Calculate method execution time using Spring AOP. Capture the measured elapsed time of any Java method by using custom annotation in the Spring boot application

Capture Method Execution time in Spring Boot

메서드 실행 시간을 측정하는 다음과 같은 코드가 있다고 가정해 봅시다.

long startTime = (System.currentTimeMillis());
//YOUR LOGICAL CODE
long executionTime = (System.currentTimeMillis() - startTime) / 1000;
LOGGER.info("Time taken for calculation is : {} seconds", executionTime);

이 반복되는 코드를 모든 메서드에 추가하는 것은 매우 비효율적인 방법입니다. 그럼, 메서드 위에 어노테이션을 다는 것만으로도 이 코드를 모두 포함할 수 있다고 말씀드리면 어떨까요?

먼저, Spring AOP가 가능하게 다음과 같은 라이브러리를 추가해 주세요.

<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-aop</artifactId>
</dependency>

이제 ExecutionTimeLogger라는 이름으로 스프링 부트에서 커스텀 어노테이션을 작성해 보겠습니다. 보시다시피 어노테이션은 런타임에 작동하며 메서드 수준에서 적용할 수 있습니다.

@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
public @interface ExecutionTimeLogger {
}

이제 Aspect로 동작하는 클래스를 만들어 보겠습니다. 이 클래스는 메서드 실행 시간을 계산할 수 있는 로직을 갖고 있습니다. Aspect를 사용하는 방법에는 여러가지가 있고, @Before, @After, @Around, @Pointcut 등의 어노테이션을 상황에 따라 사용할 수 있습니다.

아래 코드와 같이 클래스 ExecutionTimeLoggerAspect를 생성하고 @Aspect로 어노테이션을 달았습니다.

@Aspect
@Component
public class ExecutionTimeLoggerAspect {

@Around("@annotation(ExecutionTimeLogger)")
public Object executionTimeLogger(ProceedingJoinPoint joinPoint) {
// 실행 시간 계산하는 로직
}
}

필요한 구성은 모두 완료 되었습니다. 이제 우리가 할 일은 메서드 실행 시간을 캡처하고 싶은 곳이면 어디든지 이 어노테이션을 사용하는 것입니다. 메서드의 실행 시간을 측정하고 싶다면, 아래 코드와 같이 메서드 위에 어노테이션을 추가해 주세요!

public class CustomLoggingService {

@ExecutionTimeLogger
public void myMethod() {
//YOUR LOGICAL CODE
}
}

쉽지 않나요? 얼마나 많은 시간과 노력이 절약되는지 상상해 봅시다. 요약하자면, 우리가 한 일은 다음과 같습니다.

 1. 커스텀 어노테이션 작성
 2. @Aspect 클래스 생성 후 실행 시간을 계산하는 메서드 포함하기
 3. 이 메서드를 @Around로 선언
 4. 실행 시간을 기록할 메서드에 이 어노테이션 달기

메서드 실행 시간을 측정하는 다음과 같은 코드가 있다고 가정해 봅시다. long startTime = (System.currentTimeMillis()); //YOUR LOGICAL CODE long executionTime = (System.currentTimeMillis() - startTime) / 1000; LOGGER.info("Time taken for calculation is : {} seconds", executionTime); 이 반복되는 코드를 모든 메서드에 추가하는 것은 매우 비효율적인 방법입니다. 그럼, 메서드 위에 어노테이션을 다는 것만으로도 이 코드를 모두 포함할 수 있다고 말씀드리면 어떨까요? 먼저, Spring AOP가 가능하게 다음과 같은 라이브러리를 추가해 주세요. &lt;dependency&gt; &lt;groupId&gt;org.springframework.boot&lt;/groupId&gt; &lt;artifactId&gt;spring-boot-starter-aop&lt;/artifactId&gt; &lt;/dependency&gt; 이제 ExecutionTimeLogger라는 이름으로 스프링 부트에서 커스텀 어노테이션을 작성해 보겠습니다. 보시다시피 어노테이션은 런타임에 작동하며 메서드 수준에서 적용할 수 있습니다. @Target(ElementType.METHOD) @Retention(RetentionPolicy.RUNTIME) public @interface ExecutionTimeLogger { } 이제 Aspect로 동작하는 클래스를 만들어 보겠습니다. 이 클래스는 메서드 실행 시간을 계산할 수 있는 로직을 갖고 있습니다. Aspect를 사용하는 방법에는 여러가지가 있고, @Before, @After, @Around, @Pointcut 등의 어노테이션을 상황에 따라 사용할 수 있습니다. 아래 코드와 같이 클래스 ExecutionTimeLoggerAspect를 생성하고 @Aspect로 어노테이션을 달았습니다. @Aspect @Component public class ExecutionTimeLoggerAspect { @Around("@annotation(ExecutionTimeLogger)") public Object executionTimeLogger(ProceedingJoinPoint joinPoint) { // 실행 시간 계산하는 로직 } } 필요한 구성은 모두 완료 되었습니다. 이제 우리가 할 일은 메서드 실행 시간을 캡처하고 싶은 곳이면 어디든지 이 어노테이션을 사용하는 것입니다. 메서드의 실행 시간을 측정하고 싶다면, 아래 코드와 같이 메서드 위에 어노테이션을 추가해 주세요! public class CustomLoggingService { @ExecutionTimeLogger public void myMethod() { //YOUR LOGICAL CODE } } 쉽지 않나요? 얼마나 많은 시간과 노력이 절약되는지 상상해 봅시다. 요약하자면, 우리가 한 일은 다음과 같습니다. <ol><li>커스텀 어노테이션 작성 </li><li>@Aspect 클래스 생성 후 실행 시간을 계산하는 메서드 포함하기</li><li>이 메서드를 @Around로 선언</li><li>실행 시간을 기록할 메서드에 이 어노테이션 달기 </li></ol>

Medium

🕊️ Spring AOP 사용하기

Meta has launched a standalone version of its image generator as it tests dozens of new generative AI features across Facebook, Instagram and WhatsApp. The image generator, called Imagine, was first previewed at the company's Connect event in November and

Meta's AI image generator is available as a standalone website

커리어리 친구들, 메타에서 개발한 무료AI 이미지 생성 웹사이트가 나왔어요! 
메타는 페이스북, 인스타그램, 왓츠앱에서 수십 개의 새로운 생성 AI 기능을 테스트하면서 이미지 생성기의 독립형 버전을 출시했습니다. Imagine 이라고 불리는 이미지 생성기는 11월에 회사의 커넥트 이벤트에서 처음 시연되었으며 메타의 AI 챗봇의 일부로 제공되었습니다. 웹사이트는 https://imagine.meta.com/ 입니다. 

https://www.engadget.com/metas-ai-image-generator-is-available-as-a-standalone-website-185953058.html

커리어리 친구들, 메타에서 개발한 무료AI 이미지 생성 웹사이트가 나왔어요!&nbsp;메타는 페이스북, 인스타그램, 왓츠앱에서 수십 개의 새로운 생성 AI 기능을 테스트하면서 이미지 생성기의 독립형 버전을 출시했습니다. Imagine 이라고 불리는 이미지 생성기는 11월에 회사의 커넥트 이벤트에서 처음 시연되었으며 메타의 AI 챗봇의 일부로 제공되었습니다. 웹사이트는 https://imagine.meta.com/ 입니다.&nbsp; https://www.engadget.com/metas-ai-image-generator-is-available-as-a-standalone-website-185953058.html

Engadget

<메타에서 개발한 무료 AI 이미지 생성 웹사이트>

아직 한국에서는 안되더라구요.. VPN 으로는 가능하지만요. 그래서인지 한글로 하면 안되고... 메타 계정 (페이스북 계정과 다른) 을 따로 만들어야 하고.. 그래서 처음에 사용하는 과정이 약간~ 번거로웠습니다. ㅎㅎ

사용해보니 다른 모델과 조금 다른 느낌을 받았는데 특히 프롬프트를 구체적으로 고려해서 그려주는 듯한 느낌을 받아서 놀라웠어요. 디테일한 표현 자체는 아쉽지만 목적에 맞는 이미지를 그려주는 느낌이어서 뭔가 실용적으로 사용할 수 있을 것 같더라구요.

이번 포스팅은 알고리즘과 설계 공부 외에 준비해야 할 점에 관해 간략하게 적어 봅니다.

해외 취업 및 이직 준비 중이라면 도움 될 것 같아요!

못 보신 분들은 포스팅 맨 끝 시리즈 부분에 있는 1탄을 먼저 보고 2탄을 읽어 보세요.

1️⃣ 이력서 준비

 * 내가 이루어 낸 업무 리스트 뽑기
 * 이력서 업데이트하기

내가 이루어 낸 업무 리스트 뽑기
내가 한 일은 몇 년이 지나도 잘 기억할 것 같지만, 의외로 한 달만 지나도 기억 속에서 지워지는 것 같아요. 그래서 몇 년 전부터 제가 해낸 일은 전부 기록해 둔 습관을 기르기 시작했어요. 성과 평가나 승진 데이터로 이용하기에 좋을 것 같지만 이력서 작성에도 도움 됩니다. 데이터를 훑어보고 타스크 별로 요약문을 적어 리스트를 만듭니다. 만든 리스트가 행동 면접 준비하는 데 도움 될 수 있어요 (지난글 참고).

이력서 업데이트하기
리스트 중에 내 역량을 가장 잘 보여줄 수 있는 예시를 이력서에 포함하는 게 좋아요. 이력서 작성 팁에 선호하는 회사에 맞게 여러 버전의 이력서를 준비하는 것을 추천하는 분이 꽤 있었어요. 좋은 전략이지만 솔직히 저는 그렇게까지 할 열정과 시간이 없었어요(그러려니 또 은근 귀찮아서...). 대신 시니어+/테크 리드 개발자에게 필요한 스킬을 생각해 보고 그에 맞는 예시를 뽑았어요. 어림잡아서 테크 리더쉽과 설계 스킬 그리고 비지니스에 큰 영향력을 행사한 예시 위주로 이력서를 업데이트했습니다.

2️⃣ 이직에 관한 성찰과 목표 세우기

 * 이직하는 이유에 관한 성찰
 * 이직을 통해 이루고자 하는 목표 세우기

이직하는 이유에 관한 성찰
제일 먼저 이직하고자 하는 이유에 관해 솔직하게 도큐먼트에 생각을 정리해서 적어 봤습니다. 예전에는 '이직해야겠다!'라는 생각이 들면 바로 이력서를 제출하고 연락 오는데로 면접 봤습니다. 그리고 '합격하는 곳 중에서 가장 좋은 곳으로 가야지!'라고 단순하게 생각했던 것 같아요. 이번에는 이직하는 이유를 살펴 보고 근본적으로 어떤 문제를 해결하기 위해 이직하는지 파악했습니다. 그리고 그 문제를 해결할 수 있는 기회를 먼저 찾았던 것 같아요.

이직을 통해 이루고자 하는 목표 세우기
예전과 같은 실수를 반복하지 않기 위해 이직을 통해 이루고자 하는 목표도 함께 세웠습니다. 단순하게 5년, 10년 인생 목표와 계획만 짰었는데, 앞으로 커리어를 어떻게 쌓을지에 관해 생각해 보고 자세하게 적었어요. 이렇게 하니 다음에 어떤 스텝을 밝아야 할지 좀 더 명확해졌어요.

이렇게 성찰해 보고 목표를 세운 이유는 과거 실수를 되풀이 하지 않기 위해서입니다. 관련 내용은 <개발자가 된 후 저지른 실수들>에서 자세하게 언급했으니까 궁금하신 분은 함께 읽으면 좋은 글을 참조해 주세요.

3️⃣ 이력서 제출

 * 이력서 제출하기
 * 포지션 골라서 제출하기

이력서 제출하기
선호도가 낮은 곳부터 이력서 제출을 빨리 했어요. 이력서를 넣어도 상대적으로 빠르게 연락이 안 오는 경우가 있어요. 고용 시장이 좋을 때는 관련 스킬이 없는 포지션에 지원해도 일단 연락 오는 경우가 허다했는데, 요즘은 지원하고 연락오는데 오래 걸린 곳이 꽤 있었습니다. 그래서 선호도가 낮은 곳은 미리 연습 삼아 해보려고 먼저 지원했고, 큰 회사의 경우 이력서 스캔이 오래 걸릴 수 있을 것 같아서 함께 넣었습니다. 그리고 선호도가 높은 곳은 주기적으로 구인 공고가 올라오는지 확인하면서 여러 번 지원했어요.

그리고 구글 스프레드시트를 만들어서 어떤 회사의 어떤 포지션에 몇 일날 지원했는지 기록했습니다. 같은 시트에 연락해 온 회사별 1차, 2차 인터뷰한 날과 최종 인터뷰한 날 등을 기록하고 진행 상황을 한눈에 볼 수 있도록 정리했습니다. 나중에 데이터로 사용하려고 기록한 것도 있지만, 진행 상황을 확인하고 진행 속도가 너무 빠르거나 늦은지 파악하고 속도를 조절하는 데 많은 도움이 되었어요.

포지션 골라서 제출하기
링크드인에 있는 모든 구인 공고에 다 지원하는 것 보다 자격 요건을 꼼꼼하게 읽어 보고 제 이력과 매치되는 곳에만 지원했습니다. 예를 들어, 같은 회사에 10개의 구인 공고가 있다면 10개의 구인 공고를 다 읽어 보고, 최대한 제가 갖고 있는 스킬에 부합하는 포지션만 골라서 지원했습니다. 이 작업을 통해 이력서에 필요한 키워드도 삽입하면서 업데이트할 수 있었어요. 그리고 이 방법을 통해 요즘 구인 공고에는 어떤 스킬이 많이 언급되는지 파악할 수 있었어요.

4️⃣ 리트코드 형식이 아닌 코딩테스트 준비

요즘 아무리 리트코드 형식의 코딩테스트가 많지만, 몇몇 지원한 회사는 리트코드 문제를 사용하지 않았어요. 대신 실제 업무에 필요한 코드를 짜는 문제를 제출합니다. 개인적으로 반가운 형태의 코딩테스트 면접 포맷인데, 이경우 준비 방법이 따로 있는 건 아니에요. 대신 포지션에 언급된 필요한 스킬을 구인 공고에서 확인하고 관련 스킬에 자주 나오는 코딩 문제를 찾아 보거나 직접 코드를 작성해 보며 익숙해지도록 노력했습니다. 

5️⃣ 전 직장 동료와 커피챗하기

 * 도움 청하기
 * 레퍼런스 받기

도움 청하기
합격하고 싶은 회사에 근무하는 지인을 링크드인에서 찾은 후 도움을 청했어요. 과거 함께 일한 동료 중에 내가 가고자 하는 회사에 근무하고 있거나, 그 회사의 채용 담당자가 된 경우가 꽤 있습니다. 경력직이라면 반드시 링크드인에 과거에 함께 일했던 동료가 현재 가고자 하는 회사에 근무하는지 확인해 보세요. 그리고 항상 링크드인에 함께 일했던 동료와 인맥 추가하고 가끔 연락하는 사이가 되는 게 중요해요.

그리고 최근에 이직한 친구들과 동료들의 경험담도 들어 봤습니다. 요즘 면접 과정이 예전과 무엇이 다른지 혹은 지름길이 있는지 등등 의외로 여러 가지 팁을 얻을 수 있었어요.

레퍼런스 받기
해외 취업의 경우 가끔 예전에 함께 일한 동료에게 레퍼런스를 받아 오라고 하는 경우가 있어요(경력직인 경우). 예전에는 선택 사항이었는데, 의외로 요즘은 면접 시작 전에 "혹시 함께 일했던 동료 중에 현재 우리 회사에 근무하는 사람이 없냐"라고 물어보는 경우가 꽤 많았어요. 자신을 고용할 의사가 있는 회사가 이 사람이 정말 함께해도 될 사람인지 과거 함께 일한 동료를 통해 확인하기도 합니다(회사마다 다름). 동료의 연락처와 리스트는 본인이 고른 다음 준비해서 제공하면 됩니다. 그래서 함께 일했던 동료와 항상 좋은 관계를 유지하고 퇴사하더라도 간혹 연락하며 지낼 수 있는 사이가 되는 게 중요하다는 것을 느꼈습니다.

6️⃣ 추가 자료 확인하기

 * 블라인드 적극 활용하기
 * 연봉 협상 자료 모르기

블라인드 적극 활용하기
특히 선호도가 높은 회사의 최종 면접 전에 블라인드를 적극 활용해서 면접 경험담을 확인했습니다. 별로 도움 되지 않을 수 있지만 모르고 하는 것 보다 간접적으로 알고 면접하는 게 확실히 도움 됬어요. 블라인드에 부정적인 내용만 가득 차서 잘 확인하지 않는데, 의외로 면접 준비할 때 회사별로 취업 준비할 때 필요한 정보를 모으는 데 큰 도움이 되었어요. 그리고 선호도를 측정할 때 블라인드의 간접 경험담을 통해 선호도를 조정하는 데 큰 도움이 되었습니다.

연봉 협상 자료 모으기
해외에는 큰 돈 주고 컨설팅을 받을 수 있는 곳이 꽤 있는데, 굳이 그럴 필요는 없는 것 같아요. 과거 협상 경험이 꽤 있고, 유튜브에 널린 자료가 꽤 많아서 그냥 유튜브 영상을 찾아 보고 들었습니다. 그 외에도 최근에 이직한 경험이 있는 사람과 소통하며 그들에게 다양한 조언을 들었습니다.

