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

 - YouTube

협상 바이블의 저자이제 법무법인 율본의 대표 변호사인 류재언 변호사님의 몸값 협상에 대해 알아보세요!
저도 이직을 몇차례 했었는데요, 첫 이직 땐 연봉협상을 할 줄 몰라 그냥 흘러가며 들어갔던 기억이 있네요 (맞으면서 배우는,,,🥹)

https://www.youtube.com/watch?v=349WGnxlzMg

협상 바이블의 저자이제 법무법인 율본의 대표 변호사인 류재언 변호사님의 몸값 협상에 대해 알아보세요!저도 이직을 몇차례 했었는데요, 첫 이직 땐 연봉협상을 할 줄 몰라 그냥 흘러가며 들어갔던 기억이 있네요 (맞으면서 배우는,,,🥹) https://www.youtube.com/watch?v=349WGnxlzMg

www.youtube.com

연말 협상 잘하는 방법부터 협상 시 절대 해서는 안되는 말까지 👀

집회 참여자들을 위한 카페 선결제 문화도, 5월 광주의 주먹밥과 닮아있다.

집회 참여자들을 위한 카페 선결제 문화도, 5월 광주의 주먹밥과 닮아있다.

세월호 이야기만 봐도 불편한 티를 내는 놈들 꼭 리플 달던데 드디어 대가리 깨졌나 ㅋㅋㅋ 크래프톤 분석가라는 놈은 대놓고 윤석렬한테 너무 비판적으로 편향적이라고 여기에 글 쓰더만 지금 뭐하나 ㅋㅋ

 예측 가능한 미래 NAVIX로 시작해 보세요. NAVIX는 OpenELA 기반의 오픈소스 리눅스 배포판입니다. 수시로 변화하는 리눅스 OS 환경. 우리는 모든 인터넷 서비스의 기반이 되는 OS를 남에게 맡기지 않고 직접 개발하고 관리하기로 결정했습니다. 모두에게 공개하고 참여의 장을 열어 함께 발전하는 리눅스가 되려고 합니다. About Navix Download News 최신 업데이트와 가장 최근의 뉴스를 확인해보세요.
9.5 릴리즈 최신 업데이트가 적용된 9.5 버전을 체험해보세요. NAVIX 공개 새로운 Free OS NAVIX를 출시합니다. 새 뉴스가 없습니다 

사용자가 공유한 콘텐츠

💡 주요 특징
 1. 안정성 & 장기 지원
    * 네이버 내부 인프라에 적용 중이라 검증된 안정성
    * 장기적인 기술 지원과 업데이트까지 챙겨줘서 믿고 사용 가능
 2. 오픈소스 & 자유로운 활용
    * 소스 코드 공개로 개발자 누구나 수정하고 배포 가능
    * 기술 커스터마이징
 3. 강력한 보안
    * 최신 보안 표준을 따르고, 철저한 업데이트 제공
    * 기업 환경에서도 문제없는 보안성을 자랑

https://navix.navercorp.com/

💡 주요 특징<ol ><li>안정성 &amp; 장기 지원<ul ><li>네이버 내부 인프라에 적용 중이라 검증된 안정성</li><li>장기적인 기술 지원과 업데이트까지 챙겨줘서 믿고 사용 가능</li></ul></li><li>오픈소스 &amp; 자유로운 활용<ul ><li>소스 코드 공개로 개발자 누구나 수정하고 배포 가능</li><li>기술 커스터마이징</li></ul></li><li>강력한 보안<ul ><li>최신 보안 표준을 따르고, 철저한 업데이트 제공</li><li>기업 환경에서도 문제없는 보안성을 자랑</li></ul></li></ol> https://navix.navercorp.com/

navix.navercorp.com

NAVIX - 네이버가 만든 리눅스 배포판 🐧

우리나라 약간 스타트업 같다. 성장속도도 그렇고, 정권 바뀔 때 마다 롤러코스터 타는 것도 그렇고. 한국의 얼이란 스타트업 스삐릿인가. (+ 민주주의의 스타트업 포지션이라고 ㅋㅋ)

우리나라 약간 스타트업 같다. 성장속도도 그렇고, 정권 바뀔 때 마다 롤러코스터 타는 것도 그렇고. 한국의 얼이란 스타트업 스삐릿인가. (+ 민주주의의 스타트업 포지션이라고 ㅋㅋ)

‪민주주의 그로스 해킹 중 ㅋㅋㅋ‬

AI 시대이기 때문에, AI가 개개인에게 맞춤형 교육을 제공 할 수 있기 때문에, 그렇기 때문에 공교육을 하는 학교에서는 오히려 AI 교재를 사용하지 않는 것이 좋습니다. 아니, 사용하지 말아야 합니다.

AI 시대이기 때문에, AI가 개개인에게 맞춤형 교육을 제공 할 수 있기 때문에, 그렇기 때문에 공교육을 하는 학교에서는 오히려 AI 교재를 사용하지 않는 것이 좋습니다. 아니, 사용하지 말아야 합니다.

Threads

예전엔 새로운 서비스/플랫폼이 나오면 바로 써봤는데, 요즘은 바빠 예전같지 않네요 🥹
이미 많은 분들이 쓰고 계시겠지만, Threads는 메타에서 나온 트위터라고 생각하면 이해하기 쉬운데요, 인스타그램과 연동되어있어 확장이 빠른 특징이 있습니다.

전 트위터를 해보지 않아 처음에 낯설었지만, 금방 익숙해질 수 있었습니다.
여러분들 혹시 쓰레드를 하신다면 스친(쓰레드친구라고 함...ㅋㅎ) 하실래요-!? 😁

https://www.threads.net/@with_geun

예전엔 새로운 서비스/플랫폼이 나오면 바로 써봤는데, 요즘은 바빠 예전같지 않네요 🥹이미 많은 분들이 쓰고 계시겠지만, Threads는 메타에서 나온 트위터라고 생각하면 이해하기 쉬운데요, 인스타그램과 연동되어있어 확장이 빠른 특징이 있습니다. 전 트위터를 해보지 않아 처음에 낯설었지만, 금방 익숙해질 수 있었습니다.여러분들 혹시 쓰레드를 하신다면 스친(쓰레드친구라고 함...ㅋㅎ) 하실래요-!? 😁 https://www.threads.net/@with_geun

www.threads.net

쓰레드에 익숙해지는 중이예요. 👀

데이터 과학은 21세기 가장 섹시한 직업이라고 불렸던,
(Data Scientist: The Sexxist Job of the 21st Century) 데이터 과학자가
하는 업무의 모든 것들을 의미합니다.

아래 그래프에서 보시다시피,
데이터 과학은 다양한 학문들을 종합한 종합 과학입니다.

기존 개발자들이 사용하던 컴퓨터 과학 (Computer Science) 한 스푼,
통계학자들과 수학자들이 사용하던 수학 (Mathmetics) 한 스푼,
그리고 기업가들과 다양한 기획자들이 사용하는 경영(Business Management) 한 스푼을
첨가하면 데이터 과학이라는 레시피(Recipe)가 만들어집니다.

흥미로운 점은 이 레시피(Recipe)가
각 도메인 별, 분야 별, 그리고 주요 목적과 환경에 따라
천차만별로 달라진다는 점입니다.

데이터라는 하나의 이름만 같지,
어떤 데이터를 어떻게 사용하고 해석할지,
그리고 그 결과물로 어떤 비즈니스에 도입할지에 따라
데이터 과학은 다양한 형태의 모습으로 변형됩니다.

어떤 기업은 명확하고 정확한 데이터 자체를 중요시 여기는 반면,
또 다른 기업은 패턴을 찾아내는 케이스가 더 중요시 여겨지기도 합니다.

그렇기 때문에, 각 분야에 종사하고 있는 데이터 직무 종사자들은
사실 자신의 영역 외에는 데이터가 어떻게 처리되고 사용되는지를
모르고 있는 경우들도 많습니다.

이런 한계점들이 데이터 과학을 입문하는 입문자들의 발목을 잡고 있다고 생각해요.

내가 어디까지 얼마나 배워야 하는지,
그리고 배운 내용을 통해 어떤 결과물을 어떻게 전달해야 하는지를
누가 정확하게 알려준 적이 없어, 데이터 과학의 가장 큰 병목을 만들고 있습니다.

그렇기 때문에 가장 데이터 과학을 배울 수 있는 가장 좋은 방법은
바로 직접 데이터 과학을 사용해 의사결정을 해보는 것입니다.

엑셀, SQL, 파이썬, 태블로, R, SAS, SPSS, Scala 뭐든 상관없습니다.
여러분이 직접 데이터를 활용해 무엇이든 알아낸다면,
그 뒤로는 여러분만의 데이터 과학이 시작될 것입니다.

데이터 과학은 21세기 가장 섹시한 직업이라고 불렸던, (Data Scientist: The Sexxist Job of the 21st Century) 데이터 과학자가 하는 업무의 모든 것들을 의미합니다. 아래 그래프에서 보시다시피, 데이터 과학은 다양한 학문들을 종합한 종합 과학입니다. 기존 개발자들이 사용하던 컴퓨터 과학 (Computer Science) 한 스푼, 통계학자들과 수학자들이 사용하던 수학 (Mathmetics) 한 스푼, 그리고 기업가들과 다양한 기획자들이 사용하는 경영(Business Management) 한 스푼을 첨가하면 데이터 과학이라는 레시피(Recipe)가 만들어집니다. 흥미로운 점은 이 레시피(Recipe)가 각 도메인 별, 분야 별, 그리고 주요 목적과 환경에 따라 천차만별로 달라진다는 점입니다. 데이터라는 하나의 이름만 같지, 어떤 데이터를 어떻게 사용하고 해석할지, 그리고 그 결과물로 어떤 비즈니스에 도입할지에 따라 데이터 과학은 다양한 형태의 모습으로 변형됩니다. 어떤 기업은 명확하고 정확한 데이터 자체를 중요시 여기는 반면, 또 다른 기업은 패턴을 찾아내는 케이스가 더 중요시 여겨지기도 합니다. 그렇기 때문에, 각 분야에 종사하고 있는 데이터 직무 종사자들은 사실 자신의 영역 외에는 데이터가 어떻게 처리되고 사용되는지를 모르고 있는 경우들도 많습니다. 이런 한계점들이 데이터 과학을 입문하는 입문자들의 발목을 잡고 있다고 생각해요. 내가 어디까지 얼마나 배워야 하는지, 그리고 배운 내용을 통해 어떤 결과물을 어떻게 전달해야 하는지를 누가 정확하게 알려준 적이 없어, 데이터 과학의 가장 큰 병목을 만들고 있습니다. 그렇기 때문에 가장 데이터 과학을 배울 수 있는 가장 좋은 방법은 바로 직접 데이터 과학을 사용해 의사결정을 해보는 것입니다. 엑셀, SQL, 파이썬, 태블로, R, SAS, SPSS, Scala 뭐든 상관없습니다. 여러분이 직접 데이터를 활용해 무엇이든 알아낸다면, 그 뒤로는 여러분만의 데이터 과학이 시작될 것입니다.

