테슬라가 2023년 9월 23일, 테슬라봇으로 알려진 옵티머스에 관한 업데이트 버전을 영상을 통해 공개했다. 지난 2021년 AI데이를 통해 공개된 옵티

테슬라, 한 발로 서는 휴머노이드 로못 옵티머스 공개

커리어리 친구들, 지난해 테슬라 로봇인 옵티머스가 1년만에 많은 발전한 동영상을 공개 했습니다. 

이 비디오는 새로운 환경에 적응하는 데 필수적인 자체 교정 루틴을 수행하는 테슬라 봇 일명 옵티머스 로봇으로 시작됩니다. 그런 다음 테슬라봇이 어떻게 텀퓨터 비전과 관절 위치 센서를 사용하여 외부 피드백에 의존하지 않고 우주에서 팔다리를 정확하게 찾을 수 있는지 보여줍니다. 이것은 테슬라봇이 물체와 상호 작용하고 정밀하고 손재주로 작업을 수행할 수 있게 해 줍니다. 

http://global-autonews.com/bbs/board.php?bo_table=bd_010&wr_id=7822

글로벌오토뉴스

<테슬라, 한 발로 서는 옵티머스 공개>

쿠키 1부: HTTP로 설명하는 쿠키(cookie)

“쿠키는 클라이언트에 저장되고… 음,,, 보안에 좋지 않습니다.” 😅

개발자 면접을 볼 때 쿠키에 대해서 물어보면 가장 흔하게 들을 수 있는 대답인데요. 완전히 틀린 말은 아니지만 뭔가 알맹이가 빠진 느낌이 듭니다.

“그럼 보안을 위해서 쿠키는 안 쓰는 게 좋겠네요?”

라고 반문을 하면 오랫동안 웹 개발을 한 분들도 머뭇거리시는 경우가 많은데요. 아무래도 대부분의 서버 프레임워크에서 쿠키를 직접 다루지 않아도 되도록 추상화 잘 되어 있기 때문에 오히려 쿠키를 직접 다루거나 쿠키에 대해 깊이 생각해볼 기회가 많지 않아서 그런 것 같습니다.

사실 쿠키는 웹에서는 빼놓을 수 없는 핵심적인 기술이죠? 프런트 개발을 하든 백엔드 개발을 하든 웹 개발자로서 쿠키를 제대로 이해해두시면 두고두고 유용한 지식이 될 거라 생각합니다. 그래서 2개의 포스팅에 걸쳐서 쿠키를 기술적으로 깊게 파해쳐보려고 합니다. 🔪

첫 번째 포스팅에서는 쿠키가 어떻게 서버와 브라우저 간에 이동을 하는지, 그리고 쿠키의 유효 기간과 적용 범위를 설정하는 방법과, 쿠키의 한계와 대체 기술에 대해서도 살펴보겠습니다.

📝 포스팅: https://www.daleseo.com/http-cookies/

우리가 웹에서 쿠키를 사용할 수 밖에 없는 결정적인 이유인 세션 기반 사용자 인증에 대해서는 아래 두 번째 포스팅을 참고 바랍니다.

🎵 쿠키 2부: 세션은 쿠키가 필요해: https://careerly.co.kr/comments/91233

Daleseo

쿠키 1부: HTTP로 설명하는 쿠키 🍪

막연히 옛날부터 있었던 기술이라고 생각했는데 자세히 설명해주셔서 감사합니다.

최근에는 보안의 경우 js로 접근이 가능한 로컬스토리지를 사용하지말고, 시큐어 쿠키로 자바스크립트의 접근을 막으라는 블로그 포스팅을 본 적이 있어 공유합니다

https://andrewlock.net/should-you-use-the-dotnet-8-identity-api-endpoints/#1-bearer-tokens-in-the-browser-should-generally-be-avoided-where-possible



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

이번 포스팅에선 아주 중요하지만 프로그래밍 교육 과정에서 크게 다루지 않는 보안 에 대해 이야기 해보려고 한다. 최근엔 프레임워크나 라이브러리 차원에서 잘 막아주기 때문에 큰 언급없이 넘어가는 경우가 많지만 소프트웨어 개발자는 꼭 보안 전문가가 아...

