rarirar1님의 블로그 : 네이버 블로그

가끔 제가 하고 있는 일과 일에서 얻은 경험, 더 나아가 커리어를 쌓아가며 시도했던 것 중 유효했던 것과 시행착오를 겪은 것들을 모아서 공유해 달라는 요청을 받습니다. 현업에 있기 때문에 현업에 몰입을 하는 것이 먼저라 바쁜 시기에는 감사한 제안을 정중히 거절하기 바쁩니다. 정확히 셈을 해보진 않았지만 10번의 제안이 오면 그중 1, 2개 정도만 겨우 수락하고 진행하는 것 같습니다.

일만 하기도 바쁘고 제 생각을 가만히 돌아보며 성찰하기에도 부족합니다. 그럼에도 제 생각을 공유하는 자리를 가끔씩 가져가려고 의식하는 중입니다. 14년 동안 프로덕트 디자이너, UX 리서처, UX 라이터로서 일 하면서, 6번째 회사에서 일을 하면서, 매번 인더스트리를 바꿔가면서 계속 일 하는 사람으로서 제가 가진 경험에서 누군가는 '같은 시행착오를 겪지 않길 바라는 마음'이 있기 때문입니다. 일 하는 동안 덜 겪어도 되는 시행착오들, 현업에 롤모델이 없어 방황하고 고민했던 시기에 시도했던 것들 중 유용했던 경험들. 성장을 하는 건강한 방식에 대해 누군가 제게도 그때 말해줬다면 정답이 아니더라도 표본으로서 충분히 의미가 있다고 생각했습니다.

지난주 'UX 리서치에 대한 이해와 오해'를 주제로 공유했던 경험에 대해 공감해 주신 수강생 분이 기록해 주신 글을 공유받아 소개합니다. 성장은 배움에서 일어나는 것이 아니라, 배움을 공유하고 공유를 통해 나와 다른 생각을 하는 사람과 연결되고, 연결된 가운데 생각의 변화를 만들고, 그 변화가 다른 사람에게도 이뤄질 수 있도록 돕고, 이걸 반복하는 과정에서 생기는 '함께 변화하는 폭'이라고 믿습니다. (강의에 대한 생각을 기록하고 공유해 주셔서 감사합니다)

[ 큐레이터의 문장 🎒 ]

사실 이 수업은 어떤 수업인지 그렇게 감이 안왔었는데 들으면 들을 수록 정말 눈이 땡그래지는 포인트였다. 일단 4시간 수업의 빌드업이 정말 소름끼치게 완벽하다는 생각이 들었는데 처음에는 좀 가벼운 주제로 시작하다가 마지막으로 갔을 때 디자이너로써 가져야할 마인드와 교훈, 습관을 알려주시며 마무리하셨는데 그 과정이 정말 극극극 J인 나로써 모든게 철저하게 준비된 완벽한 강의처럼 느껴져서 감동 포인트였다. 그리고 가끔씩 던지는 유머코드도 진짜 취향저격이었다. (이것도 되게 전략적이라고 느낌) 아 발표는 저렇게 하는 거구나. 또 철두철미하게 시간을 지키시는 모습 정말 완벽 그자체.. 질문받는시간 수업끝내는 시간 쉬는시간까지 모두다
지키고 장표까지 시간안에 완벽하게 마무리하시는 모습이 정말정말 프로페셔널 해보이셔서 너무너무 감동 포인트였다.

그동안 포트폴리오 팁에서 들을 때 나만의 스토리를 만들어라. 라고 말했을 때 도대체 나만의
스토리가 뭐야? 와닿지 않았었는데, 아 이게 스토리구나 라는 생각이 들었다. 진짜 진짜 커리어를 처음 시작하는 사람들을 위해서 처음부터 장표 끝까지 버리는 내용, 대충넘어가는 부분없이 설계를 하신 느낌? 그런 느낌이라서 너무너무 감동스러웠다 진짜.. 특히나 마음에 와닿았던 내용은 마지막 성숙한 사람이 되기위한 마음가짐이었다.

개인적으로 요즘 가장 큰고민.. 팀플을 할 때 어떤 포지션으로 있을것인가?
동시에 팀플을 두개를 진행하면서 나 자신에 대해 많이 고민했었다.
나는 각각의 팀에서 어떤 역할을 해야할까? 면접 때 나는 협업시 중요한 것은
상대방의 말을 듣고 존중하는 것이라고 대답했었는데 지금 내가 그렇게 하고 있는가?
라고 다시금 되돌아보는 순간이었다. 특히 "성숙함은 더 많이 듣고 더 적게 말하세요"라는 문장을 보고ㅜ생각이 좀 많아졌던 것 같다.

협업이나 팀플에서 중요한 태도를 말할 때 대부분의 사람들이 강조하는 역량이 나의 의견을 확실히 전달하기 위해 노력했고, 팀을 위해 어떻게 이끌었고 갈등을 해결했고, 이런 적극적인 부분만을 강조하는 경우가 많은 것 같다. 물론 그부분도 굉장히 중요한 부분이라고 생각하면서, 나 또한 협업을 할 때 가만히 있는 것은 좋지 않다고 생각해서 최대한 많이 말하려고 노력했었다. 생각해보니 무조건 많이 말한다고 내 기여도가 높아질까? 그렇게 많이 말한다고 해서 좋은 결과가
나올까? 라고 하면 그건 절대 아닌거 같다. 나는 그동안 팀플을 할 때 내가 참여를 했다고 표현하기 위해 일부러라도 더 말하려고 했던적이 많은 것 같다는 생각이 들었는데, 중요한 건 많이 말하는 것이 아니라 적재적소에 나의 의견을 효과적으로 표현하는 것이라는 근본적인 포인트를 내가 잊었구나 라고 느꼈다. 최근 협업을 많이하며 다른사람들이 어떤식으로 협업을 하는가를 관찰하는 편인데 정말 이 중요한 내용을 잊게 되는 경우가 많은 것 같다. 진짜진짜 협업이 잘 되려면 나의 의견을 계속해서 내는 것 보단 상대방의 의견을 경청하고, 공감하고 , 말하는 양을 늘리는 것이 아닌 정확히 필요한 말을 효과적으로 전달하는 것이 아닐까.. 느낀다.

