‘자리 보존형’ 프로젝트의 스폰서는 조직 내에서 존재감이 약해지고 있는 지원부서의 리더일 가능성이 높다. 그러한 스폰서는 부서의 존재감을 어필하기 위한 프로젝트를 기획하지만 대부분 프로젝트가 조직원에 미치는 영향력이 크지 않다. 고객지원 대시보드 구축, 컴플라이언스 교육을 위한 플랫폼 구축과 같은 프로젝트가 그 예다.

- 프로젝트의 특징
• 조직원들은 중요도가 낮고 부가적인 업무를 해야 하는 프로젝트라고 느낌
• 대부분의 프로젝트는 복잡도와 난이도가 낮음
• 이해관계자의 관심이 낮기 때문에 프로젝트가 지연되어도 크게 문제 되지 않음
• 반면 스폰서가 무리한 요구를 하고 PM과 관계가 나빠지면 다른 이해관계자들의 무관심 속에 프로젝트 팀에게는 최악의 상황이 될 수 있음.
• 프로젝트 오픈 이후 운영단계에서 조직원들이 반발이 커질 수 있음.
• 프로젝트 팀원의 동기부여가 어려운 프로젝트

- 대표 사례 : 고객지원 대시보드 구축
• 고객지원을 담당하는 부서에서 고객지원 업무의 중요성을 강조하기 위해
경영층에게 ‘고객품질 실시간 가시화’를 위한 프로젝트를 제안함
√ 고객품질 가시화가 중요하지 않고 가짜라는 의미가 아님. 근본적인 문제를 파악하고
해결하기보다 보기에 그럴 듯 한 화면 구축에 집중하는 것이 문제임
√ 고객의 불편과 그것을 해결하기 위한 진짜 문제를 제기하지 않고 ‘고객중심’ 업무가
중요하다는 정치적인 메시지를 강조함

• 경영층은 사업을 하기 위해 고객품질은 중요하니 유관부서는 잘 협조하라는 원론적인 의견만 제시함

• 조직 내 다른 부서의 이해관계자들은 대시보드 구축이 필요하지 않다고 공개적으로 이야기할 수 없지만, 필요성에 대해서는 거의 공감하지 않음

• 사업영역별로 고객지원 시스템일 달라 VoC 처리 리드타임, 1선 해결률 등을 통합하기 어려움

• 원천 데이터의 신뢰성도 낮아 대시보드에서 보여주는 데이터는 실제 고객지원의 수준을 표현하지 못함

- 피해야 할 상황
• 납기가 지연되는 상황은 피해야 함. 조직원도 싫어하고 프로젝트 팀원도 공감하지 못하는 프로젝트는 기한 내 종료가 중요함.

• 프로젝트를 오픈하여 실 업무에 적용되는 것을 방해하기 위한 이해관계자들이 프로젝트 종료를 반대할 수 있음.

• 달성하기 힘든 품질, 성능. 데이터 인터페이스 목표에 유의함. 적정 수준의 품질, 성능이면 프로젝트가 추구하는 목표 달성에 지장이 없다고 스폰서를 설득해야 함. ‘파일럿’, ‘MVP’ 적용을 통한 단계별 추진이라는 표현으로 스폰서와 이해관계자들의 기대치를 낮출 수 있음.

• 프로젝트 스폰서가 프로젝트 오너십을 포기하지 않도록 지원하고 공감해야 함. 주변의 반대로 스폰서가 오너십을 포기하는 상황이 되면 지옥 같은 프로젝트가 될 수 있음

- PM 대응전략
‘자리보존형’ 프로젝트는 품질이나 성능보다 제때 끝내는 것이 가장 중요하다. 프로젝트를 성공하겠다는 마음보다 실패하지 않겠다는 마음가짐으로 다음에 유의한다.

• 이해관계자들이 프로젝트 종료의 선결조건으로 무리한 요구사항을 요청 시 스폰서와 협의하여 영향력을 최소화하는 방안을 수립한다. 예를 들어 해당업무를 오픈범위에서 제외, 다음 프로젝트로 이관, 요구사항 절충 등의 방안을 수립한다.

• 경영층과 이해관계자들이 참여하는 중간보고, 종료보고 시 스폰서가 발표를 잘하도록 적극적으로 지원한다. ‘자리보존형’ 프로젝트에서 스폰서의 발표는 해당 프로젝트의 성패를 좌우한다. 이해관계자들이 반대하지 않도록 사전에 협의하고, 경영층의 긍정적인 의견을 받을 수 있도록 지원한다.

• 스폰서가 프로젝트 종료 이후 후속 고도화 프로젝트를 요청할 경우 PM은 신중하게 고민하고 대응한다.

• 프로젝트 착수 또는 중반에 프로젝트 검수 및 운영이관 조건을 스폰서와 협의한다.

• 스폰서와 협의하여 납품 산출물을 최소화하여 팀원들의 부담을 줄인다. 물론 스폰서가 수용가능한 논리(예: 문서보다 작동되는 SW에 집중)가 있어야 한다.

=============================================

제가 삼성 SDS에서 30년 동안 경험하고 체득한 교훈을 정리한 책 <슬기로운 PM 생활>을 출간한 소식을 공유합니다.
https://product.kyobobook.co.kr/detail/S000215148133

‘자리 보존형’ 프로젝트의 스폰서는 조직 내에서 존재감이 약해지고 있는 지원부서의 리더일 가능성이 높다. 그러한 스폰서는 부서의 존재감을 어필하기 위한 프로젝트를 기획하지만 대부분 프로젝트가 조직원에 미치는 영향력이 크지 않다. 고객지원 대시보드 구축, 컴플라이언스 교육을 위한 플랫폼 구축과 같은 프로젝트가 그 예다. - 프로젝트의 특징• 조직원들은 중요도가 낮고 부가적인 업무를 해야 하는 프로젝트라고 느낌• 대부분의 프로젝트는 복잡도와 난이도가 낮음• 이해관계자의 관심이 낮기 때문에 프로젝트가 지연되어도 크게 문제 되지 않음• 반면 스폰서가 무리한 요구를 하고 PM과 관계가 나빠지면 다른 이해관계자들의 무관심 속에 프로젝트 팀에게는 최악의 상황이 될 수 있음.• 프로젝트 오픈 이후 운영단계에서 조직원들이 반발이 커질 수 있음.• 프로젝트 팀원의 동기부여가 어려운 프로젝트 - 대표 사례 : 고객지원 대시보드 구축• 고객지원을 담당하는 부서에서 고객지원 업무의 중요성을 강조하기 위해 경영층에게 ‘고객품질 실시간 가시화’를 위한 프로젝트를 제안함 √ 고객품질 가시화가 중요하지 않고 가짜라는 의미가 아님. 근본적인 문제를 파악하고 해결하기보다 보기에 그럴 듯 한 화면 구축에 집중하는 것이 문제임 √ 고객의 불편과 그것을 해결하기 위한 진짜 문제를 제기하지 않고 ‘고객중심’ 업무가 중요하다는 정치적인 메시지를 강조함 • 경영층은 사업을 하기 위해 고객품질은 중요하니 유관부서는 잘 협조하라는 원론적인 의견만 제시함 • 조직 내 다른 부서의 이해관계자들은 대시보드 구축이 필요하지 않다고 공개적으로 이야기할 수 없지만, 필요성에 대해서는 거의 공감하지 않음 • 사업영역별로 고객지원 시스템일 달라 VoC 처리 리드타임, 1선 해결률 등을 통합하기 어려움 • 원천 데이터의 신뢰성도 낮아 대시보드에서 보여주는 데이터는 실제 고객지원의 수준을 표현하지 못함 - 피해야 할 상황• 납기가 지연되는 상황은 피해야 함. 조직원도 싫어하고 프로젝트 팀원도 공감하지 못하는 프로젝트는 기한 내 종료가 중요함. • 프로젝트를 오픈하여 실 업무에 적용되는 것을 방해하기 위한 이해관계자들이 프로젝트 종료를 반대할 수 있음. • 달성하기 힘든 품질, 성능. 데이터 인터페이스 목표에 유의함. 적정 수준의 품질, 성능이면 프로젝트가 추구하는 목표 달성에 지장이 없다고 스폰서를 설득해야 함. ‘파일럿’, ‘MVP’ 적용을 통한 단계별 추진이라는 표현으로 스폰서와 이해관계자들의 기대치를 낮출 수 있음. • 프로젝트 스폰서가 프로젝트 오너십을 포기하지 않도록 지원하고 공감해야 함. 주변의 반대로 스폰서가 오너십을 포기하는 상황이 되면 지옥 같은 프로젝트가 될 수 있음 - PM 대응전략‘자리보존형’ 프로젝트는 품질이나 성능보다 제때 끝내는 것이 가장 중요하다. 프로젝트를 성공하겠다는 마음보다 실패하지 않겠다는 마음가짐으로 다음에 유의한다. • 이해관계자들이 프로젝트 종료의 선결조건으로 무리한 요구사항을 요청 시 스폰서와 협의하여 영향력을 최소화하는 방안을 수립한다. 예를 들어 해당업무를 오픈범위에서 제외, 다음 프로젝트로 이관, 요구사항 절충 등의 방안을 수립한다. • 경영층과 이해관계자들이 참여하는 중간보고, 종료보고 시 스폰서가 발표를 잘하도록 적극적으로 지원한다. ‘자리보존형’ 프로젝트에서 스폰서의 발표는 해당 프로젝트의 성패를 좌우한다. 이해관계자들이 반대하지 않도록 사전에 협의하고, 경영층의 긍정적인 의견을 받을 수 있도록 지원한다. • 스폰서가 프로젝트 종료 이후 후속 고도화 프로젝트를 요청할 경우 PM은 신중하게 고민하고 대응한다. • 프로젝트 착수 또는 중반에 프로젝트 검수 및 운영이관 조건을 스폰서와 협의한다. • 스폰서와 협의하여 납품 산출물을 최소화하여 팀원들의 부담을 줄인다. 물론 스폰서가 수용가능한 논리(예: 문서보다 작동되는 SW에 집중)가 있어야 한다. ============================================= 제가 삼성 SDS에서 30년 동안 경험하고 체득한 교훈을 정리한 책 &lt;슬기로운 PM 생활&gt;을 출간한 소식을 공유합니다.https://product.kyobobook.co.kr/detail/S000215148133

'자리보존형' 가짜 프로젝트에 대응하는 방안

AI들 코딩 스타일이, GPT는 구글같고, Claude는 메타같음. Gemini는 부트캠프..🫢

그래서 응용레벨 코딩에는 Claude가 낫고, 로우레벨 코딩에는 GPT가 나은 편.

