by Binbing Hou, Stephanie Vezich Tamayo, Xiao Chen, Liang Tian, Troy Ristow, Haoyuan Wang, Snehal Chennuru, Pawan Dixit This is the first of the series of our work at Netflix on leveraging data...

Evolving from Rule-based Classifier: Machine Learning Powered Auto Remediation in Netflix Data...

 * 넷플릭스에서 운영 자동화를 위해 머신러닝을 사용한 케이스를 정리한 첫 글
   * 자동 진단, 자동 수정, 자동 구성, 자동 튜닝, 자동 확장, 자동 디버깅 등 운영 자동화는 최신 데이터 플랫폼의 성공을 위한 핵심 요소
   * 룰베이스에서 ML 서비스를 사용해 자동으로 수정하는 것을 목표로 했던 프로젝트에 대한 소개
   * Spark 작업의 Memory 구성 오류와 분류되지 않은 오류를 처리하기 위해 자동 복원(Auto Remediation) 기능을 배포했고, 그 효과는 메모리 설정 오류의 56%를 자동으로 수정하고 모든 오류로 인한 금전적 비용 50% 절감했음
 * 소개
   * 넷플릭스의 데이터 플랫폼엔 하루에 수십만 개의 Workflow, 수백만개의 Job이 실행되고 있음
   * 장애가 발생한 작업이 전체 워크로드 중 작은 부분이여도 장애를 진단하고 해결하는 것이 운영 부담이 될 수 있음(여러 일이 생기기에)
   * 오류를 효율적으로 처리하기 위해 룰 베이스 분류기를 사용하는 Pensive라는 서비스를 개발함 -> 일련의 규칙에 따라 작업 오류를 분류 -> 스케줄러가 작업을 다시 시도할지 여부를 결정 -> 엔지니어가 진단하고 해결할 수 있는 인사이트 제공
   * 그러나 시스템의 규모가 커지고, 복잡해지면서 메모리 설정 오류, 미분류 오류 처리에 대한 지원이 제한되었음. 예를 들어 OOM 오류로 인한 작업 실패를 진단하기 위해 팀 전체의 노력이 필요함
 * 머신러닝을 사용해 재시도 성공 확률, 재시도 비용을 예측하고 최적의 후보 구성을 권장 사항으로 선택함. 그리고 자동으로 적용
 * 장점
   * Integreate Intelligence : 통합된 지식
     * 도메인 전문가의 컨텍스트를 기반으로 Error Class 별로 Static하고 결정론적인 분류 결과를 제공
     * 작업별로 성능과 비용을 고려한 권장 사항 제공
   * Full Automated : 완전 자동화
     * 오류를 분류, 권장 사항을 가져오고, 적용하는 파이프라인이 완전 자동화
     * 수정 프로세스에 사람의 개입이 필요하지 않음
   * Multi-objective Optimization : 다양한 목적의 최적화
     * 성능(재시도 성공 확률)과 컴퓨팅 비용 효율성(작업 실행에 드는 금전적 비용)을 모두 고려해 권장 사항을 생성
     * 예를 들어 메모리 설정 오류는 작업 실행의 메모리 사용량과 관련된 파라미터를 검색하고, 실패 확률과 컴퓨팅 비용의 선형 조합을 최소화하는 조합을 추천함
 * 규칙 기반 분류기
   * Log collector : 로그 수집
   * Rule Execution Engine : 미리 정의된 Rule과 일치시키는 작업. 오류를 식별하기 위한 정규식이 포함
   * Result Finalizer : 오류 분류 결과를 확정하는 역할. 가장 먼저 일치하는 규칙의 분류에 따라 최종 분류 결정
 * 도전 과제
   * 메모리 설정 오류
     * 일시적이지 않은 오류는 여전히 엔지니어가 수동으로 작업을 해야 함
     * 메모리를 작게 설정하면 OOM, 크게 설정하면 리소스 낭비
     * 데이터 플랫폼에 1달에 약 600건의 메모리 설정 오류가 발생 -> 많은 노력
   * 분류되지 않은 오류
     * 규칙을 수동으로 추가해야 오류로 분류가 됨
     * 새 규칙 추가를 위한 노력도 필요함
     * 300개 이상의 규칙이 추가되었지만 전체 장애의 50%가 분류되지 않음
 * Auto Remediation
   * 권장사항 생성 : 규칙 기반으로 모든 오류 분류, 그 후에 머신러닝 서비스를 사용해 권장사항 제공
   * Nightingale : Metaflow를 사용해 학습된 머신러닝 모델을 실행하는 서비스. 재시도 권장 사항을 생성하는 역할
     * 오류를 다시 시작할 수 있는지 여부
     * 작업을 다시 시작하기 위한 권장 구성
   * ConfigService : 온라인 설정 서비스
     * 정의된 Scope와 함께 JSON patch로 ConfigService에 저장
     * 스케줄러가 권장 설정을 가져오기 위해 ConfigService를 호출하면 스케줄러는 원래 구성을 ConfigService에 전달 -> ConfigService는 원래 구성에 JSON 패치를 적용 -> 스케줄러가 변경된 설정으로 다시 작업 시작
   * Pensive : 룰베이스 오류 분류기
   * 스케줄러 : 작업을 스케줄링. Netflix Maestro 사용
 * 머신러닝 서비스
   * 나이팅게일이 실패한 작업에 대한 재시도 정책을 생성하고, 재시도 성공 확률과 작업 실행 비용의 균형을 맞춤
     * 예측 모델 : 재시도 속성에 따라 성공 확률, 재시됴 비용을 추정
       * 매일 오프라인으로 재학습
     * 최적화 프로그램 : 실패 확률과 비용의 선형 조합을 최소화하는 구성을 도출
   * 데이터 플랫폼에서 재시도 성공 결과와 실행 비용을 모두 기록해 신뢰할 수 있는 레이블을 제공