https://blog.naver.com/rarirar1/223662303503

가끔 제가 하고 있는 일과 일에서 얻은 경험, 더 나아가 커리어를 쌓아가며 시도했던 것 중 유효했던 것과 시행착오를 겪은 것들을 모아서 공유해 달라는 요청을 받습니다. 현업에 있기 때문에 현업에 몰입을 하는 것이 먼저라 바쁜 시기에는 감사한 제안을 정중히 거절하기 바쁩니다. 정확히 셈을 해보진 않았지만 10번의 제안이 오면 그중 1, 2개 정도만 겨우 수락하고 진행하는 것 같습니다. 일만 하기도 바쁘고 제 생각을 가만히 돌아보며 성찰하기에도 부족합니다. 그럼에도 제 생각을 공유하는 자리를 가끔씩 가져가려고 의식하는 중입니다. 14년 동안 프로덕트 디자이너, UX 리서처, UX 라이터로서 일 하면서, 6번째 회사에서 일을 하면서, 매번 인더스트리를 바꿔가면서 계속 일 하는 사람으로서 제가 가진 경험에서 누군가는 '같은 시행착오를 겪지 않길 바라는 마음'이 있기 때문입니다. 일 하는 동안 덜 겪어도 되는 시행착오들, 현업에 롤모델이 없어 방황하고 고민했던 시기에 시도했던 것들 중 유용했던 경험들. 성장을 하는 건강한 방식에 대해 누군가 제게도 그때 말해줬다면 정답이 아니더라도 표본으로서 충분히 의미가 있다고 생각했습니다. 지난주 'UX 리서치에 대한 이해와 오해'를 주제로 공유했던 경험에 대해 공감해 주신 수강생 분이 기록해 주신 글을 공유받아 소개합니다. 성장은 배움에서 일어나는 것이 아니라, 배움을 공유하고 공유를 통해 나와 다른 생각을 하는 사람과 연결되고, 연결된 가운데 생각의 변화를 만들고, 그 변화가 다른 사람에게도 이뤄질 수 있도록 돕고, 이걸 반복하는 과정에서 생기는 '함께 변화하는 폭'이라고 믿습니다. (강의에 대한 생각을 기록하고 공유해 주셔서 감사합니다) [ 큐레이터의 문장 🎒 ] 사실 이 수업은 어떤 수업인지 그렇게 감이 안왔었는데 들으면 들을 수록 정말 눈이 땡그래지는 포인트였다. 일단 4시간 수업의 빌드업이 정말 소름끼치게 완벽하다는 생각이 들었는데 처음에는 좀 가벼운 주제로 시작하다가 마지막으로 갔을 때 디자이너로써 가져야할 마인드와 교훈, 습관을 알려주시며 마무리하셨는데 그 과정이 정말 극극극 J인 나로써 모든게 철저하게 준비된 완벽한 강의처럼 느껴져서 감동 포인트였다. 그리고 가끔씩 던지는 유머코드도 진짜 취향저격이었다. (이것도 되게 전략적이라고 느낌) 아 발표는 저렇게 하는 거구나. 또 철두철미하게 시간을 지키시는 모습 정말 완벽 그자체.. 질문받는시간 수업끝내는 시간 쉬는시간까지 모두다지키고 장표까지 시간안에 완벽하게 마무리하시는 모습이 정말정말 프로페셔널 해보이셔서 너무너무 감동 포인트였다.​그동안 포트폴리오 팁에서 들을 때 나만의 스토리를 만들어라. 라고 말했을 때 도대체 나만의스토리가 뭐야? 와닿지 않았었는데, 아 이게 스토리구나 라는 생각이 들었다. 진짜 진짜 커리어를 처음 시작하는 사람들을 위해서 처음부터 장표 끝까지 버리는 내용, 대충넘어가는 부분없이 설계를 하신 느낌? 그런 느낌이라서 너무너무 감동스러웠다 진짜.. 특히나 마음에 와닿았던 내용은 마지막 성숙한 사람이 되기위한 마음가짐이었다.​개인적으로 요즘 가장 큰고민.. 팀플을 할 때 어떤 포지션으로 있을것인가?동시에 팀플을 두개를 진행하면서 나 자신에 대해 많이 고민했었다.나는 각각의 팀에서 어떤 역할을 해야할까? 면접 때 나는 협업시 중요한 것은상대방의 말을 듣고 존중하는 것이라고 대답했었는데 지금 내가 그렇게 하고 있는가?라고 다시금 되돌아보는 순간이었다. 특히 "성숙함은 더 많이 듣고 더 적게 말하세요"라는 문장을 보고ㅜ생각이 좀 많아졌던 것 같다.​협업이나 팀플에서 중요한 태도를 말할 때 대부분의 사람들이 강조하는 역량이 나의 의견을 확실히 전달하기 위해 노력했고, 팀을 위해 어떻게 이끌었고 갈등을 해결했고, 이런 적극적인 부분만을 강조하는 경우가 많은 것 같다. 물론 그부분도 굉장히 중요한 부분이라고 생각하면서, 나 또한 협업을 할 때 가만히 있는 것은 좋지 않다고 생각해서 최대한 많이 말하려고 노력했었다. 생각해보니 무조건 많이 말한다고 내 기여도가 높아질까? 그렇게 많이 말한다고 해서 좋은 결과가나올까? 라고 하면 그건 절대 아닌거 같다. 나는 그동안 팀플을 할 때 내가 참여를 했다고 표현하기 위해 일부러라도 더 말하려고 했던적이 많은 것 같다는 생각이 들었는데, 중요한 건 많이 말하는 것이 아니라 적재적소에 나의 의견을 효과적으로 표현하는 것이라는 근본적인 포인트를 내가 잊었구나 라고 느꼈다. 최근 협업을 많이하며 다른사람들이 어떤식으로 협업을 하는가를 관찰하는 편인데 정말 이 중요한 내용을 잊게 되는 경우가 많은 것 같다. 진짜진짜 협업이 잘 되려면 나의 의견을 계속해서 내는 것 보단 상대방의 의견을 경청하고, 공감하고 , 말하는 양을 늘리는 것이 아닌 정확히 필요한 말을 효과적으로 전달하는 것이 아닐까.. 느낀다. https://blog.naver.com/rarirar1/223662303503

