The Product-Minded Software Engineer by Gergely...

제품 중심 개발자 되기

바로 제품중심으로 생각할 줄 아는 개발자이다. (Product-Minded Software Engineer) 
"나쁜 엔지니어들은 기술에만 너무 집중합니다. 훌륭한 Product Engineer들은 사랑 받는 제품을 만들기 위해 제품 개발 과정에서 적절한 깊이로 고민 해야 한다는 사실을 압니다." 
Shopify의 head of engineering인 Jean-Michel Lemieux은 Product Engineer를 위와 같이 정의했다.

나는 기획이라는 업을 한 지 약 7~8년차가 되었고, 프리랜서/인하우스 둘 다 경험해 보았을 때
다양한 스타일의 개발자들을 만나왔다. 사람의 성격이나 성향, 기질은 둘째 치고 
함께 일할 때 즐거움을 주었던 분들의 특징은  바로 제품에 대해 "생각"이라는걸 할 줄 안다는 것이었다. 

내 경험이다만, 일단 제품 중심 개발자는 질문하는 것도 행동하는 것도 달랐다. 

1. 이 기능이 왜 필요한지 정확히 이해하기 위해 많은 질문을 던진다.
2. 이를 테스트하고 수정된 사양에 포함된 일부 제안을 가져온다.
3. 빠르게 기능을 구축하고 피드백을 얻는다.
4. 기능을 출시한 후에도 예상과 일치하는지 계속해서 확인한다.
5. 예상과 달랐을 때, 결과를 깊이 파고들어 실제 세계에서의 제품 사용에 대해 새로운 것을 배운다.

(주니어~미들이지만 위 1번부터 5번 모두 해당하는 Frontend 개발자 분이 계셨다. 그 사람의 개발 실력이 어떻든 간에 만약 내가 창업을 한다면, 가장 먼저 영입 하고 싶은 분이기도 하다.)

반면 "기획서 나오면 검토할게요". "안됩니다." "6개월 이상 걸립니다." "기능정의서 먼저 주세요." "화면 보고 얘기하시죠." "그때 자세히 못봤는데 지금 보니 이거 못합니다." 라는 대답만 나오는 개발자와는 그닥 즐겁게 일하지는 못했던 것 같다.  

제품 중심으로 생각할 줄 아는 개발자는 각 프로젝트 이후, 제품 이해력이 깊어지고 더 나은 제품 직감력을 발휘 하기 시작한다. 길가에 그냥 지나쳤던 나무가 플라타너스 나무로 보이듯이, 감각이 생기면 문제 해결도 빨라지고 수월해지는 것이다. 이 과정에서 제품 중심 개발자는 더 많은 커리어 성장 기회를 얻는다.

📌 제품 중심 개발자가 되기 위한 팁
사용자가 있는 제품을 개발하고 있다면, 제품 중심 마인드를 키우는 데 도움이 되는 몇 가지 팁이 있다. 이러한 팁은 제품 중심 개발자로 성장하는 데 효과적인 것으로 보인다.
(아티클 원문에서 내가 깊게 공감하는 것만 뽑아 봤다. 약간 수정포함)

1. 회사의 존재 이유를 이해하기. 
비즈니스 모델은 무엇인가? 어떻게 수익을 창출하나? 어떤 부분이 가장 이윤이 많으며 어떤 부분이 가장 확장되고 있나? 왜 그럴까?

2. PM과 좋은 관계를 구축하기. 
대부분의 PM은 개발자를 멘토링할 기회에 기뻐한다. (말걸어주면 기쁘다.)
개발자들이 제품에 관심을 가지면 자신의 역량을 확장할 수 있다. 물론 제품 관련 질문을 많이 하기 전에 좋은 관계를 구축하고, PM에게 제품에 더 많이 관여하고 싶다고 분명히 전하는 것이 좋다.

3. 타당한 제안 제시하기. 
비즈니스, 제품 및 이해관계자에 대한 좋은 이해를 갖게 된 후에는 제품 개발에 대한 이니셔티브를 가져갈 수 있다. 

4. PM(기획자)에게 피드백 자주 요청하기. 
훌륭한 제품 중심 개발자가 되기 위해서는 기존의 엔지니어링 기술에 더해 제품 기술을 개발해야 한다. 제품 기술에 대한 당신의 성과를 어떻게 평가하는지 가장 잘 아는 사람은 PM(기획자)이다. 제품 제안이 얼마나 가치 있는지에 대한 피드백을 얻고, 추가 성장을 위한 아이디어를 얻기 위해 PM에게 연락한다.

물론 저런 것이 적성에 맞지 않고 도저히 힘든 사람들도 있기에 이 세상 모든 개발자에게 강요할 수는 없을 것이다. 어디까지나 내가 맞는 직군, 내게 맞는 회사나 조직, 프로젝트에 맞춰서 일하면 될 것이다. 내 의견이 반영 되는 것이나 주도적으로 일하는 것이 버거운 사람도 있는 것일테니 말이다. (그렇다면 프리랜서나 SI/SM을 추천한다. 불안정하지만, 오히려 월 단가는 훨씬 더 높다.)

커리어를 건강하게, 차곡차곡 쌓아 올라가고 싶은 사람에게는 제품개발 사고능력이 필수라고 본다. 나는 그런 개발자와 함께 일하고 싶다. 

원문: https://eopla.net/magazines/6578

"유튜브는 원래 데이팅 어플이었다?" 스타트업 피봇 사례 39가지

PM(기획자)인 내가 함께 일하기 좋아하는 개발자는

Explore the power of fine-tuning LLMs for model optimization. Learn about techniques, considerations, and when not to use LLM fine-tuning.

Fine-tuning LLMs 101 | Data Science Dojo

LLM(대규모 언어 모델)을 파인튜닝하는 것은 관련 데이터를 학습시켜 특정 작업에 맞게 모델의 매개변수를 조정하는 것으로, 모델 성능을 향상시키는 강력한 기법입니다.

🍀 LLM 파인튜닝(fine-tuning)
파인튜닝(fine-tuning)은 특정 작업에 맞게 LLM의 파라미터를 조정하는 프로세스입니다. 이는 작업과 관련된 데이터 세트에 대한 모델 학습을 통해 수행됩니다. 필요한 파인튜닝(fine-tuning)의 양은 작업의 복잡성과 데이터 세트의 크기에 따라 달라집니다.

LLM을 파인튜닝(fine-tuning)하는 방법에는 여러 가지가 있습니다. 한 가지 일반적인 접근 방식은 지도 학습을 사용하는 것입니다. 여기에는 모델에 레이블이 지정된 데이터 세트를 제공하는 것이 포함되며, 각 데이터 포인트는 입력과 출력의 쌍으로 구성됩니다. 모델은 손실 함수를 최소화하여 입력을 출력에 매핑하는 방법을 학습합니다.

LLM을 파인튜닝(fine-tuning)하는 또 다른 접근 방식은 강화 학습을 사용하는 것입니다. 여기에는 원하는 출력을 생성하는 데 대한 보상 신호를 모델에 제공하는 것이 포함됩니다. 모델은 보상 신호를 최대화하여 원하는 출력을 생성하는 방법을 학습합니다.

이러한 어려움에도 불구하고 기초 LLM을 파인튜닝(fine-tuning)하는 것은 특정 작업에서 LLM의 성능을 개선할 수 있는 유망한 접근 방식입니다. 대규모 데이터 세트와 컴퓨팅 리소스의 가용성이 증가함에 따라 파인튜닝(fine-tuning)이 더욱 보편화될 가능성이 높습니다.

🍀 LLM을 위한 파인튜닝(fine-tuning) 기술
파인튜닝(fine-tuning)은 특정 작업에 맞게 LLM의 파라미터를 조정하는 프로세스입니다. 이는 작업과 관련된 데이터 세트에 대한 모델 학습을 통해 수행됩니다. 필요한 파인튜닝(fine-tuning)의 양은 작업의 복잡성과 데이터 세트의 크기에 따라 다릅니다. LLM에는 용도 변경과 전체 파인튜닝(fine-tuning)이라는 두 가지 주요 파인튜닝(fine-tuning) 기술이 있습니다.

1. 용도 변경
용도 변경은 원래 학습된 작업과 다른 작업에 LLM을 사용하는 기법입니다. 예를 들어 텍스트 생성을 위해 학습된 LLM을 감성 분석에 사용할 수 있습니다.

LLM의 용도를 변경하려면 먼저 수행하려는 작업과 관련된 입력 데이터의 특징을 식별해야 합니다. 그런 다음, 이러한 특징을 원하는 출력에 매핑하는 방법을 학습할 수 있는 분류기 모델에 LLM의 임베딩 레이어를 연결해야 합니다. 용도 변경은 전체 파인튜닝(fine-tuning)보다 계산 비용이 적게 드는 파인튜닝(fine-tuning) 기법입니다. 하지만 동일한 수준의 성능을 달성할 가능성은 낮습니다.

2. 전체 파인튜닝(fine-tuning)
전체 파인튜닝(fine-tuning)은 수행하려는 작업과 관련된 데이터 데이터 세트에 대해 전체 LLM을 학습시키는 기법입니다. 이는 가장 계산 비용이 많이 드는 파인튜닝(fine-tuning) 기법이지만 최상의 성능을 얻을 가능성이 가장 높은 기법이기도 합니다.

