A summary of our latest research on developer productivity teams, including when they're typically established, what they focus on, and how they measure the impact of their work.

Research on Developer Productivity teams

개발자 인텔리전스 플랫폼인 DX에서 개발자 생산성 팀에 대한 리서치 자료를 공개했습니다.

 * 100명정도의 회사부터 15,000명이 넘는 기업까지 조사해서 어떤 팀은 50명 이내에서 개발자 생산성 팀을 구성하지만 어떤 회사는 몇천명이 넘을때까지 기다립니다.
 * 개발자 생산성 팀을 구성하는 주요 이유로는 CI/CD 때문이고 또다른 이유로는 개발자 설문조사를 포함해서 개발자 메트릭과 인사이트를 구성하기 위해서입니다.
 * 개발자 생산성 팀을 구성하게 되는 또다른 이유로는 모노리스에서 마이크로 서비스로 가거나 클라우드로의 전환등 커다란 변화가 있을때나 표준화나 비용 효율화가 필요한 때, 비즈니스의 성장을 인프라가 따라가지 못할 때 였습니다.
 * 팀의 이름은 Platform 팀은 인프라나 인시던트를 다루는 것과 더 연관있고 DevEx 팀은 개발자 트레이닝이나 교육에 더 집중합니다.
 * DevEx를 팀이름으로 선택한 리더는 더 고객중심으로 하기 위함이었고 Platform을 선택한 리더는 인프라스트럭처나 보안에 집중하기 위함이었습니다.
 * 1,000 명의 엔지니어 미만의 회사들은 평균 18.9%를 중앙화된 개발자 생산성 팀에 할당했습니다. 더 큰 회사들은 더 적은 퍼센티지를 투자했습니다.
 * 평균적으로 엔지니어는 22%의 시간을 낭비하고 있는 걸로 보고되어 회사는 이러한 부분의 효율성을 제거할 수 있는 기회가 됩니다.
 * 개발자 생산성팀은 배포의 쉬움, 엔게이지먼트, 시간 손실, 변경 실패율을 주요 매트릭으로 사용했고 DORA와 SPACE 메트릭을 선택적으로 사용했습니다.

https://getdx.com/report/research-on-developer-productivity-teams/

개발자 인텔리전스 플랫폼인 DX에서 개발자 생산성 팀에 대한 리서치 자료를 공개했습니다. <ul ><li>100명정도의 회사부터 15,000명이 넘는 기업까지 조사해서 어떤 팀은 50명 이내에서 개발자 생산성 팀을 구성하지만 어떤 회사는 몇천명이 넘을때까지 기다립니다.</li><li>개발자 생산성 팀을 구성하는 주요 이유로는 CI/CD 때문이고 또다른 이유로는 개발자 설문조사를 포함해서 개발자 메트릭과 인사이트를 구성하기 위해서입니다.</li><li>개발자 생산성 팀을 구성하게 되는 또다른 이유로는 모노리스에서 마이크로 서비스로 가거나 클라우드로의 전환등 커다란 변화가 있을때나 표준화나 비용 효율화가 필요한 때, 비즈니스의 성장을 인프라가 따라가지 못할 때 였습니다. </li><li>팀의 이름은 Platform 팀은 인프라나 인시던트를 다루는 것과 더 연관있고 DevEx 팀은 개발자 트레이닝이나 교육에 더 집중합니다. </li><li>DevEx를 팀이름으로 선택한 리더는 더 고객중심으로 하기 위함이었고 Platform을 선택한 리더는 인프라스트럭처나 보안에 집중하기 위함이었습니다.</li><li>1,000 명의 엔지니어 미만의 회사들은 평균 18.9%를 중앙화된 개발자 생산성 팀에 할당했습니다. 더 큰 회사들은 더 적은 퍼센티지를 투자했습니다. </li><li>평균적으로 엔지니어는 22%의 시간을 낭비하고 있는 걸로 보고되어 회사는 이러한 부분의 효율성을 제거할 수 있는 기회가 됩니다. </li><li>개발자 생산성팀은 배포의 쉬움, 엔게이지먼트, 시간 손실, 변경 실패율을 주요 매트릭으로 사용했고 DORA와 SPACE 메트릭을 선택적으로 사용했습니다. </li></ul> https://getdx.com/report/research-on-developer-productivity-teams/

getdx.com

B2B 프로덕트라면 광고하지 맙시다. 제발요 !!


1. B2B 제품은 B2C와 근본적으로 다릅니다. AARRR 프레임워크를 적용하거나 개인을 타겟팅하는 방식은 B2B에서 통하지 않습니다. 구글 검색량만 봐도 알 수 있죠. B2C 키워드는 수십만 건의 월간 검색량을 자랑하지만… | 댓글 18

LinkedIn SEUNG HO CHOI 페이지: B2B 프로덕트라면 광고하지 맙시다. 제발요 !! 1. B2B 제품은 B2C와 근본적으로 다릅니다. AARRR 프레임워크를… | 댓글 18

간혹 B2B 스타트업이 성장하여 B2C 시장까지 확장할때 B2B 마케팅방법을 그대로 사용하여 실패하는 경우가 있는데요. B2B 프로덕트는 광고보다 더 중요하게 생각해야하는 케이스에 대해 작성해주신 글이 있어 공유드립니다.

B2B 제품은 B2C와 근본적으로 다릅니다.
AARRR 프레임워크를 적용하거나 개인을 타겟팅하는 방식은 통하지 않습니다.
검색 기준으로 B2C 키워드는 수십만 건의 월간 검색량을 자랑하지만, B2B 키워드는 고작 수백 건에 불과한 경우가 많습니다. 이건 시장의 본질적인 차이입니다.

B2B 제품은 광고가 제품을 인지하게 되는 첫 접점이 되어서는 안 됩니다.
인스타그램 광고를 보고 세일즈포스 도입을 검토하거나, 페이스북 광고를 보고 SAP를 도입하겠다고 결정하는 기업은 없습니다. 단순히 타겟 고객이 많이 모여 있다고 해서 광고 효과가 달라지지 않습니다. 광고를 통해 제품을 인지하더라도 구매까지 가는 긴 설득의 과정은 여전히 남아있기 때문입니다.

B2B 고객여정은 B2C보다 훨씬 길고 복잡합니다.
고객이 제품을 처음 인지한 후에도, 실제 구매까지 이어지기까지 긴 시간이 필요합니다. 이 과정에서 고객은 천천히, 그리고 신중하게 정보를 수집하고 내부를 설득할 논리를 만들어가지, '광고' 라는 순간적인 자극으로 단축시킬수 없습니다.

B2B 구매 의사결정의 특징은 다수의 이해관계자가 참여합니다.
여러명의 의사결정권자가 관여하며, 수많은 사람들이 OK를 외쳐줘야 구매가 일어납니다. 각자의 관심사와 우려사항이 다르기에 다각도의 정보와 근거가 필요합니다.

아무리 저관여 제품이라도 B2B제품이라면 의사결정 과정을 피해갈 수 없습니다.
광고에 돈을 쓰느니, 차라리 고객이 우리 제품을 발견하고 내부 의사결정권자들을 설득할 수 있는 다양한 논리와 명분을 콘텐츠로 만드는데 투자하는게 낫습니다.
광고는 예산이 끝나면 그걸로 끝이지만 SEO 콘텐츠는 영원히 남아 가치를 만들어냅니다.

B2B는 기업의 stage와 규모를 고려해야합니다.
수십 개의 제품을 가진 거대기업은 개별 제품의 노출보다 브랜드 자체의 인지도가 더 중요한 단계이기에, 이들은 사람들의 눈에 자주 띄어 익숙해지도록 만들어야하고 나중에 구매 의사결정에 도움이 되게 하는것이 중요합니다. 하지만 대부분은 나스닥 상장사가 아닌 초기스타트업이기에 브랜드 광고가 아닌 제품의 가치를 전달하는 것이 더 중요합니다.

SEO 컨텐츠 마케팅은 시간이 지날수록 복리효과를 발휘합니다.
잠재 고객이 미팅에서 우리에게 질문한 정보를 담은 블로그 글을 쓰고, 전문성 있는 백서를 발행하고, 제품의 실제 성공 사례를 만들어 공유하세요. 고객이 의사결정 과정에서 필요로 하는 콘텐츠를 꾸준히 만들어야 합니다. 이런 콘텐츠들이 모여 제품의 브랜드 신뢰도를 만들고, 결국 구매 결정에 영향을 미치게 됩니다.