웹 개발을 위해 꼭 알아야하는 보안 공격

보안은 웹 개발에서 굉장히 중요한 분야 중 하나지만, 프로그래밍 교육이나 개인 포트폴리오로 프로젝트를 진행할 때 크게 다루지 않는걸 종종 보곤 했습니다.

아마도 요즘 사용하는 프레임워크나 라이브러리에서 대부분의 보안 공격이나 실수에 대해 방어할 수 있도록 구현이 잘 되어있기 때문이겠습니다만

웹 개발자 혹은 소프트웨어 개발자라면 보안 전문가 수준까진 아니더라도 기초적인 보안 공격에 대한 이해와 이를 방어할 수 있는 방법을 알아둠으로써 혹시나 발생할 수 있는 실수를 사전에 막을 수 있어야 합니다.

오늘은 알아두면 나중에 반드시 도움이 되는 보안 공격에 대해 잘 정리된 글이 있어 공유드립니다.
글에서 언급된 대표적인 보안 공격을 요약하자면 다음과 같습니다.

📌 SQL Injection
서버에서 실행되는 SQL을 악의적으로 이용하는 공격입니다. 
이름처럼 기존 SQL에 악의적인 SQL 구문을 삽입하여 데이터 탈취, 삭제 등을 할 수 있습니다.

📌 Cross-Site Scription (XSS)
웹 페이지에 악성 자바스크립트를 삽입하는 공격입니다. 
최근엔 SPA(Single-Page Application)로 배포되는 서비스가 많은데, 이렇게 배포되는 서비스 대부분이 인증 관리를 위해 토큰을 Cookie 혹은 localStorage 에 저장합니다. 
이때 XSS 방어 준비가 되어있지 않은 경우 자바스크립트를 통해 불특정 다수의 사용자 토큰을 손쉽게 탈취 할 수 있습니다.

📌 CSRF Attack
Cross-Site Request Forgery라고 부른다. 공격자가 서비스 사용자를 이용하여 요청을 보내는 공격을 말합니다.
예를 들어 네이버 로그인과 똑같은 화면을 제공하는 피싱 사이트를 사용자가 피싱 사이트인 것을 모르고 아이디와 비밀번호를 입력하고 로그인 버튼을 누른다면 피싱 사이트는 진짜 네이버 로그인 URL 에 요청할 수 있게 됩니다. 
만약 CSRF 에 대한 방어가 제대로 안되어 있다면 성공/실패 Response 가 내려올 것이고 이를 통해 해커는 성공한 계정 정보를 판단하여 탈취할 수 있습니다.

📌 Command Injection
쉘을 실행시키는 로직을 이용한 공격으로 시스템 권한이 탈취되는 것이나 마찬가지기 때문에 매우 치명적입니다.
각 언어마다 쉘 명령을 실행할 수 있는 API 가 존재하는데 이러한 API 를 해커가 호출할 수 있게 방어가 안되어있다면 치명적인 결과를 불러올 수 있다.

📌 File Upload Attack
공격 스크립트가 담긴 파일을 서버로 업로드하는 공격입니다. 
WebShell 이 가능한 코드가 담긴 파일을 업로드하고 해커가 URL을 통해 접근 가능해지면 Command Injection 과 같은 효과를 볼 수 있습니다.

📌 JavaScript Injection
브라우저에서 자바스크립트를 삽입시키는 공격입니다. 
브라우저에서 제공하는 Console 을 통해 Javascript 코드 조작이 가능하기 때문에 Client-Side 에 민감한 데이터를 넣어놨다면 해당 공격을 통해 탈취가 가능합니다.