LLM을 완전히 파인튜닝(fine-tuning)하려면 수행하려는 작업에 대한 입력 및 출력의 예가 포함된 데이터 데이터 집합을 만들어야 합니다. 그런 다음 지도 학습 알고리즘을 사용하여 이 데이터 세트에 대해 LLM을 훈련시켜야 합니다. 파인튜닝(fine-tuning) 기술의 선택은 수행하려는 특정 작업과 사용 가능한 리소스에 따라 달라집니다. 계산 리소스가 부족하다면 용도 변경을 고려할 수 있습니다. 그러나 최상의 성능을 원한다면 LLM을 완전히 파인튜닝(fine-tuning)해야 합니다.

🍀 비지도 파인튜닝(fine-tuning)과 지도 파인튜닝(fine-tuning) LLM 비교
대규모 언어 모델(LLM)은 텍스트와 코드의 방대한 데이터 세트에 대해 사전 학습됩니다. 이를 통해 텍스트 생성, 번역, 질의응답 등 다양한 작업을 학습할 수 있습니다. 그러나 LLM은 파인튜닝(fine-tuning) 없이는 특정 작업에 적합하지 않은 경우가 많습니다.

파인튜닝(fine-tuning)은 특정 작업에 맞게 LLM의 파라미터를 조정하는 프로세스입니다. 이는 작업과 관련된 데이터 세트에 대한 모델 학습을 통해 수행됩니다. 필요한 파인튜닝(fine-tuning)의 양은 작업의 복잡성과 데이터 세트의 크기에 따라 다릅니다.LLM의 파인튜닝(fine-tuning)에는 비지도 및 지도의 두 가지 주요 유형이 있습니다.

🍎 비지도 파인튜닝(fine-tuning)
비지도 파인튜닝(fine-tuning)은 레이블이 포함되지 않은 데이터 데이터 세트에 대해 LLM을 학습시키는 기법입니다. 즉, 모델은 각 입력에 대해 올바른 출력이 무엇인지 알지 못합니다. 대신 모델은 시퀀스의 다음 토큰을 예측하거나 데이터 세트의 텍스트와 유사한 텍스트를 생성하는 방법을 학습합니다.

비지도 파인튜닝(fine-tuning)은 지도 파인튜닝(fine-tuning)보다 계산 비용이 적게 드는 파인튜닝(fine-tuning) 기법입니다. 그러나 동일한 수준의 성능을 달성할 가능성도 낮습니다.

🍎 지도 파인튜닝(fine-tuning)
지도 파인튜닝(fine-tuning)은 레이블이 포함된 데이터 데이터 세트에 대해 LLM을 학습시키는 기법입니다. 즉, 모델은 각 입력에 대해 올바른 출력이 무엇인지 알고 있습니다. 모델은 손실 함수를 최소화하여 입력을 출력에 매핑하는 방법을 학습합니다.

지도 파인튜닝(fine-tuning)은 비지도 파인튜닝(fine-tuning)보다 계산 비용이 더 많이 드는 파인튜닝(fine-tuning) 기법입니다. 그러나 최상의 성능을 얻을 가능성도 더 높습니다.

파인튜닝(fine-tuning) 기법의 선택은 수행하려는 특정 작업과 사용 가능한 리소스에 따라 달라집니다. 계산 리소스가 부족하다면 비지도 파인튜닝(fine-tuning)을 고려할 수 있습니다. 그러나 최상의 성능을 원한다면 LLM의 파인튜닝(fine-tuning)을 감독해야 합니다.

🍀 인간 피드백으로부터의 강화 학습(RLHF) LLM을 위한 파라미터 효율적 파인튜닝(fine-tuning)(PEFT)
LLM을 파인튜닝(fine-tuning)하는 데는 감독된 파인튜닝(fine-tuning)과 인간의 피드백을 통한 강화 학습(RLHF)이라는 두 가지 주요 접근 방식이 있습니다.

1. 감독형 파인튜닝(fine-tuning)
지도 파인튜닝(fine-tuning)은 레이블이 포함된 데이터 데이터 세트에 대해 LLM을 훈련시키는 기법입니다. 즉, 모델은 각 입력에 대해 올바른 출력이 무엇인지 알고 있습니다. 모델은 손실 함수를 최소화하여 입력을 출력에 매핑하는 방법을 학습합니다.

2. 인간 피드백을 통한 강화 학습(RLHF)
RLHF는 사람의 피드백을 사용하여 LLM을 파인튜닝(fine-tuning)하는 기법입니다. 기본 아이디어는 LLM에 프롬프트를 주고 출력을 생성하는 것입니다. 그런 다음 사람에게 출력에 대한 평가를 요청합니다. 이 평가는 더 높은 품질의 출력을 생성하기 위해 LLM을 파인튜닝(fine-tuning)하는 신호로 사용됩니다.

RLHF는 감독 파인튜닝(fine-tuning)보다 더 복잡하고 비용이 많이 드는 파인튜닝(fine-tuning) 기술입니다. 하지만 정의하기 어렵거나 라벨링된 데이터가 충분하지 않은 작업에 더 효과적일 수 있습니다.

🍀  매개변수 효율적 파인튜닝(fine-tuning)(PEFT)
PEFT는 파인튜닝(fine-tuning) 중에 업데이트해야 하는 매개변수의 수를 줄이기 위한 일련의 기술입니다. 이는 더 작은 데이터 집합을 사용하거나, 더 간단한 모델을 사용하거나, 낮은 순위 적응(LoRA)이라는 기술을 사용하여 수행할 수 있습니다.

LoRA는 저차원 행렬을 사용하여 다운스트림 작업의 공간을 표현하는 기법입니다. 그런 다음 전체 LLM 대신 이 행렬을 파인튜닝(fine-tuning)합니다. 이를 통해 파인튜닝(fine-tuning)에 필요한 계산량을 크게 줄일 수 있습니다.

PEFT는 LLM을 파인튜닝(fine-tuning)하는 데 유망한 접근 방식입니다. 파인튜닝(fine-tuning)을 더 저렴하고 효율적으로 수행할 수 있으므로 더 많은 사용자가 더 쉽게 접근할 수 있습니다.

🍀 LLM 파인튜닝(fine-tuning)을 사용하지 않는 경우
대규모 언어 모델(LLM)은 텍스트와 코드의 방대한 데이터 세트에 대해 사전 학습됩니다. 이를 통해 텍스트 생성, 번역, 질의응답 등 다양한 작업을 학습할 수 있습니다. 하지만 LLM을 파인튜닝(fine-tuning)하는 것이 항상 필요하거나 바람직한 것은 아닙니다.

다음은 LLM 파인튜닝(fine-tuning)을 사용하지 않는 몇 가지 경우입니다:

👉 모델을 파인튜닝(fine-tuning)할 수 없는 경우. 일부 LLM은 파인튜닝(fine-tuning)을 허용하지 않는 API(애플리케이션 프로그래밍 인터페이스)를 통해서만 사용할 수 있습니다.
👉 모델을 파인튜닝(fine-tuning)할 데이터가 충분하지 않습니다. LLM을 파인튜닝(fine-tuning)하려면 레이블이 지정된 대량의 데이터 세트가 필요합니다. 데이터가 충분하지 않으면 파인튜닝(fine-tuning)을 통해 좋은 결과를 얻지 못할 수 있습니다.
👉 데이터는 끊임없이 변화합니다. LLM을 사용하는 데이터가 지속적으로 변경되면 파인튜닝(fine-tuning)이 이를 따라잡지 못할 수 있습니다. 특히 원어의 어휘와 문법이 시간이 지남에 따라 변할 수 있는 기계 번역과 같은 작업의 경우 더욱 그렇습니다.
👉 애플리케이션은 동적이고 상황에 민감합니다. 경우에 따라 LLM의 출력은 사용자 또는 상황의 특정 컨텍스트에 맞게 조정되어야 합니다. 예를 들어 고객 서비스 애플리케이션에서 사용되는 챗봇은 고객의 의도를 파악하고 그에 따라 응답할 수 있어야 합니다. 이러한 유형의 애플리케이션에 맞게 LLM을 파인튜닝(fine-tuning)하려면 챗봇이 사용되는 다양한 컨텍스트를 캡처하는 레이블이 지정된 대규모 데이터 세트가 필요하기 때문에 어려울 수 있습니다.

이러한 경우에는 다음과 같은 다른 접근 방식을 사용하는 것을 고려할 수 있습니다:

👉 더 작고 덜 복잡한 모델 사용. 더 작은 모델은 훈련하고 파인튜닝(fine-tuning)하는 데 계산 비용이 덜 들며 일부 작업에는 충분할 수 있습니다.
👉 전이 학습 접근 방식 사용. 전이 학습은 다른 작업에 대해 학습된 모델을 사용하여 새 작업에 대한 모델을 초기화하는 기법입니다. 이 방법은 모델이 더 빨리 학습하는 데 도움이 될 수 있으므로 새 작업을 위해 모델을 훈련하는 데 더 효율적인 방법이 될 수 있습니다.
👉 인컨텍스트 학습 또는 검색 증강 사용. 컨텍스트 내 학습 또는 검색 증강은 추론 시간 동안 LLM에 컨텍스트를 제공하는 기법입니다. 이를 통해 LLM이 보다 정확하고 관련성 높은 결과를 생성하는 데 도움이 될 수 있습니다.

