorch.org/</li><li>직관적인 디자인과 동적 계산 기능으로 AI 프레임워크 환경에 혁신을 일으킨 Meta AI의 PyTorch는 연구자와 개발자 모두에게 사랑받는 제품<ul ><li>포럼, 포괄적인 문서, Meta AI 연구팀의 정기 업데이트를 통한 광범위한 커뮤니티 지원의 이점</li><li>엔터프라이즈 사용자를 위해 PyTorch Enterprise는 향상된 기능과 전용 지원 채널을 제공하여 프로덕션 환경에서 안정적인 배포 보장</li><li>NumPy 및 Pandas를 비롯한 Python의 과학 컴퓨팅 에코시스템과 원활하게 통합되어 생성형 AI 모델과 대규모 언어 모델(LLM)을 개발하는 데 특히 효과적</li><li>동적 계산 그래프를 유연하게 처리</li></ul></li><li>PyTorch 아키텍처 및 구성 요소<ul ><li>PyTorch의 아키텍처는 개발 단계에서 실시간으로 모델을 조정할 수 있는 Autograd라는 동적 계산 그래프 시스템 중심</li><li>텐서 연산: GPU 가속을 통한 고급 수학적 연산</li><li>신경망 모듈: 사전 구축 및 커스터마이징 가능한 네트워크 레이어</li><li>최적화 도구: 모델 트레이닝을 위한 정교한 알고리즘</li><li>데이터 유틸리티: 효율적인 데이터 로딩 및 전처리 도구</li></ul></li><li>PyTorch 개발 워크플로<ul ><li>데이터 준비<ul ><li>입력 데이터를 PyTorch 텐서로 변환하기</li><li>사용자 정의 데이터 세트 및 데이터 로더 생성</li><li>필요한 전처리 변환 적용</li></ul></li><li>모델 개발<ul ><li>torch.nn을 사용하여 네트워크 아키텍처 정의하기</li><li>포워드 패스 계산 구현하기</li><li>손실 함수 및 옵티마이저 구성</li></ul></li></ul></li></ul> 🎃 LangChain<ul ><li>https://www.langchain.com/</li><li>개발자가 대규모 언어 모델의 힘을 활용하는 방식을 혁신적으로 변화시킨 LangChain은 복잡한 LLM 기능과 실제 애플리케이션 간의 격차를 해소하는 획기적인 AI 프레임워크로 부상<ul ><li>강력한 문서, 광범위한 커뮤니티 지원, 지속적인 업데이트를 통해 개발자가 최첨단 AI 애플리케이션을 구축하면서 투자를 극대화할 수 있도록 지원</li></ul></li><li>LangChain 프레임워크 개요<ul ><li>LangChain은 모듈식 아키텍처와 제너레이티브 AI 개발을 위해 특별히 설계된 포괄적인 도구 세트를 통해 차별화</li><li>프럼프트 관리 및 최적화</li><li>데이터 증강 생성</li><li>의사 결정을 위한 자율 에이전트</li><li>컨텍스트 유지를 위한 메모리 시스템</li></ul></li><li>광범위한 통합 기능<ul ><li>외부 데이터 소스<ul ><li>문서 저장소</li><li>벡터 데이터베이스</li><li>API 엔드포인트</li></ul></li><li>개발 도구<ul ><li>버전 관리 시스템</li><li>모니터링 플랫폼</li><li>배포 서비스</li></ul></li><li>비용을 최적화하기 위해 몇 가지 전략<ul ><li>빈번한 쿼리를 위한 캐싱 메커니즘 활용</li><li>가능한 경우 API 호출 일괄 처리</li><li>효율적인 리소스 할당을 위해 사용 패턴 모니터링</li></ul></li></ul></li></ul> 🎃 허깅 페이스 트랜스포머<ul ><li>https://huggingface.co/docs/transformers/en/index</li><li>허깅 페이스 트랜스포머 라이브러리는 포괄적인 도구와 모델로 구성된 에코시스템을 통해 전 세계 개발자가 고급 자연어 처리를 이용할 수 있도록 하여 인공지능 대중화의 최전선 위치</li><li>허깅 페이스의 핵심 기능<ul ><li>바로 사용할 수 있는 수천 개의 모델이 포함된 사전 학습된 모델 허브</li><li>PyTorch 및 TensorFlow와의 원활한 통합</li><li>고급 토큰화 및 전처리 도구</li><li>이전 학습을 위한 기본 지원</li><li>포괄적인 문서 및 커뮤니티 리소스</li></ul></li><li>허깅 페이스 구현 가이드<ul ><li>허깅 페이스 트랜스포머 구현은 빠른 개발을 가능하게 하는 간단한 접근 방식.<ul ><li>이 프로세스는 모델 선택에서 시작하여 미세 조정 및 배포를 통해 확장</li><li>최적의 결과를 얻으려면 개발자는 모델 아키텍처 세부 사항을 자동으로 처리하고 다양한 모델 유형에 걸쳐 일관된 인터페이스를 제공하는 AutoClass 시스템을 활용하는 데 집중</li></ul></li><li>파이프라인 아키텍처를 통해 작업을 처리하는 데 탁월하므로 개발자는 최소한의 코드로 복잡한 NLP 작업 구현 가능.<ul ><li>여기에는 기본 텍스트 분류부터 고급 생성 AI 애플리케이션까지 모든 것 가능</li></ul></li><li>로컬 및 클라우드 배포 옵션을 모두 제공하며, 비용은 계산 요구 사항과 모델 복잡성에 따라 차이.<ul ><li>기업 사용자는 SSO 지원, 감사 로그, 전용 인프라 옵션과 같은 추가 기능의 혜택</li></ul></li><li>프로덕션 환경에서 작업하는 개발자를 위해 허깅 페이스는 허브에서 직접 전용 및 자동 확장 인프라를 제공하는 추론 엔드포인트 제공.