* 당연하지만 개인적인 느낌일 뿐 입니다.

AI들 코딩 스타일이, GPT는 구글같고, Claude는 메타같음. Gemini는 부트캠프..🫢 그래서 응용레벨 코딩에는 Claude가 낫고, 로우레벨 코딩에는 GPT가 나은 편. * 당연하지만 개인적인 느낌일 뿐 입니다.

올봄, AI 시장을 강타한 키워드가 있습니다. 오늘의 주인공 “MCP”입니다. 무언가 단어의 생김새는 GPT하고 비스무리한데요. 프로토콜, 서버, 클라이언트처럼 또 눈에 익은 단어들과 붙어 다니지만, 그 개념은 손에 잘 안 잡힙니다. 그런데 또 여기저기 슬금슬금 “MCP로 생산성을 미친 듯 끌어올렸다”는 이야기가 돌고 있습니다. 혼자 밀려난 느낌도 듭니다. 그래서 알아봤습니다. 의미를 파헤치고, 사람들의 반응을 살피고, 직접 체험해 볼 겁니다. 특히 어디까지 이 친구와 가까워져야 할지, 선을 그어보려고 합니다. 그 끝에서 이 질문에 답해보겠습니다. MCP 모르면 대체 얼마나 손해 보는 걸까요?

MCP 모르면 대체 얼마나 손해 보는 걸까? | 요즘IT

올해 가장 핫한 기술을 꼽자면 단연 MCP 가 아닐까 싶습니다.

그만큼 많은 사람들의 관심이 집중되고 있고,
"이렇게 관심이 많은데 나도 한번 알아봐야 하지 않을까?" 하는 생각을 하신 분들도 계실것 같습니다.

요즘 올라오는 글들을 보면 대부분 MCP 의 개념과 원리를 설명하는 내용이 주를 이루는데요,
특이하게도 MCP 에 대한 개념과 원리뿐만 아니라 이걸 모르면 어떻게 될지, AI 기술 발전을 어떻게 따라가야할지에 대한 의견을 담은 아티클이 있어 공유드립니다.

머신러닝부터 시작된 인공지능 기술은 LLM 의 등장, 그리고 MCP 로의 진화에 이르기까지
점점 더 쉽고 빠르게 응용할 수 있는 방향으로 발전하고 있다고 느낍니다.
이런 기술들을 잘 익히고 유용하게 활용할 수 있다면 더없이 좋겠지만,
개인적인 생각으로 이걸 꼭 사용하지 않는다고 해서 도태되거나 문제가 생긴다고는 생각하지 않습니다.

다만 글의 말미에서도 언급되듯, 내가 비록 당장 MCP 등과 같은 AI 기술들을 사용하지 않더라도
AI 가 어떤 흐름으로 발전하고 있는지, MCP 가 왜 나오고 어떤 한계를 보완했는지 등만 미리 파악하면 추후 다른 기술이 새로 나오더라도 금방 이해하고 언제든 사용해 볼 수 있지 않을까 싶습니다.

그동안 MCP 에 대해 궁금했지만 이해가 안되었던 분들 혹은 AI 의 빠른 발전속도에 혼란스러우셨던 분들에게 도움이 될거라 생각하는데요
관심있으신 분들은 한번 읽어보시면 좋겠습니다.

📚 원문
 * https://yozm.wishket.com/magazine/detail/3207/

올해 가장 핫한 기술을 꼽자면 단연 MCP 가 아닐까 싶습니다. 그만큼 많은 사람들의 관심이 집중되고 있고, "이렇게 관심이 많은데 나도 한번 알아봐야 하지 않을까?" 하는 생각을 하신 분들도 계실것 같습니다. 요즘 올라오는 글들을 보면 대부분 MCP 의 개념과 원리를 설명하는 내용이 주를 이루는데요,특이하게도 MCP 에 대한 개념과 원리뿐만 아니라 이걸 모르면 어떻게 될지, AI 기술 발전을 어떻게 따라가야할지에 대한 의견을 담은 아티클이 있어 공유드립니다. 머신러닝부터 시작된 인공지능 기술은 LLM 의 등장, 그리고 MCP 로의 진화에 이르기까지 점점 더 쉽고 빠르게 응용할 수 있는 방향으로 발전하고 있다고 느낍니다.이런 기술들을 잘 익히고 유용하게 활용할 수 있다면 더없이 좋겠지만, 개인적인 생각으로 이걸 꼭 사용하지 않는다고 해서 도태되거나 문제가 생긴다고는 생각하지 않습니다. 다만 글의 말미에서도 언급되듯, 내가 비록 당장 MCP 등과 같은 AI 기술들을 사용하지 않더라도 AI 가 어떤 흐름으로 발전하고 있는지, MCP 가 왜 나오고 어떤 한계를 보완했는지 등만 미리 파악하면 추후 다른 기술이 새로 나오더라도 금방 이해하고 언제든 사용해 볼 수 있지 않을까 싶습니다. 그동안 MCP 에 대해 궁금했지만 이해가 안되었던 분들 혹은 AI 의 빠른 발전속도에 혼란스러우셨던 분들에게 도움이 될거라 생각하는데요 관심있으신 분들은 한번 읽어보시면 좋겠습니다. 📚 원문<ul ><li>https://yozm.wishket.com/magazine/detail/3207/</li></ul>

요즘IT

MCP 모르면 대체 얼마나 손해 보는 걸까?🤔

Claude 너.. 아주 실망이야.. 😑 돈을 저렇게 처묵처묵하고는.. 에잉~

Codex랑 동일한 걸 항상 같이 시켜보는데, 코드베이스 규모가 좀 큰 프로젝트는 OpenAI Codex가 잘하네요.

그러고보니 Claude로 만족할만한 결과가 나온 적이 없는데.. 혹시 Claude 너.. 나 싫어하니.. 😥

Claude 너.. 아주 실망이야.. 😑 돈을 저렇게 처묵처묵하고는.. 에잉~ Codex랑 동일한 걸 항상 같이 시켜보는데, 코드베이스 규모가 좀 큰 프로젝트는 OpenAI Codex가 잘하네요. 그러고보니 Claude로 만족할만한 결과가 나온 적이 없는데.. 혹시 Claude 너.. 나 싫어하니.. 😥

‪요 기능의 일부를 바이브 코딩으로 만들려다가 실패했는데요. 그 중에 하나로 타임존 문제가 있었습니다.‬

‪타임존 문제는 꽤나 보편적인(?) 문제라 잘 할 줄 알았는데 의외로(?) 헛점이 많더라고요. 초반엔 AI들이 아예 타임존 문제를 고려하지도 않았고요.‬

‪그래서 타임존 문제가 있을 수 있다는 것과, 이에따른 몇가지 고려사항을 상세하게 주고 또 결과를 꼼꼼히 검토해야했는데요. 시니어 개발자가 주니어 개발자보다 유리한 부분이 이런 엣지 케이스에 대한 경험적인 부분인 것 같습니다.‬

‪하지만 반면에 이런 사소한(?) 요소들 때문에 개발이 오래 걸리는데, 보통 당장은 필요 없는 것일 가능성이 높으니, 주니어가 이런 것 고려하지 않고 빠르고 단순하게 만드는게 더 큰 장점이 될 수도 있습니다. 특히 이런건 나중에 정말 많은 사람들이 쓰기 시작할 때 개선하는게 더 의도에 맞게 만들 수도 있으니까요.‬

‪그래서 저는 AI 개발 시대에 시니어만 유리하다는 말이 맞지는 않다고 생각합니다. 오히려 내년이 되면 주니어에 비해 경쟁력이 없어질까 불안할 정도에요.‬

‪요 기능의 일부를 바이브 코딩으로 만들려다가 실패했는데요. 그 중에 하나로 타임존 문제가 있었습니다.‬ ‪타임존 문제는 꽤나 보편적인(?) 문제라 잘 할 줄 알았는데 의외로(?) 헛점이 많더라고요. 초반엔 AI들이 아예 타임존 문제를 고려하지도 않았고요.‬ ‪그래서 타임존 문제가 있을 수 있다는 것과, 이에따른 몇가지 고려사항을 상세하게 주고 또 결과를 꼼꼼히 검토해야했는데요. 시니어 개발자가 주니어 개발자보다 유리한 부분이 이런 엣지 케이스에 대한 경험적인 부분인 것 같습니다.‬ ‪하지만 반면에 이런 사소한(?) 요소들 때문에 개발이 오래 걸리는데, 보통 당장은 필요 없는 것일 가능성이 높으니, 주니어가 이런 것 고려하지 않고 빠르고 단순하게 만드는게 더 큰 장점이 될 수도 있습니다. 특히 이런건 나중에 정말 많은 사람들이 쓰기 시작할 때 개선하는게 더 의도에 맞게 만들 수도 있으니까요.‬ ‪그래서 저는 AI 개발 시대에 시니어만 유리하다는 말이 맞지는 않다고 생각합니다. 오히려 내년이 되면 주니어에 비해 경쟁력이 없어질까 불안할 정도에요.‬

Interested in AI-powered data classification? Elevate your data management with cutting-edge technology!