🍀  마무리
결론적으로, LLM을 파인튜닝(fine-tuning)하는 것은 이러한 모델을 특정 작업에 맞게 조정할 수 있는 강력한 도구입니다. 용도 변경 및 전체 파인튜닝(fine-tuning)을 포함하여 그 뉘앙스와 옵션을 이해하면 성능을 최적화하는 데 도움이 됩니다. 감독형 파인튜닝(fine-tuning)과 비감독형 파인튜닝(fine-tuning) 중 어떤 것을 선택할지는 리소스와 작업의 복잡성에 따라 달라집니다. 또한 인간 피드백을 통한 강화 학습(RLHF)과 매개변수 효율적 파인튜닝(fine-tuning)(PEFT)은 전문화된 접근 방식을 제공합니다. 파인튜닝(fine-tuning)은 LLM을 향상시키지만, 특히 모델이 이미 업무에 적합한 경우에는 항상 필요한 것은 아닙니다. 특정 애플리케이션에 대한 LLM의 효율성과 효과를 극대화하려면 파인튜닝(fine-tuning)을 사용할 시기를 신중하게 고려해야 합니다.

Data Science Dojo

LLM 파인튜닝(Fine-tuning) 101

커리어 코칭 일기 (Work & Tech) 699

#Justdoit

시작을 잘 하는 사람이 있습니다. 혹자는 이런 종류의 사람을 걱정 없이 산다고 비아냥 거립니다. 하지만 훗날 진짜 승자는 이런 성향을 가진 사람이라고 믿습니다.

도전을 잘 한다고 볼 수 있습니다. 새로운 환경과 사람을 만나는 것을 두렵지 않아 하는 것입니다. 그걸 좋아하거나 즐기는 것보다 참아낼 수 있는 단단한 마음이 있습니다.

한 가지 단점은 시작한 일을 꼭 끝까지 완수하는 것은 아니라는 점입니다. 중간에 어떤 이유와 핑계로 중단되는 사태가 종종 발생합니다. 그래서 주변 사람들이 용두사미라고 놀려 댑니다.

생각해 보면 시작한 일을 반드시 마무리 지어야 할까요? 그렇지 않습니다. 포기는 배추를 셀 때만 사용하지 않습니다. 힘들거나 어렵거나 하기 싫으면 포기할 수 있습니다. 포기한다고 패자가 되진 않습니다. 에너지를 절약해서 다른 곳에 사용하면 됩니다.

거창해 지려고 하고 위대해 지려고 하며, 대단해 지려고 하니까 시작을 못한다고 생각합니다. 완벽주의가 게으름을 낳는다고 심리학에서 분석하지 않습니까? 그러니 그냥 좀 시작합시다. 묻지도 따지지도 말고 하고 싶은 일 있으면 그냥 시작하세요.

도전 결과가 피드백 해줄 거고, 과정에서 반드시 배움이 있다고 믿습니다.

​

#에너지레벨

하이텐션으로 군중을 사로잡는 사람이 있습니다. 반대로 있어도 없는 듯, 술에 물 탄 듯 잠잠한 캐릭터도 있습니다.

에너지 레벨이 낮은 사람도 열정이 있습니다. 다만 열정이 끓는 온도가 낮을 뿐입니다. ‘나 지금 되게 신나!’ 같은 대사를 외쳐도 사람에 따라 느낌이 다른 이유는 발산 가능한 에너지 레벨이 다르기 때문입니다.

그러니 함부로 ‘난 열정 따윈 없다’고 확신하지 마세요. 아직 발견 못했을 뿐이죠. 열정을 발휘해 본 경험이 있는데 너무 뜨뜻미지근하여 깨닫지 못했던 것입니다.

1000도나 100도나 끓기는 마찬가지입니다. 라면에 모르고 찬물을 부었다가 뒤늦게 더운물을 부으면 어떻게 되나요? 그래도 라면은 익습니다. 그리고 배가 고프면 미지근한 물에 끓은 라면도 맛있습니다.

낮은 에너지 레벨을 탓하지도 억지로 끌어올리려고 하지 마세요. 그냥 내가 가진 최선을 다하는 것입니다. 그래도 내 온도에 녹는 것이 있고, 먹을 수 있는 경험이 있습니다. 좀 맛이 덜하더라도 허기를 달래기에 제법 괜찮을 수 있습니다.

제일 안 좋은 건 공백입니다. 비어있는 그릇을 채울 에너지를 깨우시기 바랍니다.

그냥 막 도전할 수 있는 에너지 레벨

DALL-E 3 works with ChatGPT so users can use the chatbot to come up with prompts that the image generator better understands.

OpenAI releases third version of DALL-E

몇달 전 생긴 '프롬프트 작성자'라는 새로운 직무도 이제 옛것이 되었네요. 

처음 Dall-E 2를 접했을 때 센세이션을 잊지 못합니다. 문장을 입력하면 AI가 세상에 없던 이미지를 만들어주는데, 물론 맘에 들지 않은 적이 훨씬 많지만, 맘에 드는 이미지 하나만 만들어줘도 사실 엄청난 '사건'이라고 생각했습니다. 실제로 Dall-E 2는 그 일을 해냈구요. ChatGPT만큼 주목을 받지는 못했지만 오픈AI가 내놓은 인터넷 서비스 중 가장 양가 감정(인간 일을 다 가져간다, 엄청 신기하다 더 사용해보고 싶다 어떻게 쓰는 게 젤 좋지?)을 갖게 한 서비스였습니다. 부모님에게는 반드시 보여드려야 했어요. 세상의 변화가 이렇게 빠르다고 말씀드려야만 했습니다. 

그런데 이제 오픈AI가 세 번째 버전인 Dall-E 3를 출시한다는군요. 이 서비스는 인간이 프롬프트를 작성할 필요가 없습니다. 인간이 ChatGPT에게 간단한 명령어로 프롬프트를 작성하도록 요청하면, ChatGPT가 Dall-E 3가 이해할 수 있도록 단락을 통채로 작성합니다. 물론 인간도 원하면 더 작성할 수 있지만 예전 버전보다는 개입이 적어진 것입니다. 

Dall-E의 책임자인 아디치아 라메쉬(Aditya Ramesh)가 더버지(The Verge)에 데모를 공개했는데요. 그는 Dall-E 3에게 '산에 있는 일본 라멘 식당의 로고를 만들어달라'고 간단히 요청했고 ChatGPT가 더 자세한, 긴 설명이 있는 프롬프트를 작성했습니다. Dall-E 3는 4가지 옵션을 제시했고요. 프롬프트 작성자는 이제 더이상 새로운 직무로 역할하지 못하게 됐습니다. 그러니 말하자면 이제 정말 (글을 잘 쓰지 못해도) 누구나 예술을 만들 수 있게 된 것입니다. 

해당 업데이트와 더불어 오픈AI는 시스템의 안전성을 그 어느 때보다 강력하게 테스트하기 위해 의도적으로 시스템을 중단시키는 그룹인 제3자, 외부 팀과 협력했습니다. 그리고 명시적으로 폭력적인 언어를 무시하도록 언어 모델을 가르치는 분류기를 사용했다고 밝혔습니다. 또한 공인의 이미지는 더이상 재현할 수 없게 만들었고요. 

더불어 오픈AI는 소송을 피하기 위해 아티스트들이 원하면 자신의 예술 작품을 트레이닝 데이터로 사용할 수 없게 만들기도 했습니다. 아티스트들은 자신이 권리를 가지고 있는 이미지를 오픈AI 웹사이트에 제출하고, 삭제 요청을 할 수 있습니다. 그러면 Dall-E 3는 아티스트의 이미지 및 스타일과 비슷해 보이는 결과를 내놓지 못합니다. 이는 최근 다수 아티스트들이 스태빌리티AI, 미드저니 등 생성 AI가 자신의 이미지와 비슷한 그림을 생성해냈다며 제출한 소송 건들을 의식한 조치입니다.  

이로 인해 발생할 문제들을 생각하면 아득해지지만 화려한 기술의 발전에 또 관심이 갑니다. 근데 정말 문제들이 걱정이 돼요.

The Verge

ChatGPT와 통합한 이미지 생성AI, 'Dall-E 3' 출시 임박

모두가 커머스를 꿈꿉니다 커뮤니티 서비스가 커머스로 영역을 확장하는 사례를 우리는 손쉽게 찾아볼 수 있습니다. 사전적인 의미의 커뮤니티뿐 아니라, 이미 확보한 고객을 기반으로 커머스로 확장하는 것이 최근의 트렌드이기도 한데요. 사실 트래픽 기반으로 수익 모델을 만드는 건, 단순화하면 크게 커머스와 광고라는 2가지 방법으로 귀결되게 됩니다. 특히 불경기가 찾

성공적인 커뮤니티 커머스를 위한 3가지 조건

자연스러운 회원 이동, 특색 있는 프론트 구축, 서비스 안정성 유지가 필요합니다

[아티클 3문장 요약📑]

1️⃣ 커뮤니티가 커머스 영역으로 확장할 시 가장 먼저 챙겨야 할 것은 '자연스러운 회원 이동'으로, 약관은 물론 보안이나 기술적 복잡성 이슈로, 커뮤니티와 커머스 회원이 각기 분리되는 경우가 간혹 있는데, 그럴 경우 커뮤니티가 가진 팬덤이라는 강점이 희석될 수 있음을 기억해야 합니다.