https://netflixtechblog.com/evolving-from-rule-based-classifier-machine-learning-powered-auto-remediation-in-netflix-data-039d5efd115b

<ul ><li>넷플릭스에서 운영 자동화를 위해 머신러닝을 사용한 케이스를 정리한 첫 글<ul ><li>자동 진단, 자동 수정, 자동 구성, 자동 튜닝, 자동 확장, 자동 디버깅 등 운영 자동화는 최신 데이터 플랫폼의 성공을 위한 핵심 요소</li><li>룰베이스에서 ML 서비스를 사용해 자동으로 수정하는 것을 목표로 했던 프로젝트에 대한 소개</li><li>Spark 작업의 Memory 구성 오류와 분류되지 않은 오류를 처리하기 위해 자동 복원(Auto Remediation) 기능을 배포했고, 그 효과는 메모리 설정 오류의 56%를 자동으로 수정하고 모든 오류로 인한 금전적 비용 50% 절감했음</li></ul></li><li>소개<ul ><li>넷플릭스의 데이터 플랫폼엔 하루에 수십만 개의 Workflow, 수백만개의 Job이 실행되고 있음</li><li>장애가 발생한 작업이 전체 워크로드 중 작은 부분이여도 장애를 진단하고 해결하는 것이 운영 부담이 될 수 있음(여러 일이 생기기에)</li><li>오류를 효율적으로 처리하기 위해 룰 베이스 분류기를 사용하는 Pensive라는 서비스를 개발함 -&gt; 일련의 규칙에 따라 작업 오류를 분류 -&gt; 스케줄러가 작업을 다시 시도할지 여부를 결정 -&gt; 엔지니어가 진단하고 해결할 수 있는 인사이트 제공</li><li>그러나 시스템의 규모가 커지고, 복잡해지면서 메모리 설정 오류, 미분류 오류 처리에 대한 지원이 제한되었음. 예를 들어 OOM 오류로 인한 작업 실패를 진단하기 위해 팀 전체의 노력이 필요함</li></ul></li><li>머신러닝을 사용해 재시도 성공 확률, 재시도 비용을 예측하고 최적의 후보 구성을 권장 사항으로 선택함. 그리고 자동으로 적용</li><li>장점<ul ><li>Integreate Intelligence : 통합된 지식<ul ><li>도메인 전문가의 컨텍스트를 기반으로 Error Class 별로 Static하고 결정론적인 분류 결과를 제공</li><li>작업별로 성능과 비용을 고려한 권장 사항 제공</li></ul></li><li>Full Automated : 완전 자동화<ul ><li>오류를 분류, 권장 사항을 가져오고, 적용하는 파이프라인이 완전 자동화</li><li>수정 프로세스에 사람의 개입이 필요하지 않음</li></ul></li><li>Multi-objective Optimization : 다양한 목적의 최적화<ul ><li>성능(재시도 성공 확률)과 컴퓨팅 비용 효율성(작업 실행에 드는 금전적 비용)을 모두 고려해 권장 사항을 생성</li><li>예를 들어 메모리 설정 오류는 작업 실행의 메모리 사용량과 관련된 파라미터를 검색하고, 실패 확률과 컴퓨팅 비용의 선형 조합을 최소화하는 조합을 추천함</li></ul></li></ul></li><li>규칙 기반 분류기<ul ><li>Log collector : 로그 수집</li><li>Rule Execution Engine : 미리 정의된 Rule과 일치시키는 작업. 