📌 DDoS
꽤 유명한 보안 공격중 하나입니다.
Distributed Denial of Service 라고 부르는데, 직역하면 분산 서비스 거부 공격이라고 할 수 있습니다. 
이름처럼 분산된 시스템을 이용하여 서버에 비정상적으로 많은 트래픽을 보내 마비시키는 공격입니다.
공격자는 수 많은 PC 를 이용하여 서버에 트래픽을 보내는데 몰래 심어 놓은 좀비 PC 를 이용할 수도 있고 본인이 사용할 수 있는 PC 를 이용할 수도 있습니다. 
많은 트래픽이 발생하기 때문에 공격을 받는 서비스는 부하가 생겨 느려지거나 서버가 죽을 수 있습니다.

📌 Dictionary Attack
미리 데이터베이스에 등록해놓은 수많은 문자열을 암호로 대입하는 공격으로 Brute Force의 일종입니다.
"하나만 걸려라" 공격이라고도 볼 수 있는데 많은 웹 사이트에서 간단한 단어로 비밀번호를 등록하지 못하게 하는 이유기도 합니다.

📌 Rainbow Table
평문을 해시 함수로 만든 문자열을 모두 저장시켜 놓은 표를 가지고 탈취한 계정 데이터의 암호 원문을 알아내는 공격입니다.

각 보안 공격에 대한 대응 방법과 주의사항등은 공유드린 원문에 자세히 설명되어있으니 관심있으신 분들은 참고해주시면 좋겠습니다.

📚 원문
- https://kciter.so/posts/basic-web-hacking

📚 함께보면 좋은글
- 🔐 암호화의 종류: https://careerly.co.kr/comments/89377?utm_campaign=self-share

kciter.so

🔐 웹 개발을 위해 꼭 알아야하는 보안 공격

ChatGPT 쓸 때 질문을 영어로 번역해 주고, 답변도 한글로 번역해 주는 번역기입니다.

프롬프트 지니: ChatGPT 자동 번역기

ChatGPT를 쓰다보면 불편한 점들이 몇가지 있는데 그런 부분들을 보완해주는
없어서는 안되는 필수 크롬 익스텐션을 3가지 소개합니다!

1/ 프롬프트 지니 : ChatGPT 자동 번역기 (필수!)

ChatGPT 입력창에 한글로 입력하면 자동으로 영문으로 전환해서 물어보고, 결과가 영어로 나오면 한글로 자동 번역해서 보여줍니다.

ChatGPT의 영문 학습량이 한글보다 많아서 더 정확한 결과를 얻으려면 영어로 프롬프트를 작성해야 할 경우가 많습니다. 

번역기를 왔다 갔다하면서 입력해야 하는 번거로움을 한방에 해결해주는 필수 익스텐션 입니다.

https://chrome.google.com/webstore/detail/프롬프트-지니-chatgpt-자동-번역기/lhkgpdljnlplgbkonflbhifackjhjmdj?hl=ko

2/ AIPRM : 원클릭 프롬프트

막상 ChatGPT를 열어서 원하는 결과를 얻으려면 프롬프트를 쓰는걸 시작하기 쉽지 않습니다. 너무 간단하게 물어보면 추상적인 답변이 나오고, 맥락을 설명 하면서 해야하는데 어떻게 효과적으로 물어봐야하는지 잘 떠오르지 않죠. 그리고 복잡하고, 구체적인 답변을 원한다면 빌드업에 많은 시간이 걸립니다.

AIPRM은 이런 프롬프트 작성의 문제를 해결해줍니다.

3600개 이상의 검증된 프롬프트를 활용해서 빠르게 원하는 질문을 만들고, 원하는 답변을 받을수 있도록 도와줍니다.

https://chrome.google.com/webstore/detail/aiprm-for-chatgpt/ojnbohmppadfgpejeebfnmnknjdlckgj?hl=ko

3/ WebChatGPT: 인터넷 액세스 가능한 ChatGPT

ChatGPT는 최신 데이터를 가지고 있지 않습니다. 