2️⃣ 또한 보통 자체 쇼핑몰 페이지를 구축하기 보다는 대부분의 경우 쇼핑몰 솔루션을 사용하여 커머스 기능을 붙이곤 하는데, 이럴 경우 획일화된 UI/UX를 가지게 될 확률이 있어 조심해야 하며, 기존의 킬러 콘텐츠와 서비스 특색을 유지할 수 있는 방법을 고민해야 합니다.

3️⃣ 마지막으로 커뮤니티 커머스는 아무래도 공동구매나 딜 형태로 단기간 내 많은 물량을 판매하는 방식에 유리하기에, 아예 쇼핑몰 구축 당시부터 순간적인 트래픽 쏠림에도 견딜 수 있는 기반을 구축하는 것이 무엇보다 중요합니다.

💡기묘한 관점➕
최근 커뮤니티 서비스처럼 기존의 고객과 팬덤을 기반으로 이커머스로 확장하여 수익화를 꾀하는 경우가 참으로 많은데요. 보통은 기존 트래픽에 너무 의지하거나 혹은 광고나 마케팅, 또는 상품 소싱에만 집중하는 경향이 있습니다. 하지만 무엇보다 정말 성공적으로 커머스 확장을 하려면, 물류나 CS 같은 운영 역량, 거기에 더해 안정적인 쇼핑 환경 구축까지 따라와야 한다는 사실을 꼭 기억해야 할 겁니다.

🥤트렌드라이트 구독하기
https://bit.ly/3iSbx4e

📕『기묘한 이커머스 이야기』 책 보러가기
https://bit.ly/3hEicxg

언론사 뷰

😎성공적인 커뮤니티 커머스를 위한 3가지 조건

다정함의 과학` 책 펴낸 켈리 하딩 컬럼비아대 메디컬센터 정신의학 교수토끼효과의 놀라운 사실같은 고지방 사료를 먹는데도사랑받는 토끼는 더 건강해다정한 돌봄과 건강상태 관계과학적 근거를 바탕으로 분석다정함은 숨겨진 `슈퍼파워`동료의 다정함을 느낀 직원은업무에 더 몰입하게 만들어사랑·공감 오가는 조직 문화비약적인 성과 향상 일으킬 것

[View&Outlook] 성공한 조직 선봉엔...다정한 리더가 있다 - 매일경제

“사람들은 타인이 다정함을 보일 때 본인 역시 다정함을 보일 확률이 높아진다.” 켈리 하딩 컬럼비아대 메디컬센터 정신의학 교수는 매일경제와의 인터뷰에서 “다정함이 있는 직장 문화를 만들고 싶다면 리더가 먼저 다정함을 보여야 한다”고 강조한다.

하딩 교수는 의대생 시절 특이한 점을 발견했다. 같은 병을 진단받더라도 어떤 환자는 증세가 심각해졌지만 다른 환자는 거의 정상적인 일상생활을 했다. 의학적으로 설명되지 않는 이에 대한 답을 하딩 교수는 1978년 로버트 네렘 박사 연구팀의 실험에서 찾았다.

연구진은 혈중 콜레스테롤 수치와 심장 건강 사이의 연관성을 입증하기 위해 몇 달 동안 토끼들에게 고지방 사료를 먹이고 콜레스테롤 수치, 심장 박동 수, 혈압 등을 측정했다. 연구가 시작되고 몇 달이 지나 토끼들은 예상대로 콜레스테롤 수치가 예외 없이 높아졌다.

하지만 미세혈관을 봤을 때는 큰 차이가 있었다. 한 무리의 토끼들이 다른 토끼들보다 지방 성분이 훨씬 적은 것이었다. 의학적으로 말이 안 되는 일이 일어난 이유는, 팀원들이 토끼에게 먹이를 주는 방식 차이에 있었다.

지방 성분이 낮게 나온 토끼들에게 먹이를 준 팀원은 토끼들을 먹일 때 말을 걸고 쓰다듬는 등 사랑을 주었던 것이다. 의외의 결과를 발견한 네렘 박사 연구팀은 이후 같은 설정이지만 실험 조건을 더 엄격히 통제해 연구원이 애정으로 돌본 토끼들과 표준 방식으로 돌본 토끼의 동맥을 비교했다.

역시 동일한 결과가 나왔다. 하딩 교수는 이를 ‘토끼 효과’라 부른다. 토끼 효과는 ‘사랑, 다정함, 공감, 신뢰 등 사회적 요인이 신체 건강에 큰 영향을 미친다’는 개념이다. 하딩 교수가 의대생 시절 경험했던, 같은 병이 있더라도 사람들마다 다른 모습을 보인 이유가 여기에 있다.

1️⃣다정함(kindness)을 어떻게 정의하는가?
▷연구자들은 다정함을 ‘다른 사람의 복지 그 자체를 목적으로 하는 행위’라고 정의한다. 우리는 다정함을 보면 바로 알 수 있다. 

마지막으로 타인의 다정함을 목격하거나 스스로가 다정한 행동을 했을 때를 생각해보자. 어떤 감정이 들었는가? 다정함을 경험하면 ‘본인이 가치 있다’ ‘타인이 나를 지지하고 있다’ 등의 생각과 함께 ‘사랑받고 있다’는 느낌을 받는다. 다정함은 긍정적 사회 연결(social connections)을 만들고 인류를 단결시키는 접착제와 같다.

2️⃣직장에서 다정함의 역할은?
▷최근 직장 동료에게서 다정함을 경험했다면, 그날 하루는 더 즐거웠을 것이다. 동료의 다정함은 직원들이 업무에 더 몰입하게 만들고 더 생산적으로 일하게 만든다. 성과 역시 다정함으로 향상될 수 있다. 다정함이 조직원에게 ‘나는 가치 있는 사람’이라는 느낌을 주기 때문이다.

3️⃣일터는 경쟁이 끊이지 않는 곳이다. 승진, 프로젝트 확보 등 다양한 이유로 사람들이 서로 경쟁하는 직장에서 현실적으로 조직원들이 다정하게 행동할 수 있나?
▷좋은 스포츠맨십처럼 건강한 경쟁은 조직원 혹은 팀이 더 좋은 성과를 내게 한다. 경쟁하더라도 상대를 존중하며 다정하게 대하는 것이 필수다.

조직원 혹은 팀이 경쟁에서 지더라도 사람들은 해당 조직원 혹은 팀이 어떤 행동을 했는지 기억하기 때문이다. 개인적 경험을 예로 들겠다. 너무나 원했던 프로젝트에서 탈락했지만 (경쟁자를 다정하게 대한 내 모습을 기억하고) 더 좋은 프로젝트에 참여할 기회를 받았다. 누가 당신의 모습을 지켜볼지 모른다. 장기적 관점에서 다정하게 행동해야 한다.

4️⃣선천적으로 다정한 사람이 있는가?
▷누구나 다정할 수 있다. 만성적으로 다정하지 않은 사람은 대개 과거의 상처 때문에 그렇다. 어릴 적 경험에 의한 트라우마로 방어적으로 타인에게 상처를 준다. 이런 사람들은 ‘누구나 힘들어하는 일이 있다’고 생각함으로써 다정해질 수 있다. 다정함을 갖추는 또 다른 전략은 '잠시 멈춤(pause)'이다. 무언가를 서둘러 하지 않으면 다정하게 행동할 확률이 높아진다.

5️⃣조직원이 리더에게 바라는 다정함은?
▷다정한 리더는 조직원의 니즈를 이해하고 그들의 기여도를 인정한다. 건강한 직장에서 조직원들은 관리자에게 사회적 지지를 받고, 업무 자율성을 가지며, 노력에 걸맞는 보상을 받는다. 직장에서 리더가 다정함을 선보이는 또 다른 방법은 직장 내 불평등을 파악하고 이를 다루는 것이다. 가령 남성과 여성 조직원을 평등하게 보상하고 승진시키는 것이다.

6️⃣‘리더는 강해야 한다’는 인식 때문에 사람들은 ‘다정한 리더는 약하다’는 생각을 가질 수도 있다.
▷연구에 따르면 ‘다정한 리더는 약하다’는 생각은 시대에 뒤처진 고정관념이다. 다정함은 숨겨진 ‘슈퍼파워’와 같다. 다정한 리더가 이끄는 조직원들은 리더를 돕기 위해 할 수 있는 모든 일을 한다. 리더를 따르는 이유가 두려움이 아닌 사랑이기 때문이다.

매일경제

커리어 코칭 일기 (Work & Tech) 698

#취향

관심 있는 영역이 있는지와 관계없이 취향은 확고할 수 있습니다. 마치 좋아하는 브랜드가 없을 순 있지만, 디자인이 예쁜 제품을 선호하는 것과 같은 이치라고 할까요? (틀린가요?)

처음부터 단 하나의 선택을 하기 어려울 수 있지만, 선택지가 여러 가지 있을 때 그중에 몇 가지 좋아하는 것을 고를 수 있습니다.