blog.naver.com

《나의 경험을 공유한다는 것, 같은 시행착오를 겪지 않길 바란다는 것》

주변 설문에서 SNS 리뷰까지, 정성 데이터를 활용한 포트폴리오 작성법 | 정량 데이터가 없는데 프로덕트 디자인 포트폴리오를 만들 수 있을까요? 많은 프로덕트(UX/UI) 디자이너 채용글에서 '정량/정성 데이터를 수집해 제품 사용성 개선을 반복'이라는 문장이 보입니다. 사실 프로덕트 디자인 포트폴리오에 정량적인 데이터를 활용해서 구성하는 것이 쉽지만은 않습니다. 이를 위해서는 세 가지 요소가 필요합니다.   정량 데이터를 위한 세

28화 정량 데이터 없이 성공적인 UX 포트폴리오 만들기

🥲 정량 데이터가 없는데 프로덕트 디자인 포트폴리오를 만들 수 있을까요?

코칭 중 가장 많이 받는 질문입니다. 100% 대체 할 수 없지만 “프로토타입을 통한 정성 데이터 수집”을 추천 합니다.

👉 취업 포트폴리오에서 정말 중요한 것은 디자이너가 문제를 해결해 가는 '논리적 흐름'과 ‘생각의 깊이’입니다. 정량 데이터는 강한 논리적 근거로 작용하기 때문에 중요한 것입니다. 따라서 이 흐름을 대체제로 보완할 수만 있다면 프로덕트 디자인 포트폴리오를 만들 수 있습니다.

<포폴에 쓸 수 있는 대표적인 정성 데이터>

- 주변 지인 설문조사 응답
- 결과물 당시 앱/서비스 리뷰
- 블로그 포스트, 동영상 리뷰, 사용 후기 등 사용자들의 서비스에 대한 비공식적인 기록
- 소셜 미디어 리뷰
- 전문가 리뷰와 평가
- 경쟁 제품에 대한 비교 평가
- 당시 일했던 이해관계자 피드백

🥲 정량 데이터가 없는데 프로덕트 디자인 포트폴리오를 만들 수 있을까요? 코칭 중 가장 많이 받는 질문입니다. 100% 대체 할 수 없지만 “프로토타입을 통한 정성 데이터 수집”을 추천 합니다. 👉 취업 포트폴리오에서 정말 중요한 것은 디자이너가 문제를 해결해 가는 '논리적 흐름'과 ‘생각의 깊이’입니다. 정량 데이터는 강한 논리적 근거로 작용하기 때문에 중요한 것입니다. 따라서 이 흐름을 대체제로 보완할 수만 있다면 프로덕트 디자인 포트폴리오를 만들 수 있습니다. &lt;포폴에 쓸 수 있는 대표적인 정성 데이터&gt; - 주변 지인 설문조사 응답- 결과물 당시 앱/서비스 리뷰- 블로그 포스트, 동영상 리뷰, 사용 후기 등 사용자들의 서비스에 대한 비공식적인 기록- 소셜 미디어 리뷰- 전문가 리뷰와 평가- 경쟁 제품에 대한 비교 평가- 당시 일했던 이해관계자 피드백

Brunch Story

📊 정량 데이터 없이 UX 포트폴리오 만들기?

🔗 디자인 취업 고민 오픈 채팅방을 운영 중입니다.

✅ 실제로 디자인 취업 고민이 있으신 분들만 오셨으면 합니다! (700명 정원)

입사 과정에서 겪는 다양한 어려움을 함께 나누고, 실질적인 조언을 주고받을 수 있는 분위기를 지향합니다. 서로의 고민을 이야기하고, 더 나은 포트폴리오를 만들기 위한 인사이트를 얻어가세요

<디자인 취업 고민>
https://open.kakao.com/o/gqr3zbNg

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)

이 글에서는 페이지 로드 시간을 개선하기 위해 중요한 요청을 최적화하는 전략을 살펴봅니다.

(번역) 페이지 로드 속도 향상을 위한 중요 요청 체이닝 방지

오늘 소개드릴 글은 라인플러스의 김찬희님이 번역해주신 글입니다.

페이지 렌더링에 필수적인 리소스에 대한 요청이 체이닝 되면 리소스 로드가 완료되어야 다음 요청을 수행할 수 있기 때문에 렌더링 속도가 느려집니다. 이는 웹사이트의 성능에 상당한 악영향을 줘 사용자 경험을 저해할 수 있으며 SEO 에도 악영향을 끼칠 수 있습니다.