간혹 B2B 스타트업이 성장하여 B2C 시장까지 확장할때 B2B 마케팅방법을 그대로 사용하여 실패하는 경우가 있는데요. B2B 프로덕트는 광고보다 더 중요하게 생각해야하는 케이스에 대해 작성해주신 글이 있어 공유드립니다. B2B 제품은 B2C와 근본적으로 다릅니다. AARRR 프레임워크를 적용하거나 개인을 타겟팅하는 방식은 통하지 않습니다. 검색 기준으로 B2C 키워드는 수십만 건의 월간 검색량을 자랑하지만, B2B 키워드는 고작 수백 건에 불과한 경우가 많습니다. 이건 시장의 본질적인 차이입니다. B2B 제품은 광고가 제품을 인지하게 되는 첫 접점이 되어서는 안 됩니다.인스타그램 광고를 보고 세일즈포스 도입을 검토하거나, 페이스북 광고를 보고 SAP를 도입하겠다고 결정하는 기업은 없습니다. 단순히 타겟 고객이 많이 모여 있다고 해서 광고 효과가 달라지지 않습니다. 광고를 통해 제품을 인지하더라도 구매까지 가는 긴 설득의 과정은 여전히 남아있기 때문입니다. B2B 고객여정은 B2C보다 훨씬 길고 복잡합니다.고객이 제품을 처음 인지한 후에도, 실제 구매까지 이어지기까지 긴 시간이 필요합니다. 이 과정에서 고객은 천천히, 그리고 신중하게 정보를 수집하고 내부를 설득할 논리를 만들어가지, '광고' 라는 순간적인 자극으로 단축시킬수 없습니다. B2B 구매 의사결정의 특징은 다수의 이해관계자가 참여합니다.여러명의 의사결정권자가 관여하며, 수많은 사람들이 OK를 외쳐줘야 구매가 일어납니다. 각자의 관심사와 우려사항이 다르기에 다각도의 정보와 근거가 필요합니다. 아무리 저관여 제품이라도 B2B제품이라면 의사결정 과정을 피해갈 수 없습니다.광고에 돈을 쓰느니, 차라리 고객이 우리 제품을 발견하고 내부 의사결정권자들을 설득할 수 있는 다양한 논리와 명분을 콘텐츠로 만드는데 투자하는게 낫습니다. 광고는 예산이 끝나면 그걸로 끝이지만 SEO 콘텐츠는 영원히 남아 가치를 만들어냅니다. B2B는 기업의 stage와 규모를 고려해야합니다. 수십 개의 제품을 가진 거대기업은 개별 제품의 노출보다 브랜드 자체의 인지도가 더 중요한 단계이기에, 이들은 사람들의 눈에 자주 띄어 익숙해지도록 만들어야하고 나중에 구매 의사결정에 도움이 되게 하는것이 중요합니다. 하지만 대부분은 나스닥 상장사가 아닌 초기스타트업이기에 브랜드 광고가 아닌 제품의 가치를 전달하는 것이 더 중요합니다. SEO 컨텐츠 마케팅은 시간이 지날수록 복리효과를 발휘합니다.잠재 고객이 미팅에서 우리에게 질문한 정보를 담은 블로그 글을 쓰고, 전문성 있는 백서를 발행하고, 제품의 실제 성공 사례를 만들어 공유하세요. 고객이 의사결정 과정에서 필요로 하는 콘텐츠를 꾸준히 만들어야 합니다. 이런 콘텐츠들이 모여 제품의 브랜드 신뢰도를 만들고, 결국 구매 결정에 영향을 미치게 됩니다.

www.linkedin.com

B2B 프로덕트라면 광고하지맙시다.

 이 글은 원온원에 대해 작성한 글입니다 6년 동안 진행한 원온원의 시행착오와 배움들을 기록했습니다 키워드 : 원온원 미팅, 원온원 질문, 원온원 템플릿, 원온원 주제 

원온원 6년의 기록: 시행착오와 배움들

처음 1:1 미팅을 시작했을 때는 '어떻게 진행해야 하나?' 고민이 많았지만, 이제는 '어떻게 하면 상대방에게 진정한 도움이 될까?'를 고민하며 원온원 미팅을 진행하고 있어요

이 글에서는 제가 겪은 네 단계의 발전 과정을 공유합니다.
- 질문 리스트에 의존했던 초기 단계
- 본질에 집중했던 시기
- 개인화된 1:1 미팅을 시도한 시기
- 조직 전체의 프레임워크 개발 단계

1:1 미팅을 진행하시는 분들께 도움이 되었으면 좋겠네요. 관련해서 의견이 있으시다면 언제든 말씀해주세요.

https://zzsza.github.io/diary/2024/11/24/one-on-ones-lessons-learned/

처음 1:1 미팅을 시작했을 때는 '어떻게 진행해야 하나?' 고민이 많았지만, 이제는 '어떻게 하면 상대방에게 진정한 도움이 될까?'를 고민하며 원온원 미팅을 진행하고 있어요 이 글에서는 제가 겪은 네 단계의 발전 과정을 공유합니다.- 질문 리스트에 의존했던 초기 단계- 본질에 집중했던 시기- 개인화된 1:1 미팅을 시도한 시기- 조직 전체의 프레임워크 개발 단계 1:1 미팅을 진행하시는 분들께 도움이 되었으면 좋겠네요. 관련해서 의견이 있으시다면 언제든 말씀해주세요. https://zzsza.github.io/diary/2024/11/24/one-on-ones-lessons-learned/

zzsza.github.io

[행사명]
O!E Women Bridge *O!House(오늘의집) Engineering Women Bridge

[행사 소개]
"왜 시니어 여성 개발자를 만나기 어려울까?"
주니어에서 중니어로, 다시 시니어로 성장하면서 
문득 주위를 둘러보셨나요?

우리는 모두 이 여정을 걷고 있지만, 
롤모델을 찾기 어려워 고민했던 순간들이 있었을 거예요.

O!E Women Bridge는 이런 생각에서 시작되었습니다.
회사와 직급의 경계를 넘어, 서로의 경험과 인사이트를 나누며 
건강하고 지속 가능한 커리어를 함께 그려가는 시간을 가져보려 합니다.

Tech 업계의 다양한 여성 엔지니어들과 함께
실제 경험과 노하우를 공유하고
서로의 성장을 응원하는 자리를 마련했습니다.

여러분의 경험과 이야기가 누군가의 새로운 길이 됩니다.
우리가 만드는 연결의 다리가
테크 업계에 의미 있는 변화를 만들어낼 것입니다.

각자의 자리에서 빛나고 있는 우리들의 이야기로
더 넓은 내일을 만들어갈 수 있도록
O!E Women Bridge에서 만나뵙기를 바랍니다.

[행사 개요]
일시: 2024년 12월 13일(금) 오후 7시
장소: 오늘의집 오피스 *강남역 8번 출구 앞, 삼성생명서초타워 27층 (지도 보기)
참석 인원: 60명 내외

[Timeline]
19:00~19:30: 입장 및 착석 *간단한 식사 및 다과 제공
19:30~20:00: 세선 1 - 엔지니어 커리어 라이프 사이클
20:00~20:45: 세션 2 - 여성 엔지니어로서의 지속 가능한 커

[오늘의집] O!E Women Bridge 참가 신청서

"왜 시니어 여성 개발자를 만나기 어려울까?"
라는 질문에서 시작된 자리라고 하네요!

이런 모임이 더 많아지면 좋겠습니다 응원합니다.

📍 일시 : 2024. 12. 13 (금) 오후 7시
📍 장소 : 오늘의집 오피스 (강남역 8번 출구 앞, 삼성생명서초타워 27층)

📝 참가 신청 링크 : https://ozip.me/eGYwncQ

"왜 시니어 여성 개발자를 만나기 어려울까?" 라는 질문에서 시작된 자리라고 하네요! 이런 모임이 더 많아지면 좋겠습니다 응원합니다. 📍 일시 : 2024. 12. 13 (금) 오후 7시 📍 장소 : 오늘의집 오피스 (강남역 8번 출구 앞, 삼성생명서초타워 27층) 📝 참가 신청 링크 : https://ozip.me/eGYwncQ

Google Docs

제 1회 오늘의집 여성 개발자 네트워킹 모임 개최

Aug-12th, 2024: Updated, new resources added.

The Perfect Prompt: A Prompt Engineering Cheat Sheet

챗지피티등의 LLM서비스(이하 챗지피티로 통일)는 그냥 사용해도 충분히 좋지만,
제 나름대로 사용하고 있는 몇가지 유용한 방법을 공유드립니다.

요약
1. 맥락을 유지한다.
2. 성능좋은 모델을 사용한다.
3. 프롬프트 템플릿을 사용한다.
4. 챗지피티는 제안하고 선택은 내가한다.
5. ChatGPT 맞춤 설정 (ChatGPT Customize) 을 사용하자.

1. 맥락을 유지한다. 
챗지피티의 원리는 특정 단어 다음에 올 가장 높은 확률의 단어를 계속해서 나열하는 것입니다.
그러므로 답변의 성능을 높이기 위해서는 컨텍스트를 유지하는 것이 좋습니다.
컨텍스트를 유지하는 가장 쉬운 방법은 바로 '주제별로 채팅창을 유지' 하는 것입니다.
대부분의 LLM서비스에는 예전에 했던 채팅창을 어느정도 유지해주는 기능이 있습니다.
이기능을 사용해서 주제별로 이야기를 이어가나는 것이 도움이 됩니다.

2. 성능 좋은 모델을 사용한다. 
성능 좋은 모델은 보통 비쌉니다. 챗지피티의 경우에
o1-preview
 모델이 최신 모델입니다.
깊은 사고를 필요로하는 질문의 경우 o1-preview를 사용하면 좋은 답변을 내줍니다.
예를들어 strawberry 안에 r이 몇개 있는지에 대한 질문을 보통은 답변을 못하는데요.
이는 챗지피티가 통계적 기반에 따라 답을 하기 때문입니다.
이러한
추론
 이 필요한 경우 o1-preview 모델을 사용하면 좋은 답변을 줍니다.
이번에 2025 수능 국어 영역에서 1개만 틀렸다고도 합니다.