왜 갑자기 모호한 이야기를 늘어놓냐고요? 요즘 취업을 고민하는 사람들과 대화를 하는데 스스로 관심사에 대해서 생각해 본 적이 없거나 잘 모르겠다고 답변하는 분들이 많더라고요. 그런데 대화를 깊이 나눠보면 취향이 없진 않습니다. 

하고 싶은 일과 하기 싫은 일이 구분되어 있다는 것이 어떤 분야에 관심이 있다는 것이죠? 그 관심이 무언지 딱 떠올리긴 어렵지만 예시를 들면, 그건 아니고 이건 맞는다고 답변해 줍니다. 이와 같은 내용으로 말미암아 취향이 없는 것이 아니라 취향을 선택하는 방법이 다르다는 것을 깨달았습니다.

​

#참견

소심한 성격이지만 일할 땐 적극적인 사람도 있습니다. 담당 업무 외 회사 비즈니스 전반에 의견을 밝히는 것이죠. ‘아니 갑자기 왜 이래?! 당황스럽게 시리’ 평소엔 업무적인 말 외에 일절 먼저 말을 꺼내지 않는 동료가 갑자기 묻지도 않은 의견을 서슴없이 토해내는 것입니다. 

안 그래도 참견하는 캐릭터는 밉상으로 낙인찍히기 십상인데, 별 연관성 없는 사람이 깜빡이 없이 드리대면 상당히 당혹스러울 것 같아요. 그런데 말의 내용을 가만히 들여다보면 영 틀린 이야기는 아니고, 고민의 밀도가 느껴지기도 합니다. 

이런 캐릭터를 부정적 의미로 오지랖퍼라고 표현하지만, 저는 상당히 긍정적인 면으로 생각합니다. 각자 맡은 미션을 달성하기도 버거운 현실에 방관하지 아니하고 소속 팀을 위한 아이디어를 적극적으로 제시하는 행동이 멋집니다. 이런 건 오지랖이 아니라 건설적인 참견이죠. 

구성원은 팀 성장에 기여할 책임이 있습니다. 책임은 리더만 느끼고 챙겨야 하는 것이 아니죠. 그렇다면 본인 역할뿐만 아니라 옆 동료를 넘어 팀 관점에서 해야 할 일을 확인하고 의견을 제시할 수 있어야 합니다. 

여러분은 이런 프로 참견러를 어떻게 생각하시나요? 귀찮은 말썽꾸러기로 취급하진 않으세요? 저도 하고 싶었는데 용기가 없어 말하지 못한 참견이 많습니다. 이제 팀을 위한 말이라면 담대하게 꺼내보려고 합니다. 듣기 싫으면 귀를 닫겠죠? 그럼 저는 발에 묻은 먼지를 털고 또 다른 귀 열린 사람을 찾으면 그만입니다. 팀을 사랑하는 자들이여! 진심으로 응원합니다.

팀을 위한 건설적인 참견을 환영합니다

Detect device type and render your component according to it. Latest version: 2.2.3, last published: 7 months ago. Start using react-device-detect in your project by running `npm i react-device-detect`. There are 1009 other projects in the npm registry us

react-device-detect

react-device-detect는 사용자의 기기, OS, 브라우저와 같은 다양한 환경 정보를 감지하는 기능을 제공합니다. 이 라이브러리의 기능은 "user agent sniffing" 기술에 기반합니다. 이를 통해, User-Agent 문자열을 분석하고, 그 결과로 사용자의 웹 브라우저, 운영체제, 그리고 기기 유형을 식별합니다.

라이브러리에 내장된 함수들, 예를 들면 isMobile, isBrowser, isIOS 등은 개발자에게 데스크톱과 모바일, 다양한 OS의 감지 정보를 제공합니다. 이러한 정보를 활용하면 애플리케이션 내에서 다양한 환경에 따른 분기 처리를 쉽게 구현할 수 있습니다.

https://www.npmjs.com/package/react-device-detect

React 앱의 기기 및 환경 감지: react-device-detect

다시 돌아올 ChatGPT 열풍의 끝자락에서, 센세이션이 폭발하기 전의 역사를 돌아봅니다. 오랜 연구를 거쳐 등장한 대규모 언어 모델 중 가장 세련된 중간산출물이 생성AI이기 때문에 전문가들은 ‘이제 겨우 시작이다’라고 얘기를 해요. 

말마따나 적어도 45년 정도의 연구가 쌓였는데요. MIT테크리뷰에서 이를 핵심만 정리했습니다. 열기는 가라앉아가고 있지만 다시 돌아올 붐을 준비하기 시작하기 위해 한번 읽어보셔도 좋겠습니다. 

1980~1990: RNN 
ChatGPT는 OpenAI에서 개발한 대규모 언어 모델인 GPT-3의 한 버전입니다. 대규모 언어 모델(이하 LLM)은 수많은 텍스트에 대해 훈련된 일종의 신경망입니다(신경망은 동물 두뇌의 뉴런이 서로 신호를 보내는 방식에서 영감을 얻은 소프트웨어입니다). 텍스트는 다양한 길이의 문자와 단어의 시퀀스로 구성되므로 언어 모델에는 이러한 종류의 데이터를 이해할 수 있는 일종의 신경망이 필요합니다. RNN은 신경망 종류 중 하나고요. 1997년 개발된 LSTM은 수백 단어 길이의 텍스트 문자열을 처리할 수 있어서 그나마 가장 뛰어났지만 언어 능력은 제한적이었습니다.

2017: 트랜스포머
사실 대규모 언어 모델 세대는 구글 덕분에 눈부시게 발전했습니다. 구글 연구원 팀이 각 단어나 구문이 순서대로 나타나는 위치를 추적할 수 있는 트랜스포머를 발견한 덕분입니다. 트랜스포머는 단어의 앞뒤에 오는 다른 단어 등의 정보를 추적해서 긴 텍스트 문자열을 처리하고 단어의 의미를 보다 정확하게 포착할 수 있게 만듭니다. 

2018~2019: GPT 및 GPT-2
OpenAI의 처음 두 개의 대규모 언어 모델은 불과 몇 달 간격으로 출시되었습니다. 이 회사는 다양한 기술을 갖춘 범용 AI를 개발하기를 원하며 대규모 언어 모델이 해당 목표를 향한 핵심 단계라고 믿습니다.

GPT는 사전에 주석이 추가되지 않은 데이터(이 경우에는 수많은 텍스트)에 대해 머신러닝 모델을 훈련하는 방법인 ‘비지도 학습’과 트랜스포머를 결합했습니다. 덕분에 ChatGPT는 스스로 데이터 패턴을 파악할 수 있게 됐고요. 데이터 세트 크기도 무제한으로 학습할 수 있습니다. GPT-2의 경우 오픈AI가 “사람들을 속이고 편견을 재생산하며 혐오를 조장하는 언어를 퍼뜨릴 수 있기 때문에 전체 모델을 공개하지 않을 것”이라고 했습니다. 

2020: GPT-3
GPT-2는 인상적이었지만 OpenAI의 후속작인 GPT-3은 입이 떡 벌어질 정도였습니다. 인간과 유사한 텍스트를 생성하는 능력은 큰 발전이었습니다. GPT-3는 질문에 답변하고, 문서를 요약하고, 다양한 스타일로 스토리를 생성하고, 영어, 프랑스어, 스페인어, 일본어 간 번역 등을 수행할 수 있습니다. 제법 잘 흉내를 냈죠. 
GPT-3의 경우 새로운 기술을 발명하기보다는 기존 기술을 초대형화함으로써 나왔습니다. GPT-2의 매개변수(훈련 중 조정되는 네트워크 값) 개수(15억 개)에 비해 훨씬 많은 매개변수(1,750억 개)를 사용했습니다. 데이터 양도 훨씬 많았습니다. 
그러나 ChatGPT는 온라인에 있는 허위 정보, 편견어린 시각 등을 상당 부분 교육 받아서, 이를 재생산했습니다. 오픈AI도 “인터넷으로 훈련한 모델은 인터넷 규모의 편견을 갖게 된다”고 인정했습니다. 

2020년 12월: 유해한 텍스트 및 기타 문제
이제는 규제의 시간입니다. 대규모 언어 모델이 허위 정보, 혐오스러운 텍스트를 재생산할 수 있다는 사실은 누구나 알고 있습니다. ChatGPT를 사용하는 모든 개인과 조직은 규제를 숙지하고 가이드라인을 따라 안전하고 현명하게 새로운 도구를 사용할 수 있어야 합니다. 앞으로 우리에게 주어진 새로운 과제라고 볼 수 있습니다.

ChatGPT 열풍의 끝자락, 시작을 위한 회고

지난 6~7월 두 달 동안 진행된 우아한스터디 2023 여름시즌 중 세 개의 스터디에서 그동안의 이야기를 들려주신다고 합니다!

아래 우아한테크 유튜브 채널에서 내일 만나실 수 있습니다.
👇👇👇👇👇👇👇
https://www.youtube.com/@woowatech

우아한스터디 발표회 9월 21일 저녁 7시

개발자 면접은 어떻게 진행될까? | 처음 이직 시도를 했을 때가 떠오릅니다. 별 근거도 없이 자신만만하던 4년 차 때, 평소 실력만 믿고 당당하게 기술 면접에 뛰어들었죠. 면접은 생각보다 훨씬 어려웠고, 결과는 처참했습니다. 식은땀을 삐질삐질 흘리며 겨우 첫 라이브 코딩 테스트를 마쳤던 기억은 쉽사리 잊히지 않습니다. 그렇게 직접 부딪혀 보고 나서야 깨달았어요.