이 글에서는 이렇게 웹사이트 성능에 악영향을 주는 중요 요청(critical request) 체이닝을 어떻게 찾고 해결하는지 예시와 함께 자세히 설명하고 있습니다.

만약 웹사이트의 First Contentful Paint(FCP) 그리고 Largest Contentful Paint(LCP)와 같은 페이지 로드 관련 지표가 나쁘다면, 이 글을 참고해 중요 요청이 체이닝 되고 있는지 살펴 보는 것을 고려해 보셔도 좋을 것 같습니다.

글 링크 : https://velog.io/@superlipbalm/avoid-chaining-critical-requests

오늘 소개드릴 글은 라인플러스의 김찬희님이 번역해주신 글입니다. 페이지 렌더링에 필수적인 리소스에 대한 요청이 체이닝 되면 리소스 로드가 완료되어야 다음 요청을 수행할 수 있기 때문에 렌더링 속도가 느려집니다. 이는 웹사이트의 성능에 상당한 악영향을 줘 사용자 경험을 저해할 수 있으며 SEO 에도 악영향을 끼칠 수 있습니다. 이 글에서는 이렇게 웹사이트 성능에 악영향을 주는 중요 요청(critical request) 체이닝을 어떻게 찾고 해결하는지 예시와 함께 자세히 설명하고 있습니다. 만약 웹사이트의 First Contentful Paint(FCP) 그리고 Largest Contentful Paint(LCP)와 같은 페이지 로드 관련 지표가 나쁘다면, 이 글을 참고해 중요 요청이 체이닝 되고 있는지 살펴 보는 것을 고려해 보셔도 좋을 것 같습니다. 글 링크 : https://velog.io/@superlipbalm/avoid-chaining-critical-requests

velog.io

페이지 로드 속도 향상을 위한 중요 요청 체이닝 방지

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

_In modern cloud computing, monitoring solutions are vital to ensuring the reliability, availability,...

Monitoring Solutions: Prometheus and Grafana

최신 클라우드 컴퓨팅에서 모니터링 특히, 쿠버네티스 모니터링으로 많이 활용하고 있는 Prometheus와 Grafana를 살펴봅니다.

[ Prometheus: 메트릭 집계 및 알림 ]
🍊 Prometheus란?
 * https://prometheus.io/, https://github.com/prometheus/prometheus
 * 시계열 데이터를 위해 설계된 오픈 소스 모니터링 및 알림 도구 키트
 * 시스템, 애플리케이션, 서비스에서 메트릭을 수집하는 데 탁월하여 DevOps 팀을 위한 강력한 도구
🍊 주요 기능
 * 시계열 데이터베이스: 매우 효율적인 시계열 데이터베이스에 메트릭 저장
 * 풀 기반 데이터 수집: Prometheus는 HTTP를 사용하여 정의된 간격으로 모니터링 대상에서 메트릭을 가져옴
 * PromQL: 메트릭을 필터링하고 집계하기 위한 강력한 쿼리 언어
 * 서비스 검색: Kubernetes 또는 Consul과 같은 서비스 검색 메커니즘을 사용하여 대상을 자동으로 검색
 * 알림: 사전 정의된 규칙에 따라 알림을 전송하는 통합 알림 관리자
 * 다차원 데이터 모델: 메트릭은 레이블과 함께 저장되므로 데이터를 더 쉽게 분류하고 분석하여 자세한 인사이트를 얻을수 있음
🍊 아키텍처
 * Prometheus Server: 메트릭 스크래핑 및 저장 담당
 * Exporters: Prometheus의 형식으로 메트릭을 노출하는 애플리케이션 또는 서비스(예: 시스템 메트릭의 경우 노드 익스포터, 컨테이너 메트릭의 경우 cAdvisor).
 * Alertmanager: Prometheus에 정의된 규칙에 의해 트리거되는 알림 처리
 * Pushgateway: 임시 작업이 메트릭을 Prometheus로 직접 푸시

[ Grafana: 시각화 및 대시보드 ]
🍊 Grafana란?
 * https://grafana.com/grafana/
 * 오픈 소스 분석 및 시각화 플랫폼
 * Prometheus, Elasticsearch, InfluxDB를 비롯한 다양한 백엔드에서 가져온 데이터를 시각화하기 위한 동적 대시보드 제공
🍊 주요 기능
 * 사용자 정의 가능한 대시보드: 필요에 따라 시각적으로 풍부한 대화형 대시보드 todtjd
 * 데이터 소스 유연성: Prometheus를 비롯한 다양한 데이터 소스 지원
 * 알림 및 알림: 시각화된 메트릭을 기반으로 경고를 정의하고 트리거
 * 쿼리 빌더: 지원되는 백엔드에 대한 쿼리 생성 프로세스 간소화
 * 커뮤니티 플러그인: 확장된 기능을 위한 대규모 플러그인 리포지토리
 * 사용자 관리: 공유 대시보드에 대한 역할 기반 액세스 제어
🍊 아키텍처
 * 프론트엔드: 대시보드 생성 및 관리를 위한 풍부한 UI.
 * 백엔드: 데이터 소스 연결, 알림, 인증을 처리합니다.
 * 데이터 소스 플러그인: 다양한 모니터링 시스템 및 데이터베이스와의 인터페이스.