데이터 과학, 그거 어떻게 하는건데?

💬 IRC를 아시나요?

irc.ameego.club:6667

심심풀이로 서버 열어봤습니다.

역시 진정한 긱이라면 슬랙이나 디스코드같은 짝퉁이 아니라 irc에서 놀아야겠죠. 후후.. 😎🍿🥤

💬 IRC를 아시나요? irc.ameego.club:6667 심심풀이로 서버 열어봤습니다. 역시 진정한 긱이라면 슬랙이나 디스코드같은 짝퉁이 아니라 irc에서 놀아야겠죠. 후후.. 😎🍿🥤

혁신적 금융, 포용적 금융, 신뢰받는 금융, 금융위원회 입니다.

 		보도자료 - 			위원회 소식 - 			알림마당 - 			금융위원회

생성형AI 관심은 많으나, 실제 적용이 어려운 환경중에 하나가 바로 금융권입니다. 이와 관련하여 지난주 12월12일 금융권 AI 협의회를 통해 [금융권 생성형 AI 활용 지원 방안]이 발표되었습니다. 내년에 구축이 되면 금융권에 보다 다양하고 많은 생성형AI기반의 에이전트 서비스가 늘어날 거 같습니다. ^^

< 추진 배경 >
 * 금융보안환경: GPT-4 등 AI서비스는 주로 인터넷망을 통해 해외 서버에서 제공되어, 망분리 등의 금융보안환경 하에서 활용이 어려움
 * 데이터 부족: AI 학습데이터가 대부분 일반분야, 영미권 언어로 되어있어, 금융 분야에 특화된 한글 데이터 부족
 * 불확실성: 생성형AI의 거짓정보 생성(hallucination), 편향(bias), 정보 유출 등 AI 위험에 대응하기 위한 AI 거버넌스 및 가이드라인 불명확

< 추진 방향 >
 1. 금융권 AI 플랫폼 구축
 * 금융분야에 적합한 성능과 안전성을 지닌 오픈소스 AI모델, 데이터를 전문가 그룹이 선별하여 제공
 * 상용 AI: 다양한 목적에 대해 높은 성능을 제공하나 주로 금융회사 통제권 밖의 클라우드 환경에서 제공되므로 개인신용정보를 활용하지 않는 일반적인 고객상담이나 투자정보 분석 등에 활용
 * 오픈소스 AI: 작은 컴퓨팅 자원에서도 동작이 가능하고 금융회사 내부망에 직접 설치하여 보안성과 비용 효율성에 장점이 있으므로 내부 정보 등을 활용하는 내부규정 챗봇이나 홍보물 등 콘텐츠 제작에 활용
 * 금융회사별 혁신적인 생성형 AI 서비스에 적합한 AI모델, 데이터를 실험 선별하기 위한 기능테스트(PoC*) 환경 제공
 * 전문가 그룹이 선별한 오픈소스 AI모델, 데이터를 금융사 내부망에 바로 설치할 수 있도록 지원하는 인프라 구축
 
 
 2. 금융분야 특화 데이터 지원
 * 금융권 특화 한글 말뭉치
 * AI의 금융 전문성 향상을 위한 RAG용, 추가 학습용 데이터
 * AI 윤리, 성능 평가지원용 데이터
 * 금융 법규, 업권별 보도자료, 연수기관 교육자료 등을 기반으로 금융권 공동 활용 빅데이터 확보
 * 공익목적 데이터: 금융사기방지(금융결제원), 신용평가(신용정보원), 금융보안(금융보안원) 데이터 등 공익 목적 데이터의 제공 채널을 금융권 AI 플랫폼 으로 일원화
 
 
 3. 금융분야 AI 가이드라인 개정
 * 금융AI 원칙
 * 생성형 AI기술과 내부통제 등 금융권 제도 변화 등을 반영하여 금융분야 AI 가이드라인 으로 단일화
 * 최고경영자 및 경영진의 역할과 책임, AI의 보조수단성, 금융 안정성에 대한 위험의 최소화 등을 반영
 * 안내서: 금융 AI 원칙의 적용, 생성형 AI 관련 보안 위협과 보안성 검증 기준 등을 포함한 상세 설명과 사례를 제시할 예정

< 기대 효과 >
 * 금융권 AI 플랫폼 구축
 * 금융회사가 오픈소스 AI를 내부망에 설치하여 망분리해외서버 이용금지 등 규제 제한 없이 생성형 AI 활용 가능
 * 금융권 공동 인프라 구축으로, 개별 추진시 데이터 확보 및 AI 테스트 환경 구축 등에 소요되는 비용을 절감하여 AI 활용을 촉진
 * 금융분야 특화 데이터 지원
 * 오픈소스 AI 모델의 금융분야 전문성 향상, 성능 및 윤리 평가지원 데이터를 활용하여 AI 서비스의 신뢰도 제고
 * 이상거래 탐지(FDS ) 등 특성화 AI 개발을 위한 데이터를 금융권 AI 플랫폼 을 통해 정기적으로 편리하게 활용 가능
 * 금융분야 AI 가이드라인 개정
 * 금융회사들이 실제 업무에 AI를 활용할 때 불확실성을 상당 부분 해소하고 금융 분야 AI의 신뢰도 제고

 * 출처: https://www.fsc.go.kr/no010101/83594?srchCtgry=&curPage=&srchKey=&srchText=&srchBeginDt=&srchEndDt=

생성형AI 관심은 많으나, 실제 적용이 어려운 환경중에 하나가 바로 금융권입니다. 이와 관련하여 지난주 12월12일 금융권 AI 협의회를 통해 [금융권 생성형 AI 활용 지원 방안]이 발표되었습니다. 내년에 구축이 되면 금융권에 보다 다양하고 많은 생성형AI기반의 에이전트 서비스가 늘어날 거 같습니다. ^^ &lt; 추진 배경 &gt;<ul ><li>금융보안환경: GPT-4 등 AI서비스는 주로 인터넷망을 통해 해외 서버에서 제공되어, 망분리 등의 금융보안환경 하에서 활용이 어려움</li><li>데이터 부족: AI 학습데이터가 대부분 일반분야, 영미권 언어로 되어있어, 금융 분야에 특화된 한글 데이터 부족</li><li>불확실성: 생성형AI의 거짓정보 생성(hallucination), 편향(bias), 정보 유출 등 AI 위험에 대응하기 위한 AI 거버넌스 및 가이드라인 불명확</li></ul> &lt; 추진 방향 &gt;<ol ><li>금융권 AI 플랫폼 구축</li></ol><ul ><li>금융분야에 적합한 성능과 안전성을 지닌 오픈소스 AI모델, 데이터를 전문가 그룹이 선별하여 제공<ul ><li>상용 AI: 다양한 목적에 대해 높은 성능을 제공하나 주로 금융회사 통제권 밖의 클라우드 환경에서 제공되므로 개인신용정보를 활용하지 않는 일반적인 고객상담이나 투자정보 분석 등에 활용</li><li>오픈소스 AI: 작은 컴퓨팅 자원에서도 동작이 가능하고 금융회사 내부망에 직접 설치하여 보안성과 비용 효율성에 장점이 있으므로 내부 정보 등을 활용하는 내부규정 챗봇이나 홍보물 등 콘텐츠 제작에 활용</li></ul></li><li>금융회사별 혁신적인 생성형 AI 서비스에 적합한 AI모델, 데이터를 실험 선별하기 위한 기능테스트(PoC*) 환경 제공</li><li>전문가 그룹이 선별한 오픈소스 AI모델, 데이터를 금융사 내부망에 바로 설치할 수 있도록 지원하는 인프라 구축 </li></ul><ol start="2"><li>금융분야 특화 데이터 지원</li></ol><ul ><li>금융권 특화 한글 말뭉치<ul ><li>AI의 금융 전문성 향상을 위한 RAG용, 추가 학습용 데이터</li><li>AI 윤리, 성능 평가지원용 데이터</li><li>금융 법규, 업권별 보도자료, 연수기관 교육자료 등을 기반으로 금융권 공동 활용 빅데이터 확보</li></ul></li><li>공익목적 데이터: 금융사기방지(금융결제원), 신용평가(신용정보원), 금융보안(금융보안원) 데이터 등 공익 목적 데이터의 제공 채널을 금융권 AI 플랫폼 으로 일원화 </li></ul><ol start="3"><li>금융분야 AI 가이드라인 개정</li></ol><ul ><li>금융AI 원칙<ul ><li>생성형 AI기술과 내부통제 등 금융권 제도 변화 등을 반영하여 금융분야 AI 가이드라인 으로 단일화</li><li>최고경영자 및 경영진의 역할과 책임, AI의 보조수단성, 금융 안정성에 대한 위험의 최소화 등을 반영</li></ul></li><li>안내서: 금융 AI 원칙의 적용, 생성형 AI 관련 보안 위협과 보안성 검증 기준 등을 포함한 상세 설명과 사례를 제시할 예정</li></ul> &lt; 기대 효과 &gt;<ul ><li>금융권 AI 플랫폼 구축<ul ><li>금융회사가 오픈소스 AI를 내부망에 설치하여 망분리해외서버 이용금지 등 규제 제한 없이 생성형 AI 활용 가능</li><li>금융권 공동 인프라 구축으로, 개별 추진시 데이터 확보 및 AI 테스트 환경 구축 등에 소요되는 비용을 절감하여 AI 활용을 촉진</li></ul></li><li>금융분야 특화 데이터 지원<ul ><li>오픈소스 AI 모델의 금융분야 전문성 향상, 성능 및 윤리 평가지원 데이터를 활용하여 AI 서비스의 신뢰도 제고</li><li>이상거래 탐지(FDS ) 등 특성화 AI 개발을 위한 데이터를 금융권 AI 플랫폼 을 통해 정기적으로 편리하게 활용 가능</li></ul></li><li>금융분야 AI 가이드라인 개정<ul ><li>금융회사들이 실제 업무에 AI를 활용할 때 불확실성을 상당 부분 해소하고 금융 분야 AI의 신뢰도 제고</li></ul></li></ul> <ul ><li>출처: https://www.fsc.go.kr/no010101/83594?srchCtgry=&amp;curPage=&amp;srchKey=&amp;srchText=&amp;srchBeginDt=&amp;srchEndDt=</li></ul>