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

추가적으로 꼼꼼히 살펴봤던 점과 준비해야 할 점에 관해 이야기해봤습니다. 다음 시리즈에서는 이직 준비하면서 배운 점 몇가지를 기록 삼아 적어 볼게요.

🔗 시리즈
 1. 1탄: 아마존 퇴사와 빅테크 이직 준비 https://careerly.co.kr/comments/95006
 2. 2탄: [현재글] 취업 준비 시 같이 준비해야 할 것들
 3. 3탄: 이직 준비하면서 배운 점 https://careerly.co.kr/comments/95092
 4. 4탄: 알고리즘, 시스템 설계, 행동 면접 팁 https://careerly.co.kr/comments/95187
 5. 5탄: 최종 합격 후 꼭 해야 할 일 https://careerly.co.kr/comments/95312

🪴 함께 읽으면 좋은 글

개발자가 된 후 저지른 실수들
https://careerly.co.kr/comments/94020

성장형 개발자가 피해야 할 실수
https://careerly.co.kr/comments/91571

기술, 개발 학습 자료 7가지
https://careerly.co.kr/comments/91555

이번 포스팅은 알고리즘과 설계 공부 외에 준비해야 할 점에 관해 간략하게 적어 봅니다. 해외 취업 및 이직 준비 중이라면 도움 될 것 같아요! 못 보신 분들은 포스팅 맨 끝 시리즈 부분에 있는 1탄을 먼저 보고 2탄을 읽어 보세요. 1️⃣ 이력서 준비 <ul><li>내가 이루어 낸 업무 리스트 뽑기</li><li>이력서 업데이트하기</li></ul> 내가 이루어 낸 업무 리스트 뽑기내가 한 일은 몇 년이 지나도 잘 기억할 것 같지만, 의외로 한 달만 지나도 기억 속에서 지워지는 것 같아요. 그래서 몇 년 전부터 제가 해낸 일은 전부 기록해 둔 습관을 기르기 시작했어요. 성과 평가나 승진 데이터로 이용하기에 좋을 것 같지만 이력서 작성에도 도움 됩니다. 데이터를 훑어보고 타스크 별로 요약문을 적어 리스트를 만듭니다. 만든 리스트가 행동 면접 준비하는 데 도움 될 수 있어요 (지난글 참고). 이력서 업데이트하기리스트 중에 내 역량을 가장 잘 보여줄 수 있는 예시를 이력서에 포함하는 게 좋아요. 이력서 작성 팁에 선호하는 회사에 맞게 여러 버전의 이력서를 준비하는 것을 추천하는 분이 꽤 있었어요. 좋은 전략이지만&nbsp;솔직히 저는 그렇게까지 할 열정과 시간이 없었어요(그러려니 또 은근 귀찮아서...). 대신 시니어+/테크 리드 개발자에게 필요한 스킬을 생각해 보고 그에 맞는 예시를 뽑았어요. 어림잡아서 테크 리더쉽과 설계 스킬 그리고 비지니스에 큰 영향력을 행사한 예시 위주로 이력서를 업데이트했습니다. 2️⃣ 이직에 관한 성찰과 목표 세우기 <ul><li>이직하는 이유에 관한 성찰</li><li>이직을 통해 이루고자 하는 목표 세우기</li></ul> 이직하는 이유에 관한 성찰제일 먼저 이직하고자 하는 이유에 관해 솔직하게 도큐먼트에 생각을 정리해서 적어 봤습니다. 예전에는 '이직해야겠다!'라는 생각이 들면 바로 이력서를 제출하고 연락 오는데로 면접 봤습니다. 그리고 '합격하는 곳 중에서 가장 좋은 곳으로 가야지!'라고 단순하게 생각했던 것 같아요. 이번에는 이직하는 이유를 살펴 보고 근본적으로 어떤 문제를 해결하기 위해 이직하는지 파악했습니다. 그리고 그 문제를 해결할 수 있는 기회를 먼저 찾았던 것 같아요. 이직을 통해 이루고자 하는 목표 세우기예전과 같은 실수를 반복하지 않기 위해 이직을 통해 이루고자 하는 목표도 함께 세웠습니다. 단순하게 5년, 10년 인생 목표와 계획만 짰었는데, 앞으로 커리어를 어떻게 쌓을지에 관해 생각해 보고 자세하게 적었어요. 이렇게 하니 다음에 어떤 스텝을 밝아야 할지 좀 더 명확해졌어요. 이렇게 성찰해 보고 목표를 세운 이유는 과거 실수를 되풀이 하지 않기 위해서입니다. 관련 내용은 &lt;개발자가 된 후 저지른 실수들&gt;에서 자세하게 언급했으니까 궁금하신 분은 함께 읽으면 좋은 글을 참조해 주세요. 3️⃣ 이력서 제출 <ul><li>이력서 제출하기</li><li>포지션 골라서 제출하기</li></ul> 이력서 제출하기선호도가 낮은 곳부터 이력서 제출을 빨리 했어요.&nbsp;이력서를 넣어도 상대적으로 빠르게 연락이 안 오는 경우가 있어요. 고용 시장이 좋을 때는 관련 스킬이 없는 포지션에 지원해도 일단 연락 오는 경우가 허다했는데, 요즘은 지원하고 연락오는데 오래 걸린 곳이 꽤 있었습니다. 그래서 선호도가 낮은 곳은 미리 연습 삼아 해보려고 먼저 지원했고, 큰 회사의 경우 이력서 스캔이 오래 걸릴 수 있을 것 같아서 함께 넣었습니다. 그리고 선호도가 높은 곳은 주기적으로 구인 공고가 올라오는지 확인하면서 여러 번 지원했어요. 그리고 구글 스프레드시트를 만들어서 어떤 회사의 어떤 포지션에 몇 일날 지원했는지 기록했습니다. 같은 시트에 연락해 온 회사별 1차, 2차 인터뷰한 날과 최종 인터뷰한 날 등을 기록하고 진행 상황을 한눈에 볼 수 있도록 정리했습니다. 나중에 데이터로 사용하려고 기록한 것도 있지만, 진행 상황을 확인하고 진행 속도가 너무 빠르거나 늦은지 파악하고 속도를 조절하는 데 많은 도움이 되었어요. 포지션 골라서 제출하기링크드인에 있는 모든 구인 공고에 다 지원하는 것 보다 자격 요건을 꼼꼼하게 읽어 보고 제 이력과 매치되는 곳에만 지원했습니다. 예를 들어, 같은 회사에 10개의 구인 공고가 있다면 10개의 구인 공고를 다 읽어 보고, 최대한 제가 갖고 있는 스킬에 부합하는 포지션만 골라서 지원했습니다. 이 작업을 통해 이력서에 필요한 키워드도 삽입하면서 업데이트할 수 있었어요. 그리고 이 방법을 통해 요즘 구인 공고에는 어떤 스킬이 많이 언급되는지 파악할 수 있었어요. 4️⃣ 리트코드 형식이 아닌 코딩테스트 준비 요즘 아무리 리트코드 형식의 코딩테스트가 많지만, 몇몇 지원한 회사는 리트코드 문제를 사용하지 않았어요. 대신 실제 업무에 필요한 코드를 짜는 문제를 제출합니다. 개인적으로 반가운 형태의 코딩테스트 면접 포맷인데, 이경우 준비 방법이 따로 있는 건 아니에요. 대신 포지션에 언급된 필요한 스킬을 구인 공고에서 확인하고 관련 스킬에 자주 나오는 코딩 문제를 찾아 보거나 직접 코드를 작성해 보며 익숙해지도록 노력했습니다.&nbsp; 5️⃣ 전 직장 동료와 커피챗하기 <ul><li>도움 청하기</li><li>레퍼런스 받기</li></ul> 도움 청하기합격하고 싶은 회사에 근무하는 지인을 링크드인에서 찾은 후 도움을 청했어요. 과거 함께 일한 동료 중에 내가 가고자 하는 회사에 근무하고 있거나, 그 회사의 채용 담당자가 된 경우가 꽤 있습니다. 경력직이라면 반드시 링크드인에 과거에 함께 일했던 동료가 현재 가고자 하는 회사에 근무하는지 확인해 보세요. 그리고 항상 링크드인에 함께 일했던 동료와 인맥 추가하고 가끔 연락하는 사이가 되는 게 중요해요. 그리고 최근에 이직한 친구들과 동료들의 경험담도 들어 봤습니다. 요즘 면접 과정이 예전과 무엇이 다른지 혹은 지름길이 있는지 등등 의외로 여러 가지 팁을 얻을 수 있었어요. 레퍼런스 받기해외 취업의 경우 가끔 예전에 함께 일한 동료에게 레퍼런스를 받아 오라고 하는 경우가 있어요(경력직인 경우). 예전에는 선택 사항이었는데, 의외로 요즘은 면접 시작 전에 "혹시 함께 일했던 동료 중에 현재 우리 회사에 근무하는 사람이 없냐"라고 물어보는 경우가 꽤 많았어요. 자신을 고용할 의사가 있는 회사가 이 사람이 정말 함께해도 될 사람인지 과거 함께 일한 동료를 통해 확인하기도 합니다(회사마다 다름). 동료의 연락처와 리스트는 본인이 고른 다음 준비해서 제공하면 됩니다. 그래서 함께 일했던 동료와 항상 좋은 관계를 유지하고 퇴사하더라도 간혹 연락하며 지낼 수 있는 사이가 되는 게 중요하다는 것을 느꼈습니다. 6️⃣ 추가 자료 확인하기 <ul><li>블라인드 적극 활용하기</li><li>연봉 협상 자료 모르기</li></ul> 블라인드 적극 활용하기특히 선호도가 높은 회사의 최종 면접 전에 블라인드를 적극 활용해서 면접 경험담을 확인했습니다. 별로 도움 되지 않을 수 있지만 모르고 하는 것 보다 간접적으로 알고 면접하는 게 확실히 도움 됬어요. 블라인드에 부정적인 내용만 가득 차서 잘 확인하지 않는데, 의외로 면접 준비할 때 회사별로 취업 준비할 때 필요한 정보를 모으는 데 큰 도움이 되었어요. 그리고 선호도를 측정할 때 블라인드의 간접 경험담을 통해 선호도를 조정하는 데 큰 도움이 되었습니다. 연봉 협상 자료 모으기해외에는 큰 돈 주고 컨설팅을 받을 수 있는 곳이 꽤 있는데, 굳이 그럴 필요는 없는 것 같아요. 과거 협상 경험이 꽤 있고, 유튜브에 널린 자료가 꽤 많아서 그냥 유튜브 영상을 찾아 보고 들었습니다. 그 외에도 최근에 이직한 경험이 있는 사람과 소통하며 그들에게 다양한 조언을 들었습니다. ------------- 추가적으로 꼼꼼히 살펴봤던 점과 준비해야 할 점에 관해 이야기해봤습니다. 다음 시리즈에서는 이직 준비하면서 배운 점 몇가지를 기록 삼아 적어 볼게요. 🔗 시리즈<ol><li>1탄: 아마존 퇴사와 빅테크 이직 준비 https://careerly.co.kr/comments/95006</li><li>2탄: [현재글] 취업 준비 시 같이 준비해야 할 것들</li><li>3탄: 이직 준비하면서 배운 점 https://careerly.co.kr/comments/95092</li><li>4탄: 알고리즘, 시스템 설계, 행동 면접 팁 https://careerly.co.kr/comments/95187</li><li>5탄: 최종 합격 후 꼭 해야 할 일 https://careerly.co.kr/comments/95312</li></ol> 🪴 함께 읽으면 좋은 글 개발자가 된 후 저지른 실수들https://careerly.co.kr/comments/94020 성장형 개발자가 피해야 할 실수https://careerly.co.kr/comments/91571 기술, 개발 학습 자료 7가지https://careerly.co.kr/comments/91555

취업 준비 시 같이 준비해야 할 것들

얼마 전 이직, 면접 준비를 직접 했습니다. 총 준비 기간은 약 3개월 정도였고, FANG과 빅테크 여러 회사에 최종 합격한 후, 연봉 협상을 거쳐 이제 현 회사를 퇴사하고 새 직장으로 이직하게 됩니다. 관련 이야기는 시리즈로 공유할 예정입니다.

대충 생각한 시리즈 내용은 다음과 같습니다.
 1. 1탄: 직접 해 본 알고리즘, 시스템 면접 단계별 공부법 그리고 직접 설계한 학습법 공유
 2. 2탄: 그 외 준비한 것들
 3. 3탄: 6년 만에 이직 준비하면서 배운 점
 4. 4탄: 알고리즘, 시스템 설계, 행동 면접 팁
 5. 5탄: 면접과 최종 합격 후 꼭 해야 할 일

이번 포스팅은 직접 해 본 준비 방법을 공유합니다.
현재 취업 준비 중인 분들에게 이 글이 조금이나마 도움 되었으면 좋겠어요.

1️⃣ 이직을 결정하게 된 이유

이직을 결정하게 된 계기는 <이직이 필요한 상황인지 판단하기>에 언급한 요소를 따져 보고 스스로 자각하게 되었습니다. (함께 읽으면 좋은 글 참고)

또한 면접은 실무와 다른 스킬이기에 너무 안 해보면 까먹을 수 있어요. 그래서 면접 연습할 겸 겸사겸사 인터뷰해 보면 좋겠다고 생각했어요. 좋은 기회를 만나면 이직하는 거고, 그렇지 못하면 현 회사에 그대로 남더라도 면접 실력을 늘릴 수 있는 좋은 기회라고 생각했습니다.

2️⃣ 면접 준비 자료 수집하기

제일 먼저 면접 자료를 수집했어요. 자료 수집에 관련된 내용은 예전에 자세히 포스팅했기 때문에 생략할게요. 이직 준비할 때 직접 사용했던 자료는 아래 포스팅에 자세하게 공유했으니까 아래 포스팅을 먼저 읽어 주세요.

잘못된 개발자 면접 준비 방법 피하기 (+ 준비 자료)
https://careerly.co.kr/comments/93358

3️⃣ 학습 계획 설계하기

학습 계획까지 설계할 필요가 있나? 라고 느끼실 수 있는데요, 확실히 하고 안 하고의 차이점이 있는 것 같아요. 특히 설계할 때 부족한 점을 객관적으로 판단하고, 이에 맞는 학습 계획을 짜놓으면 확실히 면접 결과가 더 좋은 것 같습니다.

학습 설계 시작 전에 알아둬야 할 점:
 1. 회사마다 통상 총면접 기간은 빠르면 한 달에서 길게는 두 달까지 걸린다
 2. 정형화된 면접 프로세스가 있지 않고 회사마다 다르다
 3. 직급에 따라 면접 포맷이 상당히 다르다
 4. 가장 선호하지 않는 회사에 이력서를 먼저 넣고 면접 보면서 연습하는 것도 나쁘지 않다
 5. 풀타임으로 이직 준비를 할 수 없으므로 회사와 포지션을 골라서 면접 봐야 한다

그리고 내 경력에 어떤 면접 포맷이 가장 흔한지를 조사해야 합니다. 예를 들면, 해외 취업의 경우 주니어 개발자의 경우 코딩테스트 비중이 거의 90%가 넘지만, 5~10년 차부터 설계 비중이 면접의 30%에서 50% 이상을 차지하기도 합니다(중요: 회사마다 다름!). 그렇다고 코딩테스트가 시니어+ 개발자 면접에는 중요하지 않다는 게 아니라, 코딩테스트를 완벽하게 효율적인 솔루션으로 풀 수 있다는 가정하에 설계와 행동 면접 비중이 높아집니다.

마지막으로 무조건 공부만 하고 면접을 뒤로 미루는 것보다 공부하면서 면접을 연습 삼아 해보는 걸 추천합니다. 어차피 풀타임으로 이직 준비가 불가능하기에 골라서 면접 봐야 하고, 모든 회사의 면접을 한 번에 다 같이 보기 어렵습니다. 그래서 공부하면서 면접하는 걸 함께하는 것도 나쁘지 않아요. 대신, 지원한 회사마다 선호도를 매겨보고 그중에서 선호도가 낮은 곳부터 면접을 보도록 날짜를 잡아서 면접 보면서 연습하는 것도 하나의 전략이라고 생각합니다.