Mastering AI Data Classification: Ultimate Guide

AI를 활용한 데이터 분류는 시간이 많이 걸리고 오류가 발생할 위험이 있는 수동 분류의 한계를 극복하여 데이터 관리 및 분석 프로세스를 혁신합니다. 이를 통해 조직은 정확하고 시기 적절한 정보를 바탕으로 정보에 입각한 의사결정을 내릴 수 있습니다.

AI 데이터 분류는 다양한 도구를 사용하여 광범위한 애플리케이션에 사용할 수 있습니다. 이 프로세스를 구현하려면 관련된 단계와 분류 유형에 대한 철저한 이해는 물론 다양한 AI 학습 방법에 대한 숙지가 필요합니다. 알아야 할 사항은 다음과 같습니다.

[ AI 데이터 분류란 무엇인가요? ]
 * AI 도구와 기술을 사용해 데이터를 미리 정의된 카테고리로 정리하는 프로세스
 * 데이터 내의 패턴과 특징을 인식하도록 AI 모델을 학습 -> 기존 사례와의 유사성을 기반으로 새로운 데이터 포인트에 정확하게 라벨을 붙이고 태그를 지정 -> 방대한 양의 데이터를 체계적으로 관리&분석 -> 의사 결정 개선 및 비즈니스 성과 향상
 * AI 데이터 분류는 과거 데이터 패턴에 의존해 비정형 정보에서 질서 생성 ->이 기능은 예측 분석, 스팸 필터링, 추천 시스템, 이미지 인식에 필수적인 기능
 * AI 모델이 데이터에서 인사이트를 처리하고 추출하는 방식을 개선함으로써 신뢰할 수 있는 예측, 이상 징후 감지, 개인화된 추천 제공 능력 향상 -> 더 나은 의사 결정, 더 나은 고객 경험, 다양한 산업 전반의 효율성 향상

[ AI 데이터 분류의 8단계 ]
AI 데이터 분류에 대한 구조화된 접근 방식을 구현하면 데이터의 무결성과 유용성을 크게 향상시킬 수 있습니다.

1. 명확한 목표 설정
 * 고객 경험 향상, 미래 트렌드 예측, 이상 징후 탐지 등 AI 데이터 분류가 필요한 이유 파악
 * 이러한 이해를 바탕으로 특정 비즈니스 요구 사항을 충족하도록 프로세스 조정 및 성공을 위한 벤치마크 설정
 * 목표 설정은 데이터 선택, 알고리즘 선택, 평가 지표 등의 결정에 영향
2. 카테고리 설정
 * 관련성 또는 민감도에 따라 데이터를 별개의 카테고리로 구성
 * 카테고리를 정의하려면 데이터를 분류할 클래스 또는 그룹 설정
 * 카테고리는 당면한 문제와 관련이 있고 의미 있는 것이어야 하며, 카테고리를 정의하려면 종종 도메인 지식 필요
 * 이 단계는 데이터를 구성할 프레임워크를 설정하기 때문에 AI 데이터 분류 프로세스에서 필수 단계
3. 데이터 수집
 * AI 모델 학습의 기초를 형성하며 모델이 직면하게 될 실제 시나리오를 반영하는 포괄적이고 대표적인 데이터 세트를 수집하는 단계
 * 데이터의 품질과 양은 모델의 학습 및 정확한 예측 능력에 직접적인 영향
 * 데이터는 정의된 카테고리 및 목표와 관련이 있어야 하며, 각 카테고리의 다양한 측면을 포착할 수 있을 만큼 다양해야 함
 * 데이터 수집에는 누락된 값, 이상값 또는 불일치를 처리하기 위한 데이터 정리 및 전처리 필요.
 * AI 데이터 분류 프로세스의 성공 여부는 수집된 데이터의 품질에 크게 좌우됨
4. 자동화된 태깅 적용
 * AI 알고리즘을 활용하여 데이터를 미리 정의된 카테고리로 자동 분류하는 단계로, 대량의 데이터 처리시 특히 유용
 * 자동화된 태깅은 데이터를 빠르고 정확하게 분류할 수 있어 수작업의 필요성을 줄이고 확장성 향상, 분류 프로세스를 간소화할 뿐만 아니라 데이터 태깅의 일관성을 유지하여 효율성 증대
5. 특징 엔지니어링 및 모델 훈련
 * 효과적인 학습을 위한 단계를 설정하는 반면, 모델 훈련은 실제 학습이 이루어지는 단계
 * 특징 엔지니어링에서는 데이터를 분석하여 분류와 가장 관련성이 높은 새로운 특징을 식별하거나 생성
 * 모델 훈련에서는 분류 모델이 데이터에 노출되어 특징과 카테고리 간의 패턴과 관계를 인식하는 방법 학습
 * 이 두 단계는 상호 의존적이며 정확한 AI 데이터 분류 모델을 만드는 데 필수
 * AI 데이터 분류 도구를 선택하는 것은 모델 학습 과정의 일부이며, 도구마다 분류 모델의 효율성에 영향을 줄 수 있는 다양한 알고리즘, 기능 및 성능 특성 제공
 * 이 단계에서 올바른 도구를 선택해야 데이터 분류 목표 달성 가능
6. AI 분류 모델 평가
 * 학습된 모델을 별도의 데이터 세트에서 테스트 및 성능 평가
 * 일반적으로 정확도 및 회수율과 같은 주요 메트릭은 모델의 데이터 분류 성공 여부를 정량화하는 데 사용
 * AI 데이터 분류 모델을 평가하면 모델의 강점, 약점, 추가 학습이나 기능 엔지니어링이 필요한 잠재적인 개선 영역을 발견하는 데 도움
 * 이 단계를 통해 분류 프로세스가 원하는 품질 표준을 충족하고 정의된 목표에 부합하는지 확인 가능
7. 모델 배포
 * 훈련되고 평가된 모델을 운영 환경이나 비즈니스 워크플로우에 통합하여 분류 결과를 실제로 적용할 수 있도록 하는 작업
 * 이 단계에서는 분류 모델이 새로운 실시간 데이터를 분류하기 시작하여 대규모의 성공적인 데이터 분류를 가능하게 합니다.
8. 지속적인 개선 및 조정
 * 모델을 배포하여 운영 중인 후에도 비즈니스 요구 사항, 기술 역량 및 실제 데이터의 변화를 수용하기 위해 지속적으로 모니터링과 조정
 * 새로운 데이터로 모델을 재학습하거나, 기능이나 매개변수를 수정하거나, 새로운 요구 사항을 충족하기 위해 새로운 모델을 개발하는 등의 과정 포함
 * 진화하는 데이터 트렌드와 비즈니스 요구사항에 직면하여 모델의 정확성과 관련성을 유지하는 데 도움

[ AI 데이터 분류 알고리즘의 유형 ]
AI 데이터 분류 알고리즘은 학습 행동에 따라 두 가지 주요 범주로 나눌 수 있습니다. 이러한 범주는 분류 프로세스의 기본이 되는 AI 모델이 학습 데이터를 처리하고 활용하는 방식에 대한 서로 다른 접근 방식을 반영합니다.

 * 모델 기반 학습자
   학습 과정에서 학습한 지식을 나타내는 학습 데이터를 사용하여 특정 모델을 구축하며, 새로운 인스턴스에 대한 예측에 직접 사용하기에 더 많은 컴퓨팅 리소스 필요
   * 의사 결정 트리
     * 기능과 의사 결정 규칙에 따라 데이터를 분류하는 순서도와 같은 구조를 만드는 직관적이고 간단한 알고리즘
     * 전체 데이터 집합을 나타내는 루트 노드에서 시작하여 각각 데이터의 하위 집합을 나타내는 하위 노드로 분할
     * 의사 결정 트리는 고객 세분화, 사기 탐지 및 질병 진단에 널리 사용
   * 로지스틱 회귀
     * 적응력이 뛰어난 이 알고리즘은 여러 예측 변수를 기반으로 이진 분류 시나리오에서 널리 사용되며, 이진 결과의 확률 평가
     * 고객 이탈 예측, 스팸 메시지 식별, 은행 및 금융 영역에서의 사기 거래 탐지 등에 사용
   * 랜덤 포레스트
     * 견고성으로 잘 알려진 랜덤 포레스트는 여러 의사 결정 트리를 구성하고 그 예측을 결합하여 최종 분류를 수행하므로 해석 및 예측 가능성이 높음
     * 신용 점수, 의료 진단, 사기 탐지에 사용되는 일종의 앙상블 학습 알고리즘
   * 서포트 벡터 머신(SVM)
     * 데이터 포인트를 서로 다른 클래스로 분리하는 동시에 그 사이에 가능한 가장 넓은 마진을 유지하는 최적의 하이퍼플레인(결정 경계) 식별
     * 데이터 내의 복잡한 관계를 포착할 수 있으므로 고차원 데이터와 비선형적으로 분리할 수 없는 클래스를 다룰 때 유리
     * 이미지 및 텍스트 분류, 생물 정보학 등 복잡한 시나리오에서 사용
   * 신경망
     * 인간 두뇌의 구조와 기능에서 영감을 얻은 신경망은 입력 데이터를 처리하고 예측 출력으로 변환하는 '뉴런'이라고도 하는 상호 연결된 노드 계층으로 구성된 고급 계산 모델
     * 학습 데이터에서 학습한 패턴을 기반으로 입력 데이터를 다양한 카테고리 또는 클래스로 분류하는 데 사용
   * 나이브 베이즈 분류기
     * 확률의 원리를 따라 데이터를 분류하는 생성 학습 알고리즘으로 데이터 분포에 대한 지식이 제한적일 때 유용
     * 일반적으로 분류 작업에 사용되는 머신 러닝(ML) 알고리즘
 * 인스턴스 기반 학습자
   * 모델을 학습하는 대신 모든 훈련 인스턴스를 메모리에 저장하고 저장된 데이터는 예측을 위한 기초 자료로 사용
   * 새로운 인스턴스를 분류할 때가 되면 이를 메모리에 있는 기존 인스턴스와 비교 -> 이 비교를 기반으로 학습자는 새 인스턴스에 레이블 할당
   * 복잡하고 비선형적인 데이터를 처리하는 데 특화되어 있어 실제 애플리케이션에 적합하며 다른 학습 알고리즘에 비해 비교적 쉽게 구현 가능. 특히 대규모 데이터 세트의 경우 비용이 많아질 가능성 높음
   * 가장 가까운 이웃(KNN) 알고리즘
     * 분류 및 회귀 작업에 사용되는 간단하면서도 강력한 머신 러닝 알고리즘
     * 이 알고리즘의 핵심 아이디어는 학습 데이터 세트에서 가장 가까운 이웃의 레이블이나 값을 기반으로 새 데이터 포인트에 레이블을 할당하거나 값 예측
     * 추천 시스템, 이상 징후 감지, 패턴 인식과 같이 데이터 분포에 대한 사전 지식이 거의 없는 시나리오에서 자주 사용