www.fsc.go.kr

[금융위원회] 금융권 생성형 AI 활용 지원 방안(12/12)

검색 증강 생성(RAG)은 기업이 실시간 데이터를 통합하고 독점 데이터를 사용하여 더욱 풍부하고 상호작용적인 대화를 가능하게 하는 Generative AI(생성형 AI) 애플리케이션을 개발할 수 있도록 돕는 강력한 기술입니다. RAG를 활용하면 이러한 AI 애플리케이션이 외부의 신뢰할 수 있는 도메인별 데이터를 효과적으로 사용하여 사용자 쿼리에 대한 언어 모델의 문맥을 강화할 수 있습니다. 하지만, 응답의 신뢰성과 정확도는 적절한 도메인 데이터를 […]

Cohere Rerank를 사용한 RAG 성능 향상 | Amazon Web Services

RAG를 활용하면 AI 애플리케이션이 외부의 신뢰할 수 있는 도메인별 데이터를 효과적으로 사용하여 사용자 쿼리에 대한 언어 모델의 문맥을 강화할 수 있습니다. 하지만, 응답의 신뢰성과 정확도는 적절한 도메인 데이터를 찾는 것에 크게 의존합니다. 따라서, RAG의 검색 프로세스를 최적화하는 것이 생성된 응답의 신뢰성을 높이는 핵심 요소로 작용합니다.

RAG 오케스트레이션에는 일반적으로 관련 문서 검색과 답변 생성이라는 두 단계가 포함됩니다.
 1. 검색 단계 – RAG는 생성된 검색 쿼리를 활용하여 외부 데이터 소스에서 관련된 문서들을 가져옵니다. 검색 쿼리가 주어지면, RAG 기반 애플리케이션은 데이터 소스에서 관련 문서나 구절을 탐색하여 필요한 정보를 수집합니다.
 2. 근거 기반 생성 단계 – 검색된 문서나 구절을 바탕으로 생성 모델은 신뢰할 수 있는 자료를 활용하여 답변을 생성하며, 필요한 경우 인라인 인용을 포함하여 답변의 신뢰성을 높입니다. 이를 통해 보다 높은 신뢰성 있는 응답을 제공할 수 있습니다.

RAG 시스템은 검색 및 정보 탐색 시스템 구축에 중요한 도구이지만, 종종 검색 단계가 최적화되지 않아 기대에 미치지 못하는 경우가 발생할 수 있습니다. 이를 보완하기 위해 순위를 재 조정하는 Rerank 단계를 추가해 검색 품질을 개선할 수 있습니다.

Cohere Rerank로 검색 정확도 높이기
정확도 문제를 해결하기 위해 검색 엔지니어들은 검색 품질을 높이기 위한 방법으로 2단계 검색 방식을 채택해 왔습니다. 이 2단계 시스템에서는 1단계 모델(임베딩 모델 또는 리트리버)이 대규모 데이터 세트에서 후보 문서들을 먼저 검색한 후, 2단계 모델(리랭커)이 이를 재정렬하여 가장 관련성이 높은 문서들이 상위에 표시되도록 합니다.

예를 들어, Cohere Rerank와 같은 재랭크 모델은 쿼리와 문서 쌍이 주어졌을 때 각 쌍에 대한 유사성 점수를 출력합니다. 이 점수는 검색 쿼리와의 관련성을 바탕으로 문서 순위를 재정렬하는 데 사용됩니다. 특히 Cohere Rerank 모델은 딥 러닝을 통해 쿼리와 문서 간의 정밀한 일치를 평가하여, 기존 임베딩 모델보다 검색 정확도를 크게 향상시키는 점에서 두드러집니다. Cohere Rerank는 쿼리와 문서를 동시에 처리하여 관련성 점수를 산출함으로써 더 정교한 문서 선택이 가능합니다.

https://aws.amazon.com/ko/blogs/tech/improve-rag-performance-using-cohere-rerank/

RAG를 활용하면 AI 애플리케이션이 외부의 신뢰할 수 있는 도메인별 데이터를 효과적으로 사용하여 사용자 쿼리에 대한 언어 모델의 문맥을 강화할 수 있습니다. 하지만, 응답의 신뢰성과 정확도는 적절한 도메인 데이터를 찾는 것에 크게 의존합니다. 따라서, RAG의 검색 프로세스를 최적화하는 것이 생성된 응답의 신뢰성을 높이는 핵심 요소로 작용합니다. RAG 오케스트레이션에는 일반적으로 관련 문서 검색과 답변 생성이라는 두 단계가 포함됩니다. <ol ><li>검색 단계 – RAG는 생성된 검색 쿼리를 활용하여 외부 데이터 소스에서 관련된 문서들을 가져옵니다. 검색 쿼리가 주어지면, RAG 기반 애플리케이션은 데이터 소스에서 관련 문서나 구절을 탐색하여 필요한 정보를 수집합니다.</li><li>근거 기반 생성 단계 – 검색된 문서나 구절을 바탕으로 생성 모델은 신뢰할 수 있는 자료를 활용하여 답변을 생성하며, 필요한 경우 인라인 인용을 포함하여 답변의 신뢰성을 높입니다. 이를 통해 보다 높은 신뢰성 있는 응답을 제공할 수 있습니다.</li></ol> RAG 시스템은 검색 및 정보 탐색 시스템 구축에 중요한 도구이지만, 종종 검색 단계가 최적화되지 않아 기대에 미치지 못하는 경우가 발생할 수 있습니다. 이를 보완하기 위해 순위를 재 조정하는 Rerank 단계를 추가해 검색 품질을 개선할 수 있습니다. Cohere Rerank로 검색 정확도 높이기정확도 문제를 해결하기 위해 검색 엔지니어들은 검색 품질을 높이기 위한 방법으로 2단계 검색 방식을 채택해 왔습니다. 이 2단계 시스템에서는 1단계 모델(임베딩 모델 또는 리트리버)이 대규모 데이터 세트에서 후보 문서들을 먼저 검색한 후, 2단계 모델(리랭커)이 이를 재정렬하여 가장 관련성이 높은 문서들이 상위에 표시되도록 합니다. 예를 들어, Cohere Rerank와 같은 재랭크 모델은 쿼리와 문서 쌍이 주어졌을 때 각 쌍에 대한 유사성 점수를 출력합니다. 이 점수는 검색 쿼리와의 관련성을 바탕으로 문서 순위를 재정렬하는 데 사용됩니다. 특히 Cohere Rerank 모델은 딥 러닝을 통해 쿼리와 문서 간의 정밀한 일치를 평가하여, 기존 임베딩 모델보다 검색 정확도를 크게 향상시키는 점에서 두드러집니다. Cohere Rerank는 쿼리와 문서를 동시에 처리하여 관련성 점수를 산출함으로써 더 정교한 문서 선택이 가능합니다. https://aws.amazon.com/ko/blogs/tech/improve-rag-performance-using-cohere-rerank/

Amazon Web Services

Cohere Rerank를 사용한 RAG 성능 향상 기법

이 글은... '이름 들으면 알 정도의' 스타트업이 아니라, 그 아래에서 성공하기 위해 고군분투하고 있는 작은 스타트업 주니어에 대한 글이다. 그리고 그 안에서 고군분투했던 내가 어떤 실패를 겪었는지, 무엇을 느꼈는지에 대해 적어보고자 한다. 초기 스타트업이라고 불리는 곳에 '지원해볼까? 말까?'하고 있는, 혹은 다니고 있는 주니어들에게 도움이 되지 않을까

13화 스타트업에서 성장한다는 주니어의 착각

거의 5년이 지나가는 글이지만, 몇 달에 한번씩 우연히 이 글을 볼 때 마다 매번 내용이 좋다고 생각하는 글입니다. 주니어로 한정짓기보다는 그냥 직장인로써 회사 업무를 진행하며 성장하고 있다고 느껴질때, 과연 실제로 그 업무가 시장에서 인정받는 성장 인지 판단해봐야 한다는 교훈을 주는 글입니다.

주니어가 스타트업에 채용되어 입사했다면 대개 그 스타트업은 성장한다.
조직 내부에 있으면 외부에 있을 때보다 훨씬 성공이 크게 다가온다. 매출이 1억에서 2억으로 뛰었을 때, 고무적인 성장을 이뤄낸 것에 대해 다 같이 자축하고 동기 부여된다. 특히 주니어로서 많은 권한과 책임을 안고 시도한 일들이 어떤 성과를 냈을 때 당연히 기분이 좋을 수 밖에 없다.