[ 프로메테우스와 그라파나: 완벽한 조합 ]
 * Prometheus의 메트릭 수집 및 알림 + Grafana의 시각화 = 강력한 모니터링
 * 동작 방식
   * Prometheus는 메트릭 데이터를 수집하고 저장
   * Grafana는 PromQL을 통해 Prometheus에 메트릭을 쿼리
   * Grafana는 이러한 메트릭을 사용자 정의 가능한 대시보드에서 시각화
   * Grafana에서 경고를 관리하고 시각화하여 시스템 상태에 대한 통합된 보기 제공

[ 사용 사례 ]
🍊 인프라 모니터링
 * Prometheus를 사용해 노드 익스포터 또는 cAdvisor에서 메트릭을 스크랩
 * Grafana 대시보드에서 CPU, 메모리, 디스크 및 네트워크 사용량을 시각화
🍊 애플리케이션 성능 모니터링
 * Prometheus 클라이언트 라이브러리와 같은 라이브러리를 통해 노출되는 애플리케이션 수준 메트릭을 사용해 지연 시간, 오류율, 요청 처리량을 모니터링
🍊 Kubernetes 모니터링
 * Prometheus를 사용해 Kubernetes 구성 요소(예: kubelet, kube-apiserver)에서 메트릭을 스크랩
 * Grafana에서 클러스터 상태, 포드 사용률, 노드 성능을 시각화
🍊 알림 및 인시던트 대응
 * 임계값(예: CPU > 80%)을 기반으로 Prometheus에서 alert를 정의
 * Alertmanager를 사용하여 대기 중인 팀에게 Slack, PagerDuty 또는 이메일을 통해 알림 보내기
 * Grafana의 과거 데이터와 그래프로 인시던트를 분석

[ 과제와 이를 극복하는 방법 ]
🍊 데이터 보존 제한
 * Prometheus는 장기 보관용으로 설계되지 않았기 때문에, 장기간 보존을 위해서는 Thanos(https://thanos.io/) 또는 Cortex(https://cortexmetrics.io/)와 같은 원격 스토리지 솔루션 검토 필요
🍊 복잡한 쿼리
 * PromQL은 어려울 수 있기 때문에, Grafana의 UI를 활용해 쿼리 생성을 간소화 할 필요
🍊 리소스 사용
 * Prometheus와 Grafana 모두 리소스 집약적일 수 있기 때문에 워크로드에 따라 구성과 크기를 최적화 필요

>> 설치와 구성방법은 원문 링크를 참고해주세요.

 * source: https://dev.to/574n13y/monitoring-solutions-prometheus-and-grafana-3e03?bb=192163

최신 클라우드 컴퓨팅에서 모니터링 특히, 쿠버네티스 모니터링으로 많이 활용하고 있는 Prometheus와 Grafana를 살펴봅니다. [ Prometheus: 메트릭 집계 및 알림 ]🍊 Prometheus란?<ul ><li>https://prometheus.io/, https://github.com/prometheus/prometheus</li><li>시계열 데이터를 위해 설계된 오픈 소스 모니터링 및 알림 도구 키트</li><li>시스템, 애플리케이션, 서비스에서 메트릭을 수집하는 데 탁월하여 DevOps 팀을 위한 강력한 도구</li></ul>🍊 주요 기능<ul ><li>시계열 데이터베이스: 매우 효율적인 시계열 데이터베이스에 메트릭 저장</li><li>풀 기반 데이터 수집: Prometheus는 HTTP를 사용하여 정의된 간격으로 모니터링 대상에서 메트릭을 가져옴</li><li>PromQL: 메트릭을 필터링하고 집계하기 위한 강력한 쿼리 언어</li><li>서비스 검색: Kubernetes 또는 Consul과 같은 서비스 검색 메커니즘을 사용하여 대상을 자동으로 검색</li><li>알림: 사전 정의된 규칙에 따라 알림을 전송하는 통합 알림 관리자</li><li>다차원 데이터 모델: 메트릭은 레이블과 함께 저장되므로 데이터를 더 쉽게 분류하고 분석하여 자세한 인사이트를 얻을수 있음</li></ul>🍊 아키텍처<ul ><li>Prometheus Server: 메트릭 스크래핑 및 저장 담당</li><li>Exporters: Prometheus의 형식으로 메트릭을 노출하는 애플리케이션 또는 서비스(예: 시스템 메트릭의 경우 노드 익스포터, 컨테이너 메트릭의 경우 cAdvisor).</li><li>Alertmanager: Prometheus에 정의된 규칙에 의해 트리거되는 알림 처리</li><li>Pushgateway: 임시 작업이 메트릭을 Prometheus로 직접 푸시</li></ul> [ Grafana: 시각화 및 대시보드 ]🍊 Grafana란?<ul ><li>https://grafana.com/grafana/</li><li>오픈 소스 분석 및 시각화 플랫폼</li><li>Prometheus, Elasticsearch, InfluxDB를 비롯한 다양한 백엔드에서 가져온 데이터를 시각화하기 위한 동적 대시보드 제공</li></ul>🍊 주요 기능<ul ><li>사용자 정의 가능한 대시보드: 필요에 따라 시각적으로 풍부한 대화형 대시보드 todtjd</li><li>데이터 소스 유연성: Prometheus를 비롯한 다양한 데이터 소스 지원</li><li>알림 및 알림: 시각화된 메트릭을 기반으로 경고를 정의하고 트리거</li><li>쿼리 빌더: 지원되는 백엔드에 대한 쿼리 생성 프로세스 간소화</li><li>커뮤니티 플러그인: 확장된 기능을 위한 대규모 플러그인 리포지토리</li><li>사용자 관리: 공유 대시보드에 대한 역할 기반 액세스 제어</li></ul>🍊 아키텍처<ul ><li>프론트엔드: 대시보드 생성 및 관리를 위한 풍부한 UI.</li><li>백엔드: 데이터 소스 연결, 알림, 인증을 처리합니다.</li><li>데이터 소스 플러그인: 다양한 모니터링 시스템 및 데이터베이스와의 인터페이스.</li></ul> [ 프로메테우스와 그라파나: 완벽한 조합 ]<ul ><li>Prometheus의 메트릭 수집 및 알림 + Grafana의 시각화 = 강력한 모니터링 </li><li>동작 방식<ul ><li>Prometheus는 메트릭 데이터를 수집하고 저장</li><li>Grafana는 PromQL을 통해 Prometheus에 메트릭을 쿼리</li><li>Grafana는 이러한 메트릭을 사용자 정의 가능한 대시보드에서 시각화</li><li>Grafana에서 경고를 관리하고 시각화하여 시스템 상태에 대한 통합된 보기 제공</li></ul></li></ul> [ 사용 사례 ]🍊 인프라 모니터링<ul ><li>Prometheus를 사용해 노드 익스포터 또는 cAdvisor에서 메트릭을 스크랩</li><li>Grafana 대시보드에서 CPU, 메모리, 디스크 및 네트워크 사용량을 시각화</li></ul>🍊 애플리케이션 성능 모니터링<ul ><li>Prometheus 클라이언트 라이브러리와 같은 라이브러리를 통해 노출되는 애플리케이션 수준 메트릭을 사용해 지연 시간, 오류율, 요청 처리량을 모니터링</li></ul>🍊 Kubernetes 모니터링<ul ><li>Prometheus를 사용해 Kubernetes 구성 요소(예: kubelet, kube-apiserver)에서 메트릭을 스크랩</li><li>Grafana에서 클러스터 상태, 포드 사용률, 노드 성능을 시각화</li></ul>🍊 알림 및 인시던트 대응<ul ><li>임계값(예: CPU &gt; 80%)을 기반으로 Prometheus에서 alert를 정의</li><li>Alertmanager를 사용하여 대기 중인 팀에게 Slack, PagerDuty 또는 이메일을 통해 알림 보내기</li><li>Grafana의 과거 데이터와 그래프로 인시던트를 분석</li></ul> [ 과제와 이를 극복하는 방법 ]🍊 데이터 보존 제한<ul ><li>Prometheus는 장기 보관용으로 설계되지 않았기 때문에, 장기간 보존을 위해서는 Thanos(https://thanos.io/) 또는 Cortex(https://cortexmetrics.io/)와 같은 원격 스토리지 솔루션 검토 필요</li></ul>🍊 복잡한 쿼리<ul ><li>PromQL은 어려울 수 있기 때문에, Grafana의 UI를 활용해 쿼리 생성을 간소화 할 필요</li></ul>🍊 리소스 사용<ul ><li>Prometheus와 Grafana 모두 리소스 집약적일 수 있기 때문에 워크로드에 따라 구성과 크기를 최적화 필요</li></ul> &gt;&gt; 설치와 구성방법은 원문 링크를 참고해주세요. <ul ><li>source: https://dev.to/574n13y/monitoring-solutions-prometheus-and-grafana-3e03?bb=192163</li></ul>