학습 계획
 1. 첫 2-3주는 하루에 2-3시간씩 알고리즘 공부에만 집중
 1. 알고리즘 개념 복습
 2. LeetCode Easy로 웜 업하기
 3. LeetCode Medium 90%
 1. Tree BFS/DFS
 2. Graph BFS/DFS
 3. Two Pointers
 4. Binary Search
 4. LeetCode Hard 10%
 1. Dynamic Programming
 2. Backtracking
 2. 그 후 알고리즘 공부 50%, 시스템 설계 공부 50%
 3. 주말에 2,3시간 정도 투자해서 행동 면접 준비
 4. 최종 면접 전
 1. 회사에 자주 출제되는 코딩테스트 리트코드 문제 10-20개 풀어 보기
 2. 최근 회사에 출제된 문제 리트코드 Discussion 섹션에서 확인해 보기
 3. 행동 면접 연습하기

4️⃣ 알고리즘 공부

알고리즘 개념 복습하기
제일 첫 단계는 자주 출제되는 코딩테스트 문제의 알고리즘 개념을 복습하는 것! 저는 알고리즘 복습한지 한 1년 반 정도 되어서 이전에 언급한 알고리즘 자료를 훑어보며 개념을 빠르게 복습했습니다. 저처럼 최근에 복습한 적이 없다면 시간을 충분히 두고 개념 공부를 처음부터 다시 천천히 시작하는 것도 좋을 것 같아요. 알고리즘 복습할 때 사용한 자료는 위 포스팅에서 공유했으니, 참조해 주세요 :)

LeetCode Easy로 웜 업하기
그다음 단계는 난이도 하 문제를 풀면서 '웜 업하기'예요. 처음부터 어려운 문제를 풀지 말고 자신감을 높이기 위해 쉬운 문제만 골라서 풀었습니다. 대체로 쉬운 문제는 빠르면 2~3시간 내에 5개 이상 풀 수 있으므로 며칠간 쉬운 문제 풀기만 했습니다. 또한 쉬운 문제를 풀면서 내가 잘 풀 수 있는 문제 유형과 그렇지 않은 유형을 나누고, 부족한 유형이 무엇인지 파악했습니다.

LeetCode Medium 90%
다음 단계는 난이도 중 수준의 문제를 집중적으로 풀어 주는 것이에요. 이때 저는 다음 순서로 주제별로 난이도 중 수준의 문제를 풀어봤어요.
 1. Tree BFS/DFS (BST, Trie 포함)
 2. Graph BFS/DFS
 3. Two Pointers
 4. Binary Search

속도는 중간 수준의 문제 중 통과율이 높거나 익숙한 패턴일 경우 하루에 한 문제당 30분씩 적게는 3개, 많게는 5개까지 풀었습니다. 주말에 하루 종일 알고리즘 공부를 하는 날에는 10개까지 풀었던 적도 있어요.

반대로 한 시간 내에 솔루션을 직접 생각해 내지 못한 경우 하루에 한 개 겨우 푼 적도 있어요. 이 경우 니트코드 영상이나 유튜브에서 솔루션 영상을 찾아서 문제 풀이법을 봤습니다. 문제 풀이법을 보더라도 며칠 지난 후 혼자서 다시 풀어보도록 문제를 모아서 저장해 놓았어요.

그 외에 다음과 같은 개념은 유튜브 채널과 공유한 공부 자료를 통해 복습을 먼저 하고 문제를 풀어봤습니다.
 1. Topological Sort
 2. Union Find

LeetCode Hard 10%
난이도 상 수준 문제의 비중을 크게 두지 않았어요. Backtracking과 Dynamic Programming 알고리즘 개념을 집중적으로 복습한 후 일주일에 두, 세 개 정도 관련 개념의 문제를 풀어봤습니다.

비슷한 문제의 단계별 난이도 풀어보기
Blind 75와 니트코드 150에 언급된 문제 유형도 유심히 봤습니다.
 * Blind 75: https://www.techinterviewhandbook.org/best-practice-questions/
 * NeetCode 150: https://neetcode.io/practice

근데 언급된 문제만 푸는 것이 아니라 리트코드에 비슷한 문제를 추천해 주는 기능이 있어요. 자주 언급되는 문제의 경우, 그 문제만 풀고 넘어가는 게 아니라 리트코드에 있는 '비슷한 문제 추천' 기능을 통해 어려운 문제도 함께 풀어봤어요. 난이도가 중이였다면 비슷한 문제 중에 난이도가 상인 문제가 있을시 함께 풀어 봤습니다.

회사에 자주 출제되는 리트코드 문제 10~20개 풀어 보기
예전 자료 찾기 포스팅에 알려드린 방법으로 회사당 최근 자주 출제되는 문제를 찾아보았습니다. 최종 면접 전에 자주 출제되는 문제를 10~20개 씩 2~3일에 걸쳐 풀어봤어요. 이전에 연습하면서 풀어 본 문제라도 복습할 겸 다시 풀어봤습니다.

근데 면접 중인 모든 회사에 자주 출제되는 문제를 풀지 않았고 그럴 시간도 없었어요. 회사 중 코딩테스트 문제를 어렵게 내기로 유명하거나 코딩테스트 비중이 높은 회사 그리고 제가 가장 이직하고 싶은 회사에 자주 출제되는 문제를 풀었습니다.

최근 회사에 출제된 문제 리트코드 Discussion 섹션에서 확인해 보기
예전 자료 찾기 포스팅에서 언급하지 않았지만, 리트코드에서 회사에 자주 출제되는 문제를 보여주는 페이지에 'Discussion' 탭이 있어요. 그 탭을 보면 최근 그 회사에 면접 본 지원자들이 익명으로 출제된 문제를 공유합니다. 직급별로 볼 수 있기도 하고 가장 최근 면접 본 지원자들이 직접 공유한 내용이기에 많은 도움이 되었습니다. 그뿐만 아니라 회사당 어떤 패턴의 문제를 선호하는지 파악하는 데 도움 되어서 최종 면접 전에는 꼭 확인했어요.

예: https://leetcode.com/company/amazon/discuss

그 외에 필요한 코딩테스트 문제 유형 공부하기
회사마다 다르지만 저의 경우 Concurrency 문제 유형을 따로 공부해야 했어요. 리트코드에서 Concurrency로 태그된 문제를 풀어보고 educative.io에서 Concurrency 관련 코스를 듣고 관련 개념을 복습하고 예시 문제를 함께 풀어 봤습니다.

5️⃣ 시스템 설계 공부

현 회사에서 시스템 설계(특히 라지 스케일)를 많이 해봤기에 설계 공부는 딱히 어려움이 없었고 시간이 상대적으로 많이 들지 않았어요. 대신 실무에 사용하는 개념을 다시 복습하거나 익숙하지 않은 시스템 설계법을 따로 공부했어요.

실무에 사용하는 개념 다시 복습하기
매일 자기 전 관련 개념을 자세하게 설명하는 책과 유튜브를 2시간씩 봤습니다. 대신 알고리즘 공부 시간을 줄여서 총 4시간 중에 2시간을 설계 공부에 사용하고 나머지 2시간을 알고리즘 문제 풀기에 사용했습니다 (따라서 50%, 50% 나누기). 책과 유튜브 채널 추천은 지난 포스팅에서 했기 때문에 관련 글을 참조해 주세요. 그리고 복습할 때 노트(예: 구글 도큐먼트)에 중요 개념을 메모했습니다. 시간 있을 때마다 면접에 사용해야 할 중요한 개념을 다시 훑어보며 내용을 정리했던 것 같아요.

익숙하지 않은 시스템 설계법 공부하기
educative.io에 멤버쉽을 가입해서 시니어+ 개발자를 위한 시스템 설계 면접 코스를 들었어요. 코스에 여러 가지 시스템 설계 문제에 나오는 테크닉을 가르쳐 주는데, 관련 내용을 읽고 직접 excalidraw.com에 그려 보면서 개념을 익혔어요.

최근 회사에 출제된 문제 리트코드 Discussion 섹션에서 확인해 보기
코딩테스트뿐만 아니라 시스템 설계 면접 문제도 언급될 수도 있기에, Discussion 섹션에서 어떤 설계 문제가 자주 출제되는지 확인했습니다.

6️⃣ 행동 면접 준비

예시를 노트에 짧게 적어보기
처음에는 도큐먼트에 6년간 일하며 제가 했던 일을 4,5문장으로 정리해서 리스트를 만들어봤습니다. 6년간 근무했기에 공유할 수 있는 예시가 너무 많지만, 한 번에 다 기억해 내라고 하면 의외로 어려워요. 다행히 저는 회사에서 제가 맡은 업무를 기록해 놓는 습관이 있어서 이 데이터를 참고로 리스트를 만들었어요. 참고로 이 데이터는 승진할 때 그리고 이력서를 작성할 때 큰 도움이 됩니다.

면접 보는 회사의 문화에 관해 알아보기
그다음으로 해야 할 일은 가장 선호하는 회사의 문화에 관해 알아보고 그에 맞는 예시를 찾아 보고 최종 면접 전에 말하기 연습하는 것입니다. 채용 담당자에게 물어보면 회사가 원하는 인재상과 기업 문화에 관련된 자료를 공유해줍니다. 큰 회사라면 온라인에 많이 나와 있어서 조사해 보고 그에 맞는 행동 면접 예시를 골라서 최종 면접 전에 익혀두는 것이 좋습니다. 그리고 구인 공고에는 좀 더 필요한 스킬을 자세하게 적어놓은 경우가 많아요. 행동 면접 전에 반드시 숙지하시고 관련 스킬을 사용했던 예시를 면접 전에 익혀두는 것도 좋습니다.

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

이번 포스팅에는 면접 통과를 위해 공부한 것을 집중적으로 공유했어요. 하지만 이직할 때 이력서 작성, 나와 맞는 포지션 찾기 등등 준비해야 할 것들이 상당히 많았어요. 이 부분은 2탄에서 자세하게 풀어보겠습니다.

🪴 함께 읽으면 좋은 글

이직이 필요한 상황인지 판단하기
https://careerly.co.kr/comments/93357

개발자가 된 후 저지른 실수들
https://careerly.co.kr/comments/94020

실력 향상을 위한 해외 유튜브 채널 10개
https://careerly.co.kr/comments/88786

기술, 개발 학습 자료 7가지
https://careerly.co.kr/comments/91555

얼마 전 이직, 면접 준비를 직접 했습니다. 총 준비 기간은 약 3개월 정도였고, FANG과 빅테크 여러 회사에 최종 합격한 후, 연봉 협상을 거쳐 이제 현 회사를 퇴사하고 새 직장으로 이직하게 됩니다. 관련 이야기는 시리즈로 공유할 예정입니다. 대충 생각한 시리즈 내용은 다음과 같습니다.<ol><li>1탄: 직접 해 본 알고리즘, 시스템 면접 단계별 공부법 그리고 직접 설계한 학습법 공유</li><li>2탄: 그 외 준비한 것들</li><li>3탄: 6년 만에 이직 준비하면서 배운 점</li><li>4탄: 알고리즘, 시스템 설계, 행동 면접 팁</li><li>5탄: 면접과 최종 합격 후 꼭 해야 할 일</li></ol> 이번 포스팅은 직접 해 본 준비 방법을 공유합니다.현재 취업 준비 중인 분들에게 이 글이 조금이나마 도움 되었으면 좋겠어요. 1️⃣ 이직을 결정하게 된 이유 이직을 결정하게 된 계기는 &lt;이직이 필요한 상황인지 판단하기&gt;에 언급한 요소를 따져 보고 스스로 자각하게 되었습니다. (함께 읽으면 좋은 글 참고) 또한 면접은 실무와 다른 스킬이기에 너무 안 해보면 까먹을 수 있어요. 그래서 면접 연습할 겸 겸사겸사 인터뷰해 보면 좋겠다고 생각했어요. 좋은 기회를 만나면 이직하는 거고, 그렇지 못하면 현 회사에 그대로 남더라도 면접 실력을 늘릴 수 있는 좋은 기회라고 생각했습니다. 2️⃣ 면접 준비 자료 수집하기 제일 먼저 면접 자료를 수집했어요. 자료 수집에 관련된 내용은 예전에 자세히 포스팅했기 때문에 생략할게요. 이직 준비할 때 직접 사용했던 자료는 아래 포스팅에 자세하게 공유했으니까 아래 포스팅을 먼저 읽어 주세요. 잘못된 개발자 면접 준비 방법 피하기 (+ 준비 자료)https://careerly.co.kr/comments/93358 3️⃣ 학습 계획 설계하기 학습 계획까지 설계할 필요가 있나? 라고 느끼실 수 있는데요, 확실히 하고 안 하고의 차이점이 있는 것 같아요. 특히 설계할 때 부족한 점을 객관적으로 판단하고, 이에 맞는 학습 계획을 짜놓으면 확실히 면접 결과가 더 좋은 것 같습니다. 학습 설계 시작 전에 알아둬야 할 점:<ol><li>회사마다 통상 총면접 기간은 빠르면 한 달에서 길게는 두 달까지 걸린다</li><li>정형화된 면접 프로세스가 있지 않고 회사마다 다르다</li><li>직급에 따라 면접 포맷이 상당히 다르다</li><li>가장 선호하지 않는 회사에 이력서를 먼저 넣고 면접 보면서 연습하는 것도 나쁘지 않다</li><li>풀타임으로 이직 준비를 할 수 없으므로 회사와 포지션을 골라서 면접 봐야 한다</li></ol> 그리고 내 경력에 어떤 면접 포맷이 가장 흔한지를 조사해야 합니다. 예를 들면, 해외 취업의 경우 주니어 개발자의 경우 코딩테스트 비중이 거의 90%가 넘지만, 5~10년 차부터 설계 비중이 면접의 30%에서 50% 이상을 차지하기도 합니다(중요: 회사마다 다름!). 그렇다고 코딩테스트가 시니어+ 개발자 면접에는 중요하지 않다는 게 아니라, 코딩테스트를 완벽하게 효율적인 솔루션으로 풀 수 있다는 가정하에 설계와 행동 면접 비중이 높아집니다. 마지막으로 무조건 공부만 하고 면접을 뒤로 미루는 것보다 공부하면서 면접을 연습 삼아 해보는 걸 추천합니다. 어차피 풀타임으로 이직 준비가 불가능하기에 골라서 면접 봐야 하고, 모든 회사의 면접을 한 번에 다 같이 보기 어렵습니다. 그래서 공부하면서 면접하는 걸 함께하는 것도 나쁘지 않아요. 대신, 지원한 회사마다 선호도를 매겨보고 그중에서 선호도가 낮은 곳부터 면접을 보도록 날짜를 잡아서 면접 보면서 연습하는 것도 하나의 전략이라고 생각합니다. 학습 계획<ol><li>첫 2-3주는 하루에 2-3시간씩 알고리즘 공부에만 집중<ol><li>알고리즘 개념 복습</li><li>LeetCode Easy로 웜 업하기</li><li>LeetCode Medium 90%<ol><li>Tree BFS/DFS</li><li>Graph BFS/DFS</li><li>Two Pointers</li><li>Binary Search</li></ol></li><li>LeetCode Hard 10%<ol><li>Dynamic Programming</li><li>Backtracking</li></ol></li></ol></li><li>그 후 알고리즘 공부 50%, 시스템 설계 공부 50%</li><li>주말에 2,3시간 정도 투자해서 행동 면접 준비</li><li>최종 면접 전<ol><li>회사에 자주 출제되는 코딩테스트 리트코드 문제 10-20개 풀어 보기</li><li>최근 회사에 출제된 문제 리트코드 Discussion 섹션에서 확인해 보기</li><li>행동 면접 연습하기</li></ol></li></ol> 4️⃣ 알고리즘 공부 알고리즘 개념 복습하기제일 첫 단계는 자주 출제되는 코딩테스트 문제의 알고리즘 개념을 복습하는 것! 저는 알고리즘 복습한지 한 1년 반 정도 되어서 이전에 언급한 알고리즘 자료를 훑어보며 개념을 빠르게 복습했습니다. 저처럼 최근에 복습한 적이 없다면 시간을 충분히 두고 개념 공부를 처음부터 다시 천천히 시작하는 것도 좋을 것 같아요. 알고리즘 복습할 때 사용한 자료는 위 포스팅에서 공유했으니, 참조해 주세요 :) LeetCode Easy로 웜 업하기그다음 단계는 난이도 하 문제를 풀면서 '웜 업하기'예요. 처음부터 어려운 문제를 풀지 말고 자신감을 높이기 위해 쉬운 문제만 골라서 풀었습니다. 대체로 쉬운 문제는 빠르면 2~3시간 내에 5개 이상 풀 수 있으므로 며칠간 쉬운 문제 풀기만 했습니다. 또한 쉬운 문제를 풀면서 내가 잘 풀 수 있는 문제 유형과 그렇지 않은 유형을 나누고, 부족한 유형이 무엇인지 파악했습니다. LeetCode Medium 90%다음 단계는 난이도 중 수준의 문제를 집중적으로 풀어 주는 것이에요. 이때 저는 다음 순서로 주제별로 난이도 중 수준의 문제를 풀어봤어요.<ol><li>Tree BFS/DFS (BST, Trie 포함)</li><li>Graph BFS/DFS</li><li>Two Pointers</li><li>Binary Search</li></ol> 속도는 중간 수준의 문제 중 통과율이 높거나 익숙한 패턴일 경우 하루에 한 문제당 30분씩 적게는 3개, 많게는 5개까지 풀었습니다. 주말에 하루 종일 알고리즘 공부를 하는 날에는 10개까지 풀었던 적도 있어요. 반대로 한 시간 내에 솔루션을 직접 생각해 내지 못한 경우 하루에 한 개 겨우 푼 적도 있어요. 이 경우 니트코드 영상이나 유튜브에서 솔루션 영상을 찾아서 문제 풀이법을 봤습니다. 문제 풀이법을 보더라도 며칠 지난 후 혼자서 다시 풀어보도록 문제를 모아서 저장해 놓았어요. 그 외에 다음과 같은 개념은 유튜브 채널과 공유한 공부 자료를 통해 복습을 먼저 하고 문제를 풀어봤습니다.<ol><li>Topological Sort</li><li>Union Find</li></ol> LeetCode Hard 10%난이도 상 수준 문제의 비중을 크게 두지 않았어요. Backtracking과 Dynamic Programming 알고리즘 개념을 집중적으로 복습한 후 일주일에 두, 세 개 정도 관련 개념의 문제를 풀어봤습니다. 비슷한 문제의 단계별 난이도 풀어보기Blind 75와 니트코드 150에 언급된 문제 유형도 유심히 봤습니다.<ul><li>Blind 75: https://www.techinterviewhandbook.org/best-practice-questions/</li><li>NeetCode 150: https://neetcode.io/practice</li></ul> 근데 언급된 문제만 푸는 것이 아니라 리트코드에 비슷한 문제를 추천해 주는 기능이 있어요. 자주 언급되는 문제의 경우, 그 문제만 풀고 넘어가는 게 아니라 리트코드에 있는 '비슷한 문제 추천' 기능을 통해 어려운 문제도 함께 풀어봤어요. 난이도가 중이였다면 비슷한 문제 중에 난이도가 상인 문제가 있을시 함께 풀어 봤습니다. 회사에 자주 출제되는 리트코드 문제 10~20개 풀어 보기예전 자료 찾기 포스팅에 알려드린 방법으로 회사당 최근 자주 출제되는 문제를 찾아보았습니다. 최종 면접 전에 자주 출제되는 문제를 10~20개 씩 2~3일에 걸쳐 풀어봤어요. 이전에 연습하면서 풀어 본 문제라도 복습할 겸 다시 풀어봤습니다. 근데 면접 중인 모든 회사에 자주 출제되는 문제를 풀지 않았고 그럴 시간도 없었어요. 회사 중 코딩테스트 문제를 어렵게 내기로 유명하거나 코딩테스트 비중이 높은 회사 그리고 제가 가장 이직하고 싶은 회사에 자주 출제되는 문제를 풀었습니다. 최근 회사에 출제된 문제 리트코드 Discussion 섹션에서 확인해 보기예전 자료 찾기 포스팅에서 언급하지 않았지만, 리트코드에서 회사에 자주 출제되는 문제를 보여주는 페이지에 'Discussion' 탭이 있어요. 그 탭을 보면 최근 그 회사에 면접 본 지원자들이 익명으로 출제된 문제를 공유합니다. 직급별로 볼 수 있기도 하고 가장 최근 면접 본 지원자들이 직접 공유한 내용이기에 많은 도움이 되었습니다. 그뿐만 아니라 회사당 어떤 패턴의 문제를 선호하는지 파악하는 데 도움 되어서 최종 면접 전에는 꼭 확인했어요. 예: https://leetcode.com/company/amazon/discuss 그 외에 필요한 코딩테스트 문제 유형 공부하기회사마다 다르지만 저의 경우 Concurrency 문제 유형을 따로 공부해야 했어요. 리트코드에서 Concurrency로 태그된 문제를 풀어보고 educative.io에서 Concurrency 관련 코스를 듣고 관련 개념을 복습하고 예시 문제를 함께 풀어 봤습니다. 5️⃣ 시스템 설계 공부 현 회사에서 시스템 설계(특히 라지 스케일)를 많이 해봤기에 설계 공부는 딱히 어려움이 없었고 시간이 상대적으로 많이 들지 않았어요. 대신 실무에 사용하는 개념을 다시 복습하거나 익숙하지 않은 시스템 설계법을 따로 공부했어요. 실무에 사용하는 개념 다시 복습하기매일 자기 전 관련 개념을 자세하게 설명하는 책과 유튜브를 2시간씩 봤습니다. 대신 알고리즘 공부 시간을 줄여서 총 4시간 중에 2시간을 설계 공부에 사용하고 나머지 2시간을 알고리즘 문제 풀기에 사용했습니다 (따라서 50%, 50% 나누기). 책과 유튜브 채널 추천은 지난 포스팅에서 했기 때문에 관련 글을 참조해 주세요. 그리고 복습할 때 노트(예: 구글 도큐먼트)에 중요 개념을 메모했습니다. 시간 있을 때마다 면접에 사용해야 할 중요한 개념을 다시 훑어보며 내용을 정리했던 것 같아요. 익숙하지 않은 시스템 설계법 공부하기educative.io에 멤버쉽을 가입해서 시니어+ 개발자를 위한 시스템 설계 면접 코스를 들었어요. 코스에 여러 가지 시스템 설계 문제에 나오는 테크닉을 가르쳐 주는데, 관련 내용을 읽고 직접 excalidraw.com에 그려 보면서 개념을 익혔어요. 최근 회사에 출제된 문제 리트코드 Discussion 섹션에서 확인해 보기코딩테스트뿐만 아니라 시스템 설계 면접 문제도 언급될 수도 있기에, Discussion 섹션에서 어떤 설계 문제가 자주 출제되는지 확인했습니다. 6️⃣ 행동 면접 준비 예시를 노트에 짧게 적어보기처음에는 도큐먼트에 6년간 일하며 제가 했던 일을 4,5문장으로 정리해서 리스트를 만들어봤습니다. 6년간 근무했기에 공유할 수 있는 예시가 너무 많지만, 한 번에 다 기억해 내라고 하면 의외로 어려워요. 다행히 저는 회사에서 제가 맡은 업무를 기록해 놓는 습관이 있어서 이 데이터를 참고로 리스트를 만들었어요. 참고로 이 데이터는 승진할 때 그리고 이력서를 작성할 때 큰 도움이 됩니다. 면접 보는 회사의 문화에 관해 알아보기그다음으로 해야 할 일은 가장 선호하는 회사의 문화에 관해 알아보고 그에 맞는 예시를 찾아 보고 최종 면접 전에 말하기 연습하는 것입니다. 채용 담당자에게 물어보면 회사가 원하는 인재상과 기업 문화에 관련된 자료를 공유해줍니다. 큰 회사라면 온라인에 많이 나와 있어서 조사해 보고 그에 맞는 행동 면접 예시를 골라서 최종 면접 전에 익혀두는 것이 좋습니다. 그리고 구인 공고에는 좀 더 필요한 스킬을 자세하게 적어놓은 경우가 많아요. 행동 면접 전에 반드시 숙지하시고 관련 스킬을 사용했던 예시를 면접 전에 익혀두는 것도 좋습니다. ------------- 이번 포스팅에는 면접 통과를 위해 공부한 것을 집중적으로 공유했어요. 하지만 이직할 때 이력서 작성, 나와 맞는 포지션 찾기 등등 준비해야 할 것들이 상당히 많았어요. 이 부분은 2탄에서 자세하게 풀어보겠습니다. 🪴 함께 읽으면 좋은 글 이직이 필요한 상황인지 판단하기https://careerly.co.kr/comments/93357 개발자가 된 후 저지른 실수들https://careerly.co.kr/comments/94020 실력 향상을 위한 해외 유튜브 채널 10개https://careerly.co.kr/comments/88786 기술, 개발 학습 자료 7가지https://careerly.co.kr/comments/91555