하지만 나와 회사의 위대함은 어디까지나 은밀하게 위대했다
어떤 모임에 나가 무슨 스타트업이라 이야기해도 아무도 모르고, 연 매출 100억 회사가 되었다고 열심히 이야기하더라도 그들입장에서는 그냥 똑같은 스타트업이었을뿐이다.
결국 대기업에 비해 보여지는건 그냥 작은 스타트업 일뿐이었다.

회사의 성장은 나의 성장이라고 믿었다.
실제로 회사가 성장하는 만큼 나도 꽤나 성장했다. 작은 비즈니스라도 쉬운일이 아니고, 실력이 있어야만 가능한 일이라는 것을 배웠다. 하지만 주변에 아무나 잡고 이야기해봐도 '그래?'가 끝이였고, 메이저 스타트업 출신의 다른 동료분들의 비해 주늑 드는 나 자신을 발견하게 되었다.

여기서 나의 착각은 '회사의 성장이 곧 나의 성장' 이라는 것만 믿었다는 것이다.
현업에 치여 매일 실무들을 쳐내다 보니 작은 성장들이 너무나 크게 보였고, 정작 '나의 성장' 에는 소홀했다. 커리어 개발의 기준을 '시장'에 두어야 하는데 단지 그 '회사' 안에서만 두었던 것이다. 그러니 시장에 나갔을 때 이야기할만한 '나의 성장'이 적을 수 밖에 없었다.

시장의 기준에서 통용될 수 있는 성장의 근거를 만들어야한다.
그 근거가 조직 내부의 관점에 머물러 있으면 작은 성공도 커보이고, 시장의 관점에서 인정받는 성장을 놓치게 된다. 주인의식을 갖고 몰입하는 건 좋지만 언제나 '시장'의 관점을 견지하고 있어야 한다. 개인 커리어 관점에서 말이다.

회사의 성장과 회사 안에서 나의 성장은 실체보다 더 크게보인다.
이에 매몰되지 않도록 항상 '시장'의 관점에서 사고하고 판단할 수 있게끔 유관업계 현직자들과 네트워킹 해야하고, 시장의 관점으로 나 자신의 성장을 판단해야한다.
단순히 회사의 성장에 기대지 않도록 나만의 포트폴리오를 만들어가야 하고, 단순히 숫자나 성과 위주가 아닌, 숫자의 크기와 상관없이 적용 가능한 '문제 해결 방법론과 의사결정 히스토리' 를 중심으로 기록하는게 좋다.

논리와 근거가 있어도 쉽게 무너진다.
조직 안에서는 서로간의 신뢰가 있기 때문에 논리와 근거를 바탕으로 이야기했을 때 상대방을 설득해낼 수 있지만, 외부로 나가면 논리와 근거보다 직급과 나이, 출신이 실제로 더 힘이 있었던것 같다. 그러니까 단순히 스타트업에서 '해봤다'는 것만으로는 부족하고, 나의 전문성을 입증할 수 있을 만한 근거를 일하는 동안 끊임없이 모아야 한다. 구직 시장에서 먹힐 수 있는, 공신력 있는 근거들을 쌓아두지 않으면 씨알도 먹히지 않는다.

하고 싶은 일이나 성장이라는 허울 좋은 가치만 쫒는 동안 해야 하는일과 생존을 놓쳤다.
주말 없이 바쁘게 살고 있으니 퇴근 후 조금은 워라벨을 즐겨야 한다고 생각하고 쉬기도했다. 회사도 성장하고 있고 그 안에서 나도 누구보다 바쁘게, 어디서 해볼 수 없는 다양한 일들을 경험하며 성장하고 있으니까 괜찮다고 안일하게 생각했다. 내 경험이 재산이 될 거라고 생각했고 일에 대한 관점과 논리적인 생각이 경쟁력이 될 거라고 생각했으나 실제로는 인정받기 어려웠다.

거의 5년이 지나가는 글이지만, 몇 달에 한번씩 우연히 이 글을 볼 때 마다 매번 내용이 좋다고 생각하는 글입니다. 주니어로 한정짓기보다는 그냥 직장인로써 회사 업무를 진행하며 성장하고 있다고 느껴질때, 과연 실제로 그 업무가 시장에서 인정받는 성장 인지 판단해봐야 한다는 교훈을 주는 글입니다. 주니어가 스타트업에 채용되어 입사했다면 대개 그 스타트업은 성장한다.조직 내부에 있으면 외부에 있을 때보다 훨씬 성공이 크게 다가온다. 매출이 1억에서 2억으로 뛰었을 때, 고무적인 성장을 이뤄낸 것에 대해 다 같이 자축하고 동기 부여된다. 특히 주니어로서 많은 권한과 책임을 안고 시도한 일들이 어떤 성과를 냈을 때 당연히 기분이 좋을 수 밖에 없다. 하지만 나와 회사의 위대함은 어디까지나 은밀하게 위대했다어떤 모임에 나가 무슨 스타트업이라 이야기해도 아무도 모르고, 연 매출 100억 회사가 되었다고 열심히 이야기하더라도 그들입장에서는 그냥 똑같은 스타트업이었을뿐이다.결국 대기업에 비해 보여지는건 그냥 작은 스타트업 일뿐이었다. 회사의 성장은 나의 성장이라고 믿었다.실제로 회사가 성장하는 만큼 나도 꽤나 성장했다. 작은 비즈니스라도 쉬운일이 아니고, 실력이 있어야만 가능한 일이라는 것을 배웠다. 하지만 주변에 아무나 잡고 이야기해봐도 '그래?'가 끝이였고, 메이저 스타트업 출신의 다른 동료분들의 비해 주늑 드는 나 자신을 발견하게 되었다. 여기서 나의 착각은 '회사의 성장이 곧 나의 성장' 이라는 것만 믿었다는 것이다.현업에 치여 매일 실무들을 쳐내다 보니 작은 성장들이 너무나 크게 보였고, 정작 '나의 성장' 에는 소홀했다. 커리어 개발의 기준을 '시장'에 두어야 하는데 단지 그 '회사' 안에서만 두었던 것이다. 그러니 시장에 나갔을 때 이야기할만한 '나의 성장'이 적을 수 밖에 없었다. 시장의 기준에서 통용될 수 있는 성장의 근거를 만들어야한다.그 근거가 조직 내부의 관점에 머물러 있으면 작은 성공도 커보이고, 시장의 관점에서 인정받는 성장을 놓치게 된다. 주인의식을 갖고 몰입하는 건 좋지만 언제나 '시장'의 관점을 견지하고 있어야 한다. 개인 커리어 관점에서 말이다. 회사의 성장과 회사 안에서 나의 성장은 실체보다 더 크게보인다.이에 매몰되지 않도록 항상 '시장'의 관점에서 사고하고 판단할 수 있게끔 유관업계 현직자들과 네트워킹 해야하고, 시장의 관점으로 나 자신의 성장을 판단해야한다.단순히 회사의 성장에 기대지 않도록 나만의 포트폴리오를 만들어가야 하고, 단순히 숫자나 성과 위주가 아닌, 숫자의 크기와 상관없이 적용 가능한 '문제 해결 방법론과 의사결정 히스토리' 를 중심으로 기록하는게 좋다. 논리와 근거가 있어도 쉽게 무너진다.조직 안에서는 서로간의 신뢰가 있기 때문에 논리와 근거를 바탕으로 이야기했을 때 상대방을 설득해낼 수 있지만, 외부로 나가면 논리와 근거보다 직급과 나이, 출신이 실제로 더 힘이 있었던것 같다. 그러니까 단순히 스타트업에서 '해봤다'는 것만으로는 부족하고, 나의 전문성을 입증할 수 있을 만한 근거를 일하는 동안 끊임없이 모아야 한다. 구직 시장에서 먹힐 수 있는, 공신력 있는 근거들을 쌓아두지 않으면 씨알도 먹히지 않는다. 하고 싶은 일이나 성장이라는 허울 좋은 가치만 쫒는 동안 해야 하는일과 생존을 놓쳤다.주말 없이 바쁘게 살고 있으니 퇴근 후 조금은 워라벨을 즐겨야 한다고 생각하고 쉬기도했다. 회사도 성장하고 있고 그 안에서 나도 누구보다 바쁘게, 어디서 해볼 수 없는 다양한 일들을 경험하며 성장하고 있으니까 괜찮다고 안일하게 생각했다. 내 경험이 재산이 될 거라고 생각했고 일에 대한 관점과 논리적인 생각이 경쟁력이 될 거라고 생각했으나 실제로는 인정받기 어려웠다.

Brunch Story

스타트업에서 성장한다는 주니어의 착각

구글 코딩 가이드라인을 보면 코드 가독성(Readability)을 강조한다. 코딩 주짓수 하지 말고 읽기 쉬운 코드를 작성하라는 건데 그래야 다른 개발자들 뿐만 아니라 본인이 본인의 코드를 나중에 볼 때 도움이 된다. 기본적으로 실리콘밸리에서는 개발자들의 이직이 워낙 잦기 때문에 유지 보수의 중요성에 대한 전반적인 인식이 더 있지 않나 싶다. 좋은 코드가 갖는 여러가지 원칙이 있겠지만 아래와 같은 것들을 들어볼 수 있을 듯 하다.

 1. 유지 보수성
    * 코드가 단순할수록 이해하기 쉽고, 수정하거나 확장할 때 실수를 줄일 수 있다.
    * 코드 리뷰, 디버깅, 팀 협업에서 단순한 코드는 더 효율적이다.
 2. 복잡성의 비용
    * 불필요하게 복잡한 코드는 버그를 유발하기 쉽고, 기능을 추가하거나 수정할 때 전체 시스템을 망칠 위험이 커진다
    * 가독성이 떨어지면 개발자는 코드 이해에 더 많은 시간을 소비한다.
 3. KISS 원칙
    * "Keep It Simple, Stupid"라는 원칙은 소프트웨어 설계에서 중요한 가이드라인으로, 과도한 설계나 복잡한 논리를 피하고 간단한 해결책을 찾는 것을 권장한다.
 4. YAGNI 원칙
    * "You Aren’t Gonna Need It"이라는 원칙은 필요하지 않은 기능을 미리 작성하지 말라는 뜻으로, 불필요한 코드 생성을 막는 데 초점이 맞춘다.
 5. DRY 원칙
    * "Don't Repeat Yourself"라는 원칙은 비슷한 코드를 copy-and-paste 형태로 반복하지 말고 함수나 클래스의 형태로 모듈화하는 걸 이야기한다. 그래야 유지보수가 쉬워진다.