개발자 면접 유형 총정리

개발자 면접을 준비하고 계신가요? 어디서부터 어떻게 시작해야 할지 몰라 막막하신 분들을 위해 개발자 면접 대비 키트를 준비했습니다! 제가 지금까지 썼던 개발자 면접 준비 관련 글과 추천 자료를 한 곳에 모았습니다. 적극 활용하셔서 면접에 잘 대비하시길 바랍니다! 

0️⃣  면접 유형 파악하기

- 개발자 면접 유형 총정리: https://careerly.co.kr/comments/66132

1️⃣ 코딩 면접

[추천 글]
- 코딩 테스트를 위해 꼭 공부해야 할 이론: https://careerly.co.kr/comments/66531
- 코딩 테스트에 완벽하게 대비하기 위해 해야 할 6가지: https://careerly.co.kr/comments/66559
- 라이브 코딩 테스트 실전 5단계 가이드: https://careerly.co.kr/comments/66693

[기출 문제 플랫폼]
국내
- 프로그래머스: https://school.programmers.co.kr/learn/challenges?tab=all_challenges
- 백준: https://www.acmicpc.net
- 삼성 SW Expert Academy: https://swexpertacademy.com/main/main.do

해외:
- LeetCode: https://leetcode.com/problemset/all
- HackerRank: https://www.hackerrank.com
- Codility: https://www.codility.com

2️⃣ 시스템 설계 면접

[추천 글]
- 소프트웨어 시스템 설계 시 고려할 세 가지: https://careerly.co.kr/comments/67065
- 시스템 설계 면접 준비 방법: https://careerly.co.kr/comments/67313

[추천 자료]
도서
- 데이터 중심 애플리케이션 설계 (원제: Designing Data-Intensive Applications): https://search.shopping.naver.com/book/catalog/32466573690
- 가상 면접 사례로 배우는 대규모 시스템 설계 기초 (원제: System Design Interview: An Insider's Guide): https://search.shopping.naver.com/book/catalog/32485737619

온라인 자료 (영문)
- Grokking the System Design Interview: https://designgurus.org/course/grokking-the-system-design-interview
- Deep Dive into System Design Interview: https://www.educative.io/path/deep-dive-into-system-design-interview
- The System Design Primer: https://github.com/donnemartin/system-design-primer

3️⃣ 인성 면접 / 행동 면접

[추천 글]
- 면접에서 효과적으로 경험 어필하는 법: https://careerly.co.kr/comments/67573

[추천 툴]
- 각 기업 문화 페이지
- STAR 기법

Brunch Story

👩🏻‍💻 개발자 면접 대비 키트

복잡한 시스템을 익힐 때 아무리 서류를 여러 번 읽어보고 연구해 봐도 이해하는 데 시간이 꽤 걸릴 수도 있어요. 주니어시절 아키텍처를 이해하는 데 어려움을 많이 겪었던 것 같아요. 아키텍처를 이해하는 데 도움 되었던 방법 몇 가지 적어 봅니다.

1️⃣ 서류를 읽어보며 상위 설계 대충 이해해 보기

시스템 설계를 설명하는 서류나 학습 자료가 있다면 한 번 훑어보면서 대충 상위 레벨 아키텍처를 스스로 이해해 보려고 노력한다. 자료를 읽는다고 바로 이해되는 건 아니지만, 대충 큰 그림을 이해하고 코드를 읽어 보면 아키텍처를 이해하는 데 큰 도움이 된다.

서류가 없는 경우, 이 단계를 스킵하고 다음 단계부터 시작하면 된다.

2️⃣ 코드 읽어 보면서 시스템 설계 다이어그램 직접 그려 보기

스케일이 큰 시스템의 코드베이스는 굉장히 복잡하고 하나하나 꼼꼼하게 읽어 보면서 그릴 수 없다. 그렇지만 최대한 중요한 코드를 파악하고 컴포넌트가 어떤 역할을 하고 컴포넌트 간 어떤 상호 작용을 하는지 다이어그램을 그려 보며 스스로 설계해 본다. 다이어그램이 완벽하지 않아도 된다. 요점은 스스로 코드를 파해쳐 보며 설계해 보는 게 자료만 읽는 것보다 아키텍처를 이해하는 데 더 도움 된다.

이 방법은 마치 알고리즘 문제 풀기와 비슷하다. 기본적으로 알고리즘 개념을 책을 읽거나 유투브 강의를 보며 익힌 다음 직접 문제를 풀어 보면서 연습해야 '내 것'으로 만들 수 있다. 아키텍처도 비슷한 방식으로 접근하는데, 설계 경험 충분하지 않다면 실무에서 아키텍처를 익히려면 직접 그려보고 설계해 보는 게 가장 중요하다.

또한 이런식으로 아키텍처 다이어그램을 직접 그리면 설계 서류를 작성하고 설계 면접을 준비하는 데 도움 된다.

3️⃣ 선임에게 다이어그램 보여 주며 설명해 보기

스스로 그려 본 다이어그램을 관련 아키텍처를 잘 아는 선임에게 보여 주며 스스로 익힌 점을 설명해 보자. 틀려도 괜찮다. 요점은 시스템을 잘 아는 선임에게 내가 이해한 시스템을 설명하고 선임이 틀린 점을 바로 알려주면서 내가 모르는 점을 알게 되고 틀린 점을 바로 고칠 수 있다. 

예를 들어, 주니어 시절 선임이 '학습 세션(learning session)'을 통해 다이어어그램을 그리며 신입사원에게 아키텍처를 설명해 줬는데, 세션이 끝나도 그 시스템을 이해하지 못했다. 물론 어느 정도 상위 수준의 아키텍처를 이해할 수 있었지만, 정보를 흡수만 하는 게 시스템을 익히는 데 큰 도움이 되지 않았다. 

어렵더라도 내가 스스로 익혀보고 설계를 해보면서 선임에게 반대로 알려 주면서 상호적인 학습 세션을 통해 배우면 개념을 훨씬 빠르고 깊게 익힐 수 있었던 것 같다.

4️⃣ 팀원에게 다이어그램 그리며 시스템 설명해 보기

'가르치면서 배운다'는 걸 느낀 적이 있는데, 아키텍처를 가르쳐 주면서 팀원들이 모르는 점을 물어본다. 모든 질문에 대답할 수도 있고 없을 수도 있지만, 없어도 괜찮다. 내가 알지 못한 점을 다른 사람의 질문을 통해 알 수 있고, 스스로 공부했을 때 그냥 지나쳤을 수도 있는 아키텍처의 디테일한 점을 익힐 수 있다. 종종 생각지도 못한 질문을 받고 그 질문에 관한 답변을 찾으면서 스스로 공부했을 때 보다 더 많은 양의 정보를 흡수할 수 있다.

5️⃣ 상호작용하는 학습 세션 만들기

스텝3과 스텝4를 할 수 없는 상황이라면 팀원끼리 모여 함께 다이어그램을 그리며 설계를 설명해 보는 건 어떨까? 같이 배우면 혼자 배우는 것보다 더 많은 양의 정보를 흡수할 수 있다.

🪴 함께 읽으면 좋은 글

라지 스케일 시스템을 구현하는 개발자가 아는 것
https://careerly.co.kr/comments/90638

개발자가 꼭 봐야 할 책 - 데이터 중심 애플리케이션 설계
https://careerly.co.kr/comments/67004

초당 1억 건의 요청 S3 스케일의 스토리지 구축, 운영, 관리
https://careerly.co.kr/comments/88808

복잡한 시스템 빨리 이해하는 법

머신러닝 입문자 혹은 스터디를 준비하시는 분들에게 도움이 되고자 만든 repository입니다. (This repository is intented for helping whom are interested in machine learning study) - GitHub - teddylee777/machine-learning: 머신러닝 입문자 혹은 스터디를 준비하시는 분들에게 도움이 되고자 만든 repository입니다. (This repository i

GitHub - teddylee777/machine-learning: 머신러닝 입문자 혹은 스터디를 준비하시는 분들에게 도움이 되고자 만든 repository입니다. (This repository is intented for helping whom are interested in machine learning study)

엄청난 repo를 발견해버렸습니다...
유튜브 테디노트 채널의 repo인데요!

머신러닝에 관련된 모든 카테고리의 강의를 정리했을 뿐 아니라
책, 유튜브 채널, 웹사이트까지 모두 소개하고 자격증까지 소개하고 있네요...

잠 안오면 이거 하나씩 깨부셔야겠어요!

https://github.com/teddylee777/machine-learning#%ED%86%B5%EA%B3%84-statistics

GitHub

머신러닝을 혼자서 처음부터 공부한다면...!

TypingMind, Xnapper, BlackMagic, DevUtils의 개발자 Tony Dinh이 회사를 퇴사하고 3년만에 월 수익 5,500만 원을 버는 Indie Hacker가 된 과정과 제품 성공 이야기를 전합니다.