<ul ><li>이를 통해 최적화된 리소스 활용을 통해 비용 효율성을 유지하면서 안정적인 성능 보장</li></ul></li></ul></li></ul> 🎃 LlamaIndex<ul ><li>https://www.llamaindex.ai/</li><li>데이터와 대규모 언어 모델 간의 격차를 해소하기 위해 설계된 LlamaIndex는 개발자가 상황 인식 AI 애플리케이션을 구축하는 방식을 혁신하는 강력한 데이터 프레임워크<ul ><li>LLM을 통해 다양한 데이터 소스에 액세스하고 쿼리할 수 있도록 하는 데 특화</li><li>엔터프라이즈 배포를 위해 가상의 문서 임베딩과 다양한 벡터 저장소와의 통합과 같은 고급 기능을 제공하여 조직이 비용 효율성을 유지하면서 AI 프레임워크 구현 확장</li></ul></li><li>LlamaIndex의 특징 및 기능<ul ><li>정교한 데이터 처리 및 검색 기능 중심</li><li>여러 소스 통합을 위한 데이터 커넥터(LlamaHub)</li><li>고급 문서 작업(삽입, 삭제, 업데이트)</li><li>다중 문서 합성 기능</li><li>쿼리 엔진 선택을 위한 라우터 기능</li><li>벡터 스토어 통합 및 ChatGPT 플러그인 지원</li><li>OpenAI 함수 호출 API 호환성</li></ul></li><li>라마인덱스 개발 프로세스<ul ><li>데이터 처리와 쿼리를 모두 최적화하는 2단계 접근 방식<ul ><li>데이터 처리 단계에서 프레임워크는 지식 베이스를 '노드' 객체로 저장된 관리 가능한 청크로 분할하는데, 이는 LLM의 토큰 제한을 처리하는 데 매우 중요</li></ul></li><li>쿼리 프로세스:<ul ><li>노드 수집: 쿼리 컨텍스트에 따라 관련 데이터 수집</li><li>응답 합성: LLM 통합을 사용하여 컨텍스트가 풍부한 답변 생성</li><li>채팅 엔진 구현: 데이터에 대한 지속적인 대화 활성화</li></ul></li></ul></li><li>비용 최적화 전략<ul ><li>인덱스 구축 및 쿼리 단계에서 비용을 예측하기 위한 토큰 예측기 구현 포함</li><li>개발자가 토큰 사용량을 효과적으로 관리하고 예측할 수 있도록 TokenCounting Handler 콜백 및 MockLLM 구현과 같은 기본 제공 도구를 제공</li></ul></li></ul> 🎃 OpenAI 프레임워크(OPF)<ul ><li>https://platform.openai.com/docs/api-reference/introduction</li><li>책임감 있는 안전하고 윤리적인 AI 프레임워크 구현을 위한 새로운 표준 제시<ul ><li>강력한 안전 프로토콜과 최첨단 개발 도구를 결합하여 AI 배포의 혁신과 책임 보장</li><li>프레임워크의 종량제 시스템은 모델 선택 및 사용 패턴에 따라 비용이 달라지는 유연한 확장 가능</li><li>OpenAI는 사용자 지정 데이터 보존 기간과 향상된 보안 기능을 포함한 포괄적인 지원 옵션을 제공</li><li>프레임워크의 통합 기능은 다양한 개발 환경으로 확장되어 연구 이니셔티브와 프로덕션 규모의 애플리케이션을 모두 지원</li></ul></li><li>OpenAI 프레임워크 구성 요소<ul ><li>위험 평가를 위한 종합적인 평가 시스템</li><li>통합 사이버 보안 조치</li><li>안전 자문 그룹(SAG) 감독</li><li>책임 있는 확장 정책 구현</li><li>고급 모니터링 및 테스트 프로토콜</li></ul></li><li>OpenAI 구현 전략<ul ><li>안전과 효율성에 중점을 둔 구조화된 접근 방식</li><li>철저한 위험 평가로 시작하여 정기적인 안전 훈련과 레드팀 연습을 통해 배포를 계속 진행.</li><li>시스템 배포 제어를 위한 절차적 조치와 함께 AI 알고리즘을 개선하기 위한 기술 솔루션을 통합</li></ul></li><li>비용 최적화 전략:<ul ><li>대시보드를 통한 토큰 사용량 모니터링</li><li>사용량 임계값 및 알림 구현</li><li>작업 요구 사항에 따른 전략적 모델 선택</li><li>언어 API는 토큰당 가격이 책정되는 반면, 이미지 생성 모델은 해상도 기반 요금제</li></ul></li></ul> 🎃 Microsoft JARVIS<ul ><li>https://github.com/microsoft/JARVIS</li><li>지능형 컨트롤러 아키텍처를 통해 여러 AI 모델을 오케스트레이션하는 획기적인 시스템인 Microsoft의 최신 AI 프레임워크 환경 혁신 JARVIS<ul ><li>서로 다른 AI 모델 간의 원활한 상호 작용을 지원하므로 단일 모델로는 독립적으로 수행할 수 없는 복잡한 작업 실행</li><li>로컬 및 클라우드 기반 배포 모델을 모두 지원</li><li>엔터프라이즈 구현을 위해 JARVIS는 맞춤형 모델 통합, 전용 지원 채널, 특수 배포 옵션 등의 고급 기능 제공</li></ul></li><li>JARVIS 플랫폼 개요<ul ><li>JARVIS의 핵심은 ChatGPT를 기본 컨트롤러로 활용하는 협업 시스템</li><li>플랫폼의 특징:<ul ><li>멀티모달 처리 기능</li><li>실시간 웹 액세스 통합</li><li>고급 작업 계획 시스템</li><li>모델 간 협업</li><li>포괄적인 API 지원</li><li>지능형 리소스 관리</li></ul></li></ul></li><li>JARVIS 개발 워크플로(4단계 워크플로우)<ul ><li>작업 계획: ChatGPT가 사용자 요청을 분석하여 관리 가능한 하위 작업으로 세분화</li><li>모델 선택: Hugging Face에서 적절한 전문가 모델을 지능적으로 선택</li><li>작업 실행: 실시간 모니터링을 통해 선택한 모델의 조정된 실행</li><li>응답 통합: 결과를 일관된 출력으로 종합적으로 합성</li></ul></li><li>배포 옵션에 따른 리소스 요구 사항<ul ><li>최소 설정: 16GB VRAM, 100GB 스토리지</li><li>표준 설정: 64GB RAM(Jetson AGX Orin에 권장)</li><li>클라우드 배포: 유연한 확장 옵션</li><li>리소스 관리 시스템은 비용 효율성을 유지하면서 성능을 최적화하므로 연구 및 프로덕션 환경 모두에 적합</li></ul></li></ul> 🎀 결론 🎀<ul ><li>이 7가지 각 프레임워크는 각기 다른 용도로 사용됩니다.<ul ><li>TensorFlow(프러덕션 환경)와 PyTorch(연구환경)는 딥러닝 탁월</li><li>LangChain과 LlamaIndex는 LM 기반 애플리케이션 구축에 특화 및 LLM 애플리케이션 간소화</li><li>Hugging Face, OpenAI, Microsoft JARVIS는 자연어 처리와 멀티모달 AI 경계 확장</li></ul></li><li>모든 프레임워크를 동시에 마스터하려고 시도하기보다는 당면한 프로젝트 요구사항에 맞는 프레임워크부터 시작하세요.</li></ul> <ul ><li>출처: https://dev.to/pavanbelagatti/7-cutting-edge-ai-frameworks-every-developer-should-master-13l9</li></ul>