아마존 퇴사와 빅테크 이직 준비

학습 차원에서 틈틈이 해외 전문가들이 블로그나 미디어 그리고 책에서 쓴 글을 번역 또는 요약 정리하고 있습니다. 이번 포스팅도 그중 하나고요. 거칠고 오역된 부분이 있을 수 있습니다. 제대로 번역되지 않은 부분은 확인 주시면 반영토록 하겠습니다. 의미 전달이 애매한 일부 문장은 삭제했습니다. 이번 글은 Thomas Smith가 미디엄에 쓴 글을 정리한 것입

맞춤 GPT에 비전API도, 오픈AI 업글 왜 중요한가

친구들, 황치규 기자님의 믿고 보는 브럼치 글. 오픈AI 개발자 컨퍼런스에서 나왔던 내용를 다룬 글을 공유하고자 합니다. 

"마찬가지로 초기 스마트폰은 제한된 수의 리소스들에 대한 접근을 제공했고 대부분 제작자가 제어했다. 앞서 언급한 앱스토어가 출시되고 안드로이드 OS가 출시되고 서드파티 앱과 콘텐츠가 폭발적으로 증가하면서 스마트폰의 잠재력이 본격적으로 나타났다. 생성 AI도 비슷한 시점에 와 있다. 이전에는 대부분 사람들이 개별 기업이 제공하는 고도로 통제된 인터페이스를 통해 AI 시스템과 상호작용했다. 콘텐츠를 생성하는 챗봇을 사용하고 싶으면 챗GPT로 갔다. 사진이 필요하면 디스코드에 접속해 미드저니 봇에 메시지를 보냈다.

지난주 오픈AI가 내세운 변화는 AI 생태계를 완전히 새로운 방향으로 이끌고 있다. 예를 들어 오픈AI는 수년 동안 외부 개발자가 시스템과 인터페이스할 수 있는 API를 제공해 왔다. 하지만 강력한 시각적 기능과 대규모 컨텍스트 창을 개발자에게 공개하기로 한 결정과 GPT를 커스터마이징할 수 있는 코드 없는 도구를 구축하기로 한 것은 오픈AI가 엄격하게 통제되는 챗GPT 인터페이스를 넘어 기술을 중심으로 진정한 생태계를 구축하겠다는 의지의 표현이기도 하다.

개발자에게는 놀라운 소프트웨어를 구축할 수 있는 새로운 툴킷을 제공한다는 점에서 매우 반가운 소식이다. 하지만 사용자들에게도 큰 소식이다. 기업들이 오픈AI API를 사용해 기존 소프트웨어에 더 많은 생성 AI 도구를 구축함에 따라 앱이 훨씬 더 스마트하고 시각적이며 효율적으로 발전하게 될 것이다. 생성AI는 웹사이트에 로그인해 사용하는 도구가 아니라, 사용자가 상호작용하는 모든 기술을 미묘하게 개선하는 근본적인 레이어가 될 것이다."

https://brunch.co.kr/@delight412/639

친구들, 황치규 기자님의 믿고 보는 브럼치 글. 오픈AI 개발자 컨퍼런스에서 나왔던 내용를 다룬 글을 공유하고자 합니다.&nbsp; "마찬가지로 초기 스마트폰은 제한된 수의 리소스들에 대한 접근을 제공했고 대부분 제작자가 제어했다. 앞서 언급한 앱스토어가 출시되고 안드로이드 OS가 출시되고 서드파티 앱과 콘텐츠가 폭발적으로 증가하면서 스마트폰의 잠재력이 본격적으로 나타났다. 생성 AI도 비슷한 시점에 와 있다. 이전에는 대부분 사람들이 개별 기업이 제공하는 고도로 통제된 인터페이스를 통해 AI 시스템과 상호작용했다. 콘텐츠를 생성하는 챗봇을 사용하고 싶으면 챗GPT로 갔다. 사진이 필요하면 디스코드에 접속해 미드저니 봇에 메시지를 보냈다. 지난주 오픈AI가 내세운 변화는 AI 생태계를 완전히 새로운 방향으로 이끌고 있다. 예를 들어 오픈AI는 수년 동안 외부 개발자가 시스템과 인터페이스할 수 있는 API를 제공해 왔다. 하지만 강력한 시각적 기능과 대규모 컨텍스트 창을 개발자에게 공개하기로 한 결정과 GPT를 커스터마이징할 수 있는 코드 없는 도구를 구축하기로 한 것은 오픈AI가 엄격하게 통제되는 챗GPT 인터페이스를 넘어 기술을 중심으로 진정한 생태계를 구축하겠다는 의지의 표현이기도 하다. 개발자에게는 놀라운 소프트웨어를 구축할 수 있는 새로운 툴킷을 제공한다는 점에서 매우 반가운 소식이다. 하지만 사용자들에게도 큰 소식이다. 기업들이 오픈AI API를 사용해 기존 소프트웨어에 더 많은 생성 AI 도구를 구축함에 따라 앱이 훨씬 더 스마트하고 시각적이며 효율적으로 발전하게 될 것이다. 생성AI는 웹사이트에 로그인해 사용하는 도구가 아니라, 사용자가 상호작용하는 모든 기술을 미묘하게 개선하는 근본적인 레이어가 될 것이다." https://brunch.co.kr/@delight412/639

Brunch Story

<황치규 컬럼-오픈AI 업들 왜 중요한가>

"Spring 에서 AI 애플리케이션을 위한 추상화를 제공합니다."

OpenAI 의 GPT 모델을 이용하여 AI 애플리케이션을 사용하기 위해서는 API 연동이 필요하죠. Python 진영에서는 이미 LangChain 이나 Llama Index 등의 프레임워크가 널리 알려지고 사용되고 있습니다. Spring 팀에서도 생성형 AI 애플리케이션이 Python 개발자뿐만 아니라 여러 프로그래밍 언어에 걸쳐 보편화될 것이라는 믿음으로 Spring AI 프로젝트를 시작했다고 합니다. 실험 프로젝트로 진행하다가 지난 9월에 본격 Spring Project Repository 로 옮겨졌습니다.

Spring AI의 핵심은 AI 애플리케이션 개발의 기반이 되는 추상화를 제공하는 것입니다. 이러한 추상화에는 여러 구현이 있으므로 최소한의 코드 변경으로 쉽게 구성 요소를 교체할 수 있습니다. 예를 들어, Spring AI는 OpenAI 및 Azure OpenAI용 구현이 포함된 AiClient 인터페이스를 도입합니다.

또한 보다 나은 개발 경험을 위해 문서에 대한 Q&A (RAG) 또는 채팅 등 일반적인 사용 사례를 해결하기 위해 여러 기능들이 개발되고 있습니다. 11월 30일 현재 0.7.1 Snapshot 버전까지 진행이 되었으며, v0.8.0 은 12월 초, v0.9.0 은 12월 말로 마일스톤이 잡혀있고, 아마도 내년 상반기에 GA 출시가 되지 않을까 싶습니다.

사용해보기 위해서는 아래 Repository의 README 파일을 참고하여 Snapshot Repo를 추가하고 의존성 설정을 하면 됩니다. 참고로 OpenAI 용과 MS Azure 용을 구분해서 추가하고 있습니다.

Document :
https://docs.spring.io/spring-ai/reference/index.html

GitHub Repository :
https://github.com/spring-projects/spring-ai

"Spring 에서 AI 애플리케이션을 위한 추상화를 제공합니다." OpenAI 의 GPT 모델을 이용하여 AI 애플리케이션을 사용하기 위해서는 API 연동이 필요하죠. Python 진영에서는 이미 LangChain 이나 Llama Index 등의 프레임워크가 널리 알려지고 사용되고 있습니다. Spring 팀에서도 생성형 AI 애플리케이션이 Python 개발자뿐만 아니라 여러 프로그래밍 언어에 걸쳐 보편화될 것이라는 믿음으로 Spring AI 프로젝트를 시작했다고 합니다. 실험 프로젝트로 진행하다가 지난 9월에 본격 Spring Project Repository 로 옮겨졌습니다. Spring AI의 핵심은 AI 애플리케이션 개발의 기반이 되는 추상화를 제공하는 것입니다. 이러한 추상화에는 여러 구현이 있으므로 최소한의 코드 변경으로 쉽게 구성 요소를 교체할 수 있습니다. 예를 들어, Spring AI는 OpenAI 및 Azure OpenAI용 구현이 포함된 AiClient 인터페이스를 도입합니다. 또한 보다 나은 개발 경험을 위해 문서에 대한 Q&amp;A (RAG) 또는 채팅 등 일반적인 사용 사례를 해결하기 위해 여러 기능들이 개발되고 있습니다. 11월 30일 현재 0.7.1 Snapshot 버전까지 진행이 되었으며, v0.8.0 은 12월 초, v0.9.0 은 12월 말로 마일스톤이 잡혀있고, 아마도 내년 상반기에 GA 출시가 되지 않을까 싶습니다. 사용해보기 위해서는 아래 Repository의 README 파일을 참고하여 Snapshot Repo를 추가하고 의존성 설정을 하면 됩니다. 참고로 OpenAI 용과 MS Azure 용을 구분해서 추가하고 있습니다. Document : https://docs.spring.io/spring-ai/reference/index.html GitHub Repository : https://github.com/spring-projects/spring-ai

Spring AI

요기요 사장님 앱에서는 주문 리스트를 호출하는 API에 주문 리스트가 없을 경우 status code를 400으로 반환하고 있었습니다. 400으로 반환하는 이유가 너무 궁금해서 BE 개발자분들에게 질문했습니다. 주문이 없는 것이 아니라 주문을 조회할 가게가 없는 것이었습니다. 즉, 주문 리스트를 조회하는 API 입장에서는 없는 가게를 조회하는 것이니...

데이터가 없을 때 200인가 404인가?