DEV Community

[Dev] 클라우드모니터링 솔루션: 프로메테우스 및 그라파나

Infrastructure as Code (IaC) revolutionizes how IT infrastructure is managed by using code-based...

Infrastructure as Code (IaC) and Terraform

퍼블릭 클라우드에서 IaC로 많이 사용하는 테라폼의 기본 명령어들입니다. DevOps나 SRE하시는분들은 참고하시면 좋을거 같습니다~^^

💻 코드형 인프라(IaC = Infrastructure as Code)
 * 개념: 수동 프로세스가 아닌 코드를 통해 인프라를 관리하고 프로비저닝하는 것
 * 주요 특징
   * 일관성: 인프라를 코드로 정의하여 수동 오류 제겅
   * 반복성: 표준화된 구성으로 환경을 빠르게 복제
   * 버전 관리: 애플리케이션 코드처럼 인프라 변경 사항 추적
 * 주요 IaC 도구들
   * 테라폼(Terraform)
     * 다양한 클라우드 프로바이더 및 온-프렘 기반의 인프라스트럭처를 지원하는 자동화 도구. 단순성, 유연성, 제공자에 구애받지 않는 접근 방식
     * Hashicorp: 2024년 4월 IBM에 인수됨
   * 앤서블(Ansible)
     * IT 환경에서 시스템 설정, 소프트웨어 배포, 작업 자동화 등 다양한 작업을 자동화하는 데 사용
     * RedHat: 2018년 11월 IBM에 인수됨

🎃 주요 Terraform 명령어: 종합 가이드

1. 초기화 및 설정
 * terraform init: Terraform 구성 파일이 포함된 작업 디렉터리 초기화
 * terraform login: 테라폼 클라우드에 대한 자격 증명 저장
 * terraform logout: 테라폼 클라우드의 자격 증명 제거
   
   
2.계획 및 실행
 * terraform plan: Terraform이 수행할 작업을 요약한 실행 계획 생성
 * terraform apply: Terraform 구성에 설명된 변경 사항 적용
 * terraform apply --auto-approve: 승인 없이 변경 사항을 자동적용
 * terraform apply -target=resource: 특정 리소스에만 변경 사항 적용
 * terraform apply -var='key=value': 명령줄에서 직접 변수 값 설정
 * terraform apply -var-file=filename.tfvars: 변수 정의가 포함된 파일 지정
 * terraform plan -out=파일명: 생성된 계획 파일 저장