[Dev]모든 개발자가 마스터해야 할 7가지 AI 프레임워크!

Your Resume App

개발자들을 위한 흥미로운 자가진단 사이트를 소개합니다.
프론트엔드, 백엔드, React 개발자, 디자이너, CEO까지 각 직무별 역량을 체크해 볼 수 있습니다. 세부 항목들을 체크하다 보면 내가 부족한 부분이 무엇인지 자연스럽게 파악할 수 있습니다.

물론 이 테스트가 절대적인 기준은 아니지만, 현재 내가 부족한게 무엇인지를 파악하고 앞으로의 성장 방향을 설정하는데는 참고자료가 될 수 있을것 같습니다.

https://resume.realerror.com/

개발자들을 위한 흥미로운 자가진단 사이트를 소개합니다.프론트엔드, 백엔드, React 개발자, 디자이너, CEO까지 각 직무별 역량을 체크해 볼 수 있습니다. 세부 항목들을 체크하다 보면 내가 부족한 부분이 무엇인지 자연스럽게 파악할 수 있습니다. 물론 이 테스트가 절대적인 기준은 아니지만, 현재 내가 부족한게 무엇인지를 파악하고 앞으로의 성장 방향을 설정하는데는 참고자료가 될 수 있을것 같습니다. https://resume.realerror.com/

resume.realerror.com

IT직군 역량 자가진단 - 프론트엔드부터 CEO까지

학교는 초중고대학의 형태로 학년이 정해져 있고 뭘 배우는지 커리큘럼이 정해져 있으며 시험이란 형태로 정답이란 것이 있다. 많은 한국 사람들은 학교에서 배우는 걸로 만족하지 못하고 학원이나 과외 등등으로 선행 학습을 일상적으로 한다. 실리콘 밸리에 와보니 일부 극성인 아시안 부모들이 있긴 하지만 전체적인 분위기는 학교 공부 이외에 별도로 과외를 하거나 선행 학습을 왜 하냐 라는 분위기였다. 또한 불행히도 한국에서 초중고 교육은 대학이란 단기목표를 가지고 이뤄진다.

커리어는 학교와는 달리 학년도 정해져 있지 않고 그러니 당연히 커리큘럼도 없고 정답이 정해져있는 시험이란 것도 없다. 그리고 백세 시대 커리어는 적어도 50년 정도는 지속될 수 밖에 없는 훨씬 더 긴 시간대를 갖고 있다. 하지만 우리는 선행학습이란 행위에 너무 익숙해져있다 보니 사회 생활을 하며 뭔가 막히면 정답을 찾고 공부를 하며 미리 준비를 하려는 성향을 본의아니게 갖게 된다. 수능의 또 다른 폐해는 실패를 두려워 하게 만든다는 점이라 보여진다. 원하는 대학을 못가면 재수, 삼수를 하는 것이 일상적이고 기대보다 덜 좋은 대학을 가면 웬지 내가 실패자라는 자책을 하게 되는데 이 마인드셋을 커리어로 그대로 들고 가는 거다. 정답을 찾고 실패를 두려워하는 이런 모습은 미국 생활을 20년 넘게 하며 잊어버렸던 내 과거의 모습이기도 한데 지난 3-4년 정도 한국에 있는 다양한 사람들과 다시 긴밀히 접촉하면서 조금은 외부의 시각으로 바라보게 되니 그 갭이 잘 보인다.

요약해보자면 수능과 선행학습이 알게 모르게 우리가 커리어를 바라보는 관점을 왜곡시킨다는 거다. 기술지향적이며 안전함을 찾는 사람으로 만든다는 점인데 최근 커리어 코칭에서 들었던 잘못된 관점의 질문을 몇 가지 예로 들어보면 이렇다. 