오류를 식별하기 위한 정규식이 포함</li><li>Result Finalizer : 오류 분류 결과를 확정하는 역할. 가장 먼저 일치하는 규칙의 분류에 따라 최종 분류 결정</li></ul></li></ul><ul ><li>도전 과제<ul ><li>메모리 설정 오류<ul ><li>일시적이지 않은 오류는 여전히 엔지니어가 수동으로 작업을 해야 함</li><li>메모리를 작게 설정하면 OOM, 크게 설정하면 리소스 낭비</li><li>데이터 플랫폼에 1달에 약 600건의 메모리 설정 오류가 발생 -&gt; 많은 노력</li></ul></li><li>분류되지 않은 오류<ul ><li>규칙을 수동으로 추가해야 오류로 분류가 됨</li><li>새 규칙 추가를 위한 노력도 필요함</li><li>300개 이상의 규칙이 추가되었지만 전체 장애의 50%가 분류되지 않음</li></ul></li></ul></li><li>Auto Remediation<ul ><li>권장사항 생성 : 규칙 기반으로 모든 오류 분류, 그 후에 머신러닝 서비스를 사용해 권장사항 제공</li><li>Nightingale : Metaflow를 사용해 학습된 머신러닝 모델을 실행하는 서비스. 재시도 권장 사항을 생성하는 역할<ul ><li>오류를 다시 시작할 수 있는지 여부</li><li>작업을 다시 시작하기 위한 권장 구성</li></ul></li><li>ConfigService : 온라인 설정 서비스<ul ><li>정의된 Scope와 함께 JSON patch로 ConfigService에 저장</li><li>스케줄러가 권장 설정을 가져오기 위해 ConfigService를 호출하면 스케줄러는 원래 구성을 ConfigService에 전달 -&gt; ConfigService는 원래 구성에 JSON 패치를 적용 -&gt; 스케줄러가 변경된 설정으로 다시 작업 시작</li></ul></li><li>Pensive : 룰베이스 오류 분류기</li><li>스케줄러 : 작업을 스케줄링. Netflix Maestro 사용</li></ul></li></ul><ul ><li>머신러닝 서비스<ul ><li>나이팅게일이 실패한 작업에 대한 재시도 정책을 생성하고, 재시도 성공 확률과 작업 실행 비용의 균형을 맞춤<ul ><li>예측 모델 : 재시도 속성에 따라 성공 확률, 재시됴 비용을 추정<ul ><li>매일 오프라인으로 재학습</li></ul></li><li>최적화 프로그램 : 실패 확률과 비용의 선형 조합을 최소화하는 구성을 도출</li></ul></li><li>데이터 플랫폼에서 재시도 성공 결과와 실행 비용을 모두 기록해 신뢰할 수 있는 레이블을 제공</li></ul></li></ul> https://netflixtechblog.com/evolving-from-rule-based-classifier-machine-learning-powered-auto-remediation-in-netflix-data-039d5efd115b