[ 데이터 분류를 위해 AI를 훈련시키는 6가지 방법 ]
접근 방식과 복잡성이 다양하며 목표, 데이터의 가용성, 비즈니스의 특정 요구 사항에 따라 선택
 1. 지도 학습
 * 이는 데이터 분류 분야에서 잘 정립된 방법으로, 각 데이터 포인트가 특정 레이블과 연결된 데이터 세트를 사용하여 모델 학습
 * 주요 알고리즘: 로지스틱 회귀, 의사 결정 트리, SVM, 나이브 베이즈, KNN, 신경망 등
 * 사례: 이메일 스팸 탐지, 감정 분석, 이미지 분류, 의료 진단 및 신용 평가등에 적용
 2. 비지도 학습
 * 사전 라벨링이나 사람의 개입 없이 알고리즘이 분류를 위해 데이터를 분석하고 해석
 * 이 접근 방식을 통해 알고리즘은 데이터 내에서 기본 패턴, 데이터 구조 및 카테고리 발견
 * 주요 알고리즘: 클러스터링, 이상 징후 탐지, 연관 규칙 마이닝은 데이터에서 의미 있는 인사이트와 관계를 추출
 * 사례: 시장을 세분화하고, 개인화된 제품 추천을 제공하고, 데이터에서 이상값을 감지하고, 소셜 네트워크에서 커뮤니티를 식별하는 데 사용
 3. 준지도 학습
 * 모델 학습에 레이블이 지정된 데이터와 레이블이 지정되지 않은 데이터를 모두 사용하며, 레이블이 지정된 데이터를 충분히 확보하기 어렵거나 비용이 많이 드는 경우에 특히 유용
 * 사례: 음성 분석에서 전사가 없는 오디오 파일과 같이 레이블이 없는 데이터를 사용하여 모델의 성능을 향상시켜 음성의 변화와 뉘앙스를 더 잘 이해할 수 있으며, 이를 통해 모델이 새롭고 유사한 오디오 파일을 접할 때 더 정확한 분류를 수행 가능
 4. 강화 학습
 * 시행착오를 통해 학습하도록 유도함으로써 데이터 분류를 위해 AI 훈련
 * AI 에이전트는 환경과 상호 작용하여 의사 결정을 내리고 보상 또는 페널티의 형태로 피드백 받음.
 * 다양한 작업을 탐색하고 결과를 관찰함으로써 AI는 어떤 작업이 더 나은 분류 결과를 가져오는지 학습. 시간이 지남에 따라 지속적인 학습과 최적화를 통해 AI는 훈련 과정에서 축적된 총 보상을 극대화하여 분류 정확도를 향상
 * 사례: 로봇 공학, 자율 주행 자동차, 체스 및 포커 게임용 게임 봇 등
 5. 능동 학습
 * 이 데이터 라벨링 및 선택 기법
 * 사례: 텍스트 분류, 이미지 주석, 문서 분류와 같은 AI 작업
 * 라벨링에 가장 유익한 데이터 포인트를 선택하고, 라벨링된 데이터로부터 학습하며, 예측을 개선하는 과정 포함. 원하는 수준의 모델 성능에 도달하거나 모든 데이터에 레이블이 지정될 때까지 계속
 * 사례: 데이터 라벨링에 비용이 많이 들거나 시간이 많이 소요될 때 특히 유용
 6. 전이 학습
 * 사전 학습된 모델에서 새로운 작업으로 지식을 이전하는 것
 * 라벨링된 데이터의 필요성을 줄이고 분류 성능을 향상시킬 수 있어 라벨링된 데이터가 제한적이거나 구하기 어려운 영역에 적합
 * 일반적으로 이미지 인식과 텍스트 분류 또는 감정 분석을 위한 자연어 처리(NLP)에 적용

[ AI 데이터 분류의 실제 사용 사례와 도구 5가지 ]
 1. 고객 세분화
 * AI 데이터 분류: 고객을 공통된 특성이나 행동을 가진 그룹 분류.
 * ML 모델: 인구 통계, 구매 내역, 상호작용을 분석하여 고객을 유사한 요구 사항이나 선호도를 가진 세그먼트로 분류
 * 효과" 기업은 다양한 고객의 요구를 더 잘 충족할 수 있도록 마케팅 전략과 오퍼링을 맞춤화
 * 사례: 이커머스 기업 - 행동과 선호도에 따라 고객을 '자주 쇼핑하는 고객', '예산에 민감한 구매자', '사치품을 찾는 고객'으로 분류
 * 도구: Peak.ai, Optimove
 2. 제품 추천
 * AI 데이터 분류: 사용자 행동, 선호도, 구매 이력을 기반으로 제품 분류.
 * 협업 필터링 또는 콘텐츠 기반 필터링 기술을 사용하여 사용자와 관련 제품 매칭.
 * 사례: 전자 제품을 자주 구매하는 사용자는 '기술 애호가'로 분류: 헤드폰이나 스마트폰을 추천
 * 도구: involve.me, Personyze
 3. 사기 탐지
 * AI 데이터 분류: 거래 데이터의 패턴을 분석하고 활동을 합법적이거나 의심스러운 것으로 분류하여 사기 탐지
 * 머신러닝 모델: 과거 데이터를 학습하여 사기를 나타낼 수 있는 비정상적인 행동이나 정상 행동과의 편차 감지
 * 사례:신용 카드 거래가 사용자의 일반적인 지출 패턴에서 크게 벗어나거나 사기 행위로 알려진 위치에서 발생한 경우, AI 모델은 추가 조사를 위해 해당 거래에 플래그 지정
 * 도구: Amazon Fraud Detector, PayPal의 Simility
 4. 네트워크 트래픽 분석
 * AI 데이터 분류: 네트워크 패킷의 특성에 따라 네트워크 트래픽을 분석하고 잠재적인 위협이나 이상 징후 탐지. AI는 네트워크 패킷의 특성에 따라 분류함으로써 네트워크 침입이나 서비스 거부 공격과 같은 악의적인 활동을 나타내는 의심스러운 패턴을 탐지하고, 정상적인 네트워크 동작과 비정상적인 네트워크 동작을 구분하여 보안사고 신속 대응
 * 사례: 들어오는 네트워크 트래픽을 정상적인 사용자 요청 또는 봇넷에 의해 생성된 의심스러운 트래픽으로 분류
 * 도구: Fujitsu Network Communications, Data Dog Network Monitoring
 5. 의료 진단
 * AI 데이터 분류 도구: 의료 전문가들이 엑스레이, MRI 스캔, 병리 슬라이드와 같은 의료 이미지를 해석하는 데 유용
 * ML 알고리즘: 해당 진단이 포함된 이미지가 포함된 레이블이 지정된 데이터 세트 학습
 * 사례: 특정 질병이나 상태를 나타내는 패턴이나 이상을 식별하여 새로운 이미지를 분류
 * 도구: MedLabReport, CardioTrack AI

[ 결론 ]
 * AI 데이터 분류는 데이터를 빠르고 정확하게 분류하고 분석하여 데이터 관리를 혁신함으로써 기업이 앞서 나갈 수 있도록 돕습니다.
 * 데이터 분류 정책은 조직 내에서 다양한 유형의 데이터를 분류하고 관리하기 위한 기준을 제시하므로 AI 데이터 분류에 있어 매우 중요합니다.
 * 데이터 분류 정책은 적절한 보호 조치를 취하는 데 중요한 역할을 하며, 특히 민감한 데이터로 AI 모델을 학습시킬 때 더욱 중요합니다이를 통해 조직은 데이터 유형과 위치를 파악하고 민감한 정보를 안전하게 처리할 수 있습니다. 이 프로세스는 또한 규정 준수를 보장합니다.
 * 앞으로 데이터 분석에서 AI의 역할이 커지고, 딥러닝이 더욱 보편화되며, 클라우드 컴퓨팅과 빅데이터 분석과 같은 기술이 AI에 통합되면서 데이터 분류의 중요성이 더욱 높아질 것입니다.