 * “회사에서 쓰는 프레임웍이 너무 구식입니다. 집에 와서 새로운 프레임웍을 공부를 하는데 시간이 부족합니다"
 * “백엔드 일을 시작한지 5년차가 되었는데 5년차라고 하기에는 아는 것이 너무 적습니다. 이제 무엇을 해야할까요?”
 * “회사에서 원래 내 업무에 해당하는 일(머신러닝 모델 개발)만 하고 싶은데 온갖 종류의 일을 해야만 합니다. 이걸 이력서에 뭐라고 적어야 하나요?” 

어떤 공통점이 눈에 띄는가? 회사 일만으로는 충분하지 않다고 생각하는 거다. 왜 이런 생각을 갖게 되었을까? 수능과 선행학습의 폐해가 아닌가 싶다. 학교 때 교실에서 뭔가 배우기 전에 항상 선행학습을 하거나 학원에서 복습하던 것이 습관화되다보니 뭔가 따로 또 해야하고 정해진 패스가 있어 그걸 따라가야 한다고 자기도 모르게 믿게 되는 악효과가 있는 걸로 보인다. 

훨씬 더 건강하고 단순하고 효율적인 커리어 계발 방법은 회사 업무에 더 집중하면서 일을 더 잘하기 위해서 필요한 기술을 공부하는 거다. 회사 일에는 전혀 필요없지만 뜨는 기술을 불안감이나 조바심 때문에 따라가는 것은 새로운 기술이 계속 나오기 때문에 끝이 없다. 단 뜨는 기술을 호기심으로 공부하는 것은 좋다고 생각하지만 이 역시 부담감을 가진다면 호기심이라고는 할 수 없다. 약간은 새로운 기술 트렌드를 의식적으로 무시하고 내가 맡은 업무에서 성과를 내는데 집중해서 인정받고 좋은 평판 만들고 선한 영향력을 갖는 것이 동료들과 상사에게 좋은 인상을 남기면서 나중에 또 일하고 싶은 사람이 되는 거다. 그렇게 된다면 지인 추천 형태로 생각치 못했던 기회가 생기고 그러면서 커리어 하반기가 잘 풀린다. 

요즘처럼 빠르게 변화하는 세상에서 믿을 것은 나밖에 없다. 나를 사랑하고 내가 원하는 것이 무엇인지 많이 고민하고 변화를 두려워하지 않고 선도하려 하지도 않으며 잘 따라가는 것만으로도 충분하지 않다 싶다. Love Yourself!

학교는 초중고대학의 형태로 학년이 정해져 있고 뭘 배우는지 커리큘럼이 정해져 있으며 시험이란 형태로 정답이란 것이 있다. 많은 한국 사람들은 학교에서 배우는 걸로 만족하지 못하고 학원이나 과외 등등으로 선행 학습을 일상적으로 한다. 실리콘 밸리에 와보니 일부 극성인 아시안 부모들이 있긴 하지만 전체적인 분위기는 학교 공부 이외에 별도로 과외를 하거나 선행 학습을 왜 하냐 라는 분위기였다. 또한 불행히도 한국에서 초중고 교육은 대학이란 단기목표를 가지고 이뤄진다. 커리어는 학교와는 달리 학년도 정해져 있지 않고 그러니 당연히 커리큘럼도 없고 정답이 정해져있는 시험이란 것도 없다. 그리고 백세 시대 커리어는 적어도 50년 정도는 지속될 수 밖에 없는 훨씬 더 긴 시간대를 갖고 있다. 하지만 우리는 선행학습이란 행위에 너무 익숙해져있다 보니 사회 생활을 하며 뭔가 막히면 정답을 찾고 공부를 하며 미리 준비를 하려는 성향을 본의아니게 갖게 된다. 수능의 또 다른 폐해는 실패를 두려워 하게 만든다는 점이라 보여진다. 원하는 대학을 못가면 재수, 삼수를 하는 것이 일상적이고 기대보다 덜 좋은 대학을 가면 웬지 내가 실패자라는 자책을 하게 되는데 이 마인드셋을 커리어로 그대로 들고 가는 거다. 정답을 찾고 실패를 두려워하는 이런 모습은 미국 생활을 20년 넘게 하며 잊어버렸던 내 과거의 모습이기도 한데 지난 3-4년 정도 한국에 있는 다양한 사람들과 다시 긴밀히 접촉하면서 조금은 외부의 시각으로 바라보게 되니 그 갭이 잘 보인다. 요약해보자면 수능과 선행학습이 알게 모르게 우리가 커리어를 바라보는 관점을 왜곡시킨다는 거다. 기술지향적이며 안전함을 찾는 사람으로 만든다는 점인데 최근 커리어 코칭에서 들었던 잘못된 관점의 질문을 몇 가지 예로 들어보면 이렇다.&nbsp; <ul ><li>“회사에서 쓰는 프레임웍이 너무 구식입니다. 집에 와서 새로운 프레임웍을 공부를 하는데 시간이 부족합니다"</li><li>“백엔드 일을 시작한지 5년차가 되었는데 5년차라고 하기에는 아는 것이 너무 적습니다. 이제 무엇을 해야할까요?”</li><li>“회사에서 원래 내 업무에 해당하는 일(머신러닝 모델 개발)만 하고 싶은데 온갖 종류의 일을 해야만 합니다. 이걸 이력서에 뭐라고 적어야 하나요?”&nbsp;</li></ul> 어떤 공통점이 눈에 띄는가? 회사 일만으로는 충분하지 않다고 생각하는 거다. 왜 이런 생각을 갖게 되었을까? 수능과 선행학습의 폐해가 아닌가 싶다. 학교 때 교실에서 뭔가 배우기 전에 항상 선행학습을 하거나 학원에서 복습하던 것이 습관화되다보니 뭔가 따로 또 해야하고 정해진 패스가 있어 그걸 따라가야 한다고 자기도 모르게 믿게 되는 악효과가 있는 걸로 보인다.&nbsp; 훨씬 더 건강하고 단순하고 효율적인 커리어 계발 방법은 회사 업무에 더 집중하면서 일을 더 잘하기 위해서 필요한 기술을 공부하는 거다. 회사 일에는 전혀 필요없지만 뜨는 기술을 불안감이나 조바심 때문에 따라가는 것은 새로운 기술이 계속 나오기 때문에 끝이 없다. 단 뜨는 기술을 호기심으로 공부하는 것은 좋다고 생각하지만 이 역시 부담감을 가진다면 호기심이라고는 할 수 없다. 약간은 새로운 기술 트렌드를 의식적으로 무시하고 내가 맡은 업무에서 성과를 내는데 집중해서 인정받고 좋은 평판 만들고 선한 영향력을 갖는 것이 동료들과 상사에게 좋은 인상을 남기면서 나중에 또 일하고 싶은 사람이 되는 거다. 그렇게 된다면 지인 추천 형태로 생각치 못했던 기회가 생기고 그러면서 커리어 하반기가 잘 풀린다.&nbsp; 요즘처럼 빠르게 변화하는 세상에서 믿을 것은 나밖에 없다. 나를 사랑하고 내가 원하는 것이 무엇인지 많이 고민하고 변화를 두려워하지 않고 선도하려 하지도 않으며 잘 따라가는 것만으로도 충분하지 않다 싶다. Love Yourself!