Medium

넷플릭스 데이터 플랫폼의 머신러닝 기반 자동 복원

제품-시장 적합성(PMF)을 찾는 것이 모든 초기 스타트업의 핵심 과제임세콰이어는 pre-seed와 seed 단계 회사들과 오랜 기간 파트너십을 맺어오면서 PMF에 도달하기 전에 이를 생각하고 접근하는 많은 방법들을 목격함이를 통해서 Arc(세콰이어의 초기 단계 회사를 위한 회사 구축 몰입형 프로그램)에서 창업자들에게 PMF 프레임워크를 제공함이 프레임워크

Sequoia Arc의 Product-Market-Fit 프레임워크 | GeekNews

3가지 타입의 PMF
 * (1) 머리에 불이 난 듯한 문제(Hair on Fire)
   * 고객에게 명확하고 긴급한 필요를 해결해주는 문제
   * 단순히 더 빠르거나 저렴하면 안되고 지속 가능한 우위를 갖기 위해 차별화된 고객 경험을 제공해야 함
 * (2) 당연시되는 불편함(Hard Fact)
   * 문제 해결에 노력을 하지 않고, 현상 유지를 하는 편
   * 변화할 가치가 있을만큼 문제가 중요하고, 접근 방식이 충분히 새로워야 함
 * (3) 미래 비전
   * 개념은 익숙하지만 불가능해보이거나 아무나 상상하지 못해 공상 과학처럼 들림
 * 종합적인 사고
   * 어떤 경로를 가고 있는가? 고객들은 당신이 해결하고 있는 문제와 어떤 관계를 맺고 있는가?
   * 올바른 카테고리 역학에 대해 생각하고 있는가? 운영 우선순위는 무엇인가?
   * 속도와 규모를 최적화해야 하는가, 초기 수용자들에게 깨달음을 주어야 하는가, 아니면 여정의 중간 기착지를 전략적으로 설정해야 하는가?

https://news.hada.io/topic?id=14332

3가지 타입의 PMF<ul ><li>(1) 머리에 불이 난 듯한 문제(Hair on Fire)<ul ><li>고객에게 명확하고 긴급한 필요를 해결해주는 문제</li><li>단순히 더 빠르거나 저렴하면 안되고 지속 가능한 우위를 갖기 위해 차별화된 고객 경험을 제공해야 함</li></ul></li><li>(2) 당연시되는 불편함(Hard Fact)<ul ><li>문제 해결에 노력을 하지 않고, 현상 유지를 하는 편</li><li>변화할 가치가 있을만큼 문제가 중요하고, 접근 방식이 충분히 새로워야 함</li></ul></li><li>(3) 미래 비전<ul ><li>개념은 익숙하지만 불가능해보이거나 아무나 상상하지 못해 공상 과학처럼 들림</li></ul></li><li>종합적인 사고<ul ><li>어떤 경로를 가고 있는가? 고객들은 당신이 해결하고 있는 문제와 어떤 관계를 맺고 있는가?</li><li>올바른 카테고리 역학에 대해 생각하고 있는가? 운영 우선순위는 무엇인가?</li><li>속도와 규모를 최적화해야 하는가, 초기 수용자들에게 깨달음을 주어야 하는가, 아니면 여정의 중간 기착지를 전략적으로 설정해야 하는가?</li></ul></li></ul> https://news.hada.io/topic?id=14332

GeekNews

Sequoia Arc의 Product-Market-Fit 프레임워크

Hi I have finally solved 300 problems on LeetCode. Following is the distribution of the topics I have solved questions from and the number of questions in each of them. The major thing I have learnt...

I Solved 300+ Leetcode problems , Here is what I learnt.