HTML 프로토콜의 명세 중에는 요청에 대한 응답의 형태를 구분할 수 있는 HttpStatusCode가 있습니다. 이를 보고 클라이언트는 어떤 응답을 받게 되는지 판단을 할 수 있게 되죠. 이때, 없는 데이터를 요청한 경우에 대해서 응답의 HttpStatusCode를 무엇으로 전달해야 할지에 대한 글이 있어 저의 생각과 함게 공유하려 합니다. 사실 이 글을 보기 전 비슷한 시점에 스터디 하고 있는 분들과 동일한 이야기가 나왔었는데 거기서 나온 이야기도 잠깐 첨언하고요.
여기서 이야기하는 명제는 "데이터가 없을 때"였습니다. 2xx는 정상, 3xx는 리다이렉트, 4xx는 클라이언트의 잘못된 요청, 5xx는 서버의 에러 응답을 이야기하는데 "데이터가 없다"라는 어느 범주에 속하게 될까요? 마침 스터디방에서 "Get 이면 404, Find 면 204"라는 꽤 인사이트가 있는 말씀을 해주셨는데요. 거기에 "200 OK로 내려주게 되면 사용하는 쪽에서 예상하기 어려운 부분이 있다."라는 말과 함께요. 저의 생각도 동일합니다. 있어야 할 데이터를 요청한 건지, 있을지 없을지 모르는 상황에서 요청을 한 건지에 따라 결정이 될 것 같습니다. 그렇게 되면 클라이언트는 HttpStatusCode만을 가지고 처리할 수 있게 되죠. 이를 다른 측면으로 이야기하면 응답 값(body)에 대한 처리 의존성이 줄어드는 효과도 있어 보입니다. (반대로, HttpStatusCode에만 의존하게 되는)
그래서 위의 물음에는 "204"가 되야 한다고 생각합니다.
물론, 이러한 부분은 정답이 없는 부분입니다. 그래서 팀 내에서 적당한 타협(협의)을 하고 결정해야 할 문제이죠. 응답을 받고 처리하는 클라이언트 입장과, 해당 요청을 받고 응답을 내려주는 서버 입장은 '닭이 먼저냐 계란이 먼저냐' 급의 각 입장 차이가 있기 때문입니다. 그리고 무엇보다 중요한 건 그러한 컨벤션을 정했으면 앞으로의 개발은 당연하게도 정해진 방향대로 되고 이미 개발된 부분들에 대해서도 점진적으로 고쳐져야 한다는 점을 명심해야 합니다.

https://techblog.yogiyo.co.kr/%EB%8D%B0%EC%9D%B4%ED%84%B0%EA%B0%80-%EC%97%86%EC%9D%84-%EB%95%8C-200%EC%9D%B8%EA%B0%80-404%EC%9D%B8%EA%B0%80-f1c8c39ca9df

HTML 프로토콜의 명세 중에는 요청에 대한 응답의 형태를 구분할 수 있는 HttpStatusCode가 있습니다. 이를 보고 클라이언트는 어떤 응답을 받게 되는지 판단을 할 수 있게 되죠. 이때, 없는 데이터를 요청한 경우에 대해서 응답의 HttpStatusCode를 무엇으로 전달해야 할지에 대한 글이 있어 저의 생각과 함게 공유하려 합니다. 사실 이 글을 보기 전 비슷한 시점에 스터디 하고 있는 분들과 동일한 이야기가 나왔었는데 거기서 나온 이야기도 잠깐 첨언하고요.여기서 이야기하는 명제는 "데이터가 없을 때"였습니다. 2xx는 정상, 3xx는 리다이렉트, 4xx는 클라이언트의 잘못된 요청, 5xx는 서버의 에러 응답을 이야기하는데 "데이터가 없다"라는 어느 범주에 속하게 될까요? 마침 스터디방에서 "Get 이면 404, Find 면 204"라는 꽤 인사이트가 있는 말씀을 해주셨는데요. 거기에 "200 OK로 내려주게 되면 사용하는 쪽에서 예상하기 어려운 부분이 있다."라는 말과 함께요. 저의 생각도 동일합니다. 있어야 할 데이터를 요청한 건지, 있을지 없을지 모르는 상황에서 요청을 한 건지에 따라 결정이 될 것 같습니다. 그렇게 되면 클라이언트는 HttpStatusCode만을 가지고 처리할 수 있게 되죠. 이를 다른 측면으로 이야기하면 응답 값(body)에 대한 처리 의존성이 줄어드는 효과도 있어 보입니다. (반대로, HttpStatusCode에만 의존하게 되는)그래서 위의 물음에는 "204"가 되야 한다고 생각합니다.물론, 이러한 부분은 정답이 없는 부분입니다. 그래서 팀 내에서 적당한 타협(협의)을 하고 결정해야 할 문제이죠. 응답을 받고 처리하는 클라이언트 입장과, 해당 요청을 받고 응답을 내려주는 서버 입장은 '닭이 먼저냐 계란이 먼저냐' 급의 각 입장 차이가 있기 때문입니다. 그리고 무엇보다 중요한 건 그러한 컨벤션을 정했으면 앞으로의 개발은 당연하게도 정해진 방향대로 되고 이미 개발된 부분들에 대해서도 점진적으로 고쳐져야 한다는 점을 명심해야 합니다. https://techblog.yogiyo.co.kr/%EB%8D%B0%EC%9D%B4%ED%84%B0%EA%B0%80-%EC%97%86%EC%9D%84-%EB%95%8C-200%EC%9D%B8%EA%B0%80-404%EC%9D%B8%EA%B0%80-f1c8c39ca9df

오.. 저도 글에 적진 않았지만 204가 명확한 거 아닌가 하는 생각도 들었어요. BFF 가 구성되어 있다면 FE 입장에서의 상태값만 고려하면 될 것 같은데 타협과 선택의 문제라 생각합니다.

Gemini is our natively multimodal AI model capable of reasoning across text, images, audio, video and code. This video highlights some of our favorite interactions with Gemini. Learn more and try the model: https://deepmind.google/gemini Explore our promp

Hands-on with Gemini: Interacting with multimodal AI

오늘은 구글에서 제미나이로 뜨거운데요.
> 제가 이렇게 쓴거 아니에요. 구글 블로그에 제미나이라고 나와요
https://www.youtube.com/watch?v=UIZAiXYceBI&ab_channel=Google

영상을 살펴보면 더이상 오리랑 코딩할 필요없어보입니다.
어서 제미나이와 말하면서 코딩하고 싶네요.

오늘은 구글에서 제미나이로 뜨거운데요. &gt; 제가 이렇게 쓴거 아니에요. 구글 블로그에 제미나이라고 나와요 https://www.youtube.com/watch?v=UIZAiXYceBI&amp;ab_channel=Google 영상을 살펴보면 더이상 오리랑 코딩할 필요없어보입니다.어서 제미나이와 말하면서 코딩하고 싶네요.

YouTube

Gemini와 코딩하게 하게해주세요

워너 보겔스 박사의 글인류는 역사를 통틀어 자신의 능력을 증강하고 증폭하는 도구와 시스템을 개발해 왔음클라우드 기술, 머신러닝, 생성형 AI의 접근성이 높아지면서 이메일 작성부터 소프트웨어 개발, 심지어 암의 조기 발견에 이르기까지 우리 삶의 거의 모든 측면에 영향을 미치고 있음앞으로 몇 년간 기술에 대한 접근성을 대중화하고 여러 분야의 혁신으로 가득 차게

아마존 CTO의 2024년 이후 기술 예측 | GeekNews

 * 한글로 정리해주신 내용을 보니 너무 유용하네요
 * 많은 부분 공감되어서 꼭 보시면 좋을 것 같아요! :)

https://news.hada.io/topic?id=12201

<ul><li>한글로 정리해주신 내용을 보니 너무 유용하네요</li><li>많은 부분 공감되어서 꼭 보시면 좋을 것 같아요! :) </li></ul> https://news.hada.io/topic?id=12201

GeekNews

아마존 CTO의 2024년 이후 기술 예측

https://news.hada.io/topic?id=8066

2023년 예측도 같이 보셔도 흥미롭게 볼 수 있어요

원문 : https&#x3A;//cpojer.net/posts/dependency-managers-dont-manage-your-dependencies

[번역] 의존성 관리자는 의존성을 관리하지 않습니다

오늘 소개해드릴 글은 라인플러스의 손수림님이 번역해주신 글입니다. 이 글은 자바스크립트 인프라 시리즈의 첫 번째 글로 자바스크립트 의존성 관리자의 근본적인 문제점에 대해 이야기를 하고 있습니다. 글의 내용이 다소 어렵지만 의존성이 내부에서 어떤 식으로 관리가 되고 있는지와 이러한 문제점들을 피하여 의존성을 제어할 수 있는 가이드를 제공하고 있어 관심 있으신 분들에게는 도움이 될 것 같습니다. :)

 * 글 링크: https://velog.io/@surim014/dependency-managers-dont-manage-your-dependencies

오늘 소개해드릴 글은 라인플러스의 손수림님이 번역해주신 글입니다. 이 글은 자바스크립트 인프라 시리즈의 첫 번째 글로 자바스크립트 의존성 관리자의 근본적인 문제점에 대해 이야기를 하고 있습니다. 글의 내용이 다소 어렵지만 의존성이 내부에서 어떤 식으로 관리가 되고 있는지와 이러한 문제점들을 피하여 의존성을 제어할 수 있는 가이드를 제공하고 있어 관심 있으신 분들에게는 도움이 될 것 같습니다. :) <ul><li>글 링크: https://velog.io/@surim014/dependency-managers-dont-manage-your-dependencies</li></ul>

Velog

의존성 관리자는 의존성을 관리하지 않습니다

1. 회사가 내가 아니다. 삼성전자에 다닌다고, 네카라쿠배 당토에 다닌다고 혹은 또다른 OO에 다닌다고 내가 그 회사가 아니다. 2. 일하는 회사가 핫하거나 빠르게 성장하고 있다면, 좋은 일이다. 그 Halo effect를 유리하게 활용하는 것도 좋다. 내 안목이 탁월했든 운이든 어쨋든 잘된 일이다. 나 자신이 성장하며 회사의 성장에 기여하는 것도 자부

회사가 내가 아니다

오래전부터 생각해오던 내용과 소름 끼치게 동일한 글을 발견해서 공유합니다. 주니어 시절(아마 2~3년차) 회사에 이름에 그늘 삼아 제 능력이 녹슬어 가는지도 모른 체 시간을 낭비하듯 보내던 적이 있었습니다. 그러다 "회사 딱지를 떼면 난 뭐가 남지?"라는 생각에 뒤통수를 맞은 느낌으로 외부 활동을 해왔던 것 같고 블로그, 토이 프로젝트, 스터디에 이어 지금까지 살아오는 것 같습니다. 물론, 회사가 안정적이고 성장 가능성이 뚜렷하다면 "나 OO에 다녀~"라는 생각으로 약간은 안일한 마음이 들 수도 있겠지만 부모님 시대와는 다르게 요즘은 평생직장이라는 수식어는 어울리지 않을 정도로 세상이 변화하고 있고 결국은 본인 스스로를 본인이 챙겨야 하는 시대인 건 확실해 보입니다.
"회사가 내가 아니다"라는 제목은 다소 자극적이기도 하고 오해가 될 수도 있을 만한 글이지만 이 글에서 이야기하고자 하는 내용에 저의 생각을 조금 더 가미하자면, 결국 스스로 홀로서기 할 수 있을 정도의 능력을 갖춘 본인이 돼야 하고 그게 회사에 다니는 직장인이라면 그러한 능력을 회사에서도 기여하는 순서가 맞지 않을까 생각이 됩니다. 특히, 개발자는 기술적 고립이 되지 않기 위해 부단히 노력해야 합니다. 회사 내에서는 잘하는 것처럼 생각이 될 수 있지만 다른 회사 분들과 마주하다 보면 우물속 개구리였구나 라는걸 몸소 체감할 수 있으니까요.

https://brunch.co.kr/@naieekim/79

오래전부터 생각해오던 내용과 소름 끼치게 동일한 글을 발견해서 공유합니다. 주니어 시절(아마 2~3년차) 회사에 이름에 그늘 삼아 제 능력이 녹슬어 가는지도 모른 체 시간을 낭비하듯 보내던 적이 있었습니다. 그러다 "회사 딱지를 떼면 난 뭐가 남지?"라는 생각에 뒤통수를 맞은 느낌으로 외부 활동을 해왔던 것 같고 블로그, 토이 프로젝트, 스터디에 이어 지금까지 살아오는 것 같습니다. 물론, 회사가 안정적이고 성장 가능성이 뚜렷하다면 "나 OO에 다녀~"라는 생각으로 약간은 안일한 마음이 들 수도 있겠지만 부모님 시대와는 다르게 요즘은 평생직장이라는 수식어는 어울리지 않을 정도로 세상이 변화하고 있고 결국은 본인 스스로를 본인이 챙겨야 하는 시대인 건 확실해 보입니다."회사가 내가 아니다"라는 제목은 다소 자극적이기도 하고 오해가 될 수도 있을 만한 글이지만 이 글에서 이야기하고자 하는 내용에 저의 생각을 조금 더 가미하자면, 결국 스스로 홀로서기 할 수 있을 정도의 능력을 갖춘 본인이 돼야 하고 그게 회사에 다니는 직장인이라면 그러한 능력을 회사에서도 기여하는 순서가 맞지 않을까 생각이 됩니다. 특히, 개발자는 기술적 고립이 되지 않기 위해 부단히 노력해야 합니다. 회사 내에서는 잘하는 것처럼 생각이 될 수 있지만 다른 회사 분들과 마주하다 보면 우물속 개구리였구나 라는걸 몸소 체감할 수 있으니까요. https://brunch.co.kr/@naieekim/79

Manage GraphqQL APIs Using the Postman GraphQL client (Sponsored) The Postman GraphQL client offers a simple yet powerful way to work with GraphQL APIs. With Postman's GraphQL client, you can: Explore GraphQL schemas easily Create code-ready queries

79 Engineering Blogs To Level Up Your System Design Skills

항상 좋은 글이 많이 올라오는 bytebytego에서 추천하는 테크 블로그 리스트가 올라왔네요!!
모두 영어 블로그이긴 하지만 이제 우리에겐 ChatGPT가 있으니!! ㅎㅎ

여러 블로그 중에 LINE 블로그가 있는것도 기분이 좋네요 :)))))

https://blog.bytebytego.com/p/79-engineering-blogs-to-level-up?ref=dailydev

항상 좋은 글이 많이 올라오는 bytebytego에서 추천하는 테크 블로그 리스트가 올라왔네요!! 모두 영어 블로그이긴 하지만 이제 우리에겐 ChatGPT가 있으니!! ㅎㅎ 여러 블로그 중에 LINE 블로그가 있는것도 기분이 좋네요 :))))) https://blog.bytebytego.com/p/79-engineering-blogs-to-level-up?ref=dailydev

Bytebytego

시스템 디자인 스킬을 배울 수 있는 테크 블로그 79

제목은 어그로를 좀 끌어보았습니다.

커리어리 Q&A에서 어설픈 답변을 종종 남기고 있습니다. 주제넘게 이렇다 저렇다 말하고 나면, 과연 이게 도움이 되는 말일까 자문하게 되기도 합니다.

어쨌건, 커리어 관련 고민을 토로하는 글들을 보면, 어떨 땐 답답하기도 하고, 어떨 땐 과거의 내가 감정이입되기도 해서 괜한 참견을 하게되는 것 같습니다.

공통적으로 느껴지는 것 중 하나는, 커리어 관련 고민이라는 게, 어쩌면 그보다 더 중요한 고민들에서 시작된 고통이라는 생각이 들더라구요.

우리가 개발자가 되고자 하거나, 아니면 이미 개발자이면서 더 나은 개발자가 되려고 여기를 기웃거리는 건데, 그만큼, 아니, 그보다 더 중요한 거는 몸건강과 정신건강이 아닐까 해요. 몸건강은 잘먹고 잘자고 운동하고 이런 게 기본일 테고, 정신 건강은 일기를 쓰든 상담을 받든 여행을 하든, 명상을 하든 종교에 심취하든 다양한 방법들이 있겠죠.

운동으로는 달리기를 시작해서 어느덧 2000K를 넘게 뛰었습니다. 건강을 위해 시작했던 달리기가 이제 좀 지나치다 싶을 정도로 많이 뛰고 있어요. 지난달은 210K, 이번 달은 240K정도 뛸 것 같습니다. 본격 러너라기에 실력은 부족해도 마일리지는 충분한 것 같습니다. 어쩌면 내년에는 풀코스 마라톤을 완주할 수 있을 것 같아요. 몸건강도 좋아졌고, 뛰다보면 정신적으로도 꽤 상쾌해집니다. 모종의 호르몬이 나오나봐요. 거의 매일 1시간씩을 달리기에 투자하는 게 미련한 짓인 것 같기도 한데, 결국 건강해지면 그 이상의 가치를 하겠죠. 아니 솔직히 말할게요. 이제 그냥 달리기가 즐거워졌어요. 이보다 많이 뛰면 오히려 건강에 해가 되는 게 아닐까 걱정을 해야할 판입니다. 딱히 꾸준히 운동하고 있는 게 아직 없으시다면, 달리기 추천드려봅니다.

멘탈을 위해서는 명상쪽에 점점 더 많은 관심이 가고 있는데, 점점 더 제가 뭘 잘못 생각하고 있는지... 아니 잘못된 부분에 집중하고 있는지를 알게되어가는 중인 것 같습니다. 아직 달리기 만큼 심취하지는 못했기에 뭐라 적기는 어렵습니다만, 우리의 많은 고통이 스스로부터 야기된 점이라는 게 인상적인 것 같습니다. 마치 외부의 환경, 그러니까, 개발자 취업문이 얼어붙었다거나, 난 좋게보는 기술을 쟤는 무시한다거나 하는 외부의 상황들이 나에게 고통을 주는 것 같지만, 그건 착각이라는 게 공통된 명상가(?)들의 시각으로 이해되더라구요.