 * source: https://www.datamation.com/big-data/ai-data-classification/?utm_source=Sailthru&utm_medium=email&utm_campaign=e730_07.08.2024_ICP_DataVIS&utm_term=data-insider-active

Datamation

[Datamation] AI 데이터 분류 마스터링: 궁극의 가이드

　계속하던 것을 그만둔다는 건, 시작하는 것보다 더 어려운 결정을 요구할 때가 많다. ‘왜 그만둬야 할까?’라는 물음 앞에 서면 수많은 이유와 핑계가 머릿속에서 충돌하고, 그 과정에서 내면의 깊숙한 갈등과 마주하게 된다. 2018년부터 6년 동안 꾸준히 운영해온 기술 블로그 구독 서비스 …

6년간의 토이프로젝트 여정을 마무리하며 - 기술블로그 구독서비스 회고록

안녕하세요.
오랜만에 글을 올리게 되었는데, 이렇게 토이 프로젝트 종료 후기로 인사드리게 될 줄은 몰랐네요 ㅎ
무려 6년 가까이 운영해온 "기술 블로그 구독 서비스"를 최근 종료하게 되었습니다. 매일 아침, 다양한 기술 블로그를 모아 메일로 발송하던 이 작은 서비스는 어느새 수천 명의 개발자분들의 루틴이 되어 있던 것 같습니다.
시작은 단순했습니다. 내가 읽고 싶은 글을 정리하자는 마음에서 출발했죠. 그런데 그 불편함을 해결하고자 만든 도구가 누군가에겐 하루의 시작이 되었고, ‘잘 보고 있다’는 메시지 하나에 큰 보람을 느끼며 여기까지 달려올 수 있었습니다.
그래서일까요. 종료 버튼을 누르기까지, 꽤 오랜 시간 고민이 필요했습니다. 기술 환경도, 저의 역할도 변해가는 시점에서 더 이상 지속하기 어려웠지만, 그동안 함께해주신 모든 분들께 정말 감사한 마음뿐입니다.
마치 하나의 챕터를 덮는 기분이네요. 언젠가 또 다른 방식으로 여러분과 만나게 되길 기대하며, 그동안 함께해주신 모든 구독자분들께 진심으로 감사드립니다.
후기와 회고는 아래 블로그 글로 정리해 두었습니다.
https://taetaetae.github.io/posts/toy-project-retrospective-6-years-journey/

안녕하세요.오랜만에 글을 올리게 되었는데, 이렇게 토이 프로젝트 종료 후기로 인사드리게 될 줄은 몰랐네요 ㅎ무려 6년 가까이 운영해온 "기술 블로그 구독 서비스"를 최근 종료하게 되었습니다. 매일 아침, 다양한 기술 블로그를 모아 메일로 발송하던 이 작은 서비스는 어느새 수천 명의 개발자분들의 루틴이 되어 있던 것 같습니다.시작은 단순했습니다. 내가 읽고 싶은 글을 정리하자는 마음에서 출발했죠. 그런데 그 불편함을 해결하고자 만든 도구가 누군가에겐 하루의 시작이 되었고, ‘잘 보고 있다’는 메시지 하나에 큰 보람을 느끼며 여기까지 달려올 수 있었습니다.그래서일까요. 종료 버튼을 누르기까지, 꽤 오랜 시간 고민이 필요했습니다. 기술 환경도, 저의 역할도 변해가는 시점에서 더 이상 지속하기 어려웠지만, 그동안 함께해주신 모든 분들께 정말 감사한 마음뿐입니다.마치 하나의 챕터를 덮는 기분이네요. 언젠가 또 다른 방식으로 여러분과 만나게 되길 기대하며, 그동안 함께해주신 모든 구독자분들께 진심으로 감사드립니다.후기와 회고는 아래 블로그 글로 정리해 두었습니다.https://taetaetae.github.io/posts/toy-project-retrospective-6-years-journey/

taetaetae.github.io

6년간의 토이프로젝트 여정을 마무리하며 - 기술블로그 구독서비스 

🚀 DDD, 기술보다 사람을 중심에 둔 소프트웨어 전략
"도메인이 복잡한 이유는 기술 때문이 아니라 점점 복잡해지는 도메인 그자체에 있으며 이것을 중심에 두어야한다."
이것이 바로 DDD(Domain-Driven Design)의 핵심 철학입니다.
즉, 시스템이나 기술이 아닌 '도메인 전문가(사람)'를 중심에 두고 문제를 해결하자는 전략이죠.

🤖 그런데 최근 AI는 점점 더 똑똑해지며
사람의 역할을 줄이거나, 때로는 아예 대체하는 방향으로 나아가고 있습니다.
이 AI 시대에,
사람 중심의 문제 해결을 강조해 온 DDD는 어떤 변화를 맞이하게 될까요?

DDD 개념을 먼저 이해하고, DDD 창시자인 Eric Evans의 까지 담은 3종 영상 세트 요약본 입니다.

DDD 그거 그렇게하는거 아닌데 - 우아한형제들
- https://wiki.webnori.com/x/_ICtBg
DDD를 AI에 이용해 설계(Design) 가속화하기
- https://wiki.webnori.com/x/D4GtBg
DDD와 LLM - 에릭에반스(DDD의 창시자-2003년)
- https://wiki.webnori.com/x/CIGtBg

종합 : https://wiki.webnori.com/x/FoGtBg

🚀 DDD, 기술보다 사람을 중심에 둔 소프트웨어 전략 "도메인이 복잡한 이유는 기술 때문이 아니라 점점 복잡해지는 도메인 그자체에 있으며 이것을 중심에 두어야한다." 이것이 바로 DDD(Domain-Driven Design)의 핵심 철학입니다. 즉, 시스템이나 기술이 아닌 '도메인 전문가(사람)'를 중심에 두고 문제를 해결하자는 전략이죠. 🤖 그런데 최근 AI는 점점 더 똑똑해지며 사람의 역할을 줄이거나, 때로는 아예 대체하는 방향으로 나아가고 있습니다. 이 AI 시대에, 사람 중심의 문제 해결을 강조해 온 DDD는 어떤 변화를 맞이하게 될까요? DDD 개념을 먼저 이해하고, DDD 창시자인 Eric Evans의 까지 담은 3종 영상 세트 요약본 입니다. DDD 그거 그렇게하는거 아닌데 - 우아한형제들 - https://wiki.webnori.com/x/_ICtBg DDD를 AI에 이용해 설계(Design) 가속화하기 - https://wiki.webnori.com/x/D4GtBg DDD와 LLM - 에릭에반스(DDD의 창시자-2003년) - https://wiki.webnori.com/x/CIGtBg 종합 : https://wiki.webnori.com/x/FoGtBg

DDD와 AI

분당 5억의 매출이 발생하는 이벤트 시스템을 어떻게 구축하고 운영했는지 소개합니다.

무진장 힘들었지만 무진장 성장한 개발 이야기

간만에 재밌게 읽은 기술 포스트
여름 이벤트 관련 개발 회고와 높은 트래픽을 어떤 요소들로 잘 방어했는가에 대한 포스트
4월부터 네이버 쇼핑 내에서 트래픽이 높은 부서로 이동한터라 (그래서 드럽게 바쁨)
우리도 적용해 볼법 한 몇가지 내용들이 보여서 흥미로웠음
예전에 적용해봤거나 생각은 해봤던 것들도 있었는데, 결국에는 '아.. 언제하지' 로 귀결 😢

간만에 재밌게 읽은 기술 포스트여름 이벤트 관련 개발 회고와 높은 트래픽을 어떤 요소들로 잘 방어했는가에 대한 포스트4월부터 네이버 쇼핑 내에서 트래픽이 높은 부서로 이동한터라 (그래서 드럽게 바쁨)우리도 적용해 볼법 한 몇가지 내용들이 보여서 흥미로웠음예전에 적용해봤거나 생각은 해봤던 것들도 있었는데, 결국에는 '아.. 언제하지' 로 귀결 😢

Medium

간만에 재밌게 읽은 기술 포스트
여름 이벤트 관련 개발 회고와 높

고용노동부에서 주관하는 청년미래플러스 3기를 모집 중이라고 합니다.
구직자와 재직자 두 가지 트랙을 동시에 모집한다고 하네요.
 * 모집 기간: 6월 15일 ~ 8월 3일
 * 구직자 트랙: https://miraeplus.sw.or.kr/ko/o/155208
 * 재직자 트랙: https://miraeplus.sw.or.kr/ko/o/152138

공고에는 다음과 같은 활동 계획이 기재되어 있습니다.

📌 구직자 트랙
 * IT업계 현직자와 멘토링
 * 직무역량 강화 지원 (인프런 강의 15만원 이내)
 * 개별 맞춤형 취업 지원 (서류 첨삭, 모의면접 등)

📌 재직자 트랙
 * 개별 커리어 플랜 설계 지원
 * 커리어 진단 리포트
 * IT업계 현직자와 멘토링
 * 직무역량 강화 지원 (인프런 강의 15만원 이내)

이러한 활동 지원도 좋은 혜택이라고 생각하는데요,
업계 사람과 네트워크를 형성하는 것과 진로나 방향에 대해서 익명이 아닌 누군가(특히 업계 선배)와 면담을 하는 것이 특히 좋은 점인 것 같습니다.