3. 리소스 관리
 * terraform destroy: 구성에 설명된 모든 리소스 삭제
 * terraform destroy -target=resource: 특정 리소스 파괴
 * terraform taint: 리소스를 재생할 수 있도록 수동 표시
 * terraform untaint: 자원에서 '오염' 상태 제거
 * terraform import: 기존 인프라를 테라폼 상태로 가져옴

4. 검증 및 출력
 * terraform validate: Terraform 구성 파일의 구문과 유효성 확인
 * terraform output: 스테이트에서 출력 값을 표시하거나 검색
 * terraform show: 현재 상태 또는 특정 리소스의 사람이 읽을 수 있는 출력 표시

5.상태 관리
 * terraform state list: 테라폼 스테이트 내의 리소스 나열
 * terraform state mv: 스테이트에 있는 항목 이동
 * terraform state rm: 스테이트에서 아이템 제거
 * terraform state pull: 원격 백엔드에서 상태 가져옴
 * terraform state push: 상태를 원격 백엔드 푸시
 * terraform refresh: 공급자의 실제 리소스에 대해 상태 파일 업데이트

6. 포맷 및 시각화
 * terraform fmt: 구성 파일을 표준 형식으로 재작성
 * terraform graph: Terraform 종속성 그래프의 시각적 표현 생성

7.워크스페이스 관리
 * terraform workspace list: 사용 가능한 워크스페이스 나열
 * terraform workspace select: 다른 기존 워크스페이스 전환
 * terraform workspace new: 새 워크스페이스 생성
 * terraform workspace delete: 기존 워크스페이스 삭제

8.문제 해결 및 잠금 관리
 * terraform force-unlock: 잠긴 상태 해제

 * source: https://dev.to/mohamednasser018/infrastructure-as-code-iac-and-terraform-1phm

퍼블릭 클라우드에서 IaC로 많이 사용하는 테라폼의 기본 명령어들입니다. DevOps나 SRE하시는분들은 참고하시면 좋을거 같습니다~^^ 💻 코드형 인프라(IaC = Infrastructure as Code)<ul ><li>개념: 수동 프로세스가 아닌 코드를 통해 인프라를 관리하고 프로비저닝하는 것</li><li>주요 특징<ul ><li>일관성: 인프라를 코드로 정의하여 수동 오류 제겅</li><li>반복성: 표준화된 구성으로 환경을 빠르게 복제</li><li>버전 관리: 애플리케이션 코드처럼 인프라 변경 사항 추적</li></ul></li><li>주요 IaC 도구들<ul ><li>테라폼(Terraform)<ul ><li>다양한 클라우드 프로바이더 및 온-프렘 기반의 인프라스트럭처를 지원하는 자동화 도구. 단순성, 유연성, 제공자에 구애받지 않는 접근 방식</li><li>Hashicorp: 2024년 4월 IBM에 인수됨</li></ul></li><li>앤서블(Ansible)<ul ><li>IT 환경에서 시스템 설정, 소프트웨어 배포, 작업 자동화 등 다양한 작업을 자동화하는 데 사용</li><li>RedHat: 2018년 11월 IBM에 인수됨</li></ul></li></ul></li></ul> 🎃 주요 Terraform 명령어: 종합 가이드 1. 초기화 및 설정<ul ><li>terraform init: Terraform 구성 파일이 포함된 작업 디렉터리 초기화</li><li>terraform login: 테라폼 클라우드에 대한 자격 증명 저장</li><li>terraform logout: 테라폼 클라우드의 자격 증명 제거 </li></ul>2.계획 및 실행<ul ><li>terraform plan: Terraform이 수행할 작업을 요약한 실행 계획 생성</li><li>terraform apply: Terraform 구성에 설명된 변경 사항 적용</li><li>terraform apply --auto-approve: 승인 없이 변경 사항을 자동적용</li><li>terraform apply -target=resource: 특정 리소스에만 변경 사항 적용</li><li>terraform apply -var='key=value': 명령줄에서 직접 변수 값 설정</li><li>terraform apply -var-file=filename.tfvars: 변수 정의가 포함된 파일 지정</li><li>terraform plan -out=파일명: 생성된 계획 파일 저장</li></ul> 3. 리소스 관리<ul ><li>terraform destroy: 구성에 설명된 모든 리소스 삭제</li><li>terraform destroy -target=resource: 특정 리소스 파괴</li><li>terraform taint: 리소스를 재생할 수 있도록 수동 표시</li><li>terraform untaint: 자원에서 '오염' 상태 제거</li><li>terraform import: 기존 인프라를 테라폼 상태로 가져옴</li></ul> 4. 검증 및 출력<ul ><li>terraform validate: Terraform 구성 파일의 구문과 유효성 확인</li><li>terraform output: 스테이트에서 출력 값을 표시하거나 검색</li><li>terraform show: 현재 상태 또는 특정 리소스의 사람이 읽을 수 있는 출력 표시</li></ul> 5.상태 관리<ul ><li>terraform state list: 테라폼 스테이트 내의 리소스 나열</li><li>terraform state mv: 스테이트에 있는 항목 이동</li><li>terraform state rm: 스테이트에서 아이템 제거</li><li>terraform state pull: 원격 백엔드에서 상태 가져옴</li><li>terraform state push: 상태를 원격 백엔드 푸시</li><li>terraform refresh: 공급자의 실제 리소스에 대해 상태 파일 업데이트</li></ul> 6. 포맷 및 시각화<ul ><li>terraform fmt: 구성 파일을 표준 형식으로 재작성</li><li>terraform graph: Terraform 종속성 그래프의 시각적 표현 생성</li></ul> 7.워크스페이스 관리<ul ><li>terraform workspace list: 사용 가능한 워크스페이스 나열</li><li>terraform workspace select: 다른 기존 워크스페이스 전환</li><li>terraform workspace new: 새 워크스페이스 생성</li><li>terraform workspace delete: 기존 워크스페이스 삭제</li></ul> 8.문제 해결 및 잠금 관리<ul ><li>terraform force-unlock: 잠긴 상태 해제</li></ul> <ul ><li>source: https://dev.to/mohamednasser018/infrastructure-as-code-iac-and-terraform-1phm</li></ul>

[Dev] 코드형 인프라(IaC)와 테라폼

소프트웨어 버전 관리의 방법 중 하나인 시맨틱 버저닝을 비유를 통해 알아봅니다.