3. 프롬프트 템플릿을 사용한다. 
프롬프트를 사용하여 챗지피티에게 좋은 응답을 받기 위해서는 여러번 대화를 주고받아야 하는 경우가 많습니다.
이럼에도 좋은 응답을 얻지 못하는 경우도 있죠.
짧은 대화로 좋은 응답을 얻으려면 프롬프트를 좀 더 자세하게 작성하는 편이 좋습니다. 그러나 그냥 자세히 작성하라고 하면 보통은 막막한 경우가 많습니다. 문장 작성에 도움을 받기위해서는 다음과 같은 프롬프트 템플릿을 사용하면 좋습니다.
목적: [작업의 목적]
형식: [원하는 출력 형식]
톤: [원하는 어조]
길이: [원하는 길이]
추가 요구사항: [기타 고려사항]

사람들이 많이 인용하는 프롬프트 템플릿 프레임워크로 AUTOMAT, CO-STAR 가 있습니다.
아래 URL을 참조 하시길 바랍니다.

https://medium.com/the-generator/the-perfect-prompt-prompt-engineering-cheat-sheet-d0b9c62a2bba

4. 챗지피티는 제안하고 선택은 내가한다. 
새로운 아이디어가 필요한 경우, 챗지피티에게 맡기는 경우가 종종 있습니다.
그러나 이렇게 해서는 좋은 응답을 얻기가 힘듭니다.
1번에 서술한 대로 챗지피티는 랜덤하게 텍스트를 만들어주는 도구이기 때문입니다.
그러므로 챗지피티를 사용해 좋은 결과를 얻으려면 챗지피티에게 제안을 해달라고 하는 것이 좋습니다.
예를들어 친구에게 줄 선물을 10가지 정도 제안해달라. 이런식으로 할 수 있겠습니다.
사용자는 챗지피티가 제안해준 것에서 골라서 더 디테일하게 질문을 하는 방식으로 진행하는 것이, 좋은 응답을 얻을 수 있습니다.

5. ChatGPT 맞춤 설정 (ChatGPT Customize) 을 사용하자. 
챗지피티의 메뉴에 보시면 ChatGPT 맞춤 설정 이라는 것이 있습니다.
맞춤설정 관련해서는 아래의 글을 참고하시면 좋습니다.

https://brunch.co.kr/@acc9b16b9f0f430/87

챗지피티등의 LLM서비스(이하 챗지피티로 통일)는 그냥 사용해도 충분히 좋지만,제 나름대로 사용하고 있는 몇가지 유용한 방법을 공유드립니다. 요약1. 맥락을 유지한다.2. 성능좋은 모델을 사용한다.3. 프롬프트 템플릿을 사용한다.4. 챗지피티는 제안하고 선택은 내가한다.5. ChatGPT 맞춤 설정 (ChatGPT Customize) 을 사용하자. 1. 맥락을 유지한다.&nbsp;챗지피티의 원리는 특정 단어 다음에 올 가장 높은 확률의 단어를 계속해서 나열하는 것입니다.그러므로 답변의 성능을 높이기 위해서는 컨텍스트를 유지하는 것이 좋습니다.컨텍스트를 유지하는 가장 쉬운 방법은 바로 '주제별로 채팅창을 유지' 하는 것입니다.대부분의 LLM서비스에는 예전에 했던 채팅창을 어느정도 유지해주는 기능이 있습니다.이기능을 사용해서 주제별로 이야기를 이어가나는 것이 도움이 됩니다. 2. 성능 좋은 모델을 사용한다.&nbsp;성능 좋은 모델은 보통 비쌉니다. 챗지피티의 경우에 <code >o1-preview</code>&nbsp;모델이 최신 모델입니다.깊은 사고를 필요로하는 질문의 경우 o1-preview를 사용하면 좋은 답변을 내줍니다.예를들어 strawberry 안에 r이 몇개 있는지에 대한 질문을 보통은 답변을 못하는데요.이는 챗지피티가 통계적 기반에 따라 답을 하기 때문입니다.이러한 <code >추론</code>&nbsp;이 필요한 경우 o1-preview 모델을 사용하면 좋은 답변을 줍니다.이번에 2025 수능 국어 영역에서 1개만 틀렸다고도 합니다. 3. 프롬프트 템플릿을 사용한다.&nbsp;프롬프트를 사용하여 챗지피티에게 좋은 응답을 받기 위해서는 여러번 대화를 주고받아야 하는 경우가 많습니다.이럼에도 좋은 응답을 얻지 못하는 경우도 있죠.짧은 대화로 좋은 응답을 얻으려면 프롬프트를 좀 더 자세하게 작성하는 편이 좋습니다. 그러나 그냥 자세히 작성하라고 하면 보통은 막막한 경우가 많습니다. 문장 작성에 도움을 받기위해서는 다음과 같은 프롬프트 템플릿을 사용하면 좋습니다.<pre ><code>목적: [작업의 목적]
형식: [원하는 출력 형식]
톤: [원하는 어조]
길이: [원하는 길이]
추가 요구사항: [기타 고려사항]</code></pre>사람들이 많이 인용하는 프롬프트 템플릿 프레임워크로 AUTOMAT, CO-STAR 가 있습니다.아래 URL을 참조 하시길 바랍니다. https://medium.com/the-generator/the-perfect-prompt-prompt-engineering-cheat-sheet-d0b9c62a2bba 4. 챗지피티는 제안하고 선택은 내가한다.&nbsp;새로운 아이디어가 필요한 경우, 챗지피티에게 맡기는 경우가 종종 있습니다.그러나 이렇게 해서는 좋은 응답을 얻기가 힘듭니다.1번에 서술한 대로 챗지피티는 랜덤하게 텍스트를 만들어주는 도구이기 때문입니다.그러므로 챗지피티를 사용해 좋은 결과를 얻으려면 챗지피티에게 제안을 해달라고 하는 것이 좋습니다.예를들어 친구에게 줄 선물을 10가지 정도 제안해달라. 이런식으로 할 수 있겠습니다.사용자는 챗지피티가 제안해준 것에서 골라서 더 디테일하게 질문을 하는 방식으로 진행하는 것이, 좋은 응답을 얻을 수 있습니다. 5. ChatGPT 맞춤 설정 (ChatGPT Customize) 을 사용하자.&nbsp;챗지피티의 메뉴에 보시면 ChatGPT 맞춤 설정 이라는 것이 있습니다.맞춤설정 관련해서는 아래의 글을 참고하시면 좋습니다. https://brunch.co.kr/@acc9b16b9f0f430/87

Medium

챗지피티와 같은 LLM을 잘 사용하는 방법

최근에 팀옮기고 뭔지 모르지만 일단 하라고 해서 그냥 하고 있는데..
어떻게 해야될지 모르겠는 것도 그냥 계속 고민하고 시도하다보면 풀리는 경우가 있었다.
최소한 이걸 해봐야지 저걸 해봐야지 라는 아이디어가 떠오르긴함.
'하면 된다'라는 오래된 표어가 생각보다는 말이 되는 것 같다.

최근에 팀옮기고 뭔지 모르지만 일단 하라고 해서 그냥 하고 있는데.. 어떻게 해야될지 모르겠는 것도 그냥 계속 고민하고 시도하다보면 풀리는 경우가 있었다. 최소한 이걸 해봐야지 저걸 해봐야지 라는 아이디어가 떠오르긴함. '하면 된다'라는 오래된 표어가 생각보다는 말이 되는 것 같다.

코프링에서 웹소켓을 MVC모드와 REACTIVE모드로 구현하는 방법을 작동되는 기준으로 정리비교를 시도 하였습니다.

링크 : https://wiki.webnori.com/display/AKKA/Reactive+WebSocket+With+Kotlin

코프링에서 웹소켓을 MVC모드와 REACTIVE모드로 구현하는 방법을 작동되는 기준으로 정리비교를 시도 하였습니다. 링크 : https://wiki.webnori.com/display/AKKA/Reactive+WebSocket+With+Kotlin

코프링 웹소켓 MVC VS REACTIVE

토스가 만드는 금융 서비스가 곧 금융의 미래가 되는 그 과정을 함께해 주세요.

그로스 도메인이 토스를 성장시키는 방법

도메인 지식으로 기획자가 가설을 수립해오는 경우도 있지만,
가끔은 데이터를 바라보며 아이디어를 찾아야하는 경우도 있죠?

토스에서 설명하는 'Shapley Value: 게임이론에 기반해서 변수 기여도를 해석하는 방법론'을 통해 찾아보세요!

단순하게 방법론만 소개하는 것이 아닌 예시도 자세하게 설명해주니 포스트를 꼭 읽어보세요!

https://toss.im/career/article/growth-domain

도메인 지식으로 기획자가 가설을 수립해오는 경우도 있지만, 가끔은 데이터를 바라보며 아이디어를 찾아야하는 경우도 있죠? 토스에서 설명하는 'Shapley Value: 게임이론에 기반해서 변수 기여도를 해석하는 방법론'을 통해 찾아보세요! 단순하게 방법론만 소개하는 것이 아닌 예시도 자세하게 설명해주니 포스트를 꼭 읽어보세요! https://toss.im/career/article/growth-domain

toss.im

모르는데 가설을 처음부터 어떻게 잡아요? (세호둥절)

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

관련해서 더 이야기를 들어보고 싶다면 아래 유튜브 영상을 한번 보세요: https://www.youtube.com/watch?v=N0ykC41VVMg

이 글은 [GitHub Universe 2024 참석기 #2: Day 2](https://blog.outsider.ne.kr/1741)에서 이어진 글이다.