고용노동부에서 주관하는 청년미래플러스 3기를 모집 중이라고 합니다.구직자와 재직자 두 가지 트랙을 동시에 모집한다고 하네요.<ul ><li>모집 기간: 6월 15일 ~ 8월 3일</li></ul><ul ><li>구직자 트랙: https://miraeplus.sw.or.kr/ko/o/155208</li><li>재직자 트랙: https://miraeplus.sw.or.kr/ko/o/152138</li></ul> 공고에는 다음과 같은 활동 계획이 기재되어 있습니다. 📌 구직자 트랙<ul ><li>IT업계 현직자와 멘토링</li><li>직무역량 강화 지원 (인프런 강의 15만원 이내)</li><li>개별 맞춤형 취업 지원 (서류 첨삭, 모의면접 등)</li></ul> 📌 재직자 트랙<ul ><li>개별 커리어 플랜 설계 지원</li><li>커리어 진단 리포트</li><li>IT업계 현직자와 멘토링</li><li>직무역량 강화 지원 (인프런 강의 15만원 이내)</li></ul> 이러한 활동 지원도 좋은 혜택이라고 생각하는데요,업계 사람과 네트워크를 형성하는 것과 진로나 방향에 대해서 익명이 아닌 누군가(특히 업계 선배)와 면담을 하는 것이 특히 좋은 점인 것 같습니다.

고용노동부에서 주관하는 청년미래플러스 3기를 모집 중이라고 합니다

2005년 7월에 일을 시작했으니, 올해로 개발자 생활이 햇수로 20년째다. 중간에 공백이 조금씩 있었으니 꽉 채운 스무 해는 아니지만, 숫자가 주는 무게는 여전하다. 20년이라는 시간이 흘렀다는 사실이 새삼 신기하게 느껴진다.

개발에 대한 관심은 고교 시절, MUD 게임을 만들던 친구를 만나면서부터 시작됐다. 코드를 전혀 몰랐기에, 내 역할은 게임 세계관을 만드는 것이었다. 새로운 지역의 지도를 그리고, 아이템이나 기술 설정을 만들고, 짧은 이야기를 엮어 퀘스트를 구상했다. 친구가 코드로 그 상상을 현실로 만드는 과정을 어깨너머로 지켜보는 것은 꽤 흥미로운 경험이었다. 그 이끌림에 C++ 책을 사서 들춰보던 것이 내 첫걸음이었다.

대학 동아리 방에서의 시간은 열정으로 기억된다. 하루 서너 시간만 새우잠을 자며 무언가를 계속 만들었다. 코드가 생각대로 작동할 때의 희열, 풀리지 않는 로직 앞에서 느끼던 분노와 실망, 그리고 마침내 문제를 해결하고 터뜨리던 웃음. 그 모든 과정이 이상할 정도로 재미있었다. 그저 좋아하는 일에 빠져 살았을 뿐인데, 정신을 차리고 보니 나는 개발자라는 직업을 가진 사람이 되어 있었다.

직장에서 동료들과 함께 일하며, 재미의 의미는 조금씩 넓어졌다. 코드를 완성하는 즐거움을 넘어, 내가 만든 소프트웨어가 동료의 수고를 덜어줄 때 더 큰 재미를 느꼈다. 시간이 더 지나서는 코딩이라는 행위를 넘어, 동료들과 머리를 맞대고 더 나은 길을 찾아내며 문제를 해결하는 과정 자체에서 재미를 발견했다.

스무 해. 짧지 않은 시간 동안 이 일을 재미있다고 느끼며 해올 수 있었다는 사실이 큰 축복처럼 다가온다. 앞으로도 오랫동안 내 곁에 머물기를 조용히 바라본다.

2005년 7월에 일을 시작했으니, 올해로 개발자 생활이 햇수로 20년째다. 중간에 공백이 조금씩 있었으니 꽉 채운 스무 해는 아니지만, 숫자가 주는 무게는 여전하다. 20년이라는 시간이 흘렀다는 사실이 새삼 신기하게 느껴진다. 개발에 대한 관심은 고교 시절, MUD 게임을 만들던 친구를 만나면서부터 시작됐다. 코드를 전혀 몰랐기에, 내 역할은 게임 세계관을 만드는 것이었다. 새로운 지역의 지도를 그리고, 아이템이나 기술 설정을 만들고, 짧은 이야기를 엮어 퀘스트를 구상했다. 친구가 코드로 그 상상을 현실로 만드는 과정을 어깨너머로 지켜보는 것은 꽤 흥미로운 경험이었다. 그 이끌림에 C++ 책을 사서 들춰보던 것이 내 첫걸음이었다. 대학 동아리 방에서의 시간은 열정으로 기억된다. 하루 서너 시간만 새우잠을 자며 무언가를 계속 만들었다. 코드가 생각대로 작동할 때의 희열, 풀리지 않는 로직 앞에서 느끼던 분노와 실망, 그리고 마침내 문제를 해결하고 터뜨리던 웃음. 그 모든 과정이 이상할 정도로 재미있었다. 그저 좋아하는 일에 빠져 살았을 뿐인데, 정신을 차리고 보니 나는 개발자라는 직업을 가진 사람이 되어 있었다. 직장에서 동료들과 함께 일하며, 재미의 의미는 조금씩 넓어졌다. 코드를 완성하는 즐거움을 넘어, 내가 만든 소프트웨어가 동료의 수고를 덜어줄 때 더 큰 재미를 느꼈다. 시간이 더 지나서는 코딩이라는 행위를 넘어, 동료들과 머리를 맞대고 더 나은 길을 찾아내며 문제를 해결하는 과정 자체에서 재미를 발견했다. 스무 해. 짧지 않은 시간 동안 이 일을 재미있다고 느끼며 해올 수 있었다는 사실이 큰 축복처럼 다가온다. 앞으로도 오랫동안 내 곁에 머물기를 조용히 바라본다.

올해로 개발자 생활이 햇수로 20년째다

1. 유명한 경제학자 케인스는 단기 투자 전략을 미인선발대회에 비유했다.

2. 이 대회의 규칙은 이렇다. 100명의 후보 사진을 신문에 공개하고 독자들에게 이 중 가장 미인이라고 생각하는 사람 6명에 투표하라고 한다.

3. 그 결과, 독자들로부터 가장 많은 표를 받은 사람이 최고의 미인으로 뽑히고 그 미인에 투표한 사람은 정해진 상금을 받는다.

4. 이 대회에서 선발될 미인을 맞추기 위해서는, 즉 상금을 받기 위해서는 자신이 판단하기에 가장 예쁜 사진을 선택하면 안 되고, 평균적으로 가장 예쁘다 고 생각하는 사진을 선택해서도 안 된다.

5. 참가자 대부분이 판단하기에 평균적 여론이 될 것이라고 기대하는 모습을 예측해야만 하는 것이다.

6. 케인스는 투자의 세계도 이와 비슷하므로 평균적인 여론을 예상해서 투자하라고 한다.

#이채원의가치투자 📚
#투자는심리게임이다

1. 유명한 경제학자 케인스는 단기 투자 전략을 미인선발대회에 비유했다. ​2. 이 대회의 규칙은 이렇다. 100명의 후보 사진을 신문에 공개하고 독자들에게 이 중 가장 미인이라고 생각하는 사람 6명에 투표하라고 한다. ​3. 그 결과, 독자들로부터 가장 많은 표를 받은 사람이 최고의 미인으로 뽑히고 그 미인에 투표한 사람은 정해진 상금을 받는다. 4. 이 대회에서 선발될 미인을 맞추기 위해서는, 즉 상금을 받기 위해서는 자신이 판단하기에 가장 예쁜 사진을 선택하면 안 되고, 평균적으로 가장 예쁘다 고 생각하는 사진을 선택해서도 안 된다. ​5. 참가자 대부분이 판단하기에 평균적 여론이 될 것이라고 기대하는 모습을 예측해야만 하는 것이다. ​6. 케인스는 투자의 세계도 이와 비슷하므로 평균적인 여론을 예상해서 투자하라고 한다. #이채원의가치투자 📚 #투자는심리게임이다

< 가장 예쁜 사람이 아니라, 1등 할 사람에게 투표하라 >

아직 나도 정립되지 않은 상태이긴한데, 실무에서의 바이브 코딩은 다르다.

비단 개발자 관점에서만이 아니라, 기획자, 디자이너도 마찬가지로 다른 방식을 써야한다.

지금의 바이브 코딩을 말하는 자, 가르치는 자는 거의 대부분(아마도 99.9%) 새로운 프로토타입을 만드는 것을 가르치는 것이다.

그런데, 실무에서 중요한 건 완전히 새로운 것이 아니라, 기존의 프로젝트를 수정/확장하는 것이다. 그것이 프로토타입이라도.

즉, 협업이 관건이다.

이를 고려하면 ChatGPT의 Codex가 한 발짝 앞서 나가 있는 상태라고 할 수 있다. 다만 실행하여 결과를 보여주지 못하는 것이 아직 비어있는 부분.

요즘 CLI 형태의 툴이 유행하는데, 이건 플러그인하기 쉽다는 장점이 있어서 기본 기술을 만드는데는 유리하지만, 결국 통합 시스템은 필요하다.

과연 누가 먼저 이 통합 시스템을 유의미한 수준으로 서비스하기 시작할지가 관전 포인트.