암튼, 괜한 참견... 아니, 스스로에게 다시 다짐해보는 것은, 외부 상황들을 고통으로 바라보는 일을 그만두고, 현재 상황 그대로에서 잘해보자는 거랄까요?

기술적, 커리어 고민들은 사실 그 고민에서 출발해서 문제를 해결하려 들 게 아니라, 한차원 더 높은 시각에서 멘탈을 챙겨보자는 제안입니다. 저부터 잘해볼게요. 화이팅입니다.

<s>제목은 어그로를 좀 끌어보았습니다.</s> 커리어리 Q&amp;A에서 어설픈 답변을 종종 남기고 있습니다. 주제넘게 이렇다 저렇다 말하고 나면, 과연 이게 도움이 되는 말일까 자문하게 되기도 합니다. 어쨌건, 커리어 관련 고민을 토로하는 글들을 보면, 어떨 땐 답답하기도 하고, 어떨 땐 과거의 내가 감정이입되기도 해서 괜한 참견을 하게되는 것 같습니다. 공통적으로 느껴지는 것 중 하나는, 커리어 관련 고민이라는 게, 어쩌면 그보다 더 중요한 고민들에서 시작된 고통이라는 생각이 들더라구요. 우리가 개발자가 되고자 하거나, 아니면 이미 개발자이면서 더 나은 개발자가 되려고 여기를 기웃거리는 건데, 그만큼, 아니, 그보다 더 중요한 거는 몸건강과 정신건강이 아닐까 해요. 몸건강은 잘먹고 잘자고 운동하고 이런 게 기본일 테고, 정신 건강은 일기를 쓰든 상담을 받든 여행을 하든, 명상을 하든 종교에 심취하든 다양한 방법들이 있겠죠. 운동으로는 달리기를 시작해서 어느덧 2000K를 넘게 뛰었습니다. 건강을 위해 시작했던 달리기가 이제 좀 지나치다 싶을 정도로 많이 뛰고 있어요. 지난달은 210K, 이번 달은 240K정도 뛸 것 같습니다. 본격 러너라기에 실력은 부족해도 마일리지는 충분한 것 같습니다. 어쩌면 내년에는 풀코스 마라톤을 완주할 수 있을 것 같아요. 몸건강도 좋아졌고, 뛰다보면 정신적으로도 꽤 상쾌해집니다. 모종의 호르몬이 나오나봐요. 거의 매일 1시간씩을 달리기에 투자하는 게 미련한 짓인 것 같기도 한데, 결국 건강해지면 그 이상의 가치를 하겠죠. 아니 솔직히 말할게요. 이제 그냥 달리기가 즐거워졌어요. 이보다 많이 뛰면 오히려 건강에 해가 되는 게 아닐까 걱정을 해야할 판입니다. 딱히 꾸준히 운동하고 있는 게 아직 없으시다면, 달리기 추천드려봅니다. 멘탈을 위해서는 명상쪽에 점점 더 많은 관심이 가고 있는데, 점점 더 제가 뭘 잘못 생각하고 있는지... 아니 잘못된 부분에 집중하고 있는지를 알게되어가는 중인 것 같습니다. 아직 달리기 만큼 심취하지는 못했기에 뭐라 적기는 어렵습니다만, 우리의 많은 고통이 스스로부터 야기된 점이라는 게 인상적인 것 같습니다. 마치 외부의 환경, 그러니까, 개발자 취업문이 얼어붙었다거나, 난 좋게보는 기술을 쟤는 무시한다거나 하는 외부의 상황들이 나에게 고통을 주는 것 같지만, 그건 착각이라는 게 공통된 명상가(?)들의 시각으로 이해되더라구요. 암튼, 괜한 참견... 아니, 스스로에게 다시 다짐해보는 것은, 외부 상황들을 고통으로 바라보는 일을 그만두고, 현재 상황 그대로에서 잘해보자는 거랄까요? 기술적, 커리어 고민들은 사실 그 고민에서 출발해서 문제를 해결하려 들 게 아니라, 한차원 더 높은 시각에서 멘탈을 챙겨보자는 제안입니다. 저부터 잘해볼게요. 화이팅입니다.

니가 지금 자바를 공부하고 있을 때가 아니야

https://microsoft.github.io/AI-For-Beginners/

AI를 마스터하기 위한 Microsoft의 무료 강좌 6개 입니다!

초보자를 위한 AI 커리큘럼 https://t.co/ZJoF6sSeNc
 * 인공 지능(AI)을 탐구하는 12주, 24레슨 커리큘럼입니다. 심볼릭 AI, 신경망, 컴퓨터 비전, 자연어 처리 등을 다룹니다. 실습 수업, 퀴즈 및 실습이 포함되어 있습니다.

인공 지능 입문 https://t.co/pRgkJwigbQ
 * 이 과정은 인공지능의 핵심 개념을 이해하는 데 도움이 됩니다. 프로젝트 관리자, 제품 관리자, 디렉터, 임원 및 AI 분야에서 경력을 시작하는 학생을 위해 만든 것입니다.

생성형 AI란 무엇인가 https://t.co/kfWWPS5qMG
 * 제너레이티브 AI 전문가인 피나르 세이한 데미르닥이 생성형 AI의 기본 사항을 설명합니다.
   * 생성형 AI무엇인지
   * 어떻게 동작하는지
   * 모델별 차이
   * 미래 예측과 윤리적 시사점

생성형 AI: 사려깊은 온라인 검색의 진화 https://t.co/EgNl8WCCZ1
 * 생성형 AI 기반 추론 엔진의 핵심 개념과 검색 엔진 전략과의 차이점에 대해 자세히 알아봅니다.

Microsoft Bing Chat으로 업무 간소화하기 https://t.co/zGhxRKYLg9
 * Bing Chat을 효과적으로 사용하는 방법을 알려드립니다.

생성 AI 시대의 윤리 https://t.co/5KUXaQaK47
 * 생성 AI 도구 및 제품을 배포할 때 윤리적 문제를 해결하는 방법을 알아봅시다.

개인적으로는 초보자를 위한 AI 커리큘럼이 가장 마음에 드는군요!
무료 코스이므로 시간 되실때 재미있게 보시면 좋을 것 같습니다~!

AI를 마스터하기 위한 Microsoft의 무료 강좌 6개 입니다! 초보자를 위한 AI 커리큘럼 https://t.co/ZJoF6sSeNc<ul><li>인공 지능(AI)을 탐구하는 12주, 24레슨 커리큘럼입니다. 심볼릭 AI, 신경망, 컴퓨터 비전, 자연어 처리 등을 다룹니다. 실습 수업, 퀴즈 및 실습이 포함되어 있습니다.</li></ul> 인공 지능 입문 https://t.co/pRgkJwigbQ<ul><li>이 과정은 인공지능의 핵심 개념을 이해하는 데 도움이 됩니다. 프로젝트 관리자, 제품 관리자, 디렉터, 임원 및 AI 분야에서 경력을 시작하는 학생을 위해 만든 것입니다.</li></ul> 생성형 AI란 무엇인가 https://t.co/kfWWPS5qMG<ul><li>제너레이티브 AI 전문가인 피나르 세이한 데미르닥이 생성형 AI의 기본 사항을 설명합니다.<ul><li>생성형 AI무엇인지</li><li>어떻게 동작하는지</li><li>모델별 차이</li><li>미래 예측과 윤리적 시사점</li></ul></li></ul> 생성형 AI: 사려깊은 온라인 검색의 진화 https://t.co/EgNl8WCCZ1<ul><li>생성형 AI 기반 추론 엔진의 핵심 개념과 검색 엔진 전략과의 차이점에 대해 자세히 알아봅니다.</li></ul> Microsoft Bing Chat으로 업무 간소화하기 https://t.co/zGhxRKYLg9<ul><li>Bing Chat을 효과적으로 사용하는 방법을 알려드립니다.</li></ul> 생성 AI 시대의 윤리 https://t.co/5KUXaQaK47<ul><li>생성 AI 도구 및 제품을 배포할 때 윤리적 문제를 해결하는 방법을 알아봅시다.</li></ul> 개인적으로는 초보자를 위한 AI 커리큘럼이 가장 마음에 드는군요!무료 코스이므로 시간 되실때 재미있게 보시면 좋을 것 같습니다~!

t.co

마이크로소프트가 공개한 무료 AI 코스들

CSpell ESLint plugin. Latest version: 8.0.0, last published: 20 days ago. Start using @cspell/eslint-plugin in your project by running `npm i @cspell/eslint-plugin`. There are 8 other projects in the npm registry using @cspell/eslint-plugin.

@cspell/eslint-plugin

코드 작성 과정에서 스펠링 오타는 흔한 일입니다. 영어가 모국어가 아니기에 흔하게 일어날 수 밖에 없죠. 문제는 이런 작은 실수가 때로는 예상치 못한 큰 버그로 이어질 수 있습니다. 경험이 많은 개발자라면, 오타로 인해 발생한 문제를 해결하느라 많은 시간을 소비한 경험이 한 번쯤은 있을 것입니다.

@cspell/eslint-plugin은 ESLint를 기반으로 한 코드 스펠링 체크 플러그인으로, cspell 이란 'Code Spell Checker'의 약자 입니다. 이 플러그인 패키지를 설치하고 .eslintrc.json에 추가하면, 문자열, 주석, JSX 텍스트 등에 대한 스펠링 검사를 다양한 옵션을 통해 수행할 수 있습니다.

코드 리뷰 중에도 오타 수정을 제안하는 일은 흔히 있는데요. 이와 같은 라이브러리의 도움으로 코드의 정확성을 향상시키고 전반적인 생산성을 높일 수 있습니다. 개발자는 작은 실수에 시간을 낭비하는 대신 더 중요한 개발 업무에 집중할 수 있습니다.

https://www.npmjs.com/package/@cspell/eslint-plugin

코드 작성 과정에서 스펠링 오타는 흔한 일입니다. 영어가 모국어가 아니기에 흔하게 일어날 수 밖에 없죠. 문제는 이런 작은 실수가 때로는 예상치 못한 큰 버그로 이어질 수 있습니다. 경험이 많은 개발자라면, 오타로 인해 발생한 문제를 해결하느라 많은 시간을 소비한 경험이 한 번쯤은 있을 것입니다. @cspell/eslint-plugin은 ESLint를 기반으로 한 코드 스펠링 체크 플러그인으로, cspell 이란 'Code Spell Checker'의 약자 입니다. 이 플러그인 패키지를 설치하고 .eslintrc.json에 추가하면, 문자열, 주석, JSX 텍스트 등에 대한 스펠링 검사를 다양한 옵션을 통해 수행할 수 있습니다. 코드 리뷰 중에도 오타 수정을 제안하는 일은 흔히 있는데요. 이와 같은 라이브러리의 도움으로 코드의 정확성을 향상시키고 전반적인 생산성을 높일 수 있습니다. 개발자는 작은 실수에 시간을 낭비하는 대신 더 중요한 개발 업무에 집중할 수 있습니다. https://www.npmjs.com/package/@cspell/eslint-plugin

스펠링 검사: @cspell/eslint-plugin

Learn directly from Andrew Ng about the technology of generative AI, how it works, and what it can (and can't) do Get an overview of AI tools, and learn from real-world examples of generative AI in use today Understand the impacts of generative AI on busi

Generative AI for Everyone

1. 프롬프트엔지니어링의 기초
이 과정에서는 프롬프트 엔지니어링의 기본을 소개하고 고급 프롬프트 기술로 진행합니다.
✔ https://www.deeplearning.ai/courses/generative-ai-for-everyone/

2. 개발자를 위한 ChatGPT 프롬프트 엔지니어링
DeepLearning AI 및 OpenAI를 통한 ChatGPT 프롬프트 엔지니어링에 대한 무료 과정입니다.
✔https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/

3. Google의 생성형 AI 소개
Gen이 무엇인지, 어떻게 사용되는지, 기존 머신러닝 방법과 어떻게 다른지 설명하는 것을 목표로 합니다.
✔https://www.cloudskillsboost.google/course_templates/536

4. Harvard의 Python 기반 AI 소개
인공 지능에 대한 입문 과정에서 Python에서 기계 학습을 사용하는 방법을 알아보세요.
✔ https://pll.harvard.edu/course/cs50s-introduction-artificial-intelligence-python/2023-05

5. 마이크로소프트의 '생성 AI란 무엇인가?'
Gen AI의 정의, 작동 방식, 나만의 콘텐츠를 만드는 방법, 다양한 유형의 모델, 미래 예측, 윤리 등의 주제를 다루는 Gen AI의 기본 사항입니다.
✔ https://www.linkedin.com/learning/what-is-generative-ai/generative-ai-is-a-tool-in-service-of-humanity

6. 프럼프팅 배우기
60개 이상의 콘텐츠 모듈을 갖춘 종합적인 프롬프트 엔지니어링 과정입니다. 프롬프트 엔지니어링 기술의 초급부터 고급까지 안내합니다.
✔ https://learnprompting.org/docs/intro

7. Google의 책임 있는 AI 소개
Responsible AI가 무엇인지, 왜 중요한지, Google이 이를 자사 제품에 어떻게 구현하는지 알아보세요.
✔ https://www.cloudskillsboost.google/course_templates/554

8. 하버드의 데이터 과학: 기계 학습
훈련 데이터에 대해 알아보고 데이터 집합을 사용하여 잠재적인 예측 관계를 발견하는 방법을 알아봅니다. 또한 영화 추천 시스템 및 데이터 과학 기술을 구축하는 방법도 알아봅니다.
✔ https://pll.harvard.edu/course/data-science-machine-learning

9. LLM 애플리케이션 개발을 위한 LangChain
LangChain을 사용하여 애플리케이션 개발에서 언어 모델의 사용 사례와 기능을 확장하는 데 필수적인 기술을 습득하세요.
✔ https://www.deeplearning.ai/short-courses/langchain-for-llm-application-development/

10. Microsoft Bing Chat을 통한 작업 간소화
Bing Chat이 어떻게 다양한 작업을 수행하고 아이디어 생성 및 데이터 요약부터 일반적인 업무 문제 해결에 이르기까지 전체 작업 흐름을 간소화하는 데 도움이 되는지 알아보세요.
✔ https://www.linkedin.com/learning/streamlining-your-work-with-microsoft-bing-chat/put-your-fingers-to-work-chatting-as-a-productivity-tool

11. Hear Speak를 볼 수 있는 LLM 앱을 만드는 방법!
✔ https://www.singlestore.com/spaces/how-to-build-llm-apps-that-can-see-hear-speak/?utm_source=steve-nouri&utm_medium=influencer&utm_campaign=deck-the-halls-with-dev-and-data&utm_content=hear-see-speak&campaignid=701UJ0000012K2AYAU

12. 마이크로소프트의 AI 기초: 생성형 AI
부조종사와 같은 Gen AI 애플리케이션이 어떻게 효율성을 지원하는지 이해하세요. 프롬프트와 응답을 어떻게 미세 조정할 수 있는지 설명
✔ https://learn.microsoft.com/en-us/training/paths/introduction-generative-ai/

13. 의사결정자를 위한 Amazon의 Gen AI 학습 계획
✔ https://explore.skillbuilder.aws/learn/public/learning_plan/view/1909/generative-ai-learning-plan-for-decision-makers

14. 모두를 위한 생성형 AI
AI 도구에 대한 개요를 확인하고 현재 사용 중인 생성 AI의 실제 사례를 통해 알아보세요.
✔ https://www.deeplearning.ai/courses/generative-ai-for-everyone/

15. AWS의 LLM 포함한 Gen AI
Gen AI 작동 방식에 대한 기초 지식, 실무 기술 및 기능적 이해를 얻으세요.
✔ https://www.coursera.org/learn/generative-ai-with-llms