경험상 정말 잘 하는 개발자는 코드를 양산하기 보다는 불필요한 코드를 줄이고 단순화하는 특성(빼기의 미학)이 있다. 하지만 대부분의 개발자들은 코드를 양산하는데 집중을 하기 쉬운데 일반적으로 우리는 가산 편향에 빠져 있기 때문이다. 즉 문제 해결을 하려면 뭔가를 새로 추가해야 한다고 생각하기 쉽다는 거다.

잘 하지 못하는 개발자가 코드를 양산하는 이유는 다음과 같다. 잘 하는 프로덕트 매니저와 같이 일을 한다면 아래 이슈 중의 몇 가지는 피할 수 있다.

 1. 기능주의 사고방식
    * "많은 기능 = 좋은 코드"라는 착각에 빠져, 기능 추가에만 집중하는 경우가 많다.
 2. 단순화 기술 부족
    * 복잡한 문제를 단순화하는 기술과 경험이 부족하면, 더 많은 코드로 문제를 해결하려는 경향이 생긴다.
 3. 과잉 설계 (Overengineering)
    * 모든 가능성을 고려해서 너무 많은 구조와 패턴을 적용하려다 보면, 실제로 필요하지 않은 코드가 양산되며 이는 유지보수 문제로 이어진다.

더하기가 아닌 빼기의 미학에 대해 생각해보자. 스티브 잡스는 무언가를 더 추가하려는 유혹에 저항하는 것이야말로 훌륭한 디자인과 혁신의 핵심이라고 말했다. 진정으로 중요한 것에 집중하기 위해 불필요한 것들을 과감히 제거해야 한다는 거다. 스티브 잡스의 아래 문구로 글을 마무리하고자 한다.

"I'm as proud of many of the things we haven't done as the things we have done. Innovation is saying no to a thousand things."

구글 코딩 가이드라인을 보면 코드 가독성(Readability)을 강조한다. 코딩 주짓수 하지 말고 읽기 쉬운 코드를 작성하라는 건데 그래야 다른 개발자들 뿐만 아니라 본인이 본인의 코드를 나중에 볼 때 도움이 된다. 기본적으로 실리콘밸리에서는 개발자들의 이직이 워낙 잦기 때문에 유지 보수의 중요성에 대한 전반적인 인식이 더 있지 않나 싶다. 좋은 코드가 갖는 여러가지 원칙이 있겠지만 아래와 같은 것들을 들어볼 수 있을 듯 하다. <ol ><li>유지 보수성<ul ><li>코드가 단순할수록 이해하기 쉽고, 수정하거나 확장할 때 실수를 줄일 수 있다.</li><li>코드 리뷰, 디버깅, 팀 협업에서 단순한 코드는 더 효율적이다.</li></ul></li><li>복잡성의 비용<ul ><li>불필요하게 복잡한 코드는 버그를 유발하기 쉽고, 기능을 추가하거나 수정할 때 전체 시스템을 망칠 위험이 커진다</li><li>가독성이 떨어지면 개발자는 코드 이해에 더 많은 시간을 소비한다.</li></ul></li><li>KISS 원칙<ul ><li>"Keep It Simple, Stupid"라는 원칙은 소프트웨어 설계에서 중요한 가이드라인으로, 과도한 설계나 복잡한 논리를 피하고 간단한 해결책을 찾는 것을 권장한다.</li></ul></li><li>YAGNI 원칙<ul ><li>"You Aren’t Gonna Need It"이라는 원칙은 필요하지 않은 기능을 미리 작성하지 말라는 뜻으로, 불필요한 코드 생성을 막는 데 초점이 맞춘다.</li></ul></li><li>DRY 원칙<ul ><li>"Don't Repeat Yourself"라는 원칙은 비슷한 코드를 copy-and-paste 형태로 반복하지 말고 함수나 클래스의 형태로 모듈화하는 걸 이야기한다. 그래야 유지보수가 쉬워진다.</li></ul></li></ol> 경험상 정말 잘 하는 개발자는 코드를 양산하기 보다는 불필요한 코드를 줄이고 단순화하는 특성(빼기의 미학)이 있다. 하지만 대부분의 개발자들은 코드를 양산하는데 집중을 하기 쉬운데 일반적으로 우리는 가산 편향에 빠져 있기 때문이다. 즉 문제 해결을 하려면 뭔가를 새로 추가해야 한다고 생각하기 쉽다는 거다. 잘 하지 못하는 개발자가 코드를 양산하는 이유는 다음과 같다. 잘 하는 프로덕트 매니저와 같이 일을 한다면 아래 이슈 중의 몇 가지는 피할 수 있다. <ol ><li>기능주의 사고방식<ul ><li>"많은 기능 = 좋은 코드"라는 착각에 빠져, 기능 추가에만 집중하는 경우가 많다.</li></ul></li><li>단순화 기술 부족<ul ><li>복잡한 문제를 단순화하는 기술과 경험이 부족하면, 더 많은 코드로 문제를 해결하려는 경향이 생긴다.</li></ul></li><li>과잉 설계 (Overengineering)<ul ><li>모든 가능성을 고려해서 너무 많은 구조와 패턴을 적용하려다 보면, 실제로 필요하지 않은 코드가 양산되며 이는 유지보수 문제로 이어진다.</li></ul></li></ol> 더하기가 아닌 빼기의 미학에 대해 생각해보자. 스티브 잡스는 무언가를 더 추가하려는 유혹에 저항하는 것이야말로 훌륭한 디자인과 혁신의 핵심이라고 말했다. 진정으로 중요한 것에 집중하기 위해 불필요한 것들을 과감히 제거해야 한다는 거다. 스티브 잡스의 아래 문구로 글을 마무리하고자 한다. "I'm as proud of many of the things we haven't done as the things we have done. Innovation is saying no to a thousand things."

코드 가독성과 빼기의 미학

군대에 다녀와서 컴퓨터 공부를 처음 시작할 때 어떻게 해야 할지를 몰랐습니다.

다시 공부한다면 탑다운 방식으로

군대에 다녀와서 컴퓨터 공부를 처음 시작할 때 어떻게 해야 할지를 몰랐습니다.
에라 모르겠다. 처음부터 차근차근 해보자. 010101 부터.

C언어도 아니고 모리스 마노 교수의 디지털 논리와 컴퓨터 설계를 읽기 시작했습니다.
부울 연산이 뭔지, NAND 게이트가 뭔지부터 시작했던 것입니다.

그리고 C언어도 공부하고 자료구조와 알고리즘도 공부하고…
컴퓨터 구조, 운영체제, 네트워킹, 데이터베이스.
그렇게 차근 차근 공부했습니다.

지금 생각하면 좋은 방법이었는지 의문이 듭니다.
그냥 간단한 웹 개발 같은 걸로 시작했으면 어땠을까?
코딩을 잘하고 싶으면 코딩을 많이 해봐야지.
그러다 궁금한 게 생기면 하나씩 파고들어가는 탑다운 방식으로.

실제로 이렇게 공부한 친구들을 회사에서 많이 만났습니다.
운영체제 내부는 거의 아는 게 없지만…
앱 개발이나 서버 개발은 저보다 훨씬 잘했습니다.

이런 걸 보면서 난 그동안 뭘 한 거지? 하는 자괴감이 들곤 했습니다.

다시 대학생으로 돌아간다면 탑다운 방식으로 공부해 보고 싶습니다.
기술이 금세 바뀌어 버리니까.
요즘 새로운 기술을 공부할 때는 저도 이렇게 탑다운 방식으로 하는 것 같기도 합니다.
모르는 게 생기면 ChatGPT에게 물어보면서 점점 깊이 내려가는 식으로.

이렇게 공부할 때는 주의할 점도 있습니다.
조금 어려워진다 싶으면 ‘이딴 건 몰라도 돼’ 하는 마음이 올라온다는 것입니다.
이런 마음만 잘 다스릴 수 있으면… 탑다운 어프로치도 좋은 학습 전략인 것 같습니다.

https://jeho.page/essay/2024/12/10/top-down-approach.html

군대에 다녀와서 컴퓨터 공부를 처음 시작할 때 어떻게 해야 할지를 몰랐습니다. 에라 모르겠다. 처음부터 차근차근 해보자. 010101 부터. C언어도 아니고 모리스 마노 교수의 디지털 논리와 컴퓨터 설계를 읽기 시작했습니다. 부울 연산이 뭔지, NAND 게이트가 뭔지부터 시작했던 것입니다. 그리고 C언어도 공부하고 자료구조와 알고리즘도 공부하고… 컴퓨터 구조, 운영체제, 네트워킹, 데이터베이스. 그렇게 차근 차근 공부했습니다. 지금 생각하면 좋은 방법이었는지 의문이 듭니다. 그냥 간단한 웹 개발 같은 걸로 시작했으면 어땠을까?코딩을 잘하고 싶으면 코딩을 많이 해봐야지. 그러다 궁금한 게 생기면 하나씩 파고들어가는 탑다운 방식으로. 실제로 이렇게 공부한 친구들을 회사에서 많이 만났습니다. 운영체제 내부는 거의 아는 게 없지만… 앱 개발이나 서버 개발은 저보다 훨씬 잘했습니다. 이런 걸 보면서 난 그동안 뭘 한 거지? 하는 자괴감이 들곤 했습니다. 다시 대학생으로 돌아간다면 탑다운 방식으로 공부해 보고 싶습니다. 기술이 금세 바뀌어 버리니까. 요즘 새로운 기술을 공부할 때는 저도 이렇게 탑다운 방식으로 하는 것 같기도 합니다. 모르는 게 생기면 ChatGPT에게 물어보면서 점점 깊이 내려가는 식으로. 이렇게 공부할 때는 주의할 점도 있습니다. 조금 어려워진다 싶으면 ‘이딴 건 몰라도 돼’ 하는 마음이 올라온다는 것입니다. 이런 마음만 잘 다스릴 수 있으면… 탑다운 어프로치도 좋은 학습 전략인 것 같습니다. https://jeho.page/essay/2024/12/10/top-down-approach.html

K리그 프로그래머

차세대 자바스크립트 런타임이자 올인원 개발 키트인 Bun에 대한 국내 첫 기술서인 헬로 Bun을 이제 eBook으로도 만나 보실 수 있습니다!