…말만하지말고 내가 만들어야하는데… 😒

아직 나도 정립되지 않은 상태이긴한데, 실무에서의 바이브 코딩은 다르다. 비단 개발자 관점에서만이 아니라, 기획자, 디자이너도 마찬가지로 다른 방식을 써야한다. 지금의 바이브 코딩을 말하는 자, 가르치는 자는 거의 대부분(아마도 99.9%) 새로운 프로토타입을 만드는 것을 가르치는 것이다. 그런데, 실무에서 중요한 건 완전히 새로운 것이 아니라, 기존의 프로젝트를 수정/확장하는 것이다. 그것이 프로토타입이라도. 즉, 협업이 관건이다. 이를 고려하면 ChatGPT의 Codex가 한 발짝 앞서 나가 있는 상태라고 할 수 있다. 다만 실행하여 결과를 보여주지 못하는 것이 아직 비어있는 부분. 요즘 CLI 형태의 툴이 유행하는데, 이건 플러그인하기 쉽다는 장점이 있어서 기본 기술을 만드는데는 유리하지만, 결국 통합 시스템은 필요하다. 과연 누가 먼저 이 통합 시스템을 유의미한 수준으로 서비스하기 시작할지가 관전 포인트. …말만하지말고 내가 만들어야하는데… 😒

아직 나도 정립되지 않은 상태이긴한데, 실무에서의 바이브 코딩은 

﻿
'이력서 - 잃었어 - 일없어'
어제 취업 지원 프로그램에서 이력서 준비의 중요성을 강조했더니, 한 구직자가 자신의 상황을 재치 있게 표현한 말입니다. 현재 이력서가 준비되어 있는지 물었더니 "잃어버렸다"고 답했습니다. 물론 정말 잃어버린 것은 아니었습니다. 다른 사람에게 보여주기 부끄러울 만큼 자신의 이력서가 변변치 않아서 숨기고 싶다는 의미였죠. 왜 보여주기 싫은지 물었을 때, 이력서에 써넣을 특별한 경험이 없어서라고 했습니다.

뻔뻔했던 신입 시절의 나
제가 처음 취업을 준비하던 시절을 떠올려봅니다. 당시 제 이력서는 그리 훌륭하지 않았습니다. 특별히 희망하는 직무가 없었기에 어디든 투척할 수 있는 범용 이력서였고, 어제 만난 구직자의 말처럼 특별한 경험이 없었습니다. 정확히 표현하면 직장생활을 대비한 경험이 전무했죠. 서류 전형 합격률이 낮았던 이유를 이제야 이해하게 되었습니다. 제가 채용 담당자라도 그런 신입은 뽑지 않았을 것입니다.
그러나 과거 신입 채용에 도전하던 저는 대단히 뻔뻔했습니다. 이력서는 촌스럽고 알맹이 없는 가벼운 내용이었지만, 다른 사람에게 보여주기를 주저하지 않았습니다. 빠르게 취업을 하고 싶었기 때문입니다.
특별한 이유는 없었습니다. 그저 남들이 취업하니까 저도 취업하고 싶었고, 남들이 취업해서 돈을 버니까 저도 제 힘으로 돈을 벌어 부모님 신세를 면하고 싶었습니다. 취업을 희망하는 대단한 목표는 없었지만, 취업하자는 확실한 동기가 있었기 때문에 형편없는 이력서였음에도 입사 지원하기를 주저하지 않았던 것입니다.

완벽한 준비의 함정
요즘 신입 구직자들은 완벽한 이력서 준비가 필요하다고 생각합니다. 완벽히 준비가 되기 전까지는 입사 지원할 수 없다고 이야기하죠. 준비를 꼼꼼하게 하고 싶다는 생각은 정말 훌륭합니다. 그러나 준비가 어느 정도 필요한지 판단은 스스로 내리기 어렵다고 생각합니다.
현재의 준비된 상태로 입사 지원을 해보며, 동시에 필요한 준비를 계속 갖추어 나가는 것이 좋습니다. 어차피 완벽한 이력서란 존재하지 않습니다. 이력서는 제품과 같아서 끊임없이 개선이 필요하기 때문입니다. 이력서는 발자취라는 개념을 담고 있기 때문에 매일 한 발자국씩 나아갈 수록 업데이트할 내용이 생겨납니다.

특별한 경험이란 무엇인가
"특별한 경험이 없다"는 이야기도 완벽한 준비와 비슷한 맥락으로 버려야 할 생각입니다. 세상에 어떤 경험이 특별하다고 이야기할 수 있을까요? 대단한 브랜드 가치를 지닌 회사에서 일한 경험이 특별한가요? 대단한 숫자로 성과를 만든 내용이 특별한가요? 대단한 사람과 협업한 경험이 특별한가요?
눈에 보이는 어떠한 요인이 특별한 경험이라고 생각한다면, 오해입니다. 특별한 경험은 경험의 주인인 내가 특별하게 생각하고, 그것을 특별하게 소개할 때 대단해진다고 믿습니다.
자신이 자신의 경험을 대단하고 특별하게 여기지 않는다면, 다른 어떤 사람이 대신 특별하고 대단하게 봐줄 수 있을까요? 먼저 자신의 경험을 소중하게 생각하는 마음이 필요합니다. 그 다음 자신의 경험을 특별하게 소개하는 내용으로 만드는 것입니다.

경험을 특별하게 만드는 구조
제가 정의하는 특별한 경험이란, 일을 시작하고 진행하는 과정에서 많은 고민이 담긴 내용입니다. 어떤 배경에서 일을 시작했고, 목적과 목표가 무엇이었으며, 목적과 목표를 달성하기 위해 노력한 내용과 결과를 소개하는 것입니다. 이러한 구조로 경험을 소개한다면, 우리의 어떤 경험도 특별해질 수 있다고 생각합니다.
무엇보다 중요한 것은 문제를 뾰족하게 정의하는 것입니다. 무엇을 문제로 생각하였기에 경험했던 일을 시작하게 된 것인지 설명을 잘 할 수 있다면, 우리의 경험이 더욱 특별해질 수 있다고 믿습니다.
그러나 이력서를 작성하는 많은 분들이 경험을 소개하는 내용에서 문제 정의, 즉 일을 시작하게 된 배경에 대해서 생략하는 경우가 많습니다. 문제를 정의하고 목표와 목적을 설명하는 내용이 없을 때, 성과가 대단하더라도 경험에 대한 소개를 읽는 사람이 경험의 성과를 특별하고 대단하다고 판단하지 못합니다.
경험의 시작을 논리적으로 설명하는 내용이 있을 때, 일을 진행한 과정을 흥미롭게 보게 되고, 성과가 크든 작든 공감과 납득을 하게 됩니다.

당당한 이력서를 위한 제안
이력서의 내용, 형식, 디자인, 가독성 등 채용 전형에서 당락을 좌우하는 중요한 요소가 많습니다. 오늘 이력서를 업데이트하려는 분이 계시다면, 꼭 경험을 잘 풀어서 설명해보는 시간을 가져보시기 바랍니다.
기존에 자신이 봤던 이력서 형식은 머릿속에서 지우고, 자신의 경험을 가장 잘 설명하고 자랑할 수 있는 구조로 만들어보세요. 합격하는 이력서의 모범 답안은 바로 여러분 머리와 마음 속에 있습니다.

당당하고 자신 있게 자신의 경험을 마음껏 담아낸 이력서를 뽑아내는 우리가 되길 진심으로 응원합니다.