🗞️ 베트남 개발자가 사이드 프로젝트로 월 5천만원 벌게 된 이야기

안녕하세요 :) 
오늘은 베트남에서 혼자 2일만에 개발한 ChatGPT 껍데기 서비스로 월 4,000만원 버는 Tony Dinh 이야기를 준비했습니다.

Tony는 7년간 개발자로 일하다 사이드 프로젝트를 위해 퇴사한 후, 단 3년 만에 베트남 월 평균 임금의 166배를 벌고 있습니다. 어떻게 가능했을까요? 그의 지난 3년을 핵심만 정리해서 이 글👇에 담았습니다. 

전체 내용 보기 ➡️ https://www.sidehustlerstory.com/p/tony-dinh/?ref=careerly.co.kr

👇 전체 목차입니다. 내용 이해에 이미지가 필요한 부분이 많아서 이 글에는 목차만 공유합니다.

📌 시작: 사이드 프로젝트 for 재미+취업 😆💼
📌 선 퇴사 😎, 후 개발 👨‍💻
📌 Tony의 연봉 히스토리 💸
📌 풀스택 개발자의 풀스택 제품 라인업 🤹
📌 첫 성공: DevUtils 🛠️
📌 Cool & Free 제품으로 바이럴 타기: BlackMagic 🎩
📌 BlackMagic을 1억 7천만원에 팔 수 밖에 없었던 드라마 🎬
📌 2022년에 스크린샷 앱을 만든다고? Xnapper 📸
📌 ChatGPT 껍데기로 매 달 4천만원 벌기: TypingMind 🧠
🎁 60일 만에 월 수익을 7배 증가시킨 베타 테스팅 전략 ($300 → $2,164) 📈
🎁 구매 취소율 80% 위기를 극복한 방법 🏋️‍♂️
🎁 BlackMagic 인수 제안(7억 원)을 거절한 뒷 이야기와 이 과정에서 배운 것들 👋
🎁 5번이나 프로덕트 헌트 1위 등극한 Tony의 런칭 전략 🥇
🎁 Tony가 제품 개발에 활용한 기술 스택 🛠️

전체 내용 보기 ➡️ https://www.sidehustlerstory.com/p/tony-dinh/?ref=careerly.co.kr

사이드허슬러스토리

ChatGPT 껍데기로 월 4천만원 버는 베트남 개발자 이야기

안녕하세요, 뱅크샐러드 코어 백엔드 팀의 정겨울입니다. 뱅크샐러드는 백엔드 서비스에 다양한 언어를 사용하고 있습니다. 특히 지난 4년간은 Go와 gRPC...

뱅크샐러드 Go 코딩 컨벤션 | 뱅크샐러드

뱅크샐러드는 백엔드 서버 언어로 Go 를 가장 활발하게 사용하고 있습니다. 일관성 있는 서비스 코드 베이스를 만들기 위한 노력으로 코딩 컨벤션을 잘 정리해두고 있는데요, 이번에 회사 블로그 글로 포스트되어서 공유합니다. 

Go에 관심이 있으시다면 읽어보시면 좋을 것 같아요.

> 시간이 흐르고, 조직의 규모가 변하며, 구성원이 바뀔수록 코드 일관성 그 이상으로 여러 코드 베이스의 개념적 일관성을 유지하기 위한 노력이 필요합니다. 이 글에선 주로 코드 일관성 측면에서 뱅크샐러드가 어떤 Go 코딩 컨벤션을 따르며 권장하는지 얘기해보고자 합니다.

https://blog.banksalad.com/tech/go-best-practice-in-banksalad/

Banksalad

뱅크샐러드의 Go 언어 코딩 컨벤션

Developers and Open Source authors now have a massive amount of services offering free tiers, but it can be hard to find them all to make informed decisions.

Free for Developers

사이드 프로젝트! 생각만 해도 가슴이 뛰는 분들 많으실텐데요! 가슴이 뛰는 이유로는..... 프로젝트 진행의 즐거움과 유저들과의 만남도 있겠지만... !! 개인적으로는 비용에 대한 부담이 큰 것 같아요. 

사이드 프로젝트인만큼 투자할 수 있는 시간과 에너지가 한정되어있는데, 그러자니 SaaS, PaaS를 찾아보게 되고, 그만큼 비용이 늘어날 수 밖에 없는데요. 

사이드 프로젝트는 하고 싶지만 비용은 줄이고 싶어! 하시는 분들을 위한 서비스들을 모아놓은 곳이 있어 공유합니다. 

클라우드, 이벤트 통계, API, BaaS, CI/CD, 디자인 등등 다양한 부분의 무료 서비스들을 한번에 찾아볼 수 있습니다! 

https://free-for.dev

Free-for

사이드 프로젝트를 위한 무료 서비스들

Airbnb를 실패의 위기에서 구한 방법과 디자이너를 향한 그의 조언

브라이언 체스키가 Airbnb에서 PM을 없애버린 이유

"A/B 테스트를 그만두고 스스로 만족할 때까지 프로덕트를 다듬고, 자랑스럽다 말할 수준이 되면 다른 사람에게 공개하라"

여러모로 굉장히 흥미롭네요. 에어비앤비 CEO 브라이언 체스키가 디자인 중심의 경영을 선언하고 PM 롤을 없앴군요? 

체스키는 회사가 커질수록 서비스의 변화가 줄어들고 비용만 증가하는 문제를 두고 고민하다가 CEO가 제품 개발에 깊이 참여하는 애플의 경영 방식을 따르기로 했다고 합니다(feat. 조너선 아이브). 이게 '디자인 중심의 경영'이라고 선언한 방식의 요지이고, 하위 부서들의 로드맵 폐지하고 본인이 직접 컨트롤 가능한 소수의 핵심 사업만 추진한다네요.

그럼 PM은 어떻게 됐냐. 기존 조직을 기능 조직(디자인, 개발, 마케팅)으로 나누고 PM직무는 기존 직무와 마케팅 직무를 결합하여 ‘프로덕트 마케터’로 이름을 바꾼 뒤 디자이너의 권한을 강화했다고 합니다. 

'PM은 쓸모 없고 디자이너가 짱이야!' 했다기보단 제품을 만들어갈 때 역할과 균형을 꽤 크게 조율했다고 보는 게 맞을 거 같은데요.. 근데 왜 때문에 저러는지 알 거 같기도 합니다.

연중 80%의 업데이트는 상반기/하반기 나누어 2번만 크게 진행하고, A/B테스트는 꼭 필요한 경우에만 진행하는 걸로(A/B테스트 맛집이었는데 서운..) 정하면서 문제와 제품을 깊이 들여다볼 시간을 만들었고 체스키 스스로도 기업 경영보다는 제품에 시간을 쏟는 중이라고 합니다.

재밌네요! 흥미진진. 
저런 환경은 어떨지.. 한 번 경험해 보고 싶습니다.

PRODUCT LAB. 프로덕트랩

🚫PM을 없앤 에어비앤비

오늘 영상의 주인공은 고위드 김항기 대표님입니다. 김항기 대표님의 이력은 독특하다는 표현으로는 부족할 정도인데요. 그는 대우증권 지점영업직으로 시작해 법인영업, 애널리스트, 펀드매니저를 거쳐 자산운용사를 설립하는 등 금융인으로서 가능한 모든 커리어를 섭렵하며 최고의 자리에 올랐습니다. 하지만 4년 전부터는 스타트업을 비롯한 혁신 기업에게 혁신적인 금융을 제공한다는 비전을 주창하며 고위드의 대표를 맡았는데요.

영업사원에서 대표가 되기까지, 20년 차 투자자의 인생 철학 | 고위드 김항기

1. “질문이 모호한 것은 (진짜) 문제가 뭔지 모른다는 뜻이고, (뭐가 정말 문제인지 모르니까) 불안해서 그 불안함을 해결하려고 그냥 주위를 찾아다니는 거예요. (나도 모르는 내 문제를 누군가가 해결해주길 바라면서 말이죠)”

2. “(근데) 이 패턴을 가지고 있으면 문제 해결이 (절대) 안 돼요"

3. “(이건) 선배님이 저한테 알려주신 거예요. 제가 어느 날 가서 무슨 질문을 했더니 저한테 이렇게 말하시더라고요. “네 불안에 내 시간 쓸 생각 없어. 끝까지 실행해봐, 그러면 질문이 구체적으로 변할 거야. 그래도 해결 안 되면 그때 찾아와"라고”

4. “불안할 때 한 가지 일을 더 실행해보고, 더 실행해보고, 더 실행해보는 것들, 그런 것들을 통해서 저도 굉장히 많이 배웠고, 그래서 제 인생의 슬로건에는 이런 게 있긴 해요. ‘까리하면 제일 어려운 길로’”

5. “최소한 그렇게 살면 (쉽게) 죽진 않거든요. 그러니까 ‘헷갈리면 아 몰라 제일 어려운 길로 가’, 그러면 진짜 죽지는 않아요. 근데 (금융 시장에서 오래 있으면서) 헷갈릴 때 쉬운 길을 택해 버릇하면 반드시 죽는다는 건 제가 알고 있어요"

6. “(그러니) 정말 힘드시더라도, 장기적으로 옳은 길을 택하시는 게 가장 빠른 길이다(라는 걸), 많은 선배 경영자들과 훌륭한 경영인들의 책을 보고 느끼시고, 어떤 방향이 장기적으로 성장할 수 있는 길인지 한 번 생각해보시면 어떨까라는 생각을 가지고 있습니다"

- 고위드 김항기 대표

https://www.youtube.com/watch?v=guETTiacPnE&t=902s

YouTube

’질문이 모호하다’는 건

01. 며칠 전 절친한 분의 의뢰로 네이밍 작업을 하나 하게 되었습니다. 브랜딩 일을 한다고 하면 자주 받는 의뢰 중의 하나인데, 가장 좋아하는 일이기도 하지만 동시에 가장 어렵다고 생각하는 일이 바로 이름 짓기, 이 네이밍입니다. 