이번에 샌프란시스코에 간 것은 GitHub Universe에 참석하기 위해서였지만 간 김에 일주일 정도 더...

GitHub Universe 2024 참석기 #3: 오피스 투어 :: Outsider's Dev Story

이번에 GitHub Universe 컨퍼런스 참석차 미국 샌프란시스코에 가서 컨퍼런스 끝난후 실리콘밸리에 있는 YouTube, Google, NVIDIA, Salesforce 오피스에 방문한 경험을 정리해 봤습니다.

https://blog.outsider.ne.kr/1742

이번에 GitHub Universe 컨퍼런스 참석차 미국 샌프란시스코에 가서 컨퍼런스 끝난후 실리콘밸리에 있는 YouTube, Google, NVIDIA, Salesforce 오피스에 방문한 경험을 정리해 봤습니다. https://blog.outsider.ne.kr/1742

Outsider's Dev Story

큰 장애를 냈어요. 사소한 실수였죠. 연봉을 뱉어내도 메울 수 없는 손실을 냈어요.

문제를 복구한 뒤 원인 분석을 위해 모였어요. 이상했어요. 아무도 저를 탓하지 않았거든요. 오히려 절 걱정해줬어요.

제 잘못이 아니라 프로세스의 문제라고 했어요. 일하는 법을 바꿔서 같은 상황을 만들지 않으면 되는 거라고 했어요.

또 하나 배웠어요. 때론 사람을 고치려 하지 말고 프로세스, 환경을 바꿔야 한다는 점을요.

큰 장애를 냈어요. 사소한 실수였죠. 연봉을 뱉어내도 메울 수 없는 손실을 냈어요. 문제를 복구한 뒤 원인 분석을 위해 모였어요. 이상했어요. 아무도 저를 탓하지 않았거든요. 오히려 절 걱정해줬어요. 제 잘못이 아니라 프로세스의 문제라고 했어요. 일하는 법을 바꿔서 같은 상황을 만들지 않으면 되는 거라고 했어요. 또 하나 배웠어요. 때론 사람을 고치려 하지 말고 프로세스, 환경을 바꿔야 한다는 점을요.

제가 잘못한 게 아니라고요?

최종 면접에서 자꾸 떨어진다고 코칭을 요청하시는 분들이 간혹 있다. 그 이야기는 앞단의 기술 면접은 잘 했다는 이야기인데 기술 면접과 최종 면접의 차이점은 무엇일까?

먼저 기술 면접에서는 당연히 기술적인 이야기와 업무를 중심으로 이야기한다고 하면 최종 면접에서는 더 상위 레벨의 이야기를 해야 하며 면접관의 입장에서 무엇이 궁금할지 생각해봐야 한다. 경영진의 관점에서는 기술적인 역량은 이미 검증이 된 것이고 이제 궁금한 것은 회사에 무슨 이유로 지원했고 얼마나 열정이 있고 우리가 원하는 인재상인지 얼마나 오래 같이 갈 것인지 여부 이다.

항상 나오는 질문은 왜 우리 회사에 지원하는지 이유를 물어보는 거다. 꼭 나름대로의 답변을 준비할 필요가 있다. 또 최종 면접에서는 어떤 질문을 하느냐가 앞단의 기술 면접보다 더 중요하다. 어느 정도 규모가 되는 회사라면 회사 홈페이지등을 통해 회사의 비전과 미션에 대해 알아보고 어떤 인재상을 갖고 있는지 알아보는 등 약간의 준비와 공부가 필요하다. 면접관에게 하는 질문도 기술적인 것 (이는 앞단의 기술 면접 때 물어보는 것이 맞다) 보다는 개인적인 창업이나 조인 동기에 대해 물어보는 것이 좋고 회사의 단기와 장기 목표에 대해 물어보는 것, 인재상에 대해 물어보는 것 등이 더 좋다.

다음으로 자신감을 가지고 긍정적인 톤으로 이야기하는 연습하는 것이 중요하다. 앞에 경력 단절이 있는 경우 그걸 너무 감추려 하거나 죄를 지은 것 처럼 생각하지 말고 당당하게 무슨 이유로 단절이 있고 무슨 준비를 하며 보냈는지 설명하면 된다.

최종 면접에서 자꾸 떨어진다고 코칭을 요청하시는 분들이 간혹 있다. 그 이야기는 앞단의 기술 면접은 잘 했다는 이야기인데 기술 면접과 최종 면접의 차이점은 무엇일까? 먼저 기술 면접에서는 당연히 기술적인 이야기와 업무를 중심으로 이야기한다고 하면 최종 면접에서는 더 상위 레벨의 이야기를 해야 하며 면접관의 입장에서 무엇이 궁금할지 생각해봐야 한다. 경영진의 관점에서는 기술적인 역량은 이미 검증이 된 것이고 이제 궁금한 것은 회사에 무슨 이유로 지원했고 얼마나 열정이 있고 우리가 원하는 인재상인지 얼마나 오래 같이 갈 것인지 여부 이다. 항상 나오는 질문은 왜 우리 회사에 지원하는지 이유를 물어보는 거다. 꼭 나름대로의 답변을 준비할 필요가 있다. 또 최종 면접에서는 어떤 질문을 하느냐가 앞단의 기술 면접보다 더 중요하다. 어느 정도 규모가 되는 회사라면 회사 홈페이지등을 통해 회사의 비전과 미션에 대해 알아보고 어떤 인재상을 갖고 있는지 알아보는 등 약간의 준비와 공부가 필요하다. 면접관에게 하는 질문도 기술적인 것 (이는 앞단의 기술 면접 때 물어보는 것이 맞다) 보다는 개인적인 창업이나 조인 동기에 대해 물어보는 것이 좋고 회사의 단기와 장기 목표에 대해 물어보는 것, 인재상에 대해 물어보는 것 등이 더 좋다. 다음으로 자신감을 가지고 긍정적인 톤으로 이야기하는 연습하는 것이 중요하다. 앞에 경력 단절이 있는 경우 그걸 너무 감추려 하거나 죄를 지은 것 처럼 생각하지 말고 당당하게 무슨 이유로 단절이 있고 무슨 준비를 하며 보냈는지 설명하면 된다.

최종 면접과 기술 면접의 차이점

사이드 프로젝트 개발자를 구합니다.
기획은 80% 이상 완료되어 있는 상태입니다.
현재 팀 구성원 : 기획자, 디자이너, 마케터.
플러터와 백엔드 개발을 다루는 풀스택 개발자를 찾습니다.
보상: 처음에는 드릴 수 없으나 수익이 나면 공평하게 분배해 드립니다.
원할 시 스톡옵션도 드릴 수 있습니다.

사이드 프로젝트 개발자가 아니라 호구 개발자를 구합니다로 바꿔야 하는 것 아닌가?

서비스 전체를 만드는 개발자에게는 스톡옵션을 준다고 하고 수익은 나눠 갖는다고 합니다.
어차피 자기들도 돈이 없으니까 월급을 주지는 못하고 스톡옵션으로 준다는 것.
아마 스톡옵션이 뭔지도 모를 것이 분명합니다.
법인을 만들어야 하고, 정관에 뭘 적어야 하고 언제부터 효력이 발생하고 얼만큼 발행할 수 있는지.
이런 걸 알고 적었을까? (아마 아닐 것 같습니다)

그냥 일단 적어 놓고 누구 하나 걸려라 기다리는 것.
이런 것에 혹하는 개발자들은 설마 없겠죠…?

만들고 싶은 게 있으면 그냥 혼자서 만들면 됩니다.
누구에게 의지하고 싶은 마음을 가라 앉히고.
그러면 실패해도 남는 거라도 있습니다.

요즘엔 AI 툴들 덕분에 개발자들은 날개가 생겼습니다.
물론 다른 직군들도 마찬가지긴 합니다만.
각자 훨훨 날아가면 됩니다.

<code >사이드 프로젝트 개발자를 구합니다.</code><code >기획은 80% 이상 완료되어 있는 상태입니다.</code><code >현재 팀 구성원 : 기획자, 디자이너, 마케터.</code><code >플러터와 백엔드 개발을 다루는 풀스택 개발자를 찾습니다.</code><code >보상: 처음에는 드릴 수 없으나 수익이 나면 공평하게 분배해 드립니다.</code><code >원할 시 스톡옵션도 드릴 수 있습니다.</code> 사이드 프로젝트 개발자가 아니라 호구 개발자를 구합니다로 바꿔야 하는 것 아닌가? 서비스 전체를 만드는 개발자에게는 스톡옵션을 준다고 하고 수익은 나눠 갖는다고 합니다.어차피 자기들도 돈이 없으니까 월급을 주지는 못하고 스톡옵션으로 준다는 것.아마 스톡옵션이 뭔지도 모를 것이 분명합니다.법인을 만들어야 하고, 정관에 뭘 적어야 하고 언제부터 효력이 발생하고 얼만큼 발행할 수 있는지.이런 걸 알고 적었을까? (아마 아닐 것 같습니다) 그냥 일단 적어 놓고 누구 하나 걸려라 기다리는 것.이런 것에 혹하는 개발자들은 설마 없겠죠…? 만들고 싶은 게 있으면 그냥 혼자서 만들면 됩니다.누구에게 의지하고 싶은 마음을 가라 앉히고.그러면 실패해도 남는 거라도 있습니다. 요즘엔 AI 툴들 덕분에 개발자들은 날개가 생겼습니다.물론 다른 직군들도 마찬가지긴 합니다만.각자 훨훨 날아가면 됩니다.