마침내 리트코드에서 300개의 문제를 해결했습니다. 이 여정에서 중요한 부분은 다음과 같습니다.
 
 1. 고급 토픽에 집중하기: 동적 프로그래밍(DP), 이진 검색, 그래프, 트리 및 우선순위 큐와 같은 주제는 인터뷰에서 자주 질문을 받으며, 익숙해 지기 위해서는 시간과 인내심이 필요하기 때문에 계속해서 집중합니다.
 2. 다른 사람과 비교하지 않기: 우리는 모두 다른 개체이기 때문에, 자신의 학습곡선을 그대로 받아들이는 것이 좋습니다. 당신의 여정을 다른 사람과 비교하지 마세요.
 3. 일하면서 300개의 문제를 해결하는 데 10개월이 걸렸고, 일부 사람들은 그 절반의 시간만을 투자할지도 모르지만 괜찮습니다. 그것은 저만의 여정이니 다른 사람을 생각하며 내 기분을 상하게 하지 않을 것입니다.
 4. medium 단계의 문제는 최소 30분 동안 시도하기: 30분 동안 최선을 다하고, 그 후에는 힌트를 보는 것을 주저하지 마세요. 아무 문제가 없더라도 내가 모르는 특정한 기술이나 개념이 있을 수 있으므로 힌트를 찾아보세요.
 5. 최고가 되기 위한 동기를 가지기: 최고가 되기 위한 열망은 장애물을 극복하도록 도와줍니다. 
 6. 훈련하기: 처음에는 그것이 숙제처럼 느껴질 수 있지만, 서서히 적응하게 되어 삶의 일부가 될 것입니다. 

번역: [https://ducktopia.tistory.com/122]
원문:

마침내 리트코드에서 300개의 문제를 해결했습니다. 이 여정에서 중요한 부분은 다음과 같습니다.&nbsp;<ol ><li>고급 토픽에 집중하기: 동적 프로그래밍(DP), 이진 검색, 그래프, 트리 및 우선순위 큐와 같은 주제는 인터뷰에서 자주 질문을 받으며, 익숙해 지기 위해서는 시간과 인내심이 필요하기 때문에 계속해서 집중합니다.</li><li>다른 사람과 비교하지 않기: 우리는 모두 다른 개체이기 때문에, 자신의 학습곡선을 그대로 받아들이는 것이 좋습니다. 당신의 여정을 다른 사람과 비교하지 마세요.</li><li>일하면서 300개의 문제를 해결하는 데 10개월이 걸렸고, 일부 사람들은 그 절반의 시간만을 투자할지도 모르지만 괜찮습니다. 그것은 저만의 여정이니 다른 사람을 생각하며 내 기분을 상하게 하지 않을 것입니다.</li><li>medium 단계의 문제는 최소 30분 동안 시도하기: 30분 동안 최선을 다하고, 그 후에는 힌트를 보는 것을 주저하지 마세요. 아무 문제가 없더라도 내가 모르는 특정한 기술이나 개념이 있을 수 있으므로 힌트를 찾아보세요.</li><li>최고가 되기 위한 동기를 가지기: 최고가 되기 위한 열망은 장애물을 극복하도록 도와줍니다.&nbsp;</li><li>훈련하기: 처음에는 그것이 숙제처럼 느껴질 수 있지만, 서서히 적응하게 되어 삶의 일부가 될 것입니다.&nbsp;</li></ol> 번역: [https://ducktopia.tistory.com/122]원문:

🕊️  [Medium] 300개 이상의 리트코드 문제를 해결한 방법

좋은 글들 소개해주셔서 유용하게 보고 있어요 :)

Ep 13. 데이터 분석가 이력서는 이렇게 작성해주세요. 데이터 분석가라고 했지만 데이터 과학자 이력서, 데이터 엔지니어 이력서, 개발자 이력서 모두 다 적용이 가능합니다. 역량 기반 이력서를 만들어 보아요

Ep 13. 데이터 분석가, 데이터 과학자 이력서는 꼭 이렇게 작성해주세요.