사실 eBook 출간은 아이러니하게도 저자인 제가 제일 손꼽아 기다렸는데요 😅 해외에 있어서 정적 저는 종이 책을 손에 아직 쥐어보지 못했거든요 😭 선편으로 부쳤다는데 캐나다 우체국이 현재 파업 중이라서 언제 도착할지 모르겠습니다 ㅋㅋ

저처럼 종이 책을 읽기 어려운 분들께 eBook이 좋은 대안이 되었으면 좋겠네요! 많은 관심 부탁드립니다 🙏

📕 YES24: https://www.yes24.com/Product/Goods/134021042
📗 교보문고: https://product.kyobobook.co.kr/detail/S000214450265
📘 알라딘: https://www.aladin.co.kr/shop/wproduct.aspx?ISBN=9791193926710

차세대 자바스크립트 런타임이자 올인원 개발 키트인 Bun에 대한 국내 첫 기술서인 헬로 Bun을 이제 eBook으로도 만나 보실 수 있습니다! 사실 eBook 출간은 아이러니하게도 저자인 제가 제일 손꼽아 기다렸는데요 😅 해외에 있어서 정적 저는 종이 책을 손에 아직 쥐어보지 못했거든요 😭 선편으로 부쳤다는데 캐나다 우체국이 현재 파업 중이라서 언제 도착할지 모르겠습니다 ㅋㅋ 저처럼 종이 책을 읽기 어려운 분들께 eBook이 좋은 대안이 되었으면 좋겠네요! 많은 관심 부탁드립니다 🙏 📕 YES24: https://www.yes24.com/Product/Goods/134021042 📗 교보문고: https://product.kyobobook.co.kr/detail/S000214450265 📘 알라딘: https://www.aladin.co.kr/shop/wproduct.aspx?ISBN=9791193926710

헬로 Bun 🥟 eBook 출간 소식 📨

1
명심하라. 설득은, 설득이 필요한 순간에 꺼내들면 대부분 실패한다.

2
설득이 필요하지 않은 순간에 설득을 차곡차곡 쌓아놓으면, 언젠가 그것이 꼭 필요해질 때가 온다.

3
설득을 쌓아놓았다가 설득이 필요한 순간에 꺼내 쓰기만 하면 된다.

4
당신을 팔아야 할 때도 마찬가지다.

5
누군가에게 간절히 당신을 팔아야 할 때는, 아무리 영업을 잘해도 당신은 팔려나가지 않는다.

6
평소에 더 많은 사람들의 장바구니에 당신이 담겨 있어야 한다.

7
그러다가 당신이 간절히 필요해질 때 그들은 마침내 구매 버튼을 누른다.

#싸우지않고이기는기술

1 명심하라. 설득은, 설득이 필요한 순간에 꺼내들면 대부분 실패한다. ​ ​2 설득이 필요하지 않은 순간에 설득을 차곡차곡 쌓아놓으면, 언젠가 그것이 꼭 필요해질 때가 온다. ​ ​3 설득을 쌓아놓았다가 설득이 필요한 순간에 꺼내 쓰기만 하면 된다. ​ ​4 당신을 팔아야 할 때도 마찬가지다. ​ ​5 누군가에게 간절히 당신을 팔아야 할 때는, 아무리 영업을 잘해도 당신은 팔려나가지 않는다. ​ ​6 평소에 더 많은 사람들의 장바구니에 당신이 담겨 있어야 한다. ​ ​7 그러다가 당신이 간절히 필요해질 때 그들은 마침내 구매 버튼을 누른다. #싸우지않고이기는기술

< 당신을 팔고 싶다면, 평소에 장바구니에 담겨라 >

지금 AI와 코딩하는 일에 대한 의견은 약간 그런거 같다. 게임 업계에서 자동사냥이 시작되었던 때, 자동사냥에 대한 업계인들의 반응.

처음 자동사냥이 시작되었을 때, 그게 게임이냐라거나 핵 쓰는거나 다름없다 막 그랬지만, 결국 자동사냥 게임은 많은 일반인(?)들의 선택에 의해 게임 장르의 한 축이 되었다.

게임의 특성은 여러가지가 있지만, 수집 욕구가 큰 축을 차지하는데 자동사냥은 그걸 쉽게 만들어 준 것. 업계 고인물이나 골수 게이머들은 인정하지 않았지만, 결과적으로 더 많은 사람들이 게임을 즐길 수 있게 됨으로써 게임의 저변이 넓어졌다.

프로그래밍, 코딩도 마찬가지로, 코딩의 즐거움과 유용함에는 여러가지가 있지만 그중 가장 큰 축은 소프트웨어적으로 작동하는 무언가를 창작해내는 것에 있는데, 이를 쉽게 이룰 수 있게 해 준 것.

고인물들에게는 쓰레기 코드만 양산되는거 아니냐 싶겠지만, 결과적으로 더 많은 사람들이 소프트웨어를 만들 수 있게 됨으로써 저변이 넓어질 것으로 생각된다.

그리고 이건 생성형 AI로 혁신되는 거의 모든 업계에 해당되는 말이지 않을까 싶다.

지금 AI와 코딩하는 일에 대한 의견은 약간 그런거 같다. 게임 업계에서 자동사냥이 시작되었던 때, 자동사냥에 대한 업계인들의 반응. 처음 자동사냥이 시작되었을 때, 그게 게임이냐라거나 핵 쓰는거나 다름없다 막 그랬지만, 결국 자동사냥 게임은 많은 일반인(?)들의 선택에 의해 게임 장르의 한 축이 되었다. 게임의 특성은 여러가지가 있지만, 수집 욕구가 큰 축을 차지하는데 자동사냥은 그걸 쉽게 만들어 준 것. 업계 고인물이나 골수 게이머들은 인정하지 않았지만, 결과적으로 더 많은 사람들이 게임을 즐길 수 있게 됨으로써 게임의 저변이 넓어졌다. 프로그래밍, 코딩도 마찬가지로, 코딩의 즐거움과 유용함에는 여러가지가 있지만 그중 가장 큰 축은 소프트웨어적으로 작동하는 무언가를 창작해내는 것에 있는데, 이를 쉽게 이룰 수 있게 해 준 것. 고인물들에게는 쓰레기 코드만 양산되는거 아니냐 싶겠지만, 결과적으로 더 많은 사람들이 소프트웨어를 만들 수 있게 됨으로써 저변이 넓어질 것으로 생각된다. 그리고 이건 생성형 AI로 혁신되는 거의 모든 업계에 해당되는 말이지 않을까 싶다.

지금 AI와 코딩하는 일에 대한 의견은 약간 그런거 같다. 게임 

직장에서 처음으로 데이터 분석 프로젝트를 시작하게 된 당신.

바로 데이터 분석에 뛰어들기 전,
아래의 체크리스트를 먼저 확인해보세요.

당신의 데이터 분석이 더욱 가치있어질 거에요.

직장에서 처음으로 데이터 분석 프로젝트를 시작하게 된 당신. 바로 데이터 분석에 뛰어들기 전,아래의 체크리스트를 먼저 확인해보세요. 당신의 데이터 분석이 더욱 가치있어질 거에요.

데이터 분석 전 체크해야 하는 체크리스트 6가지

[Leadership] 유능한 직원은 떠나고 무능한 상사만 남는 이유

‘어떻게 저렇게 무능한 사람이 임원 자리에 앉아있는 걸까?’ 직장생활의 풀리지 않는 미스터리다. 회사 뿐 아니라 정부, 종교단체, 학교 등 근무지에 상관없이 그리고 시대와 동서양 문화권을 막론하고 보편적인 현상이다. 유능한 직원은 떠나고 무능한 상사만 남는 이유는 무엇일까.

1969년 미국의 교육학자 로런스 피터와 레이먼드 헐은 정치, 법률, 교육, 산업 등 모든 조직에서 시간이 지날수록 무능한 관리자들이 넘쳐나는 현상을 발견했다. 이를 ‘피터의 법칙(Peter Principle)’이라고 하는데 ‘승진 후 새로운 업무를 수행할 때 과거보다 일 처리 능력이 떨어지는 것은 자연스러운 현상’이라는 주장이다.

예를 들어 보자. 업무 성과가 탁월한 김 대리는 팀장으로 특진했다. 그러나 기쁨도 잠시 ‘아직도 빛나는 유능한 실무능력’이 문제가 된다. 자신의 뛰어난 실무능력을 팀원들에게 효율적으로 전수하면서 팀원들을 격려하고 동기부여를 하는 동시에 리더로서 해야 할 일에 전념해야 하지만, 특진까지 했으니 짧은 시간에 뛰어난 실적을 보여 자신의 능력을 입증하려 한다.

그러나 생각보다 좋은 결과가 나오지 않으니 팀원들을 격려하기보다는, 자신에 비해 업무능력이 떨어지는 팀원들을 비난하며 질책한다. 결국 자신이 직접 나서 실적을 채우려 실무까지 처리한다.