호구 개발자를 구합니다

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

 - YouTube

fetch 함수를 쓸 때 왜 await를 두 번 써야 할까요?
간단히 설명하면, 서버와 통신할 때 데이터가 두 단계로 나눠져서 오기 때문입니다.

첫 번째 await는 서버에서 응답이 올 때까지 기다립니다. 이때 HTTP 헤더(응답의 기본 정보)를 받게 됩니다. 이 때 서버가 에러를 보내도 이 단계는 정상적으로 완료됩니다.
두 번째 await는 실제 데이터(response body)를 JSON으로 변환하는 과정입니다. 서버에서 받은 데이터를 우리가 JavaScript에서 쓸 수 있는 형태로 바꿔 줍니다.

이렇게 나눠진 구조 덕분에 큰 데이터를 받을 때도 효율적으로 처리할 수 있으며, 데이터를 다 받기 전에도 상태 코드만 보고 에러를 확인할 수 있다는 장점도 있습니다.

실무에서는 편의성 때문에 axios를 더 많이 쓰긴 하지만, 종종 fetch를 써야할 상황에서는 이런 지식들을 알아두시면 도움이 될 것 같네요.

https://www.youtube.com/watch?v=Ki64Cnyf_cA

fetch 함수를 쓸 때 왜 await를 두 번 써야 할까요? 간단히 설명하면, 서버와 통신할 때 데이터가 두 단계로 나눠져서 오기 때문입니다. 첫 번째 await는 서버에서 응답이 올 때까지 기다립니다. 이때 HTTP 헤더(응답의 기본 정보)를 받게 됩니다. 이 때 서버가 에러를 보내도 이 단계는 정상적으로 완료됩니다.두 번째 await는 실제 데이터(response body)를 JSON으로 변환하는 과정입니다. 서버에서 받은 데이터를 우리가 JavaScript에서 쓸 수 있는 형태로 바꿔 줍니다. 이렇게 나눠진 구조 덕분에 큰 데이터를 받을 때도 효율적으로 처리할 수 있으며, 데이터를 다 받기 전에도 상태 코드만 보고 에러를 확인할 수 있다는 장점도 있습니다. 실무에서는 편의성 때문에 axios를 더 많이 쓰긴 하지만, 종종 fetch를 써야할 상황에서는 이런 지식들을 알아두시면 도움이 될 것 같네요. https://www.youtube.com/watch?v=Ki64Cnyf_cA

www.youtube.com

JavaScript fetch는 왜 await를 두 번 할까

Machine Learning Systems

https://mlsysbook.ai/

하버드의 머신러닝 시스템 수업의 일환으로 개발된 책이라고 하네요. 내용 살펴보니까 거시적인 시스템 관점으로 다루고 있어 좋네요.

Ondevice learning, MLOps도 다루는 책으로 범위가 꽤 넓어요. 18장은 아직 작성되지 않았는데 추후에 추가될 것 같네요

https://mlsysbook.ai/ 하버드의 머신러닝 시스템 수업의 일환으로 개발된 책이라고 하네요. 내용 살펴보니까 거시적인 시스템 관점으로 다루고 있어 좋네요. Ondevice learning, MLOps도 다루는 책으로 범위가 꽤 넓어요. 18장은 아직 작성되지 않았는데 추후에 추가될 것 같네요

mlsysbook.ai

Machine Learning Systems 책(무료, 1400쪽

토스 채용

토스 프론트엔드 플랫폼 팀과 함께 겨울방학동안 샘플 앱을 만들어가실 분을 찾는다고 합니다.

내년, 토스 프론트엔드 개발환경이 모두에게 공개된다고 해요.
공개 전 샘플앱을 만들면서 검증할 분을 찾나봐요!

자세한 사항은 아래 링크로!

https://toss.im/career/job-detail?job_id=6272708003

토스 프론트엔드 플랫폼 팀과 함께 겨울방학동안 샘플 앱을 만들어가실 분을 찾는다고 합니다. 내년, 토스 프론트엔드 개발환경이 모두에게 공개된다고 해요. 공개 전 샘플앱을 만들면서 검증할 분을 찾나봐요! 자세한 사항은 아래 링크로! https://toss.im/career/job-detail?job_id=6272708003

토스 개발팀에서 겨울방학동안 샘플 앱 만드실분~

너무나 아름답지 않나요?

모니터와 휴대폰의 네모상자 안에서
하루의 시간 절반 이상을 보내는 저에게는
너무나 소중한 장면 중 하나입니다.

하루가 끝나가는 마무리 시간 쯔음,
저는 기회가 되면 밖으로 나가서 혼자 산책을 합니다.

혼자 걸으면서 무심할 정도로 파란 하늘을 보면 때로는 이런 생각이 듭니다. 우리는 무엇을 위해 이렇게 하늘 아래에서 아둥바둥 살고 있을까?

이런 광경들을 무한히 볼 수 있는 행운을 가지고 산다면,
우리에게는 무엇이 더 필요할까요?

여러분의 세상은 어떤 세상인가요?
지금 제가 사는 세상은 이렇습니다.

너무나 아름답지 않나요? 모니터와 휴대폰의 네모상자 안에서 하루의 시간 절반 이상을 보내는 저에게는 너무나 소중한 장면 중 하나입니다. 하루가 끝나가는 마무리 시간 쯔음, 저는 기회가 되면 밖으로 나가서 혼자 산책을 합니다. 혼자 걸으면서 무심할 정도로 파란 하늘을 보면 때로는 이런 생각이 듭니다. 우리는 무엇을 위해 이렇게 하늘 아래에서 아둥바둥 살고 있을까? 이런 광경들을 무한히 볼 수 있는 행운을 가지고 산다면, 우리에게는 무엇이 더 필요할까요? 여러분의 세상은 어떤 세상인가요? 지금 제가 사는 세상은 이렇습니다.

제가 사는 세상은 이렇습니다

What is Retrieval Augmented Generation (RAG)?   Retrieval Augmented Generation (RAG) is an...

7 AI Open Source Libraries To Build RAG, Agents & AI Search

🎃 검색 증강 생성(RAG)이란 무엇인가?
 * 관련 정보 검색과 응답 생성을 결합한 AI 기술
 * 먼저 외부 소스(문서나 데이터베이스 등)에서 데이터를 검색한 다음 이 정보를 사용하여 보다 정확하고 문맥에 맞는 답변을 생성하는 방식으로 작동
 * AI는 학습된 내용에만 의존하지 않고 사실에 기반한 더 나은 답변 제공 지원

🎃 검색 증강 생성(RAG)은 어떻게 작동하나?
 1. 사용자 질문 > RAG는 데이터베이스, 웹사이트, 문서 등 다양한 데이터 소스를 검색통해 관련 정보 서치
 2. 검색된 정보 + 원래 질문 = 더 많은 정보를 제공하는 프롬프트 생성
 3. 이렇게 향상된 프롬프트 > 언어 모델에 입력 > 질문과 관련성이 높고 검색된 정보가 보강된 답변 생성
 4. 이 프로세스를 통해 AI는 사전 학습된 기능과 함께 외부 지식 소스를 활용하여 보다 정확하고 최신의 문맥 인식 답변 제공
    
    
🎃 검색 증강 생성(RAG)은 AI 모델에 어떤 도움을 주나?
RAG는 실제 세계의 외부 데이터로 내부 지식을 보강하여 AI의 신뢰성과 최신성을 높입니다. 또한 RAG는 몇 가지 주요 방식으로 AI 모델을 개선합니다:
 1. 최신 정보에 대한 액세스: RAG는 문서, 데이터베이스 또는 웹과 같은 외부 소스에서 관련성 있는 실시간 정보 검색. 즉, AI는 학습 데이터가 오래된 경우에도 정확한 응답 제공 가능
 2. 정확도 향상: RAG는 AI의 학습된 지식에만 의존하지 않고 가장 관련성이 높은 데이터를 기반으로 모델이 답변을 생성. 따라서 답변이 더욱 정확하고 사실에 근거함
 3. 문맥 이해도 향상: 검색된 데이터를 사용자의 쿼리와 결합함으로써 RAG는 보다 맥락에 맞는 답변을 제공할 수 있으므로 AI의 답변이 상황에 더욱 맞춤화되고 구체적
 4. 환각 감소: 순수 AI 모델은 때때로 정보를 '환각'하거나 구성하는 경우가 있는데, RAG는 검색된 사실적인 데이터에 근거하여 응답함으로써 부정확하거나 조작된 정보의 가능성 줄임