1. 프롬프트엔지니어링의 기초이 과정에서는 프롬프트 엔지니어링의 기본을 소개하고 고급 프롬프트 기술로 진행합니다.✔ https://www.deeplearning.ai/courses/generative-ai-for-everyone/ 2. 개발자를 위한 ChatGPT 프롬프트 엔지니어링DeepLearning AI 및 OpenAI를 통한 ChatGPT 프롬프트 엔지니어링에 대한 무료 과정입니다.✔https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/ 3. Google의 생성형 AI 소개Gen이 무엇인지, 어떻게 사용되는지, 기존 머신러닝 방법과 어떻게 다른지 설명하는 것을 목표로 합니다.✔https://www.cloudskillsboost.google/course_templates/536 4. Harvard의 Python 기반 AI 소개인공 지능에 대한 입문 과정에서 Python에서 기계 학습을 사용하는 방법을 알아보세요.✔ https://pll.harvard.edu/course/cs50s-introduction-artificial-intelligence-python/2023-05 5. 마이크로소프트의 '생성 AI란 무엇인가?'Gen AI의 정의, 작동 방식, 나만의 콘텐츠를 만드는 방법, 다양한 유형의 모델, 미래 예측, 윤리 등의 주제를 다루는 Gen AI의 기본 사항입니다.✔ https://www.linkedin.com/learning/what-is-generative-ai/generative-ai-is-a-tool-in-service-of-humanity 6. 프럼프팅 배우기60개 이상의 콘텐츠 모듈을 갖춘 종합적인 프롬프트 엔지니어링 과정입니다. 프롬프트 엔지니어링 기술의 초급부터 고급까지 안내합니다.✔ https://learnprompting.org/docs/intro 7. Google의 책임 있는 AI 소개Responsible AI가 무엇인지, 왜 중요한지, Google이 이를 자사 제품에 어떻게 구현하는지 알아보세요.✔ https://www.cloudskillsboost.google/course_templates/554 8. 하버드의 데이터 과학: 기계 학습훈련 데이터에 대해 알아보고 데이터 집합을 사용하여 잠재적인 예측 관계를 발견하는 방법을 알아봅니다. 또한 영화 추천 시스템 및 데이터 과학 기술을 구축하는 방법도 알아봅니다.✔ https://pll.harvard.edu/course/data-science-machine-learning 9. LLM 애플리케이션 개발을 위한 LangChainLangChain을 사용하여 애플리케이션 개발에서 언어 모델의 사용 사례와 기능을 확장하는 데 필수적인 기술을 습득하세요.✔ https://www.deeplearning.ai/short-courses/langchain-for-llm-application-development/ 10. Microsoft Bing Chat을 통한 작업 간소화Bing Chat이 어떻게 다양한 작업을 수행하고 아이디어 생성 및 데이터 요약부터 일반적인 업무 문제 해결에 이르기까지 전체 작업 흐름을 간소화하는 데 도움이 되는지 알아보세요.✔ https://www.linkedin.com/learning/streamlining-your-work-with-microsoft-bing-chat/put-your-fingers-to-work-chatting-as-a-productivity-tool 11. Hear Speak를 볼 수 있는 LLM 앱을 만드는 방법!✔ https://www.singlestore.com/spaces/how-to-build-llm-apps-that-can-see-hear-speak/?utm_source=steve-nouri&amp;utm_medium=influencer&amp;utm_campaign=deck-the-halls-with-dev-and-data&amp;utm_content=hear-see-speak&amp;campaignid=701UJ0000012K2AYAU 12. 마이크로소프트의 AI 기초: 생성형 AI부조종사와 같은 Gen AI 애플리케이션이 어떻게 효율성을 지원하는지 이해하세요. 프롬프트와 응답을 어떻게 미세 조정할 수 있는지 설명✔ https://learn.microsoft.com/en-us/training/paths/introduction-generative-ai/ 13. 의사결정자를 위한 Amazon의 Gen AI 학습 계획✔ https://explore.skillbuilder.aws/learn/public/learning_plan/view/1909/generative-ai-learning-plan-for-decision-makers 14. 모두를 위한 생성형 AIAI 도구에 대한 개요를 확인하고 현재 사용 중인 생성 AI의 실제 사례를 통해 알아보세요.✔ https://www.deeplearning.ai/courses/generative-ai-for-everyone/ 15. AWS의 LLM 포함한 Gen AIGen AI 작동 방식에 대한 기초 지식, 실무 기술 및 기능적 이해를 얻으세요.✔ https://www.coursera.org/learn/generative-ai-with-llms

Deeplearning

AI를 배우기 위해 추천하고 싶은 상위 15개 무료 강좌

12 Lessons, Get Started Building with Generative AI  🔗 https://microsoft.github.io/generative-ai-for-beginners/ - GitHub - microsoft/generative-ai-for-beginners: 12 Lessons, Get Started Building with Generative AI  🔗 https://microsoft.github.io/generati

GitHub - microsoft/generative-ai-for-beginners: 12 Lessons, Get Started Building with Generative AI  🔗 https://microsoft.github.io/generative-ai-for-beginners/

커리어리 친구들, Microsoft 가 Generative AI for Beginners 강의를 공개했습니다. 생성형 AI 애플리케이션 구축을 시작하는 데 필요한 모든 것을 알려주는 12강 과정이오니 관심 있는 분들은 아래의 깃허브에 들어가시기를 바랍니다. 

🕹️ 강의 목차   

- 생성형 AI 및 LLM 소개  
- 다양한 LLM 탐색 및 비교  
- 책임감 있는 생성형 AI 사용  
- 프롬프트 엔지니어링 기본 이해  
- 고급 프롬프트 작성하기  
- 텍스트 생성 응용 프로그램 구축  
- 채팅 응용 프로그램 구축  
- 검색 앱 벡터 데이터베이스 구축  
- 이미지 생성 응용 프로그램 구축  
- 로우 코드 AI 응용 프로그램 구축  
- 함수 호출을 통한 외부 응용 프로그램 통합  
- AI 응용 프로그램을 위한 UX 디자인

https://aka.ms/genai-beginners

커리어리 친구들, Microsoft 가 Generative AI for Beginners 강의를 공개했습니다.&nbsp;생성형 AI 애플리케이션 구축을 시작하는 데 필요한 모든 것을 알려주는 12강 과정이오니 관심 있는 분들은 아래의 깃허브에 들어가시기를 바랍니다.&nbsp; 🕹️ 강의 목차 &nbsp;&nbsp; - 생성형 AI 및 LLM 소개 &nbsp;- 다양한 LLM 탐색 및 비교 &nbsp;- 책임감 있는 생성형 AI 사용 &nbsp;- 프롬프트 엔지니어링 기본 이해 &nbsp;- 고급 프롬프트 작성하기 &nbsp;- 텍스트 생성 응용 프로그램 구축 &nbsp;- 채팅 응용 프로그램 구축 &nbsp;- 검색 앱 벡터 데이터베이스 구축 &nbsp;- 이미지 생성 응용 프로그램 구축 &nbsp;- 로우 코드 AI 응용 프로그램 구축 &nbsp;- 함수 호출을 통한 외부 응용 프로그램 통합 &nbsp;- AI 응용 프로그램을 위한 UX 디자인 https://aka.ms/genai-beginners

GitHub

<MS, Generative AI for Beginners 강의>

01 . 며칠 전 유튜브 채널 ⟪피식대학⟫에 박진영 님이 출연한 영상을 보게 되었습니다. 그냥 무심코 틀어놓고 멍 때리며 보고 있는 와중에 영상이 끝날 무렵 정신이 번쩍 드는 이야기가 흘러나왔습니다. 그건 협업을 숙명으로 하는 모든 사람에게 고하는 일종의 애티튜드 바이블과도 같았죠. 그래서 영상을 몇 번이나 돌려보며 그의 말들을 메모하기 시작했습니다. (영어로 발언한 관계로 일부는 자막 인용 대신 의역하여 전해드립니다.)

02 . "회사를 이끌면서 느낀 한 가지 사실은 제가 우울해하거나 슬퍼하거나 혹은 기분이 다운되어 보일 때면 저와 관련한 모든 사람들이 이를 불편하게 느낀다는 것이었습니다. 그래서 걱정이 있더라도 저는 농담을 하고 때론 우스꽝스럽게 보이기까지 해야 하죠. 그건 모두가 다 편한 마음으로 일하기 위해서입니다.
이건 저 뿐만 아니라 저희 아티스트들에게도 강조하는 포인트입니다. 스트레이 키즈나 트와이스 같은 어린 친구들 역시 늘 좋은 날만 있을 수는 없죠. 하지만 저는 '네가 우울해 보이고 슬퍼 보이고 다운되어 보이면 그건 모두를 불편하게 만드는 거라는 걸 기억해. 이건 우리의 숙명이기도 해. 아무리 힘들 날이 있어도 우린 농담을 할 수 있어야 하고 주위 사람들이 편하게 일하고 있는지 체크해야 해.'라고 말합니다."

03 . 발언 자체만 두고는 호불호가 갈릴 수도 있을 겁니다. 한편에서는 '어떻게 내 마음이 문드러지는 와중에 내색은커녕 억지로 웃고 농담까지 던질 수 있는 걸까. 그렇게 다른 사람 편하게 맞춰주다 정작 나부터 무너질지 모르는데...'하는 생각이 드는 것도 사실이죠.
하지만 이 발언의 취지는 조금 다른 각도에서 살펴볼 필요가 있습니다. 바로 '협업을 위한 적정 온도'라는 측면에서 말이죠.

04 . 회사와 같은 공식적인 조직이든 아니면 여럿이 함께 모이는 커뮤니티 같은 모임이든 늘 자신의 감정을 있는 그대로 드러내고자 하는 사람들이 존재합니다. 그런 사람들은 자신의 상태를 솔직하게 공유하고 도움을 요청하는 게 아니라 내가 좋으면 같이 웃고, 내가 싫으면 같이 비판하고, 내가 화나면 내 편을 들어주고, 내가 짜증 나면 나를 달래줄 사람을 바라는 케이스가 다반사죠. 다 같이 생활하는 공간임에도 본인 추울 때는 보일러를 틀고 다시 더워지면 냉큼 창문을 열어야 직성이 풀리는 유형인 셈입니다.

05 . 저도 11년 넘게 일을 하며 적지 않은 유형의 인간 군상들을(?) 만나봤습니다. 하지만 저렇게 본인의 감정 온도에 타인을 맞추게 하려는 사람치고 좋은 협업 태도를 갖춘 사람은 단 한 명도 보지 못한 것 같아요. 오히려 빠르게 해결할 수 있는 문제도 더 깊은 진흙탕으로 밀어 넣고 함께 으쌰으쌰하는 순간에도 곳곳에 소금을 뿌려대기 바빴으니 말이죠.

06 . 더 무서운 건 본인은 그런 자신의 태도를 아주 솔직하고 뒤끝 없는 스타일로 규정하고 있더라는 사실입니다. (당연히 뒤끝은 없겠죠... 앞에서 그렇게 다 보여주는데... 🥲) 물론 회사 같은 조직 생활 안에서 갈등을 회피하는 것 역시 큰 문제이긴 마찬가지입니다. 좋은 게 좋다는 태도도, 나는 큰 문제에 휘말리기 싫다는 태도도 환영받지 못하는 건 똑같으니까요.
하지만 그럼에도 자신이 스스럼없이 감정을 드러내는 것은 솔직한 피드백이고 타인이 본인에게 반하는 주장을 하거나 하물며 본인의 기분을 맞춰주지 못하는 것은 불편한 피드백이라 치부하는 것은 협업하는 관계의 기본조차 모르는 행위일지 모릅니다. 그런 사람과 함께 일하고 싶은 동료는 단 한 명도 없을 테니 말이죠.

07 . 그래서 저는 박진영 님의 말이 더 크게 와닿았습니다. 조금 기분이 언짢거나 그날 하루가 유난히 버겁더라도 일단 모두를 위해 적당한 배려 정도는 발휘할 필요가 있다는 게 요지니 말이죠. 특히 본인이 조직을 이끄는 위치에 있는 사람이라면 이는 더더욱 조심해야 할 필요가 있습니다. 동등한 위치에서도 타인이 발산하는 불편한 감정은 고스란히 전해지기 마련인데 지위고하의 차이가 커질수록 리더 한 명이 내뿜는 부정의 기운은 조직 전체를 집어삼키기 때문이죠.

08 . 멀리 갈 것도 없이 제 과거의 기억에 비춰봐도 금방 알 수 있었습니다. 적어도 조직원들을 위해 최소한의 감정 컨트롤이 가능한 리더에게는 오히려 저희가 먼저 다가가 문제 해결을 돕고 위로의 말이라도 전하고 싶었던 것 같거든요. 반대로 자신의 감정 표현이 우선인 리더 앞에서는 그저 서로 '제발 오늘 하루 무사히 지나가라... 적어도 나한테는 불똥이 튀지 않았으면...'이라는 마음만 가득했던 것 같습니다. 일의 본질보다는 그 사람의 기분을 살피는 게 조직원들의 주요 관심사였고 말이죠.

09 . 어쩌면 우리가 협업을 위한 온도를 신경 써야 하는 이유도 여기에 있는 것은 아닐까 싶어요. 춥다고 당장 보일러 앞으로 달려갈 게 아니라 우선 외투 한 겹 껴입고 양말에 슬리퍼부터 챙기다 보면 그것만으로도 전체의 온도를 방해하는 일은 줄어드니 말이죠. 그래서 저 역시도 예전엔 '표정을 못 숨긴다', '감정 표현에 솔직하다' 이런 말을 들으면 나 자신이 투명한 사람인 것마냥 칭찬해 주는 것 같아 나쁘지 않은 반응을 보였지만 지금은 뜨끔한 마음이 앞섭니다. 저의 성급함으로 이 협업의 장을 교란시켜 놓은 것은 아닐지 걱정이 되니까요.

10 . 자신의 의사를 당당히 표현하라는 게 누군가를 매너 없이 쏘아붙이라는 말은 아닐 겁니다. 남 의식하지 말고 본인을 소중히 생각하라는 말 역시 배려의 기본을 팽개치고 네 멋대로 살라고 가르치는 게 결코 아닐 거고요. 그러니 저는 '나의 편함'과 '상대의 불편함', '나의 불편함과 상대의 편함' 사이의 온도를 어느 정도 감지하고 있어야 비로소 협업이라는 게 가능해진다고 생각합니다. 변온 동물이 생존에 유리한 이유도 단순히 외부 환경에 본인을 맞추는 데 있는 것이 아니라 주변의 온도를 감지하고 나는 어떤 수준을 유지해야 하나 하는 그 영특한 태도에서 기인하는 것일 테니 말이죠.

01 . 며칠 전 유튜브 채널 ⟪피식대학⟫에 박진영 님이 출연한 영상을 보게 되었습니다. 그냥 무심코 틀어놓고 멍 때리며 보고 있는 와중에 영상이 끝날 무렵 정신이 번쩍 드는 이야기가 흘러나왔습니다. 그건 협업을 숙명으로 하는 모든 사람에게 고하는 일종의 애티튜드 바이블과도 같았죠. 그래서 영상을 몇 번이나 돌려보며 그의 말들을 메모하기 시작했습니다. (영어로 발언한 관계로 일부는 자막 인용 대신 의역하여 전해드립니다.) 02 . "회사를 이끌면서 느낀 한 가지 사실은 제가 우울해하거나 슬퍼하거나 혹은 기분이 다운되어 보일 때면 저와 관련한 모든 사람들이 이를 불편하게 느낀다는 것이었습니다. 그래서 걱정이 있더라도 저는 농담을 하고 때론 우스꽝스럽게 보이기까지 해야 하죠. 그건 모두가 다 편한 마음으로 일하기 위해서입니다. 이건 저 뿐만 아니라 저희 아티스트들에게도 강조하는 포인트입니다. 스트레이 키즈나 트와이스 같은 어린 친구들 역시 늘 좋은 날만 있을 수는 없죠. 하지만 저는 '네가 우울해 보이고 슬퍼 보이고 다운되어 보이면 그건 모두를 불편하게 만드는 거라는 걸 기억해. 이건 우리의 숙명이기도 해. 아무리 힘들 날이 있어도 우린 농담을 할 수 있어야 하고 주위 사람들이 편하게 일하고 있는지 체크해야 해.'라고 말합니다." 03 . 발언 자체만 두고는 호불호가 갈릴 수도 있을 겁니다. 한편에서는 '어떻게 내 마음이 문드러지는 와중에 내색은커녕 억지로 웃고 농담까지 던질 수 있는 걸까. 그렇게 다른 사람 편하게 맞춰주다 정작 나부터 무너질지 모르는데...'하는 생각이 드는 것도 사실이죠. 하지만 이 발언의 취지는 조금 다른 각도에서 살펴볼 필요가 있습니다. 바로 '협업을 위한 적정 온도'라는 측면에서 말이죠. 04 . 회사와 같은 공식적인 조직이든 아니면 여럿이 함께 모이는 커뮤니티 같은 모임이든 늘 자신의 감정을 있는 그대로 드러내고자 하는 사람들이 존재합니다. 그런 사람들은 자신의 상태를 솔직하게 공유하고 도움을 요청하는 게 아니라 내가 좋으면 같이 웃고, 내가 싫으면 같이 비판하고, 내가 화나면 내 편을 들어주고, 내가 짜증 나면 나를 달래줄 사람을 바라는 케이스가 다반사죠. 다 같이 생활하는 공간임에도 본인 추울 때는 보일러를 틀고 다시 더워지면 냉큼 창문을 열어야 직성이 풀리는 유형인 셈입니다. 05 . 저도 11년 넘게 일을 하며 적지 않은 유형의 인간 군상들을(?) 만나봤습니다. 하지만 저렇게 본인의 감정 온도에 타인을 맞추게 하려는 사람치고 좋은 협업 태도를 갖춘 사람은 단 한 명도 보지 못한 것 같아요. 오히려 빠르게 해결할 수 있는 문제도 더 깊은 진흙탕으로 밀어 넣고 함께 으쌰으쌰하는 순간에도 곳곳에 소금을 뿌려대기 바빴으니 말이죠. 06 . 더 무서운 건 본인은 그런 자신의 태도를 아주 솔직하고 뒤끝 없는 스타일로 규정하고 있더라는 사실입니다. (당연히 뒤끝은 없겠죠... 앞에서 그렇게 다 보여주는데... 🥲) 물론 회사 같은 조직 생활 안에서 갈등을 회피하는 것 역시 큰 문제이긴 마찬가지입니다. 좋은 게 좋다는 태도도, 나는 큰 문제에 휘말리기 싫다는 태도도 환영받지 못하는 건 똑같으니까요. 하지만 그럼에도 자신이 스스럼없이 감정을 드러내는 것은 솔직한 피드백이고 타인이 본인에게 반하는 주장을 하거나 하물며 본인의 기분을 맞춰주지 못하는 것은 불편한 피드백이라 치부하는 것은 협업하는 관계의 기본조차 모르는 행위일지 모릅니다. 그런 사람과 함께 일하고 싶은 동료는 단 한 명도 없을 테니 말이죠. 07 . 그래서 저는 박진영 님의 말이 더 크게 와닿았습니다. 조금 기분이 언짢거나 그날 하루가 유난히 버겁더라도 일단 모두를 위해 적당한 배려 정도는 발휘할 필요가 있다는 게 요지니 말이죠. 특히 본인이 조직을 이끄는 위치에 있는 사람이라면 이는 더더욱 조심해야 할 필요가 있습니다. 동등한 위치에서도 타인이 발산하는 불편한 감정은 고스란히 전해지기 마련인데 지위고하의 차이가 커질수록 리더 한 명이 내뿜는 부정의 기운은 조직 전체를 집어삼키기 때문이죠. 08 . 멀리 갈 것도 없이 제 과거의 기억에 비춰봐도 금방 알 수 있었습니다. 적어도 조직원들을 위해 최소한의 감정 컨트롤이 가능한 리더에게는 오히려 저희가 먼저 다가가 문제 해결을 돕고 위로의 말이라도 전하고 싶었던 것 같거든요. 반대로 자신의 감정 표현이 우선인 리더 앞에서는 그저 서로 '제발 오늘 하루 무사히 지나가라... 적어도 나한테는 불똥이 튀지 않았으면...'이라는 마음만 가득했던 것 같습니다. 일의 본질보다는 그 사람의 기분을 살피는 게 조직원들의 주요 관심사였고 말이죠. 09 . 어쩌면 우리가 협업을 위한 온도를 신경 써야 하는 이유도 여기에 있는 것은 아닐까 싶어요. 춥다고 당장 보일러 앞으로 달려갈 게 아니라 우선 외투 한 겹 껴입고 양말에 슬리퍼부터 챙기다 보면 그것만으로도 전체의 온도를 방해하는 일은 줄어드니 말이죠. 그래서 저 역시도 예전엔 '표정을 못 숨긴다', '감정 표현에 솔직하다' 이런 말을 들으면 나 자신이 투명한 사람인 것마냥 칭찬해 주는 것 같아 나쁘지 않은 반응을 보였지만 지금은 뜨끔한 마음이 앞섭니다. 저의 성급함으로 이 협업의 장을 교란시켜 놓은 것은 아닐지 걱정이 되니까요. 10 . 자신의 의사를 당당히 표현하라는 게 누군가를 매너 없이 쏘아붙이라는 말은 아닐 겁니다. 남 의식하지 말고 본인을 소중히 생각하라는 말 역시 배려의 기본을 팽개치고 네 멋대로 살라고 가르치는 게 결코 아닐 거고요. 그러니 저는 '나의 편함'과 '상대의 불편함', '나의 불편함과 상대의 편함' 사이의 온도를 어느 정도 감지하고 있어야 비로소 협업이라는 게 가능해진다고 생각합니다. 변온 동물이 생존에 유리한 이유도 단순히 외부 환경에 본인을 맞추는 데 있는 것이 아니라 주변의 온도를 감지하고 나는 어떤 수준을 유지해야 하나 하는 그 영특한 태도에서 기인하는 것일 테니 말이죠.