02. 네이밍이 어려운 이유는 결과론적 시각이 가장 크게 작용하는 부분이기 때문입니다. 누구나 아는 위대한 제품이나 서비스, 브랜드로 성장한 다음에야 '저 브랜드는 이름부터 근사해'라는 평을 듣게 되지만, 사실 그 이름을 처음 들이밀었을 때는 반신반의하거나 '이게 뭐냐'는 식의 반응을 보인 사람들이 훨씬 많을 거거든요. 
하물며 큰 성공을 거둔 뒤에도 '솔직히 이름이 뭐 얼마나 대단한 역할을 했냐. 성공하고 나니까 좋아 보이는 거지'라는 내부의 비판을 들을 때도 있습니다. 

03. 동의가 되는 부분도 있고 아닌 부분도 있지만 오늘 하고 싶은 이야기는 네이밍의 역할에 관한 것은 아닙니다. 오히려 좋은 이름을 짓기 위해서는 (그 수많은 핍박과 의심과 결과론적 시각의 집중포화를 맞음에도 불구하고) 어떤 노력과 관심을 기울여야 하는지 현실적인 방법들에 대한 이야기가 될 것 같네요. 

04. 네이밍에 정답이 없다는 사실은 누구나 다 알고 계실 겁니다. 어쩔 땐 저도 수십 개에 해당하는 리스트를 만들어 가슴에 품고 다니면서도 맘에 드는 녀석이 하나 없어 끙끙 않을 때가 많거든요. 이번에 지인이 의뢰하신 네이밍도 마찬가지였습니다. 개인적으로는 비업무의 영역이지만 또 그분에게는 나름의 중요한 의미가 있는 프로젝트이니 대충 할 수도 없는 노릇이죠. 때문에 요 며칠간은 매일 아침마다 몇 개의 단어를 입으로 발음해 보고 운전하고 지나가다 눈에 밟히는 간판 위에 그 단어를 얹어보기도 하고, 만나는 사람에게 '이런 유형의 발음이 어떻게 들리시나요?' 같은 질문들을 해대며 살았던 것 같습니다. 

05. 그런 노력들 속에서 이번에도 깨달은 것 한 가지는 네이밍이라는 분야야말로 지나치게 깊이 파고들어갈 것이 아니라 끊임없이 지우고, 버리고, 비우고를 반복하며 먼 시각에서 흐린 눈(?)으로 바라봐야 한다는 것이었습니다.
이게 무슨 말인고 하면, 네이밍을 일반적인 기획이나 브랜딩처럼 기존의 지식과 정보 위로 쌓고 또 쌓아가며 다듬는 방법을 택하면 오히려 역효과가 날 수 있다는 의미입니다. 

06. 그래픽 디자이너로 시작해 90~2000년대 전 세계 기업의 로고를 수도 없이 많이 디자인 한 폴 랜드(Paul Rand)라는 인물을 아실 겁니다. 그런 폴 랜드가 남긴 유명한 어록이 하나 있죠. 
'좋은 이름을 만나면 로고 작업의 절반은 이미 끝나 있는 것과 마찬가지다. 좋은 이름은 탄생과 동시에 사람들의 일상 속으로 깊숙이 파고들어 그 자체로 브랜드가 되기 때문이다. 간결하지만 명확한 이름을 만나면 로고는 10초 만에도 그린다.'

07. 그래서 저는 네이밍을 할 때 나름의 원칙들이 몇 가지 있습니다. (물론 이 원칙은 자주 깨지기도 하지만요... 일단 저 스스로를 다독이는 무기인 셈이죠.)

첫째, 발음 자체가 되도록 간결하고 쉬울 것 
둘째, 의미 파악을 위한 depth가 깊지 않을 것 
셋째, 유행의 흐름을 되도록 덜 타게 할 것 
넷째, 다른 이름과 헷갈리게 만들지 않을 것 
다섯째, 후발주자라는 인식을 절대 심어주지 말 것 

08. 이렇게 보면 사실 위 다섯 가지 원칙은 하나의 문장으로 정리가 되는 것 같습니다.
바로 '쉽고 간결하되 누군가를 의식해서 만든 것처럼 보이지 않아야 한다'라고 말이죠. 그리고 저는 이것이야말로 네이밍이자 브랜딩을 하는 가장 본질적인 노력이라고도 생각합니다. '우리다움을 가장 명확하게 드러내되, 그것이 유일하고 특별하고 소중하게 하는 것'이 바로 브랜드를 만드는 첫 번째 이유가 될 테니 말이죠. 

09. 그래서 혹시라도 업무를 하시는 중에 네이밍을 해야 할 일이 있다면 그저 필 꽂히는 느낌대로 여러 단어를 조합해 볼 게 아니라 방망이 깎는 노인처럼 마치 그 브랜드가 그 이름으로 런칭했다고 가정하고 계속해서 가상현실에 접목해 보는 노력을 하는 게 중요합니다. 그러면서 불필요한 것을 덜어내고 더 명확하게 드러낼 수 있는 게 없을지 하나씩 체크하는 게 좋은 이름을 만드는 진정 어린 노력이 아닐까 싶거든요. 

10. 네이밍 업무를 할 때면 수명이 몇 년씩은 단축되는 듯한 느낌이지만, 좋은 이름 하나를 만들고 나면 그 뿌듯함과 벅참은 다른 무엇보다도 오래 보존됩니다. 누군가는 이름을 짓는다는 그 무게감이 버거워 굳이 맡으려고 하지 않을 때도 많지만 개인적으로는 한 번쯤 과감히 도전해 봐도 좋은 영역이라고 생각합니다. 다른 존재에게 이름을 부여한다는 행위는 기존에 우리가 하던 일과는 또 전혀 다른 책임감과 사명감을 안겨다 주기 때문이죠. 그래서 저는 이름을 짓는 일을 참 애정하고 더 잘하고 싶은가 봅니다.

이름을 짓는다는 것 : '네이밍'을 위한 현실적인 고민과 노력

코로나 장기화 가운데 오히려 성장한 브랜드 TOP 10과 그 이유 - 오픈서베이 블로그

📋코로나 장기화 가운데 오히려 성장한 브랜드 TOP 10과 그 이유

오픈서베이가 20년 2월 ~ 21년 1월까지 쌓은 신용카드 결제 내역 데이터를 토대로
동기간 결제 건수가 가장 많이 증가한 브랜드 TOP 10을 선정했습니다.

1. 배달의민족
2. 쿠팡
3. 이베이
4. 네이버 쇼핑
5. 메가커피
6. 삼성디지털프라자
7. 마켓컬리
8.넷플릭스
9. 자연드림 iCoop 생협
10. 컴포즈커피

결제 건수를 기준으로 삼은 이유는 글에서 자세히 설명해주고 있는데요.
간단하게 말씀드리면 
매출이 만들어지는 공식은 [매출 = 객단가 x 결제건수 = 객단가 x 인당 결제 빈도 x 결제자 수]인데 
이 세가지 요소 중 하나라도 증가하면 매출이 증가하고, 
장기적인 관점에서 성과를 얻기 위해서는 우측에 있는 요소 (객단가 < 인당 결제 빈도 < 결제자 수)
일수록 더 큰 효과를 가져온다는 겁니다. 

배달의 민족 등 코로나 이후 성장한 브랜드를 보면 공통적으로 결제건수의 총량이 증가했다고 하네요.
이중에서 예측했던 브랜드도 있을테고, 생각하지 못했던 브랜드도 있을 것 같습니다.

결론은 이 브랜드들이 성장하고 결제 건수를 높일 수 있었던 배경은
 빠른 배송과 간편 결제 등의 경쟁력입니다.

오픈서베이 블로그

프로덕트 매니저/서비스 기획

sunny seong

한주현

카카오 서비스운영

romi 김아름

프로덕트 매니저

국내 IT 기업에서 콘텐츠 서비스를 담당하고 있는 서비스 기획자입니다. 
주 업무는 상세 페이지 기획, UI/UX 설계, 데이터 분석 등을 하고 있습니다.  IT, 콘텐츠, 웹툰 등 다양한 분야의 트렌드 서칭에 관심이 많고, 경험을 통해 얻은 인사이트를 공유하는 것을 좋아합니다.

송은주

현재는 서비스 기획자이며, 이전에는 검색 서비스 기획, 콘텐츠 에디터 역할을 하였습니다.  세상의 재밌는 일은 무엇이든 도전해보고 싶고, 그 경험을 여러 사람과 함께 나누고 싶습니다.  콘텐츠, UI/UX 설계, 성장에 관심이 많습니다.

댓글 0