🎃 검색 증강 생성을 위한 7가지 오픈 소스 라이브러리
RAG를 수행하는 데 도움이 되는 몇 가지 오픈 소스 라이브러리는 문서 색인부터 검색, 언어 모델과의 통합에 이르기까지 RAG 시스템을 효율적으로 구현하는 데 필요한 도구와 프레임워크를 제공합니다.
1. SWIRL
 * https://github.com/swirlai/swirl-search
 * 검색 증강 세대(RAG) 애플리케이션을 구동하는 오픈 소스 AI 인프라 소프트웨어
 * 특징
   * 데이터를 이동하거나 복사하지 않고도 데이터 소스 전반에서 빠르고 안전하게 검색할 수 있게 함으로써 AI 파이프라인 향상
   * SWIRL은 방화벽 내부에서 작동하여 데이터 보안을 보장하는 동시에 구현 간편하여 프라이빗 클라우드 내에서 빠르고 안전하게 AI 배포
   * 20개 이상의 대규모 언어 모델(LLM)과 원활하게 통합
   * 안전한 데이터 액세스 및 규정 준수를 위해 구축
   * 100개 이상의 애플리케이션에서 데이터 가져오기 지원
2. Cognita
 * https://github.com/truefoundry/cognita
 * 프로덕션에 바로 사용할 수 있는 모듈식 검색 증강 세대(RAG) 시스템을 구축하기 위한 오픈 소스 프레임워크
 * 특징
   * RAG 구성 요소를 구성하여 로컬에서 쉽게 테스트하고 대규모 배포
   * 다양한 문서 검색기, 임베딩을 지원하며 완전한 API 기반이므로 다른 시스템과 원활하게 통합
   * 확장 가능한 RAG 시스템을 위한 모듈식 설계
   * 비전문가도 문서 및 Q&A와 상호작용할 수 있는 UI
   * 증분 인덱싱으로 변경 사항을 추적하여 컴퓨팅 부하 낮춤
3. LLM-Ware
 * https://github.com/llmware-ai/llmware
 * 엔터프라이즈급 검색 증강 생성(RAG) 파이프라인을 구축하기 위한 오픈 소스 프레임워크
 * 특징
   * 비공개로 안전하게 배포할 수 있는 소규모의 전문화된 모델을 통합하도록 설계되어 복잡한 엔터프라이즈 워크플로우에 적합
   * 엔터프라이즈 작업에 최적화된 50개 이상의 미세 조정된 소규모 모델 제공
   * 확장 가능한 모듈식 RAG 아키텍처 지원
   * GPU 없이도 실행할 수 있어 경량 배포 가능
4. RAG Flow
 * https://github.com/infiniflow/ragflow
 * 심층적인 문서 이해를 이용한 검색 증강 생성(RAG)에 초점을 맞춘 오픈 소스 엔진
 * 특징
   * 이 엔진을 통해 사용자는 정형 및 비정형 데이터를 통합하여 인용에 기반한 효과적인 질의응답 가능
   * 이 시스템은 간편한 배포 옵션과 함께 확장 가능한 모듈식 아키텍처 제공
   * 복잡한 데이터 형식을 처리할 수 있는 심층적인 문서 이해 기능 내장
   * 환각 위험을 줄인 근거 기반 인용
   * PDF, 이미지, 구조화된 데이터 등 다양한 문서 유형 지원
5. 그래프 RAG
 * https://github.com/microsoft/graphrag
 * 구조화된 지식 그래프를 통합하여 LLM 결과를 향상시키도록 설계된 모듈식 그래프 기반 검색 증강 생성(RAG) 시스템
 * 특징
   * 개인 데이터로 고급 추론을 지원하므로 기업 및 연구 애플리케이션에 이상적
   * 지식 그래프를 사용해 데이터 검색을 구조화하고 향상
   * 비공개 데이터 처리가 필요한 복잡한 엔터프라이즈 사용 사례에 맞게 맞춤화
   * 대규모 배포를 위해 Microsoft Azure와의 통합지원
6. Haystack
 * https://github.com/deepset-ai/haystack
 * 프로덕션에 바로 사용할 수 있는 LLM 애플리케이션을 구축하기 위한 오픈 소스 AI 오케스트레이션 프레임워크
 * 특징
   * 사용자는 모델, 벡터 데이터베이스, 파일 변환기를 연결하여 RAG, 질문 답변, 시맨틱 검색과 같은 고급 시스템 구축 가능
   * 검색, 임베딩, 추론 작업을 위한 유연한 파이프라인
   * 다양한 벡터 데이터베이스 및 LLM과의 통합 지원
   * 기성 모델과 미세 조정된 모델을 모두 사용자 정의
7. Storm
 * https://github.com/stanford-oval/storm
 * 한 주제를 조사하고 인용이 포함된 전체 길이의 보고서를 생성하는 LLM 기반 지식 큐레이션 시스템
 * 특징
   * 고급 검색 방법을 통합하고 다각도의 질문을 지원하여 생성된 콘텐츠의 깊이와 정확성을 향상
   * 근거에 입각한 인용을 통해 위키백과와 유사한 문서 생성
   * 인간과 AI의 협업 지식 큐레이션 지원
   * 외부 검색 소스를 지원하는 모듈식 설계

🎃 검색 증강 생성의 과제
 * 데이터 연관성: 검색된 문서가 쿼리와 관련성이 높은지 확인하는 것은 특히 규모가 크거나 노이즈가 많은 데이터 세트의 경우 문제 가능성
 * 지연 시간: 외부 소스를 검색하면 오버헤드가 추가되어 특히 실시간 애플리케이션에서 응답 시간이 느려질 가능성
 * 데이터 품질: 품질이 낮거나 오래된 데이터는 부정확하거나 오해의 소지가 있는 AI 생성 응답으로 이어질 가능성
 * 확장성: 성능을 유지하면서 대규모 데이터 세트와 높은 사용자 트래픽을 처리하는 것은 복잡 가능성
 * 보안: 특히 기업 환경에서는 데이터 프라이버시를 보장하고 민감한 정보를 안전하게 처리하는 것이 매우 중요

보다 상세한 내용은 원문을 참고하셔도 좋습니다. ^^
 * source: https://dev.to/vectorpodcast/7-ai-open-source-libraries-to-build-rag-agents-ai-search-27bm?context=digest