협업을 위한 적정 온도 유지하기

저는 노션으로 개입 업무와 팀 업무를 관리하고 있습니다. 많은 분들이 업무 관리 노트앱으로 노션과 옵시디언을 최고로 꼽으시는 것 같은데요. 개인적으로 노션은 데이터베이스를 만들어 동기화 된 데이터를 기반으로 다양한 페이지로 시스템을 확장하거나 팀원들과 공유할 수 있어 개인과 팀 업무 관리에 최적화되어 있다고 생각합니다.

구글이나 유튜브에 검색을 해보면 팀 관리나 팀장을 위한 노션 템플릿이 많지만 막상 쓰게 되는 것은 없더라고요. 그 이유를 생각해보면;

1. 팀 미팅, 원온원과 관련된 템플릿은 없었어요.
2. 데이터의 연결성을 제대로 활용하는 템플릿은 드물었습니다.
3. 깔끔하고 미니멀한 디자인의 템플릿이 잘 없더라고요.

그래서 저는 제가 직접 템플릿과 시스템을 만들어서 사용하는 편이에요. 최근에는 팀원이 적어져서 잘 쓰지 않지만 팀원이 많을 때는 팀장의 시간을 아껴주고 팀원들과 효과적인 소통을 위해 반드시 필요했습니다. 최근 모임에서 제가 노션으로 개인 업무 관리, 팀 미팅 관리, 원온원 면담 관리 등을 한다고 하니 신기해 하시는 분들이 많더라고요. 그래서 사용하는 노션 시스템을 샘플로 만들어 공유합니다.

👉 Team 샘플 페이지 : https://hyeunjik.notion.site/hyeunjik/Team-5bbf5eb3012841a99854315c3aa5e68e
👉 Flow 샘플 페이지 : https://hyeunjik.notion.site/hyeunjik/Flow-1679cc0cddf34a03bcab2ca6ae7ba25c

저는 'Team'과 'Flow'라는 페이지에 필요한 데이터베이스를 구축하고 연동하여 업무를 관리하는데요. Team 페이지는 팀원들이 모두 초대되어 함께 관리하는 팀 업무 관리 페이지를, Flow는 나만 볼 수 있는 개인 업무 공간을 말합니다.

Team 페이지는 노트, 태스크, 프로젝트, 오브젝티브라는 데이터베이스를 중심으로 팀 전체의 업무의 현황과 우선순위를 한눈에 파악하고, 건설적인 팀 미팅을 운영하는 것에 초점을 맞추고 있습니다. Team 페이지를 보고 팀 미팅에 참석한 팀원이 '이번 주에 해야 할 일이 명확하다'라고 생각하는 것을 목표로요.

Flow 페이지는 Team 페이지에 구축된 데이터베이스를 기반으로 팀장인 '내'가 해야 하는 중요한 업무를 관리하고, 추가적인 Private 데이터베이스를 통해 팀원들과 효과적인 원온원을 하는 것에 초점을 맞추고 있습니다. 원온원 미팅을 가진 팀원이 '나는 좋은 성과를 내기 위해 필요한 충분한 지원을 받고 있고, 팀장이 나의 성장을 관찰하고 있다'는 느낌이 드는 것을 목표로요.

저의 방식이 정답은 아니겠지만 좋은 팀과 개인 업무 관리 솔루션을 찾는 분들께 도움이 되기를 바랍니다.

📌 유튜브에 'notion workspace template', 'notion template for work' 등으로 검색하면 전 세계의 다양한 레퍼런스가 나오니 참고해 주세요 :)

저는 노션으로 개입 업무와 팀 업무를 관리하고 있습니다. 많은 분들이 업무 관리 노트앱으로 노션과 옵시디언을 최고로 꼽으시는 것 같은데요. 개인적으로 노션은 데이터베이스를 만들어 동기화 된 데이터를 기반으로 다양한 페이지로 시스템을 확장하거나 팀원들과 공유할 수 있어 개인과 팀 업무 관리에 최적화되어 있다고 생각합니다. 구글이나 유튜브에 검색을 해보면 팀 관리나 팀장을 위한 노션 템플릿이 많지만 막상 쓰게 되는 것은 없더라고요. 그 이유를 생각해보면; 1. 팀 미팅, 원온원과 관련된 템플릿은 없었어요. 2. 데이터의 연결성을 제대로 활용하는 템플릿은 드물었습니다. 3. 깔끔하고 미니멀한 디자인의 템플릿이 잘 없더라고요. 그래서 저는 제가 직접 템플릿과 시스템을 만들어서 사용하는 편이에요. 최근에는 팀원이 적어져서 잘 쓰지 않지만 팀원이 많을 때는 팀장의 시간을 아껴주고 팀원들과 효과적인 소통을 위해 반드시 필요했습니다. 최근 모임에서 제가 노션으로 개인 업무 관리, 팀 미팅 관리, 원온원 면담 관리 등을 한다고 하니 신기해 하시는 분들이 많더라고요. 그래서 사용하는 노션 시스템을 샘플로 만들어 공유합니다. 👉 Team 샘플 페이지 : https://hyeunjik.notion.site/hyeunjik/Team-5bbf5eb3012841a99854315c3aa5e68e 👉 Flow 샘플 페이지 : https://hyeunjik.notion.site/hyeunjik/Flow-1679cc0cddf34a03bcab2ca6ae7ba25c 저는 'Team'과 'Flow'라는 페이지에 필요한 데이터베이스를 구축하고 연동하여 업무를 관리하는데요. Team 페이지는 팀원들이 모두 초대되어 함께 관리하는 팀 업무 관리 페이지를, Flow는 나만 볼 수 있는 개인 업무 공간을 말합니다. Team 페이지는 노트, 태스크, 프로젝트, 오브젝티브라는 데이터베이스를 중심으로 팀 전체의 업무의 현황과 우선순위를 한눈에 파악하고, 건설적인 팀 미팅을 운영하는 것에 초점을 맞추고 있습니다. Team 페이지를 보고 팀 미팅에 참석한 팀원이 '이번 주에 해야 할 일이 명확하다'라고 생각하는 것을 목표로요. Flow 페이지는 Team 페이지에 구축된 데이터베이스를 기반으로 팀장인 '내'가 해야 하는 중요한 업무를 관리하고, 추가적인 Private 데이터베이스를 통해 팀원들과 효과적인 원온원을 하는 것에 초점을 맞추고 있습니다. 원온원 미팅을 가진 팀원이 '나는 좋은 성과를 내기 위해 필요한 충분한 지원을 받고 있고, 팀장이 나의 성장을 관찰하고 있다'는 느낌이 드는 것을 목표로요. 저의 방식이 정답은 아니겠지만 좋은 팀과 개인 업무 관리 솔루션을 찾는 분들께 도움이 되기를 바랍니다. 📌 유튜브에 'notion workspace template', 'notion template for work' 등으로 검색하면 전 세계의 다양한 레퍼런스가 나오니 참고해 주세요 :)

🎮 메모 덕후가 만든 업무 관리 노션

복지가 좋은 회사가 부러웠습니다.
이런저런 혜택이 많은 회사.
우와 좋다. 나도 저런 회사 다녀보고 싶어.

이런 저에게 누군가 말해줬습니다.
회사의 복지는 직원들이 일을 더 잘하게 도와야 하는 거라고.
복지로 인해서 일을 더 많이, 더 편하게, 더 잘할 수 있어야 한다고.
일하는데 거추장스러운 장애물을 치워준다거나..
더 능력을 발휘할 수 있도록 지원해 주는 것.

생각해 보면 참말이었습니다.
나는 너무 마케팅에 잘 속아 넘어간단 말이야.
복지 마케팅.
우리 회사는 통합 포인트도 주고 통신요금도 할인해 주고.. 헬스장도 보내줘요.
이런 회사들의 채용 공고를 보며 부러워하곤 했습니다.
사실 그런 건 그냥 돈 많이 주면 되는 건데.

가만히 생각해 보면 예전에 이해진 의장님도 비슷한 말을 했습니다.

“여러분의 선배들이 하도 늦게까지 야근하고 힘들게 일해서 출퇴근 때만이라도 편하게 쉬라고 셔틀버스 만든 거예요.”
“너무 피곤하면 눈도 좀 붙이라고 수면실도 만들었고요.”

그런데 이제는 늦게까지 술 먹고 온 사람들이 거기 들어가서 잠을 잔다고.
이때 울분을 토해내신 이후로(2012년 초) 셔틀버스와 이런저런 복지들이 실제로 사라졌습니다.(웃음)

아하.. 이해진 의장님도 직원들이 일을 더 잘할 수 있게 하기 위해서 저런 복지들을 만든 거구나.

저에게 가장 좋은 복지는 구내식당이었습니다.
네이버 다닐 때.
뭐 먹을지 전혀 걱정 없이 살았던 시절.
같이 야근할 동료가 있든 없든 밥 걱정 따위는 안 할 수 있는 회사.
근데 심지어 맛있기까지 해.
지금 생각해도 너무 좋다.

이제는 아이가 있으니 어린이집도 좋은 복지일 것 같습니다.
아이 걱정을 하지 않아야 일을 집중해서 할 수 있을 테니까.

어떤 직원들이 있느냐에 따라 지원해 줘야 할 복지도 달라지기 때문에..
다른 회사의 복지를 무작정 베껴오는 건 돈을 낭비하는 일입니다.

요즘엔 재택근무를 복지로 내세우는 회사들이 있습니다.
직원들이 재택근무로 인해서 일을 더 잘할 수 있겠다 판단이 들면 올바른 지원이겠지만..
성과가 덜 나더라도 누군가를 뽑거나 나가지 않게 하기 위한 목적으로..
직원들이 해달라고 조르니깐 하는 수없이 재택근무를 복지로 내세우는 것은 좀 이상합니다.

단순히 복지포인트 주고, 통신 요금 감면해 주고, 비혼 선언 축하금 주고 하는 회사들보다는..
회사와 직원들의 성장을 진지하게 고민하는 회사에 더 눈이 갑니다.

복지가 좋은 회사가 부러웠습니다. 이런저런 혜택이 많은 회사. 우와 좋다. 나도 저런 회사 다녀보고 싶어. 이런 저에게 누군가 말해줬습니다. 회사의 복지는 직원들이 일을 더 잘하게 도와야 하는 거라고. 복지로 인해서 일을 더 많이, 더 편하게, 더 잘할 수 있어야 한다고. 일하는데 거추장스러운 장애물을 치워준다거나.. 더 능력을 발휘할 수 있도록 지원해 주는 것. 생각해 보면 참말이었습니다. 나는 너무 마케팅에 잘 속아 넘어간단 말이야. 복지 마케팅. 우리 회사는 통합 포인트도 주고 통신요금도 할인해 주고.. 헬스장도 보내줘요. 이런 회사들의 채용 공고를 보며 부러워하곤 했습니다. 사실 그런 건 그냥 돈 많이 주면 되는 건데. 가만히 생각해 보면 예전에 이해진 의장님도 비슷한 말을 했습니다. “여러분의 선배들이 하도 늦게까지 야근하고 힘들게 일해서 출퇴근 때만이라도 편하게 쉬라고 셔틀버스 만든 거예요.” “너무 피곤하면 눈도 좀 붙이라고 수면실도 만들었고요.” 그런데 이제는 늦게까지 술 먹고 온 사람들이 거기 들어가서 잠을 잔다고. 이때 울분을 토해내신 이후로(2012년 초) 셔틀버스와 이런저런 복지들이 실제로 사라졌습니다.(웃음) 아하.. 이해진 의장님도 직원들이 일을 더 잘할 수 있게 하기 위해서 저런 복지들을 만든 거구나. 저에게 가장 좋은 복지는 구내식당이었습니다. 네이버 다닐 때. 뭐 먹을지 전혀 걱정 없이 살았던 시절. 같이 야근할 동료가 있든 없든 밥 걱정 따위는 안 할 수 있는 회사. 근데 심지어 맛있기까지 해. 지금 생각해도 너무 좋다. 이제는 아이가 있으니 어린이집도 좋은 복지일 것 같습니다. 아이 걱정을 하지 않아야 일을 집중해서 할 수 있을 테니까. 어떤 직원들이 있느냐에 따라 지원해 줘야 할 복지도 달라지기 때문에.. 다른 회사의 복지를 무작정 베껴오는 건 돈을 낭비하는 일입니다. 요즘엔 재택근무를 복지로 내세우는 회사들이 있습니다. 직원들이 재택근무로 인해서 일을 더 잘할 수 있겠다 판단이 들면 올바른 지원이겠지만.. 성과가 덜 나더라도 누군가를 뽑거나 나가지 않게 하기 위한 목적으로.. 직원들이 해달라고 조르니깐 하는 수없이 재택근무를 복지로 내세우는 것은 좀 이상합니다. 단순히 복지포인트 주고, 통신 요금 감면해 주고, 비혼 선언 축하금 주고 하는 회사들보다는.. 회사와 직원들의 성장을 진지하게 고민하는 회사에 더 눈이 갑니다.

복지가 좋은 회사

Docker's Top 10 Most Popular Blogs in 2021 - Docker Blog

2021년에 가장 많은 조회수를 기록한 Top 10 포스트 모음입니다.
Docker와 관련된 다양한 주제의 이야기들이 있었네요! 혹시 보지 못한 글들을 이번 기회에 살펴보면 좋을 것 같습니다.

Docker

프로덕트 매니저/서비스 기획

한주현

스마트솔루션팀 연구원

Tech Director

서비스개발 / 전략담당

소프트웨어/데이터 엔지니어

전기전자전파공학부 학사,석사

김환태

유,무선 네트워크 관련 기술을 연구하였고, 스마트홈 관련 기술을 연구했습니다. 온라인 커머스 전체를 개발해 보았고, 그 안에서 발생하는 데이터들에 대한 다양한 엔지니어링을 시도해보았습니다. 지금은 커뮤니티를 구축할 수 있는 시스템을 만들고 있습니다.

댓글 0