요리책에 비유해서 알아보는 시맨틱 버저닝 - 재그지그의 개발 블로그

- 소프트웨어 버전 관리의 방법 중 하나인 시맨틱 버저닝을 비유를 통해 알아봅니다.

---

최근 친구에게서 이런 질문을 받았습니다.

“스마트폰에서 소프트웨어 버전이 X.Y.Z 형태로 표시되던데, 이게 무슨 뜻이야?”

저는 개발자로 일을 하고 있는 덕분에 이러한 버전 관리 방식이 익숙했지만, 친구는 소프트웨어 개발에 대해서는 잘 모르는 상황이라 그 의미를 잘 모르고 있었나 봅니다. 그래서 친구의 눈높이에 맞게 쉬운 설명을 하고 싶었지만, 그 당시에는 적절한 비유를 떠올리지 못해 조금 딱딱한 답변을 하게 되었죠.

그렇게 친구와의 대화를 마치고 나서, 소프트웨어 버전 관리 방법을 비유로 설명할 수 있는 방법은 없을까? 라는 생각이 들었습니다. 그래서 오늘은 소프트웨어 버전 관리, 특히 시맨틱 버저닝 의 동작 방식에 대해 누구나 이해할 수 있도록 쉽게 설명하려고 합니다.

https://wormwlrm.github.io/2024/11/24/Semantic-Versioning.html

- 소프트웨어 버전 관리의 방법 중 하나인 시맨틱 버저닝을 비유를 통해 알아봅니다. --- 최근 친구에게서 이런 질문을 받았습니다. “스마트폰에서 소프트웨어 버전이&nbsp;X.Y.Z&nbsp;형태로 표시되던데, 이게 무슨 뜻이야?” 저는 개발자로 일을 하고 있는 덕분에 이러한 버전 관리 방식이 익숙했지만, 친구는 소프트웨어 개발에 대해서는 잘 모르는 상황이라 그 의미를 잘 모르고 있었나 봅니다. 그래서 친구의 눈높이에 맞게 쉬운 설명을 하고 싶었지만, 그 당시에는 적절한 비유를 떠올리지 못해 조금 딱딱한 답변을 하게 되었죠. 그렇게 친구와의 대화를 마치고 나서,&nbsp;소프트웨어 버전 관리 방법을 비유로 설명할 수 있는 방법은 없을까?&nbsp;라는 생각이 들었습니다. 그래서 오늘은 소프트웨어 버전 관리, 특히&nbsp;시맨틱 버저닝&nbsp;의 동작 방식에 대해 누구나 이해할 수 있도록 쉽게 설명하려고 합니다. https://wormwlrm.github.io/2024/11/24/Semantic-Versioning.html

재그지그의 개발 블로그

🥘 요리책에 비유해서 알아보는 시맨틱 버저닝

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]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

10 pros and cons of the hamburger menu (with examples) | Inside Design Blog

햄버거 메뉴의 장단점

👍 장점
1. 쉬운 인지: 사회적인 의미를 담고 오랫동안 사용된 아이콘이기 때문에, 사용자가 쉽게 인지하고 접근할 수 있음.
2. 깔끔함: 쉽고 간편하게 많은 선택지를 숨길 수 있음.
3. 부수적인 접근: 주요 목표가 아닌 기능을 햄버거 메뉴에 넣어, 주요 기능을 전달하는 데 집중할 수 있음.

👎 단점
1. 햄버거 메뉴에 있는 항목을 덜 중요하게 만듦.
2. 낮은 참여: 
- 햄버거 메뉴는 손에 닿기 어려운 위치에 위치함 (좌측 혹은 우측 상단)
- 햄버거 메뉴의 한 항목에 접근하기 위해서는 많은 인지 부하가 요구됨 (7가지 로드; 메인 페이지에 원하는 항목이 보이지 않음 -> 메뉴를 봄 -> 햄버거 메뉴 발견과 클릭 -> 메뉴의 목록을 스캔함 -> 원하는 항목을 찾음 -> 클릭)
3. 비효율: 사용자가 목표를 달성하기 위해 추가적인 행동을 해야 함.

Invisionapp

두 가지 일을 합니다. 1️⃣ 온갖 수단을 총동원해서 사용자 이해하기 2️⃣ 이해를 바탕으로 팀 흥분시키기, 좌절시키기 2번을 더 좋아합니다.

UX Researcher

김성배

두 가지 일을 합니다.
1️⃣ 온갖 수단을 총동원해서 사용자 이해하기 
2️⃣ 이해를 바탕으로 팀 흥분시키기, 좌절시키기 

2번을 더 좋아합니다.

사원

수찬

운영PM

ader

#고객경험 #운영기획 #CS최소화 #운영정책수립
안녕하세요! 9년차 CX 운영기획자 입니다.
최근 신사업 피엠으로 업무 중입니다 🤹🏻‍♂️

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필