﻿'이력서 - 잃었어 - 일없어'어제 취업 지원 프로그램에서 이력서 준비의 중요성을 강조했더니, 한 구직자가 자신의 상황을 재치 있게 표현한 말입니다. 현재 이력서가 준비되어 있는지 물었더니 "잃어버렸다"고 답했습니다. 물론 정말 잃어버린 것은 아니었습니다. 다른 사람에게 보여주기 부끄러울 만큼 자신의 이력서가 변변치 않아서 숨기고 싶다는 의미였죠. 왜 보여주기 싫은지 물었을 때, 이력서에 써넣을 특별한 경험이 없어서라고 했습니다. 뻔뻔했던 신입 시절의 나제가 처음 취업을 준비하던 시절을 떠올려봅니다. 당시 제 이력서는 그리 훌륭하지 않았습니다. 특별히 희망하는 직무가 없었기에 어디든 투척할 수 있는 범용 이력서였고, 어제 만난 구직자의 말처럼 특별한 경험이 없었습니다. 정확히 표현하면 직장생활을 대비한 경험이 전무했죠. 서류 전형 합격률이 낮았던 이유를 이제야 이해하게 되었습니다. 제가 채용 담당자라도 그런 신입은 뽑지 않았을 것입니다.그러나 과거 신입 채용에 도전하던 저는 대단히 뻔뻔했습니다. 이력서는 촌스럽고 알맹이 없는 가벼운 내용이었지만, 다른 사람에게 보여주기를 주저하지 않았습니다. 빠르게 취업을 하고 싶었기 때문입니다.특별한 이유는 없었습니다. 그저 남들이 취업하니까 저도 취업하고 싶었고, 남들이 취업해서 돈을 버니까 저도 제 힘으로 돈을 벌어 부모님 신세를 면하고 싶었습니다. 취업을 희망하는 대단한 목표는 없었지만, 취업하자는 확실한 동기가 있었기 때문에 형편없는 이력서였음에도 입사 지원하기를 주저하지 않았던 것입니다. 완벽한 준비의 함정요즘 신입 구직자들은 완벽한 이력서 준비가 필요하다고 생각합니다. 완벽히 준비가 되기 전까지는 입사 지원할 수 없다고 이야기하죠. 준비를 꼼꼼하게 하고 싶다는 생각은 정말 훌륭합니다. 그러나 준비가 어느 정도 필요한지 판단은 스스로 내리기 어렵다고 생각합니다.현재의 준비된 상태로 입사 지원을 해보며, 동시에 필요한 준비를 계속 갖추어 나가는 것이 좋습니다. 어차피 완벽한 이력서란 존재하지 않습니다. 이력서는 제품과 같아서 끊임없이 개선이 필요하기 때문입니다. 이력서는 발자취라는 개념을 담고 있기 때문에 매일 한 발자국씩 나아갈 수록 업데이트할 내용이 생겨납니다. 특별한 경험이란 무엇인가"특별한 경험이 없다"는 이야기도 완벽한 준비와 비슷한 맥락으로 버려야 할 생각입니다. 세상에 어떤 경험이 특별하다고 이야기할 수 있을까요? 대단한 브랜드 가치를 지닌 회사에서 일한 경험이 특별한가요? 대단한 숫자로 성과를 만든 내용이 특별한가요? 대단한 사람과 협업한 경험이 특별한가요?눈에 보이는 어떠한 요인이 특별한 경험이라고 생각한다면, 오해입니다. 특별한 경험은 경험의 주인인 내가 특별하게 생각하고, 그것을 특별하게 소개할 때 대단해진다고 믿습니다.자신이 자신의 경험을 대단하고 특별하게 여기지 않는다면, 다른 어떤 사람이 대신 특별하고 대단하게 봐줄 수 있을까요? 먼저 자신의 경험을 소중하게 생각하는 마음이 필요합니다. 그 다음 자신의 경험을 특별하게 소개하는 내용으로 만드는 것입니다. 경험을 특별하게 만드는 구조제가 정의하는 특별한 경험이란, 일을 시작하고 진행하는 과정에서 많은 고민이 담긴 내용입니다. 어떤 배경에서 일을 시작했고, 목적과 목표가 무엇이었으며, 목적과 목표를 달성하기 위해 노력한 내용과 결과를 소개하는 것입니다. 이러한 구조로 경험을 소개한다면, 우리의 어떤 경험도 특별해질 수 있다고 생각합니다.무엇보다 중요한 것은 문제를 뾰족하게 정의하는 것입니다. 무엇을 문제로 생각하였기에 경험했던 일을 시작하게 된 것인지 설명을 잘 할 수 있다면, 우리의 경험이 더욱 특별해질 수 있다고 믿습니다.그러나 이력서를 작성하는 많은 분들이 경험을 소개하는 내용에서 문제 정의, 즉 일을 시작하게 된 배경에 대해서 생략하는 경우가 많습니다. 문제를 정의하고 목표와 목적을 설명하는 내용이 없을 때, 성과가 대단하더라도 경험에 대한 소개를 읽는 사람이 경험의 성과를 특별하고 대단하다고 판단하지 못합니다.경험의 시작을 논리적으로 설명하는 내용이 있을 때, 일을 진행한 과정을 흥미롭게 보게 되고, 성과가 크든 작든 공감과 납득을 하게 됩니다. 당당한 이력서를 위한 제안이력서의 내용, 형식, 디자인, 가독성 등 채용 전형에서 당락을 좌우하는 중요한 요소가 많습니다. 오늘 이력서를 업데이트하려는 분이 계시다면, 꼭 경험을 잘 풀어서 설명해보는 시간을 가져보시기 바랍니다.기존에 자신이 봤던 이력서 형식은 머릿속에서 지우고, 자신의 경험을 가장 잘 설명하고 자랑할 수 있는 구조로 만들어보세요. 합격하는 이력서의 모범 답안은 바로 여러분 머리와 마음 속에 있습니다. 당당하고 자신 있게 자신의 경험을 마음껏 담아낸 이력서를 뽑아내는 우리가 되길 진심으로 응원합니다.﻿

길은 잃은 이력서

AI 100조 성공하려면 주 52시간 규제부터 풀어야 民生은 기업 경쟁력에 달렸다 김윤덕이 만난 사람 배틀 그라운드서 AI 기업으로 벤처신화 장병규 크래프톤 의장

‘AI 100조’ 성공하려면 주 52시간 규제부터 풀어야… 民生은 기업 경쟁력에 달렸다

“실리콘밸리의 힘은 개인의 자율과 책임을 극대화한 것에 있다. 이를 위해서는 회사에 무슨 일이 있는지 구성원들이 알아야 한다. 소수의 리더가 관리·감독하며 이끄는 조직은 관료화될 뿐, 숨는 사람이 많아지고, 더 크게 성장하지 못한다.”

“나는 일대일 미팅을 좋아하지 않는다. ‘한 사람을 오랫동안 속일 순 있어도 여러 사람을 오래 속일 순 없다’는 격언처럼 일대일 대화는 사기꾼이 오래 살아남는 구조를 만든다. 첫 창업 회사인 네오위즈 때 여러 다툼이 있었는데 원인 중 하나가 일대일 대화였다. 다 같이 모여서 얘기하면 서로 다른 의견을 명료히 알게 되고 곡해 없이 해법을 찾아갈 수 있다. 나와 생각이 다른 임원과 토론할 때도 그가 신뢰하는 이를 꼭 배석시키라고 요청한다.”

“창업 초기 꿈꿨던 바텀업(아래로부터의 의사 결정)이랄지, 360도 평가 같은 건 많이 타협했다. ‘우아한 형제들’ 김봉진님이 ‘관계는 수평적, 업무는 수직적’이란 표현을 했는데, 우리도 비슷하다.”

“시간도 경쟁력이란 뜻이다. 중국은 ‘996(오전 9시~오후 9시까지 주 6일 근무)’을 하는데 주 52시간 일하는 한국이 어떻게 이길 수 있나? 이기는 게 오히려 이상하지 않나?”

“주 52시간을 하는 이유는 충분히 이해한다. 문제는 획일적 적용이다. 다양성, 포용성, 창의성을 강조하면서 왜 노동의 다양성은 인정하지 않을까? 정치인들이 민생을 외치던데, 한국 민생은 기업의 글로벌 경쟁력에 달려 있다.”

https://www.chosun.com/opinion/2025/07/06/S6E5OB73EVHX5PJYHJZCGIDDY4/

“실리콘밸리의 힘은 개인의 자율과 책임을 극대화한 것에 있다. 이를 위해서는 회사에 무슨 일이 있는지 구성원들이 알아야 한다. 소수의 리더가 관리·감독하며 이끄는 조직은 관료화될 뿐, 숨는 사람이 많아지고, 더 크게 성장하지 못한다.” “나는 일대일 미팅을 좋아하지 않는다. ‘한 사람을 오랫동안 속일 순 있어도 여러 사람을 오래 속일 순 없다’는 격언처럼 일대일 대화는 사기꾼이 오래 살아남는 구조를 만든다. 첫 창업 회사인 네오위즈 때 여러 다툼이 있었는데 원인 중 하나가 일대일 대화였다. 다 같이 모여서 얘기하면 서로 다른 의견을 명료히 알게 되고 곡해 없이 해법을 찾아갈 수 있다. 나와 생각이 다른 임원과 토론할 때도 그가 신뢰하는 이를 꼭 배석시키라고 요청한다.” “창업 초기 꿈꿨던 바텀업(아래로부터의 의사 결정)이랄지, 360도 평가 같은 건 많이 타협했다. ‘우아한 형제들’ 김봉진님이 ‘관계는 수평적, 업무는 수직적’이란 표현을 했는데, 우리도 비슷하다.” “시간도 경쟁력이란 뜻이다. 중국은 ‘996(오전 9시~오후 9시까지 주 6일 근무)’을 하는데 주 52시간 일하는 한국이 어떻게 이길 수 있나? 이기는 게 오히려 이상하지 않나?” “주 52시간을 하는 이유는 충분히 이해한다. 문제는 획일적 적용이다. 다양성, 포용성, 창의성을 강조하면서 왜 노동의 다양성은 인정하지 않을까? 정치인들이 민생을 외치던데, 한국 민생은 기업의 글로벌 경쟁력에 달려 있다.” https://www.chosun.com/opinion/2025/07/06/S6E5OB73EVHX5PJYHJZCGIDDY4/

조선일보

“실리콘밸리의 힘은 개인의 자율과 책임을 극대화한 것에 있다. 이

점점 더 예측하기 힘들어지는 취업/채용 시장,

현재 2000명이 넘게 사용한 데이터 직무/ 커리어를 준비하는 취준생분들을 위한
데이터 이력서 작성 템플릿 + 작성법 가이드를 무료로 배포합니다.

✔ 노션으로 만든 이력서 3종 템플릿
✔ 매일 7일간 이메일로 도착하는 실전 노하우/맞춤형 가이드

두가지 혜택을 결합한 학습 패키지를 아래 댓글의 링크에서
이메일만 입력하시고 무료로 받아가세요.

데이터 이력서 템플릿 + 작성 가이드:
https://dchanlim.gumroad.com/l/datarichard_notion_template

점점 더 예측하기 힘들어지는 취업/채용 시장, 현재 2000명이 넘게 사용한 데이터 직무/ 커리어를 준비하는 취준생분들을 위한데이터 이력서 작성 템플릿 + 작성법 가이드를 무료로 배포합니다. ✔ 노션으로 만든 이력서 3종 템플릿 ✔ 매일 7일간 이메일로 도착하는 실전 노하우/맞춤형 가이드 두가지 혜택을 결합한 학습 패키지를 아래 댓글의 링크에서 이메일만 입력하시고 무료로 받아가세요. 데이터 이력서 템플릿 + 작성 가이드:https://dchanlim.gumroad.com/l/datarichard_notion_template

데이터 이력서 템플릿 + 작성 가이드를 사용해보세요.

유니콘이 되는 기업에는 특별한 PM이 있다

ㅜㅠ
역시 결론은 행동력의 차이인거 같아요. 머릿속에서 알아도... 몸이 안움직이면...ㅜㅠ

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필