🎃 검색 증강 생성(RAG)이란 무엇인가?<ul ><li>관련 정보 검색과 응답 생성을 결합한 AI 기술</li><li>먼저 외부 소스(문서나 데이터베이스 등)에서 데이터를 검색한 다음 이 정보를 사용하여 보다 정확하고 문맥에 맞는 답변을 생성하는 방식으로 작동</li><li>AI는 학습된 내용에만 의존하지 않고 사실에 기반한 더 나은 답변 제공 지원</li></ul> 🎃 검색 증강 생성(RAG)은 어떻게 작동하나?<ol ><li>사용자 질문 &gt; RAG는 데이터베이스, 웹사이트, 문서 등 다양한 데이터 소스를 검색통해 관련 정보 서치 </li><li>검색된 정보 + 원래 질문 = 더 많은 정보를 제공하는 프롬프트 생성</li><li>이렇게 향상된 프롬프트 &gt; 언어 모델에 입력 &gt; 질문과 관련성이 높고 검색된 정보가 보강된 답변 생성 </li><li>이 프로세스를 통해 AI는 사전 학습된 기능과 함께 외부 지식 소스를 활용하여 보다 정확하고 최신의 문맥 인식 답변 제공 </li></ol>🎃 검색 증강 생성(RAG)은 AI 모델에 어떤 도움을 주나?RAG는 실제 세계의 외부 데이터로 내부 지식을 보강하여 AI의 신뢰성과 최신성을 높입니다. 또한 RAG는 몇 가지 주요 방식으로 AI 모델을 개선합니다:<ol ><li>최신 정보에 대한 액세스: RAG는 문서, 데이터베이스 또는 웹과 같은 외부 소스에서 관련성 있는 실시간 정보 검색. 즉, AI는 학습 데이터가 오래된 경우에도 정확한 응답 제공 가능</li><li>정확도 향상: RAG는 AI의 학습된 지식에만 의존하지 않고 가장 관련성이 높은 데이터를 기반으로 모델이 답변을 생성. 따라서 답변이 더욱 정확하고 사실에 근거함</li><li>문맥 이해도 향상: 검색된 데이터를 사용자의 쿼리와 결합함으로써 RAG는 보다 맥락에 맞는 답변을 제공할 수 있으므로 AI의 답변이 상황에 더욱 맞춤화되고 구체적</li><li>환각 감소: 순수 AI 모델은 때때로 정보를 '환각'하거나 구성하는 경우가 있는데, RAG는 검색된 사실적인 데이터에 근거하여 응답함으로써 부정확하거나 조작된 정보의 가능성 줄임</li></ol> 🎃 검색 증강 생성을 위한 7가지 오픈 소스 라이브러리RAG를 수행하는 데 도움이 되는 몇 가지 오픈 소스 라이브러리는 문서 색인부터 검색, 언어 모델과의 통합에 이르기까지 RAG 시스템을 효율적으로 구현하는 데 필요한 도구와 프레임워크를 제공합니다.1. SWIRL<ul ><li>https://github.com/swirlai/swirl-search</li><li>검색 증강 세대(RAG) 애플리케이션을 구동하는 오픈 소스 AI 인프라 소프트웨어</li><li>특징<ul ><li>데이터를 이동하거나 복사하지 않고도 데이터 소스 전반에서 빠르고 안전하게 검색할 수 있게 함으로써 AI 파이프라인 향상</li><li>SWIRL은 방화벽 내부에서 작동하여 데이터 보안을 보장하는 동시에 구현 간편하여 프라이빗 클라우드 내에서 빠르고 안전하게 AI 배포</li><li>20개 이상의 대규모 언어 모델(LLM)과 원활하게 통합</li><li>안전한 데이터 액세스 및 규정 준수를 위해 구축</li><li>100개 이상의 애플리케이션에서 데이터 가져오기 지원</li></ul></li></ul>2. Cognita<ul ><li>https://github.com/truefoundry/cognita</li><li>프로덕션에 바로 사용할 수 있는 모듈식 검색 증강 세대(RAG) 시스템을 구축하기 위한 오픈 소스 프레임워크</li><li>특징<ul ><li>RAG 구성 요소를 구성하여 로컬에서 쉽게 테스트하고 대규모 배포</li><li>다양한 문서 검색기, 임베딩을 지원하며 완전한 API 기반이므로 다른 시스템과 원활하게 통합</li><li>확장 가능한 RAG 시스템을 위한 모듈식 설계</li><li>비전문가도 문서 및 Q&amp;A와 상호작용할 수 있는 UI</li><li>증분 인덱싱으로 변경 사항을 추적하여 컴퓨팅 부하 낮춤</li></ul></li></ul>3. LLM-Ware<ul ><li>https://github.com/llmware-ai/llmware</li><li>엔터프라이즈급 검색 증강 생성(RAG) 파이프라인을 구축하기 위한 오픈 소스 프레임워크</li><li>특징<ul ><li>비공개로 안전하게 배포할 수 있는 소규모의 전문화된 모델을 통합하도록 설계되어 복잡한 엔터프라이즈 워크플로우에 적합</li><li>엔터프라이즈 작업에 최적화된 50개 이상의 미세 조정된 소규모 모델 제공</li><li>확장 가능한 모듈식 RAG 아키텍처 지원</li><li>GPU 없이도 실행할 수 있어 경량 배포 가능</li></ul></li></ul>4. RAG Flow<ul ><li>https://github.com/infiniflow/ragflow</li><li>심층적인 문서 이해를 이용한 검색 증강 생성(RAG)에 초점을 맞춘 오픈 소스 엔진</li><li>특징<ul ><li>이 엔진을 통해 사용자는 정형 및 비정형 데이터를 통합하여 인용에 기반한 효과적인 질의응답 가능</li><li>이 시스템은 간편한 배포 옵션과 함께 확장 가능한 모듈식 아키텍처 제공</li><li>복잡한 데이터 형식을 처리할 수 있는 심층적인 문서 이해 기능 내장</li><li>환각 위험을 줄인 근거 기반 인용</li><li>PDF, 이미지, 구조화된 데이터 등 다양한 문서 유형 지원</li></ul></li></ul>5. 그래프 RAG<ul ><li>https://github.com/microsoft/graphrag</li><li>구조화된 지식 그래프를 통합하여 LLM 결과를 향상시키도록 설계된 모듈식 그래프 기반 검색 증강 생성(RAG) 시스템</li><li>특징<ul ><li>개인 데이터로 고급 추론을 지원하므로 기업 및 연구 애플리케이션에 이상적</li><li>지식 그래프를 사용해 데이터 검색을 구조화하고 향상</li><li>비공개 데이터 처리가 필요한 복잡한 엔터프라이즈 사용 사례에 맞게 맞춤화</li><li>대규모 배포를 위해 Microsoft Azure와의 통합지원</li></ul></li></ul>6. Haystack<ul ><li>https://github.com/deepset-ai/haystack</li><li>프로덕션에 바로 사용할 수 있는 LLM 애플리케이션을 구축하기 위한 오픈 소스 AI 오케스트레이션 프레임워크</li><li>특징<ul ><li>사용자는 모델, 벡터 데이터베이스, 파일 변환기를 연결하여 RAG, 질문 답변, 시맨틱 검색과 같은 고급 시스템 구축 가능</li><li>검색, 임베딩, 추론 작업을 위한 유연한 파이프라인</li><li>다양한 벡터 데이터베이스 및 LLM과의 통합 지원</li><li>기성 모델과 미세 조정된 모델을 모두 사용자 정의</li></ul></li></ul>7. Storm<ul ><li>https://github.com/stanford-oval/storm</li><li>한 주제를 조사하고 인용이 포함된 전체 길이의 보고서를 생성하는 LLM 기반 지식 큐레이션 시스템</li><li>특징<ul ><li>고급 검색 방법을 통합하고 다각도의 질문을 지원하여 생성된 콘텐츠의 깊이와 정확성을 향상</li><li>근거에 입각한 인용을 통해 위키백과와 유사한 문서 생성</li><li>인간과 AI의 협업 지식 큐레이션 지원</li><li>외부 검색 소스를 지원하는 모듈식 설계</li></ul></li></ul> 🎃 검색 증강 생성의 과제<ul ><li>데이터 연관성: 검색된 문서가 쿼리와 관련성이 높은지 확인하는 것은 특히 규모가 크거나 노이즈가 많은 데이터 세트의 경우 문제 가능성</li><li>지연 시간: 외부 소스를 검색하면 오버헤드가 추가되어 특히 실시간 애플리케이션에서 응답 시간이 느려질 가능성</li><li>데이터 품질: 품질이 낮거나 오래된 데이터는 부정확하거나 오해의 소지가 있는 AI 생성 응답으로 이어질 가능성</li><li>확장성: 성능을 유지하면서 대규모 데이터 세트와 높은 사용자 트래픽을 처리하는 것은 복잡 가능성</li><li>보안: 특히 기업 환경에서는 데이터 프라이버시를 보장하고 민감한 정보를 안전하게 처리하는 것이 매우 중요</li></ul> 보다 상세한 내용은 원문을 참고하셔도 좋습니다. ^^<ul ><li>source: https://dev.to/vectorpodcast/7-ai-open-source-libraries-to-build-rag-agents-ai-search-27bm?context=digest</li></ul>

DEV Community

[DEV]RAG를 수행하기 위한 7가지 AI 오픈소스 라이브러리

원문 : The Ultimate Guide to Font Performance Optimization 폰트 성능 최적화는 웹사이트의 폰트 로딩 속도를 높이고 더 부드럽게 렌더링 되도록 하는 다양한 웹 개발 기법을 말합니다. 이러한 최적화에는 신중한 폰트 선택, 성능이 우수한 폰트 포맷 사용, 자체 호스팅, 최적화된  선언, 폰트 디스플레이 전략 등이 포함됩니다. 웹사이트에 표시되는 폰트를 최적화하면 페이지 로딩 속도가 빨라지고 사용자 경험이 향상되며, 코어 웹 바이탈(Core Web Vitals…

(번역) 폰트 성능 최적화를 위한 궁극적인 가이드

오늘 소개드릴 글은 42dot의 유경상님이 번역해주신 글입니다.

폰트는 웹사이트의 성능과 사용자 경험에 큰 영향을 미치는 중요한 요소 중 하나임에도 불구하고, 많은 개발자들이 종종 폰트 최적화의 중요성을 간과하곤 합니다. 이 글에서는 웹사이트 폰트 성능 최적화에 대한 포괄적인 가이드를 제공합니다. 글에서는 웹 세이프 폰트와 웹 폰트의 차이점부터 시작하여, 폰트 자체 호스팅의 이점, WOFF2 형식의 중요성,
@font-face
선언 최적화 방법 등을 상세히 다룹니다. 또한 이 밖에도 여러가지 최적화 기법들을 소개하고 있습니다. 폰트 최적화는 비교적 작은 노력으로 큰 성능 향상을 얻을 수 있는 영역이므로, 이 글을 참고하여 여러분의 웹사이트 성능을 한 단계 끌어올리시는 기회가 되시길 바랍니다 :)

글 링크 : https://ykss.netlify.app/translation/the_ultimate_guide_to_font_performance_optimization/

오늘 소개드릴 글은 42dot의 유경상님이 번역해주신 글입니다. 폰트는 웹사이트의 성능과 사용자 경험에 큰 영향을 미치는 중요한 요소 중 하나임에도 불구하고, 많은 개발자들이 종종 폰트 최적화의 중요성을 간과하곤 합니다. 이 글에서는 웹사이트 폰트 성능 최적화에 대한 포괄적인 가이드를 제공합니다. 글에서는 웹 세이프 폰트와 웹 폰트의 차이점부터 시작하여, 폰트 자체 호스팅의 이점, WOFF2 형식의 중요성, <code >@font-face</code> 선언 최적화 방법 등을 상세히 다룹니다. 또한 이 밖에도 여러가지 최적화 기법들을 소개하고 있습니다. 폰트 최적화는 비교적 작은 노력으로 큰 성능 향상을 얻을 수 있는 영역이므로, 이 글을 참고하여 여러분의 웹사이트 성능을 한 단계 끌어올리시는 기회가 되시길 바랍니다 :) 글 링크 : https://ykss.netlify.app/translation/the_ultimate_guide_to_font_performance_optimization/

ykss.netlify.app

폰트 성능 최적화를 위한 궁극적인 가이드

1. 언젠가 백종원 대표는, 성공 비결을 묻는 질문에 ‘척하며 산 것’이라고 말한 적 있다. 착한 사람인 척 살다 보니 착하게 살게 됐고, 열심히 사는 척을 하며 살다 보니 열심히 살게 됐고, 미식가인 척 살다 보니 실제로도 미식가가 되었다는 얘기다.  2. 그래서 백종원 대표는 후배들에게 ‘척하는 인생이라도 살라’고 말한다고. 세상에는 착한 척, 열심히 

백종원 대표와 강백호, 그리고 척하는 삶

1. 언젠가 백종원 대표는, 성공 비결을 묻는 질문에 ‘척하며 산 것’이라고 말한 적 있다. 착한 사람인 척 살다 보니 착하게 살게 됐고, 열심히 사는 척을 하며 살다 보니 열심히 살게 됐고, 미식가인 척 살다 보니 실제로도 미식가가 되었다는 얘기다.