학교와 커리어의 차이점

한 회사에서 3년 넘게 일했어요. 궁금해지더라고요. 다른 곳에서도 인정받을 수 있을까?

익숙한 환경이니까 잘하는 것처럼 보이는 게 아닌지 궁금했어요. 그래서 이직을 도전해 지금 팀에 합류했어요.

낯선 환경에 오니 환경에 따라 저의 쓸모가 다르다는 걸 느꼈어요. 맡은 일, 만드는 제품이나 팀의 규모에 따라 할 수 있는 일이 다르더라고요.

이직하면서 많이 배웠어요. 제가 하고 싶은 일과 잘하는 일, 무엇보다 저의 쓸모에 대해서 배웠어요.

한 회사에서 3년 넘게 일했어요. 궁금해지더라고요. 다른 곳에서도 인정받을 수 있을까? 익숙한 환경이니까 잘하는 것처럼 보이는 게 아닌지 궁금했어요. 그래서 이직을 도전해 지금 팀에 합류했어요. 낯선 환경에 오니 환경에 따라 저의 쓸모가 다르다는 걸 느꼈어요. 맡은 일, 만드는 제품이나 팀의 규모에 따라 할 수 있는 일이 다르더라고요. 이직하면서 많이 배웠어요. 제가 하고 싶은 일과 잘하는 일, 무엇보다 저의 쓸모에 대해서 배웠어요.

회사를 옮겨보면 알게 되는 나의 쓸모

2024년을 마무리하기 전,
지금까지의 이력을 업데이트한 2024년 버전 이력서를 만들어보았어요.

제가 이력서를 작성할 때 가장 신경쓰는 점은 크게 3가지입니다.

📌 이력서 전체에서 업무 경험과 스킬들이 일관적인 방향성을 가지고 있는지
📌 경력 파트에서 단순히 업무 내용만을 기재하는 것이 아니라 업무에 도움이 되는 수치나 성과를 나타내고 있는지
📌 내가 원하는 직무에 일치하는 관련 키워드나 스킬셋이 잘 나타나있는지

이 3가지를 포함하는 이력서는 나중에 면접 단계로 이어질 때도,
대부분 추가 질문이나 꼬리 질문에서 여쭤보기 때문에,
스스로 잘 정리하고 기록하는 것이 중요하다고 생각했습니다.

여러분들의 의견은 어떠신가요?
여러분들은 이력서를 작성할 때 사용하는 나만의 팁이나 노하우가 있으신가요?

2024년을 마무리하기 전, 지금까지의 이력을 업데이트한 2024년 버전 이력서를 만들어보았어요. 제가 이력서를 작성할 때 가장 신경쓰는 점은 크게 3가지입니다. 📌 이력서 전체에서 업무 경험과 스킬들이 일관적인 방향성을 가지고 있는지 📌 경력 파트에서 단순히 업무 내용만을 기재하는 것이 아니라 업무에 도움이 되는 수치나 성과를 나타내고 있는지 📌 내가 원하는 직무에 일치하는 관련 키워드나 스킬셋이 잘 나타나있는지 이 3가지를 포함하는 이력서는 나중에 면접 단계로 이어질 때도, 대부분 추가 질문이나 꼬리 질문에서 여쭤보기 때문에, 스스로 잘 정리하고 기록하는 것이 중요하다고 생각했습니다. 여러분들의 의견은 어떠신가요? 여러분들은 이력서를 작성할 때 사용하는 나만의 팁이나 노하우가 있으신가요?