권한 위임을 하는 것에 대해서는 불안을 느낀다. 통제와 관리, 신뢰와 위임 사이에서 끊임없이 갈등만 한다. 팀장 본연의 업무가 무엇인지 깨닫지도 못한 상황에서 무엇을 어떻게 해야 할지 답답하기만 하다. 팀원들은 팀장이 자기들을 믿지 못해 실무적인 일까지 나서서 한다는 생각에 의욕을 잃어가고, 그러는 사이에 팀 내에서는 웃음소리가 사라져 버린다.

켈리 슈 예일대 경영대학원 교수는 높은 성과를 인정받아 승진한 관리자들이 리더로서 새로운 업무도 잘 수행하는지 알아보기 위해 131개 기업을 분석했다. 조사 결과는 피터의 법칙을 그대로 보여주었다. 주로 1등 영업사원 출신 관리자들의 실적이 최하위에 머물렀다.

이에 대해 켈리 슈는 “최고의 엔지니어가 창업한다고 해서 반드시 최고의 경영자가 되는 것은 아니며, 이는 최고의 엔지니어가 되는 것과 엔지니어를 잘 관리하는 리더가 되는 것은 다른 역량이기 때문”이라고 설명했다. 즉 리더는 성과를 내는 추진력 뿐만 아니라 팀원을 독려하고 시너지를 만드는 관리 능력이 매우 중요하다는 것이다.

조직의 리더는 대부분 실무능력이 뛰어난 사람들이다. 성과가 뛰어난 사람이 승진하는 것은 공정하다고 인식되기 때문이다. 여기에는 실무를 잘하면 자신의 담당 업무뿐 아니라 부하직원의 교육과 관리 등 리더의 역할도 잘 해낼 거라는 기대가 포함되어 있다.

그러나 실제로 리더의 과거 업무 성과는 리더십과 직접적인 연관성이 없다. 과거의 직무 수행능력을 승진 후의 직책에 필요한 능력과 같은 것으로 생각하는 판단의 오류는 승진할수록 되레 무능해지는 상사들을 만드는 아이러니를 낳는다.

그런데 피터의 법칙이 경고하는 진짜 위험은 ‘유능한 직원들이 조직을 떠나게 된다’라는 사실이다. 무능해진 상사들에게 자리를 지키는 것은 가장 중요한 문제다. 이들의 눈에 창의적 사고로 새로운 도전을 시도하는 유능한 직원은 질서를 어지럽히는 존재일 뿐이다.

따라서 창의적이고 도전적인 인재들은 오히려 승진에서 제외되기 쉽고 결국 스스로 버티지 못하고 떠나게 된다. 피터의 법칙이 관료적 조직에서 더욱 강하게 나타나는 건 바로 이런 속성 때문이다.

미국의 만화 <딜버트(Dilbert)>는 65개국 2000여 개의 신문에 연재된 세계적인 콘텐츠다. 엔지니어 딜버트의 직장생활을 그린 3~4컷의 만화는 경영진의 무능과 상사의 횡포, 권위주의적 계층구조를 신랄하게 풍자하는 내용으로 선풍적인 인기를 끌었다.

열광한 독자들은 작가 스콧 애덤스에게 자신들의 직장생활 이야기를 보냈는데 이는 고스란히 만화의 소재로 활용되었다. 작가는 열렬한 반응에 힘입어 독자들을 대상으로 ‘어떤 관행이 직원들을 가장 화나게 하는가’라는 설문조사를 했다. 가장 많은 표를 얻은 것은 ‘경영진으로 승진한 멍청이’였다.

이 내용은 만화 <딜버트의 법칙>으로 출간됐고 100만 부 이상이 팔렸다. 여기서 ‘무능력하고 비효율적인 직원일수록 경쟁 단계를 거치지 않고 곧바로 승진하는 현상’을 뜻하는 딜버트의 법칙이 탄생했다.

딜버트의 법칙이 작용하는 조직은 변화를 두려워하고 현실에 안주하려는 경향이 강하다. 혁신을 외치지만 혁신을 시도하지 않는다. 이런 풍토에 어울리는 사람이 바로 무능한 사람이다. 만화에서는 무능하지만 승진하고 싶은 사람들에게 “상사에게 잘 보이면 그만이고 너무 열심히 일하면 오히려 곤란하다”라고 조언한다.

피터의 법칙은 조직이 리더의 자질을 제대로 평가하지 않을 때 무능한 리더가 조직을 가득 채운다고 경고한다. 무능해진 리더들은 자신의 결점을 보완하고 리더로서 필요한 자질과 지식을 습득하기보다는 조직에 딜버트의 법칙을 만연하게 만든다.

무능한 상사들은 일에 대한 열정을 가진 직원이 오히려 껄끄럽다. 그래서 의도적으로 똑똑하지 않은 직원을 승진시켜 옆에 두는 최고경영자도 실제 현실에서 존재한다. 무능한 사람이 고위직으로 승진하는 꽤 흔한 이유다. 만년 저성과 조직은 이렇게 만들어진다.

‘어떻게 저렇게 무능한 사람이 임원 자리에 앉아있는 걸까?’ 직장생활의 풀리지 않는 미스터리다. 회사 뿐 아니라 정부, 종교단체, 학교 등 근무지에 상관없이 그리고 시대와 동서양 문화권을 막론하고 보편적인 현상이다. 유능한 직원은 떠나고 무능한 상사만 남는 이유는 무엇일까. 1969년 미국의 교육학자 로런스 피터와 레이먼드 헐은 정치, 법률, 교육, 산업 등 모든 조직에서 시간이 지날수록 무능한 관리자들이 넘쳐나는 현상을 발견했다. 이를 ‘피터의 법칙(Peter Principle)’이라고 하는데 ‘승진 후 새로운 업무를 수행할 때 과거보다 일 처리 능력이 떨어지는 것은 자연스러운 현상’이라는 주장이다. 예를 들어 보자. 업무 성과가 탁월한 김 대리는 팀장으로 특진했다. 그러나 기쁨도 잠시 ‘아직도 빛나는 유능한 실무능력’이 문제가 된다. 자신의 뛰어난 실무능력을 팀원들에게 효율적으로 전수하면서 팀원들을 격려하고 동기부여를 하는 동시에 리더로서 해야 할 일에 전념해야 하지만, 특진까지 했으니 짧은 시간에 뛰어난 실적을 보여 자신의 능력을 입증하려 한다. 그러나 생각보다 좋은 결과가 나오지 않으니 팀원들을 격려하기보다는, 자신에 비해 업무능력이 떨어지는 팀원들을 비난하며 질책한다. 결국 자신이 직접 나서 실적을 채우려 실무까지 처리한다. 권한 위임을 하는 것에 대해서는 불안을 느낀다. 통제와 관리, 신뢰와 위임 사이에서 끊임없이 갈등만 한다. 팀장 본연의 업무가 무엇인지 깨닫지도 못한 상황에서 무엇을 어떻게 해야 할지 답답하기만 하다. 팀원들은 팀장이 자기들을 믿지 못해 실무적인 일까지 나서서 한다는 생각에 의욕을 잃어가고, 그러는 사이에 팀 내에서는 웃음소리가 사라져 버린다. 켈리 슈 예일대 경영대학원 교수는 높은 성과를 인정받아 승진한 관리자들이 리더로서 새로운 업무도 잘 수행하는지 알아보기 위해 131개 기업을 분석했다. 조사 결과는 피터의 법칙을 그대로 보여주었다. 주로 1등 영업사원 출신 관리자들의 실적이 최하위에 머물렀다. 이에 대해 켈리 슈는 “최고의 엔지니어가 창업한다고 해서 반드시 최고의 경영자가 되는 것은 아니며, 이는 최고의 엔지니어가 되는 것과 엔지니어를 잘 관리하는 리더가 되는 것은 다른 역량이기 때문”이라고 설명했다. 즉 리더는 성과를 내는 추진력 뿐만 아니라 팀원을 독려하고 시너지를 만드는 관리 능력이 매우 중요하다는 것이다. 조직의 리더는 대부분 실무능력이 뛰어난 사람들이다. 성과가 뛰어난 사람이 승진하는 것은 공정하다고 인식되기 때문이다. 여기에는 실무를 잘하면 자신의 담당 업무뿐 아니라 부하직원의 교육과 관리 등 리더의 역할도 잘 해낼 거라는 기대가 포함되어 있다. 그러나 실제로 리더의 과거 업무 성과는 리더십과 직접적인 연관성이 없다. 과거의 직무 수행능력을 승진 후의 직책에 필요한 능력과 같은 것으로 생각하는 판단의 오류는 승진할수록 되레 무능해지는 상사들을 만드는 아이러니를 낳는다. 그런데 피터의 법칙이 경고하는 진짜 위험은 ‘유능한 직원들이 조직을 떠나게 된다’라는 사실이다. 무능해진 상사들에게 자리를 지키는 것은 가장 중요한 문제다. 이들의 눈에 창의적 사고로 새로운 도전을 시도하는 유능한 직원은 질서를 어지럽히는 존재일 뿐이다. 따라서 창의적이고 도전적인 인재들은 오히려 승진에서 제외되기 쉽고 결국 스스로 버티지 못하고 떠나게 된다. 피터의 법칙이 관료적 조직에서 더욱 강하게 나타나는 건 바로 이런 속성 때문이다. 미국의 만화 &lt;딜버트(Dilbert)&gt;는 65개국 2000여 개의 신문에 연재된 세계적인 콘텐츠다. 엔지니어 딜버트의 직장생활을 그린 3~4컷의 만화는 경영진의 무능과 상사의 횡포, 권위주의적 계층구조를 신랄하게 풍자하는 내용으로 선풍적인 인기를 끌었다. 열광한 독자들은 작가 스콧 애덤스에게 자신들의 직장생활 이야기를 보냈는데 이는 고스란히 만화의 소재로 활용되었다. 작가는 열렬한 반응에 힘입어 독자들을 대상으로 ‘어떤 관행이 직원들을 가장 화나게 하는가’라는 설문조사를 했다. 가장 많은 표를 얻은 것은 ‘경영진으로 승진한 멍청이’였다. 이 내용은 만화 &lt;딜버트의 법칙&gt;으로 출간됐고 100만 부 이상이 팔렸다. 여기서 ‘무능력하고 비효율적인 직원일수록 경쟁 단계를 거치지 않고 곧바로 승진하는 현상’을 뜻하는 딜버트의 법칙이 탄생했다. 딜버트의 법칙이 작용하는 조직은 변화를 두려워하고 현실에 안주하려는 경향이 강하다. 혁신을 외치지만 혁신을 시도하지 않는다. 이런 풍토에 어울리는 사람이 바로 무능한 사람이다. 만화에서는 무능하지만 승진하고 싶은 사람들에게 “상사에게 잘 보이면 그만이고 너무 열심히 일하면 오히려 곤란하다”라고 조언한다. 피터의 법칙은 조직이 리더의 자질을 제대로 평가하지 않을 때 무능한 리더가 조직을 가득 채운다고 경고한다. 무능해진 리더들은 자신의 결점을 보완하고 리더로서 필요한 자질과 지식을 습득하기보다는 조직에 딜버트의 법칙을 만연하게 만든다. 무능한 상사들은 일에 대한 열정을 가진 직원이 오히려 껄끄럽다. 그래서 의도적으로 똑똑하지 않은 직원을 승진시켜 옆에 두는 최고경영자도 실제 현실에서 존재한다. 무능한 사람이 고위직으로 승진하는 꽤 흔한 이유다. 만년 저성과 조직은 이렇게 만들어진다.