2. 그래서 백종원 대표는 후배들에게 ‘척하는 인생이라도 살라’고 말한다고. 세상에는 착한 척, 열심히 사는 척조차 안 하는 사람들이 많으니.

3. 그런 백종원 대표의 말을 듣고, 바로 슬램덩크의 강백호가 떠올랐다고 한다. 강백호는 스스로 천재라고 착각하며 살지만, 실제로는 농구에 대해 기본도 모르는 어설픈 풋내기.

4. 그럼에도 강백호는 스스로가 천재라고 믿고, 천재인 척을 하며 살다가, 빡센 훈련과 고난의 게임을 이겨내면서 실제로 천재인 모먼트를 독자들에게 선사한다.

5. 비록 만화 캐릭터이긴 하지만, 강백호 역시 ‘척하는 인생’을 살다 진짜 천재가 된 캐릭터랄까?

6. 여담이지만, 최근 고등학생 시절 오타니 쇼헤이에 멘탈 코칭을 해준 것으로 유명한 니시다 하쓰미 씨의 책과 김항기 대표님의 추천으로 영국 작가 제임스 알렌(James Allen)의 사상들을 접하고 있는데,

7. 이 둘을 관통하는 메시지 역시 하나. ‘어떤 생각을 하느냐가 어떤 삶을 사느냐를 결정한다’는 것. 우리의 생각과 사고방식이 우리 삶의 원인이자 뿌리이고, 그 뿌리에서부터 삶의 결과 혹은 열매들이 피어난다는 얘기.

8. 그리고 그들의 책을 읽으면서 문득 이런 생각을 했다. ‘자신의 생각을 관리(manage)하는 것’이 어쩌면 피터 드러커가 말한 ‘자기 경영’의 시작일지 모른다고.

9. 그런 의미에서 지식 노동자로서 해야 할 일의 첫 번째는 수많은 잡념과 혼란한 정보 속에서 자신의 생각을 올바른 방향으로 관리하는 것일 수 있다.

10. 그런 의미에서 백종원 대표가 말하는 ‘척하는 인생’에서의 ‘척’은 가짜나 남을 속이기 위한 척이 아니라, 비록 지금 현실은 그 기대에 미치지 못하더라도, 자기가 옳다고 생각하는 방향으로 자신의 생각을 모아가는 일종의 자기 경영 기술이었던 게 아닐까?

11. 그리고 명확한 방향을 잡았기에 자신의 삶을 거기로 이끌 수 있었던 것 같고. 척이라도 해서 방향을 잡지 않으면, 혼란한 세상에 휩쓸려 생각 없이 살기 쉬우니까.

12. 강백호 역시 스스로가 천재라는 믿음이 없었으면, 무뚝뚝한 고릴라와 얌체 같은 여우와 쉽사리 꺼질 것 같은 촛불처럼 방황하는 부랑아와 함께 호흡을 맞추며 한 팀으로 뛰긴 쉽지 않았을 것 같고.

13. 그런 의미에서 우리 삶의 제 1원칙(first principle)은 ‘어떤 생각을 하느냐’, ‘어디를 바라보느냐’일 수 있다. 그리고 올바른 방향으로 가는 척이라도 해야, 그 방향으로 계속 나아갈 수 있을 것 같고. 어쩌면 그걸 사람들은 꿈이나 목표나 비전이나 미션이라고 부르는지도 모르지. 무튼 나 화이팅 🧏🏼‍♂️

#오늘의아무말

https://brunch.co.kr/@somewonyoon/238

1. 언젠가 백종원 대표는, 성공 비결을 묻는 질문에 ‘척하며 산 것’이라고 말한 적 있다. 착한 사람인 척 살다 보니 착하게 살게 됐고, 열심히 사는 척을 하며 살다 보니 열심히 살게 됐고, 미식가인 척 살다 보니 실제로도 미식가가 되었다는 얘기다. 2. 그래서 백종원 대표는 후배들에게 ‘척하는 인생이라도 살라’고 말한다고. 세상에는 착한 척, 열심히 사는 척조차 안 하는 사람들이 많으니. 3. 그런 백종원 대표의 말을 듣고, 바로 슬램덩크의 강백호가 떠올랐다고 한다. 강백호는 스스로 천재라고 착각하며 살지만, 실제로는 농구에 대해 기본도 모르는 어설픈 풋내기. 4. 그럼에도 강백호는 스스로가 천재라고 믿고, 천재인 척을 하며 살다가, 빡센 훈련과 고난의 게임을 이겨내면서 실제로 천재인 모먼트를 독자들에게 선사한다. 5. 비록 만화 캐릭터이긴 하지만, 강백호 역시 ‘척하는 인생’을 살다 진짜 천재가 된 캐릭터랄까? 6. 여담이지만, 최근 고등학생 시절 오타니 쇼헤이에 멘탈 코칭을 해준 것으로 유명한 니시다 하쓰미 씨의 책과 김항기 대표님의 추천으로 영국 작가 제임스 알렌(James Allen)의 사상들을 접하고 있는데, 7. 이 둘을 관통하는 메시지 역시 하나. ‘어떤 생각을 하느냐가 어떤 삶을 사느냐를 결정한다’는 것. 우리의 생각과 사고방식이 우리 삶의 원인이자 뿌리이고, 그 뿌리에서부터 삶의 결과 혹은 열매들이 피어난다는 얘기. 8. 그리고 그들의 책을 읽으면서 문득 이런 생각을 했다. ‘자신의 생각을 관리(manage)하는 것’이 어쩌면 피터 드러커가 말한 ‘자기 경영’의 시작일지 모른다고. 9. 그런 의미에서 지식 노동자로서 해야 할 일의 첫 번째는 수많은 잡념과 혼란한 정보 속에서 자신의 생각을 올바른 방향으로 관리하는 것일 수 있다. 10. 그런 의미에서 백종원 대표가 말하는 ‘척하는 인생’에서의 ‘척’은 가짜나 남을 속이기 위한 척이 아니라, 비록 지금 현실은 그 기대에 미치지 못하더라도, 자기가 옳다고 생각하는 방향으로 자신의 생각을 모아가는 일종의 자기 경영 기술이었던 게 아닐까? 11. 그리고 명확한 방향을 잡았기에 자신의 삶을 거기로 이끌 수 있었던 것 같고. 척이라도 해서 방향을 잡지 않으면, 혼란한 세상에 휩쓸려 생각 없이 살기 쉬우니까. 12. 강백호 역시 스스로가 천재라는 믿음이 없었으면, 무뚝뚝한 고릴라와 얌체 같은 여우와 쉽사리 꺼질 것 같은 촛불처럼 방황하는 부랑아와 함께 호흡을 맞추며 한 팀으로 뛰긴 쉽지 않았을 것 같고. 13. 그런 의미에서 우리 삶의 제 1원칙(first principle)은 ‘어떤 생각을 하느냐’, ‘어디를 바라보느냐’일 수 있다. 그리고 올바른 방향으로 가는 척이라도 해야, 그 방향으로 계속 나아갈 수 있을 것 같고. 어쩌면 그걸 사람들은 꿈이나 목표나 비전이나 미션이라고 부르는지도 모르지. 무튼 나 화이팅 🧏🏼‍♂️ #오늘의아무말 https://brunch.co.kr/@somewonyoon/238

Brunch Story

Soi Cầu 247 Rồng Bạch Kim là địa chỉ hàng đầu trong việc dự đoán và soi cầu lô đề với độ chính xác cao. Tại đây, người chơi sẽ được cung cấp các con số bạch thủ và song thủ có tỷ lệ nổ thưởng lên đến 99%, cùng với các phương pháp Nuôi Lô Khung 247 chuẩn xác. Bên cạnh đó, trang web còn hỗ trợ quay thử, thống kê và cập nhật nhanh chóng kết quả xổ số 3 miền, giúp người chơi luôn nắm bắt được thông tin mới nhất và tăng cơ hội trúng thưởng.
Website : https://rongbachkim888.net
Điện thoại : 0886681888
Địa chỉ : Số 86 Lô B2 Khu Đô Thị, Tổ 3 Đ. Uy Nỗ, Uy Nỗ, Đông Anh, Hà Nội

Soi Cầu 247 Rồng Bạch Kim là địa chỉ hàng đầu trong việc dự đoán và soi cầu lô đề với độ chính xác cao. Tại đây, người chơi sẽ được cung cấp các con số bạch thủ và song thủ có tỷ lệ nổ thưởng lên đến 99%, cùng với các phương pháp Nuôi Lô Khung 247 chuẩn xác. Bên cạnh đó, trang web còn hỗ trợ quay thử, thống kê và cập nhật nhanh chóng kết quả xổ số 3 miền, giúp người chơi luôn nắm bắt được thông tin mới nhất và tăng cơ hội trúng thưởng. Website : https://rongbachkim888.net Điện thoại : 0886681888 Địa chỉ : Số 86 Lô B2 Khu Đô Thị, Tổ 3 Đ. Uy Nỗ, Uy Nỗ, Đông Anh, Hà Nội

Rồng Bạch Kim - Soi Cầu 247 Rồng Bạch Ki

Rồng Bạch Kim 888

rongbachkim888

Soi Cầu 247 Rồng Bạch Kim là địa chỉ hàng đầu trong việc dự đoán và soi cầu lô đề với độ chính xác cao.

Rồng Bạch Kim - Soi Cầu 247 Rồng Bạch Ki

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필