2024년 이력서 업데이트

2022년 1월 4일부터 2024년 11월 18일까지, 약 3년을 우아한형제들과 함께해서 즐거웠습니다 :)   왜 떠나는가? 사실 이직해야지! 하고 결심해서 시작한 것은 아니었다. 3-4년차가 이직하기 참 좋을 때라는데, 나는 과연 이직을 할 수 있을까에 대한 궁금증이 제일 컸다. 부업으로 꾸준히 멘토링을 하는 입장에서 취업/이직이 점점 어려워지고 있구나도 많이 느낄 수 있었다. 물론 연차를 더 쌓은 후 이직을 하는 길도 있었다. 하지만 우아한형제들이 첫 회사인 나는, 약 3년이라는 기간동안 대부분 회사 내부 서비스만을 개발했다. 디자인시스템, 어드민, 운영 도구 등등.. 어떻게 보면 서비스 회사에서 서비스 개발은 해보지 않은 셈이다. 이러다가 더 연차가 쌓였을 때, 만일 서비스 회사에 지원을 하게 된다면 서비스 경험이 없는 나를 과연 뽑을지에 대한 의문이 컸다. 주니어라면 와서 배우면 되는 부분이지만, 시니어라면 팀을 이끄는 역량이 필요할지도 모르는데 경험조차 없다면.. 계속 개…

개발자 단민 | 3년차엔 뭐다? 이직이다!

왜 인지 올 해 저희 회사분들 이직 얘기 많이 전하네요.
다들 최고가 되셔서 떠나시는 만큼 멀리서 항상 응원합니다!!!!
https://www.jeong-min.com/77-resignation/

왜 인지 올 해 저희 회사분들 이직 얘기 많이 전하네요.다들 최고가 되셔서 떠나시는 만큼 멀리서 항상 응원합니다!!!!https://www.jeong-min.com/77-resignation/

www.jeong-min.com

최고가 되어 떠나는 단민님 이직기

메모이제이션(memoization)와 캐싱은 프로그래밍의 기본 개념입니다. 이 글에서는 자바스크립트와 타입스크립트의 예시를 통해 메모이제이션에 대해 자세히 소개합니다.


(번역) 자바스크립트와 타입스크립트에서 메모이제이션란 무엇인가요?

오늘 소개드릴 글은 이스트소프트의 김태현님이 번역해주신 글입니다.

이 글에선 자바스크립트와 타입스크립트를 사용하여 메모이제이션의 구현을 통해 수치와 표를 이용하여 로직의 성능 측정 방법을 알려주고 있습니다. 또한 저자는 쉬게 접근하기위해 피보나치 수열을 사용해서 메모이제이션의 사용 사례와 트레이드 오프에 대해서도 이야기하고 있는데요.

개인적으로 이 내용을 바탕을 이해하고난뒤 리액트의 메모이제이션을 기반하는 개념들을 더 쉽게 이해할 수 있었습니다.

만약 자바스크립트와 타입스크립트 코드에서 최적화에 대해 관심을 가지고 계신다면 이 글을 입문으로 추천합니다!

글 링크: https://velog.io/@tap_kim/memoization-in-js-ts

오늘 소개드릴 글은 이스트소프트의 김태현님이 번역해주신 글입니다. 이 글에선 자바스크립트와 타입스크립트를 사용하여 메모이제이션의 구현을 통해 수치와 표를 이용하여 로직의 성능 측정 방법을 알려주고 있습니다. 또한 저자는 쉬게 접근하기위해 피보나치 수열을 사용해서 메모이제이션의 사용 사례와 트레이드 오프에 대해서도 이야기하고 있는데요. 개인적으로 이 내용을 바탕을 이해하고난뒤 리액트의 메모이제이션을 기반하는 개념들을 더 쉽게 이해할 수 있었습니다. 만약 자바스크립트와 타입스크립트 코드에서 최적화에 대해 관심을 가지고 계신다면 이 글을 입문으로 추천합니다! 글 링크: https://velog.io/@tap_kim/memoization-in-js-ts

velog.io

자바스크립트와 타입스크립트에서 메모이제이션란 무엇인가요?

중앙일보의 고품격 주간 경제지

[허태윤의 브랜드 스토리] 성공한 브랜드의 비밀은 확실한 내부 브랜딩 전략

배민의 '배민다움' - 아이디어 생성과정에서 직원들 스스로가 배민다움을 이해하고 발전시켜나가며 체화한 스토리는 유명합니다. 직원들의 투표를 통해 호수가 보이는 잠실로 사무실을 이전했고, ‘송파구에서 일 잘하는 법’으로 명명한 배민 직원의 업무 지침도 배민다움을 직원들에게 공유하고 이해시키기 위해 만들어 내부에서 외부로 향했습니다.

디즈니의 '캐스트' - 디즈니에서는 테마파크 직원들은 ‘캐스트’라 불립니다. 영화가 끝나고 엔딩 크레딧이 올라가면 등장인물들의 이름이 올라가 듯 디즈니는 테마파크를 무대로 생각하고 그곳에서 일하는 직원은 고객을 위해 연기하는 배우라고 생각합니다 공연하는 직원, 청소하는 직원, 햄버거를 파는 직원 등 이들 모두는 디즈니가 찍는 영화의 한 장면을 담당한다고 자부하고 있습니다. 고객을 관객이라고 상정하고 그들이 파는 것은 훌륭한 기술이나 서비스가 아니라 꿈·환상, 그리고 사랑이라는 보이지 않는 가치라는 점을 직원들에게 먼저 설득합니다.

구글의 '20% 룰' - 최고의 기업이 되기 이전에도 구글은 직원을 최고의 자산이라 생각하며 그에 걸맞은 대우를 해주는 것으로 유명했습니다. 전 세계 국가에서 모인 인재들을 위해 카페테리아에 최고의 셰프들이 만든 요리를 모두 맛볼 수 있게 했죠. 특히, ‘20% 타임제’를 통해 업무 시간의 20%는 개인적 관심사에 시간을 보낼 수 있게 해 직원들은 자발적으로 자신의 관심사와 회사의 일을 연결해 훌륭한 성과를 만들고 있습니다. 실제로 구글 로고를 디자인한 한국인 데니스 황은 구글 맵스, g메일 등의 로고도 ‘20% 타임’을 통해 만들었죠. 한마디로 구글은 내부 고객들에게 먼저 브랜드를 팔고, 구글의 열정적 팬이 된 직원들이 다시 고객에 파는 회사라고 할 수 있습니다.