특정 시점 이전의 데이터만 학습해서 모델을 만들었고, 인터넷에 있는 정보를 실시간으로 반영하지 않습니다. 그래서 최신 정보를 물어보면 대답이 틀리거나, 모른다고 답변합니다.

WebChatGPT는 ChatGPT에게 인터넷에 접근가능하게 만들어 줍니다.

그 외에도 AIPRM 처럼 프롬프트 라이브러리를 제공하고, 검색 서비스옆에서 AI가 생성한 답변을 볼수 있게도 해줍니다.

https://chrome.google.com/webstore/detail/webchatgpt-chatgpt-with-i/lpfemeioodjbpieminkklglpmhlngfcn?hl=ko

Google

ChatGPT 사용할때 꼭 필요한 크롬 익스텐션 3가지

We are beginning to roll out new voice and image capabilities in ChatGPT. They offer a new, more intuitive type of interface by allowing you to have a voice conversation or show ChatGPT what you're talking about.

ChatGPT can now see, hear, and speak

커리어리 친구들, 그동안 소문만 무성하던 OpenAI 에서 드디어 whisper 가지고 chatgpt 와 사람과 대화를 하는 앱(ios, android)을 내놓는다고 합니다. 

또한, 다양한 이미지를 업로드하고 그것에 맞는 것을 확인하고나 추천해달라는 멀티 모달 방식의 새로운 대화 방식을 선보입니다. 

또한 GPT-4V 시스템 카드 테크니컬 페이퍼도 나왔네요. 구글 바드는 착륙도 하기전에 벌써 제이마니(Gemini)에 대해 구글 스스로가 얘기 하는 중이라 좀더 지켜 봐야 겠습니다. 암튼 오픈AI는 지속적으로 애플리케이션 단에서 모달리티 확장을 먼저 시작했는데요, 항상 타 사 보다 한 발짝 먼저 나가는 모습이 대단합니다. 

실리콘 밸리에서 Chatgpt 유용성에 대해 회의적 반응을 몇몇 전문가들이 내놓았는데 조금 더 사용자가 챗GPT로 추천, 검증 받는 멀티미디어 대화 방식으로 한 발작 다가가는 모습을 보여주네요 🙂 아래의 링크를 터치해서 데모를 꼭 봐 주세요~~!!

Openai

<OpenAI, 보고 듣고 말하는 서비스 오픈>

📖문해력 위기? 산만의 시대? 현대인들이 집중을 못하는 이유 (ft.도둑맞은 집중력, 요한하리 작가)

<도둑맞은 집중력> 에서는 직장인들의 주의력이 완전히 망가졌다고 말합니다. 멀티태스킹, SNS, 잘못된 생활 습관으로 사람들은 집중하는 능력을 잃어버렸고 이는 퍼포먼스의 저하로 이어집니다.

한 실험에서 운전 시뮬레이터에 앉은 참가자들은 핸드폰 문자 수신을 받을 때, 술을 마셨을 때와 비슷한 수준으로 운전 능력이 떨어진다고 합니다. 만약 지금 일하는 곳에서 핸드폰 알림을 확인하고 있다면, 만취한 채로 일하러 온 것과 다름 없다는 의미입니다.

YouTube

일 하는 동안 하루에 얼마나 방해를 받고 있나요?

기업가치 3조5000억 원을 인정받는 등 무서운 성장세를 보이고 있는 패션 플랫폼 무신사(대표 한문일)가 자회사 솔드아웃의 적자 문제로 깊은 고민에 빠졌다. 솔드아웃의 적자가 확대되면서 무신사의 연결 영업이익이 큰 폭으로 감소하고 있어서다. 솔드아웃은 판매·구매수수료를 1년새 5번 가량 인상하고, 신규 카테고리 확장 등 실적 개선을 위해 안간힘을 쓰고 있지만 이렇다할 성과가 없어 수익 회복을 위한 실질적 대책 마련이 필요하다는 지적이 나온다.