www.chiefexe.com

‘어떻게 저렇게 무능한 사람이 임원 자리에 앉아있는 걸까?’ 직장

가장 많이 여쭤보시는 질문 중 하나입니다. 채용 담당자 시절과 현재 코칭을 많이 하며 느낀 제 기준입니다.

👉 총 45-55p 사이
👉 서비스 3~4개
👉 프로젝트 6~7개, 장당 7-8p
👉 프로젝트 = 서비스 아님
👉 서비스 하나당 n개의 프로젝트가 나올 수 있음
👉 한 프로젝트 구성
- 프로젝트 배경 > 문제인식 및 정의 > 가설 > 솔루션 > 결과해석 > 레슨런
👉 문제 해결력을 잘 보여줄 수 있는 중요도 순서로 배치: 최신순 아니어도 됨, 같은 서비스가 붙어 있지 않아도 됨
👉 JD상 필요시 장표 후반에 Appendix 추가 후 BX, 개발, 그래픽 관련 작업들 추가

가장 많이 여쭤보시는 질문 중 하나입니다. 채용 담당자 시절과 현재 코칭을 많이 하며 느낀 제 기준입니다. 👉 총 45-55p 사이👉 서비스 3~4개👉 프로젝트 6~7개, 장당 7-8p👉 프로젝트 = 서비스 아님👉 서비스 하나당 n개의 프로젝트가 나올 수 있음👉 한 프로젝트 구성- 프로젝트 배경 &gt; 문제인식 및 정의 &gt; 가설 &gt; 솔루션 &gt; 결과해석 &gt; 레슨런👉 문제 해결력을 잘 보여줄 수 있는 중요도 순서로 배치: 최신순 아니어도 됨, 같은 서비스가 붙어 있지 않아도 됨👉 JD상 필요시 장표 후반에 Appendix 추가 후 BX, 개발, 그래픽 관련 작업들 추가

✋적당한 문제 해결 포트폴리오 장수는?

Findings in our latest study show that the quality of code written with GitHub Copilot is significantly more functional, readable, reliable, maintainable, and concise.

Does GitHub Copilot improve code quality? Here’s what the data says

GitHub에서 Copilot의 효과를 파악하기 위해 실험을 했습니다.

5년 이상의 개발자 202명을 모집 후 절반은 GitHub Copilot을 쓰고 절반은 AI도구를 일체 사용하지 않은 채 웹 서버의 API 엔드포인트를 작성하도록 한 뒤 준비된 단위 테스트의 통과 여부와 전문가 검토를 통해서 코드를 평가했습니다.

연구 결과에 따르면 GitHub Copilot을 사용한 코드가 단위테스트를 통과할 가능성이 56% 더 높았고 가독성은 1~3% 좋고 유지보수 면에서도 쉬운것으로 평가 받았다고 합니다.

https://github.blog/news-insights/research/does-github-copilot-improve-code-quality-heres-what-the-data-says/

GitHub에서 Copilot의 효과를 파악하기 위해 실험을 했습니다. 5년 이상의 개발자 202명을 모집 후 절반은 GitHub Copilot을 쓰고 절반은 AI도구를 일체 사용하지 않은 채 웹 서버의 API 엔드포인트를 작성하도록 한 뒤 준비된 단위 테스트의 통과 여부와 전문가 검토를 통해서 코드를 평가했습니다. 연구 결과에 따르면 GitHub Copilot을 사용한 코드가 단위테스트를 통과할 가능성이 56% 더 높았고 가독성은 1~3% 좋고 유지보수 면에서도 쉬운것으로 평가 받았다고 합니다. https://github.blog/news-insights/research/does-github-copilot-improve-code-quality-heres-what-the-data-says/

The GitHub Blog

GitHub에서 Copilot의 효과를 파악하기 위해 실험을 했습

YOUNG PROFESSIONALS

LG Science Park의 영 프로페셔널로
브랜드북의 People Interview를 하게 되었습니다.

제가 지금까지 추천/검색 분야의 AI Scientist, ML Engineer로 성장해오며 고민한 것들,
그리고 저의 정체성에 대한 내용을 담아보았습니다.

기회가 된다면 저랑 비슷한 분야,
그리고 비슷한 고민들을 하고 있는 분들과도 이야기 나눌 수 있으면 좋겠습니다.

https://www.lgsciencepark.com/KR/e-book/#page=176

LG Science Park의 영 프로페셔널로브랜드북의 People Interview를 하게 되었습니다. 제가 지금까지 추천/검색 분야의 AI Scientist, ML Engineer로 성장해오며 고민한 것들,그리고 저의 정체성에 대한 내용을 담아보았습니다. 기회가 된다면 저랑 비슷한 분야,그리고 비슷한 고민들을 하고 있는 분들과도 이야기 나눌 수 있으면 좋겠습니다. https://www.lgsciencepark.com/KR/e-book/#page=176

www.lgsciencepark.com

Elinha 인공지능 엔지니어

김성록

. AI

Drone

삼성카드 인공지능 엔지니어

Esther-Joseph

[People Interview] 취향에 깊이를 더해 가는 일

* Organizing the regular sessions and registering ENP to school officially
* Suggesting new paradigm of ENP and making it to grow up
 - Learned essentials for business, marketing and financial strategy from case studies & discussions
 - Invited lecturer such as venture CEO to POSTECH and preparing seminars about many various 
 markets
* Perform the project about social venture named ‘café Hisbeens’

President

* Researching application market of Android OS
* Supporting MAD camp
* Researching about web game and other markets related with Bon Angels
* Researching the trend of start-up market

Intern

NAEK YEHS was founded by engineers from diverse universities to promote the exchange between the engineering students in various majors and to construct the long-term national scale network of engineers. It is sponsored by NAEK(National Academy fo Engineering KOREA). YEHS selects the members through the recommendation of the President of each university and the Dean of engineering college.
Currently, students and graduates of a variety of Universities are involved. There are more than 1000 members from 30 universities.

Database Engineer / System software Engineer
Part : Parser(Server side) / Text Index(Server side)

* Maintain Parser module and add new feature
* Design and develop Query converter
* Add new feature to Catalog index
* Design and develop Context index
* Guid the usage of Query

 Junior Engineer

Machine Learning Engineer of AirSPACE
- "Research and develop recommendation algorithms and systems"
- Team : Search / Local AI / AirSPACE

Project
- POI(Point Of Interest) personalized recommendation (Contents based recommendation, Deep Learning based recommendation)
- User Modeling (Statistical Model, Machine Learning Model)
- Location based UGC/Keyword recommendation (Statistical Model, Machine Learning Model)
- POI label recommendation (Statistical Model)
- Topic(Keyword) Extraction/Summary (Statistical Model)

Service : Search, Location Based Recommendation Service
- SmartAround, Local Search

Machine Learning Engineer

Team Leader of HyperLocal Personalization
- "Recommendation AI Modeling on HyperLocal level"
- Team : Commerce AI / Local / AirSPACE / HyperLocal Personalization

Project
- POI/User/UGC Personalized Recommendation (Graph Deep Learning Model)
- UGC Trend Recommendation (Multimodal Deep Learning Model)
- User Modeling (Statistical Model, Graph Deep Learning Model)
- POI/Theme/UGC Relevance Ranking (Statistical Model)
- Real Time Recommender System (Contextual MAB Model)
- Keyword Trend Recommendation (NLP Model)
- Thumbnail Recommendation (Vision-language model)

Service : Search, Location Based Recommendation Service 
- Search Smartblock, Local Search, 요즘여기 판

Team Leader

AI/Data Science 그룹 추천기술팀 팀장
- 컨텐츠 추천 : IPTV, 모바일 TV, 아이들나라 추천
- 상품 추천 : 멤버스 추천, 유독 추천
- 추천 플랫폼 운영 및 고도화

산업경영공학과 학사

Industrial Engineering / Data Mining Lab (Prof. Sungzoon Cho)
Research Industry : Data mining, Text mining, Topic Extraction
Thesis : Federal open market committee member’s monetary policy analysis by text mining with dual mandate concept

산업공학과 석사

전영환

링크드인

Data Scientist이자 Machine Learning Engineer로 과학과 공학으로 세상을 바라보고 있습니다. 현실의 다양한 문제들을 Data로 바라보고, AI 기술로 해결하는데 재미를 느낍니다.

[People Interview] 취향에 깊이를 더해 가는 일

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필