[ 큐레이터의 문장 🎒 ]

"송소고택* 방으로 안내하기 전, 내일 손님을 맞을 다른 방 아궁이에 잠시 멈췄다. 참나무 향이 기분 좋게 나며 벌겋게 타는 장작을 보여주며 “손님이 예약하면 하루 전부터 방에 불을 이렇게 땝니다. 당일 날 때면 방이 뜨거워 손님이 잘 수가 없어서 하루 전에 불을 땝니다. 이틀 동안 그 온기로만 손님들이 편한 밤을 보내시지요”라고 설명했다. 온돌처럼 은은한 온기를 담은 목소리로 전해지는 진심은 추위를 녹이고도 남았다."

* 1880년경 지어진 ‘송소고택’은 청송의 만석꾼 심호택의 99칸 살림집이다. 지금까지 딱 3개가 남아 있는 조선시대 99칸 집 중 가장 아름다운 고택으로 알려져 있다. 송소고택은 청송 심 씨 11대 종손인 심재오 선생이 직접 관리를 하고 손님을 맞는다.

https://jmagazine.joins.com/economist/view/331826

배민의 '배민다움' - 아이디어 생성과정에서 직원들 스스로가 배민다움을 이해하고 발전시켜나가며 체화한 스토리는 유명합니다. 직원들의 투표를 통해 호수가 보이는 잠실로 사무실을 이전했고, ‘송파구에서 일 잘하는 법’으로 명명한 배민 직원의 업무 지침도 배민다움을 직원들에게 공유하고 이해시키기 위해 만들어 내부에서 외부로 향했습니다. 디즈니의 '캐스트' - 디즈니에서는 테마파크 직원들은 ‘캐스트’라 불립니다. 영화가 끝나고 엔딩 크레딧이 올라가면 등장인물들의 이름이 올라가 듯 디즈니는 테마파크를 무대로 생각하고 그곳에서 일하는 직원은 고객을 위해 연기하는 배우라고 생각합니다 공연하는 직원, 청소하는 직원, 햄버거를 파는 직원 등 이들 모두는 디즈니가 찍는 영화의 한 장면을 담당한다고 자부하고 있습니다. 고객을 관객이라고 상정하고 그들이 파는 것은 훌륭한 기술이나 서비스가 아니라 꿈·환상, 그리고 사랑이라는 보이지 않는 가치라는 점을 직원들에게 먼저 설득합니다. 구글의 '20% 룰' - 최고의 기업이 되기 이전에도 구글은 직원을 최고의 자산이라 생각하며 그에 걸맞은 대우를 해주는 것으로 유명했습니다. 전 세계 국가에서 모인 인재들을 위해 카페테리아에 최고의 셰프들이 만든 요리를 모두 맛볼 수 있게 했죠. 특히, ‘20% 타임제’를 통해 업무 시간의 20%는 개인적 관심사에 시간을 보낼 수 있게 해 직원들은 자발적으로 자신의 관심사와 회사의 일을 연결해 훌륭한 성과를 만들고 있습니다. 실제로 구글 로고를 디자인한 한국인 데니스 황은 구글 맵스, g메일 등의 로고도 ‘20% 타임’을 통해 만들었죠. 한마디로 구글은 내부 고객들에게 먼저 브랜드를 팔고, 구글의 열정적 팬이 된 직원들이 다시 고객에 파는 회사라고 할 수 있습니다. [ 큐레이터의 문장 🎒 ] "송소고택* 방으로 안내하기 전, 내일 손님을 맞을 다른 방 아궁이에 잠시 멈췄다. 참나무 향이 기분 좋게 나며 벌겋게 타는 장작을 보여주며 “손님이 예약하면 하루 전부터 방에 불을 이렇게 땝니다. 당일 날 때면 방이 뜨거워 손님이 잘 수가 없어서 하루 전에 불을 땝니다. 이틀 동안 그 온기로만 손님들이 편한 밤을 보내시지요”라고 설명했다. 온돌처럼 은은한 온기를 담은 목소리로 전해지는 진심은 추위를 녹이고도 남았다." * 1880년경 지어진 ‘송소고택’은 청송의 만석꾼 심호택의 99칸 살림집이다. 지금까지 딱 3개가 남아 있는 조선시대 99칸 집 중 가장 아름다운 고택으로 알려져 있다. 송소고택은 청송 심 씨 11대 종손인 심재오 선생이 직접 관리를 하고 손님을 맞는다. https://jmagazine.joins.com/economist/view/331826

포브스 코리아

《고객 경험(Customer eXperience)은 내부로부터》

1
가장 스마트하게 일하는 것은 다른 누구도 할 수 없는 일을 하는 것을 의미한다.

2
이것은 아주 높은 기준이다. 다른 사람들은 할 수 없고 자신만이 잘할 수 있는 일을 찾아내는 것은 엄청난 도전이다.

3
대부분은 그것이 무엇인지 알게 되는 데 한평생이 걸린다. 그것은 오직 의도적인 연습과 다른 사람들의 도움을 통해서만 찾을 수 있지만, 일단 찾게 되면 그 보상은 엄청나다.

4
다른 사람들이 원하는 것을 잘할 때, 그리고 그 일을 할 수 있는 유일한 사람이 바로 당신일 때, 바로 그때 당신은 흔치 않은 보상을 받을 것이다.