무신사, 내년 IPO 도전 잘 될까?...영업이익 갉아 먹는 자회사 솔드아웃 골칫거리

네이버의 크림은 25년 IPO를 선언하면서 4조 밸류를 목표로 한다고 밝혔습니다. 하지만 리셀 플랫폼의 미래가 그렇게 밝아 보이지는 않습니다. IPO를 준비하는 무신사의 실적이 자회사 솔드아웃에게 발목을 잡혔기 때문입니다.

무신사는 투자자들 사이에서 압도적인 점유율과 성장성을 동시에 달성하면서도 높은 수익성까지 갖췄던 완벽한 회사였습니다. 21년에 매출 4600억에 영업이익 540억을 냈던 회사가, 22년에는 영업이익이 겨우 32억으로 쪼그라 들었습니다. 그 이유는 솔드아웃이 -430억이라는 엄청난 적자를 냈기 때문입니다.

리셀 플랫폼은 이커머스의 유일한 희망처럼 보였습니다만, 한 해가 지나자 마자 상황은 급변했습니다. 검수 비용 지출이 너무 많아지고, 수수료를 부과하면서 성장에 대한 고민이 깊어지고, 리셀 붙는 스니커즈에 열광하던 패션 트렌드도 바뀐 것처럼 보입니다.

소비자가 만드는 신문

리셀 플랫폼은 4조원 밸류가 될 수 있을까?

이후철, 이상호 책임님을 응원합니다! *본 콘텐츠는 7월 21일에 촬영되었습니다. 재무덕후 이재용 회계사🤓와 함께하는 소비문화 디깅 토크쇼, B주류경제학 매주 목요일 오후 6시 🔔구독, 좋아요, 알림설정🔔 제휴/광고 문의: videocontent.team@toss.im

더현대 내부는 매일 전쟁중? 팝업스토어의 성지 더현대서울 비하인드 (w. 이희석 부장) | B주류경제학

더현대서울 팝업을 기획하는 현대백화점 이희석 부장의 팝업 산업 이야기입니다. 더현대서울 지하가 어떻게 “성지”가 되었는지를 잘 알 수 있는 영상입니다.

오프라인 유통의 희망 더현대서울 팝업

----
이전 뉴스레터를 읽고 오시면 이해가 빠릅니다!

AI 컨텐츠 시스템으로 혼자 4개월만에 202,000달러를 벌다
-> https://www.thealchemy.ai/p/vol-10
----

먼저, 레만은 ChatGPT를 WOW(World of Warcraft) 하는 Nerd(괴짜)! 라고 정의합니다. 

“저는 ChatGPT를 하루 종일 집에 앉아 월드 오브 워크래프트를 플레이하고, 책을 읽고, 마운틴 듀를 마시고, Reddit을 검색하는 정말 똑똑하고 괴짜 같은 15세 아이라고 생각합니다.”

“태어날 때부터 인터넷을 검색해왔기 때문에 거의 모든 것을 알고 있습니다. 그리고 약간 이상하게 인터넷 용어들을 섞어서 말을 하고, 굉장히 빨리 배웁니다. 하지만 사람들과 접촉 경험이 많지 않아서 기본 상식이 부족하거나 문맥을 잘 이해하지 못하기도 합니다.

이것이 바로 제가 정의하는 ChatGPT입니다!”

- 올레 레만(Ole Lehmann) -

또한 적절한 지시사항과 맥락만 제공하면 거의 모든 것을 가르칠 수 있고, 가르친 것을 기반으로 물어볼 수 있고, 올바른 방법으로 요청 하기만 하면 모든 것을 대신 해준다고 합니다.

그리고 올바른 방법으로 요청하려면 잘 만들어진 프롬프트가 필요합니다.

대부분의 사람들은 충분히 구체적인 질문을 하지 못하기 때문에 ChatGPT를 통해서 원하는 결과를 얻지 못한다고 합니다.

마치 산탄총으로 수백 미터 떨어진 작은 과녁을 맞추려고 하는 것과 같은거죠.
ChatGPT를 처음 썼을때 가벼운 질문을 해본 경험이 있다면 어떤 경우인지 이해하실 겁니다.
대충 물어보면, 대충 대답을 하는 ChatGPT를 보면서 ‘뭐야? 이게다야?” 라고 하는거죠.

이것은 ChatGPT의 잘못이 아니라, ChatGPT가 어떻게 작동하는지 이해하지 못한데다, 충분히 구체적으로 질문하지 못한결과입니다.

ChatGPT에게 질문하기 전에 먼저 내가 맞힐 목표인 과녁이 얼마나 떨어져있고, 수많은 과녁 중에 어떤 것을 맞히고 싶은지 먼저 결정해야합니다.

그걸 충분히 전달하면 ChatGPT는 저격총이 되어서 그 과녁을 빠르고 정확하게 맞출겁니다.

❝

“잘 만들어진 프롬프트는
ChatGPT를 산탄총이아닌
저격총으로 만들어줍니다.”

❝

잘 만들어진 프롬프트의 핵심 기술을 간단하게 설명하면 다음의 두가지 입니다.

1. 무엇을 원하는지 정확하게 파악하기
2. 원하는 것을 얻기 위해 요청하는 방법 이해하기

어떤 답을 원하는지 정확히 파악하고 그에 따라 프롬프트를 만들고, 조정하는 방법을 배움으로써 ChatGPT를 마스터할 수 있게 되는 것입니다.

레만은 강의를 시작하면서 프롬프트를 잘만드는 방법 5가지를 소개하고 있습니다.

1% 사용자만 아는 ChatGPT 프롬프트 잘 쓰는 방법 5가지

1/ 아웃풋을 명확히 한다

ChatGPT가 정확히 어떤 기능을 수행하길 원하시나요?
어떤 결과를 원하시나요?
ChatGPT에 다음과 같이 요청하는 것과

"LinkedIn 게시물 작성해줘"

다음과 같이 요청하는 것 사이에는 큰 차이가 있습니다:

"많은 사람들이 클릭하고 싶어하는 LinkedIn 게시물을 작성하는 방법에 대해 매력적이며 권위 있는 어조로 대화하는 느낌을 살려서 실행 가능한 LinkedIn 게시물을 작성해 주세요. 짧고 간결한 훅을 사용하고 짧고, 강력한 요약문으로 마무리 해주세요.”

2/ 제약 조건을 설정한다.

제약 조건을 설정하는 것은 마치 ChatGPT가 채워줄 상자의 테두리를 그리는 것처럼 생각하면 됩니다.
일반적으로 사용하는 제약 조건은 다음과 같은것이 있습니다.

ㄴ 단어 수 - 최소, 최대 단어 수
ㄴ 토픽 - 아웃풋이 어떤 주제에 관한 것인지 설명
ㄴ 네거티브 프롬프트 - ChatGPT가 수행하기를 원하지 않는것

3/ 컨텍스트를 제공한다.

ChatGPT가 사람에 비해 가장 크게 부족한 것은 알려주지 않으면 스스로 컨텍스트를 파악하지 못한다는 것입니다.

일반적으로 가까운 사람에게 무언가를 요청할 때, 사람들은 무엇이 적절하고 무엇이 적절하지 않은지에 대한 맥락을 꽤 잘 파악하고 대화를 합니다.

(예를 들어, 와이프나 여자친구가 "나 이거 잘 어울려?" 라고 묻는다면? 대답은 한가지 뿐이라는 것을 남자들은 바로 알 수 있죠.)