#엔드말라리아

1 가장 스마트하게 일하는 것은 다른 누구도 할 수 없는 일을 하는 것을 의미한다. ​ ​2 이것은 아주 높은 기준이다. 다른 사람들은 할 수 없고 자신만이 잘할 수 있는 일을 찾아내는 것은 엄청난 도전이다. ​ ​3 대부분은 그것이 무엇인지 알게 되는 데 한평생이 걸린다. 그것은 오직 의도적인 연습과 다른 사람들의 도움을 통해서만 찾을 수 있지만, 일단 찾게 되면 그 보상은 엄청나다. ​ ​4 다른 사람들이 원하는 것을 잘할 때, 그리고 그 일을 할 수 있는 유일한 사람이 바로 당신일 때, 바로 그때 당신은 흔치 않은 보상을 받을 것이다. ​ #엔드말라리아 ​

< 진짜 스마트한 사람은 이렇게 일한다 >

오늘 OpenAI가 GPT-4o를 업데이트하면서 글쓰기 능력이 더 유려해지고 창의적이 되었다며 발표했는데요.

몇몇 벤치마크에서 테스트해보니 추론 벤치마크에서는 기존 모델보다 꽤 떨어진다고 합니다. 다만 속도가 초당 80 토큰에서 180 토큰으로 크게 빨라졌는데요.

‪뇌피셜로 보자면, 속도를 두 배 빠르게 하면 산술적으로 o1의 추론 토큰을 두 배 늘릴 수 있으니, 베이스 모델을 1차원적으로 썼을 때의 추론 능력은 약간 떨어지더라도 o1의 추론 능력을 크게 키울 수 있을거라서 이렇게 한 것이 아닐까..라고 추측이 됩니다.

일반적인 경우에는 추론 능력보다는 유려한 글쓰기가 유리하기도 하니, 꽤 합리적인 방법이 아닐까 싶습니다.

오늘 OpenAI가 GPT-4o를 업데이트하면서 글쓰기 능력이 더 유려해지고 창의적이 되었다며 발표했는데요. 몇몇 벤치마크에서 테스트해보니 추론 벤치마크에서는 기존 모델보다 꽤 떨어진다고 합니다. 다만 속도가 초당 80 토큰에서 180 토큰으로 크게 빨라졌는데요. ‪뇌피셜로 보자면, 속도를 두 배 빠르게 하면 산술적으로 o1의 추론 토큰을 두 배 늘릴 수 있으니, 베이스 모델을 1차원적으로 썼을 때의 추론 능력은 약간 떨어지더라도 o1의 추론 능력을 크게 키울 수 있을거라서 이렇게 한 것이 아닐까..라고 추측이 됩니다. 일반적인 경우에는 추론 능력보다는 유려한 글쓰기가 유리하기도 하니, 꽤 합리적인 방법이 아닐까 싶습니다.

오늘 OpenAI가 GPT-4o를 업데이트하면서 글쓰기 능력이 더

당신이 꼭 사용해보았으면 좋을 DATA/AI 도구 리스트를 소개합니다.

Archive(저장) - 노션 (Notion)
Summary(요약) - 릴리즈 AI, MyLens AI
Presentation(발표) - 감마 AI, 캔바, 톰 AI
LLM (대규모언어모델) - 챗지피티, 클라우드, 펄프랙시티

더 자세한 소개와 내용이 궁금하다면 아래에 링크로 첨부한
링크드인 뉴스레터를 읽어보세요.

https://www.linkedin.com/pulse/datarichard-%EB%89%B4%EC%8A%A4%EB%A0%88%ED%84%B0-202410-richard-lim-1xqoc/

당신이 꼭 사용해보았으면 좋을 DATA/AI 도구 리스트를 소개합니다. Archive(저장) - 노션 (Notion)Summary(요약) - 릴리즈 AI, MyLens AIPresentation(발표) - 감마 AI, 캔바, 톰 AILLM (대규모언어모델) - 챗지피티, 클라우드, 펄프랙시티 더 자세한 소개와 내용이 궁금하다면 아래에 링크로 첨부한 링크드인 뉴스레터를 읽어보세요. https://www.linkedin.com/pulse/datarichard-%EB%89%B4%EC%8A%A4%EB%A0%88%ED%84%B0-202410-richard-lim-1xqoc/

Notion을 알고 사용한 이후로 제 삶은 많이 바뀌었습니다. 너무 편리함
https://myperfecthotel.io

Far Eastern federal univ(двфу) se

gregmorse

Drift Boss 2 is a simple one-click driving game in which you drive your automobile around extremely difficult turns and over bumps, hoping to reach what appears to be a limitless end! https://drift-boss2.io

Mike IT

betterwound

위세아이텍 인프라 엔지니어

좀 더 많은 경험을 함으로써
리더쉽을 발휘할 수 있는 개발자가 되었으면 좋겠습니다.

Aravis

유한대학교 컴퓨터공학

이정석

당신이 꼭 사용해보았으면 좋을 DATA/AI 도구 리스트

교육 / 에듀테크

창립자

데이터 교육 크리에이터

데이터 분석가

데이터 엔지니어 인턴

데이터 엔지니어

Business Analytics 석사

Psychology 전과

천마인재학부 제적

Data Science 학사 졸업

𝙍𝙞𝙘𝙝𝙖𝙧𝙙 

datarichrard [뉴스레터]

LinkedIn [링크드인]

Threads [쓰레드]

당신이 DATA/AI를 재미있고 가치있게 배울수 있도록 돕습니다.
Founder @ datarichard | Digital Contents Creator | LinkedIn Top Voice x 5 |  Ex-Amazon


당신이 꼭 사용해보았으면 좋을 DATA/AI 도구 리스트

댓글 2

비슷한 게시물

주간 인기 TOP 10

추천 프로필