하지만 ChatGPT에게 무언가를 요청하는 것은 처음보는 사람에게 부탁을 하는 것과 같이 해야합니다. 서로 아무것도 모르기 때문에 기본적인 것부터 모든 것을 설명하는거죠.

컨텍스트를 제공하는 몇 가지 일반적인 방법은 다음과 같습니다:

- 작업의 목적 설명하기
- 본인 또는 회사에 대한 배경 정보 제공
- 이야기를 듣거나, 글을 보는 대상(청중)에 대한 정보 제공

컨텍스트 제공은 시간이 많이 소요될 수 있지만, 충분히 원하는 답변을 위해서 반드시 필요합니다.

4/ 예제를 알려준다.

찾고 있는 것을 설명하는 가장 쉬운 방법은 찾고 있는 것의 예시를 보여주는 것입니다.

예를 들어 ChatGPT가 내 글과 비슷한 분위기로 링크드인 게시물을 작성하도록 하는 가장 쉬운 방법은 내가 쓴 링크드인 게시물을 입력해서 내 글을 학습하도록 하는 것입니다.
대규모 언어 모델인 ChatGPT는 텍스트 구조를 해석하는 데 매우 뛰어납니다.

"내가 찾고 있는 것에 대한 예시가 여기 있어!"라고 말하기만 하면 예시를 분석하여 훨씬 더 나은 결과를 제공하게 됩니다.

5/ 서식을 지정한다.

서식은 아웃풋을 표시하는 방식을 말합니다. 이런걸 이야기 해주는거죠.

- 제목과 부제목을 사용하세요.
- 한 문장으로된 단락으로 작성하세요.
- 텍스트 대신 표로 만들어서 보여주세요

---------------------------------------------

커리어리가 글 사이에 이미지를 넣거나 강조하는기능을 지원하지 않아서 맥락이 잘 전달되지 않는경우가 있습니다.

뉴스레터를 통해서 보시면 더 나은 컨텐츠 경험을 하실수 있습니다!
https://www.thealchemy.ai/p/vol-11

---------------------------------------------

1% 사용자만 아는 ChatGPT 프롬프트 잘 쓰는 방법

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

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

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.

차우진의 TMI.FM

🚫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

’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

보이스루 인재채용

DeepLearning R&D Researcher

주요업무
• 번역 관련 자연어 처리 연구개발(‘번역‘이라는 도메인에 특화된 application 개발에 집중)
• 웹툰 관련 이미지 처리 연구개발(‘웹툰 번역/식자질’이라는 도메인에 특화된 application 개발에 집중)
• R&D 연구 과제 수행

자격요건
• 관련 경력 1 ~ 5년 내외
• 자연어 처리(NLP) or 이미지 처리(VISION) 관련 백그라운드를 보유한 분
• Python, C++ 등의 프로그래밍 언어를 1개 이상 자유자재로 다루고 Linux/Shell 환경에 익숙하신 분
• 주요 머신러닝 프레임워크에 대한 이해가 깊은 분 (ex: TensorFlow, PyTorch)

우대사항
• 자연어 처리 관련 or 이미지 처리관련  학위 석사 이상
• 자연어 처리 : Machine translation 또는 sequence generation에 대한 경험이 있는 분
• 이미지 처리 : Image Inpainting 또는 OCR에 대한 경험이 있는 분
• 스타트업 출신 개발자
• 대기업에 재직 중이나, 자유로운 개발 문화에 관심 있는 분
• ML 관련 상용 프로덕트를 개발한 경험을 가진 분

피플팀

보이스루

인스타그램

페이스북 페이지

보이스루 팀 블로그

채용페이지

Connected Everywhere
Connected Every People
Connected Every Culture
#개발자 #애자일개발 #UX디자인 #UI디자인 #기획자 #백엔드 #소프트웨어엔지니어 #스타트업 #프로덕트매니저 #프로젝트매니지먼트 #퍼포먼스마케팅

댓글 0