 * 요즘 유튜브를 다시 꾸준히 하려고 영상을 만들고 있어요
 * 데이터 분석가 이력서에 대한 이야기를 했어요. 데이터 분석가라고 했지만 개발자나 모든 직무에서 적용할 수 있는 부분일거에요
 * 면접관이 어떤 사람일까? => 면접관이 어떤 것을 원할까? => 그것을 먼저 제시할 수 없을까?라는 생각을 하면서 영상을 전개해요
 * 실제로 이 방법을 통해 합격률을 높인 케이스를 많이 봤으니, 영상 보시면 좋을 것 같네요
 * 한번만 하기엔 추상적인 느낌이 들 수 있어서, 추후에 유튜브 채널 내에서 구독자 대상으로 이력서 피드백하는 시간을 만들어보려고 하고 있어요

https://youtu.be/o8thK4ZAvGI?si=tf1er1alqio3g5P7

<ul ><li>요즘 유튜브를 다시 꾸준히 하려고 영상을 만들고 있어요</li><li>데이터 분석가 이력서에 대한 이야기를 했어요. 데이터 분석가라고 했지만 개발자나 모든 직무에서 적용할 수 있는 부분일거에요</li><li>면접관이 어떤 사람일까? =&gt; 면접관이 어떤 것을 원할까? =&gt; 그것을 먼저 제시할 수 없을까?라는 생각을 하면서 영상을 전개해요</li><li>실제로 이 방법을 통해 합격률을 높인 케이스를 많이 봤으니, 영상 보시면 좋을 것 같네요</li><li>한번만 하기엔 추상적인 느낌이 들 수 있어서, 추후에 유튜브 채널 내에서 구독자 대상으로 이력서 피드백하는 시간을 만들어보려고 하고 있어요 </li></ul> https://youtu.be/o8thK4ZAvGI?si=tf1er1alqio3g5P7

YouTube

데이터 분석가 이력서는 꼭 이렇게 작성해주세요

작은 팀부터 규모 있는 기업까지 다양한 곳에서 정말 많은 분들을 뽑아도 보고 탈락도 시켜본 자로서 정리해본 개발자 이력서 스타일에 대해서.

나는 개인적으로 개발자 이력서를 디자이너 포트폴리오 꾸미듯 꾸미기는 선호하지 않는다. 그렇다고 전형적인 이력서 포맷도 그닥이다. 자유양식의 심플 a4 스타일로 간결 1장 분량이면 좋고 길어도 2-3 페이지 정도를 선호한다.

내가 좋아하는 구성은
 * 사진(사진은 필수는 아니다) 이름, 전화번호, 이메일 주소
 * 경력 : 최신이 위로 올라오게 내림차순
 * 학력/교육 : 최종전공학력 위주.
   교육은 직무와 연관된 코스만 간단하게.
 * git repo, blog 등. 기술블로그 경우만.
   
이메일은 수시로 체크 가능한게 좋다. 이상하게 내 경험으로는 네이버 카카오 메일보다 gmail 지원자가 개발자의 경우는 채용까지 연결되는 경우가 많았다. 경험일 뿐이고 지금 지원하는 회사가 카카오, 네이버라면 당연히각 사의 메일주소를 쓰는게 낫겠다.

경력은 주로 아래로 구성된다.
 * 회사명, 재직기간
 * 담당 업무와 개발스택
 * 주요 활약이나 성과
JD(Job Descriptions) 와 연결된 담당 업무나 개발 스텍을 써보자.
 * AWS 기반 ec2 에 java + spring boot 로 구성된 백엔드 API 개발담당
 * React Native 를 활용한 사용자용 모바일 앱 개발
 * Jsp, html, css, JavaScript 로 구성된 was 개발
 * PyTorch 기반의 image classification, detection model 구현 및 serving API 개발 담당
 * swift 를 활용한 iOS native app 개발
등등 JD 에서 찾고 있는 스택과 맞는 경력사항을 간결하게 기술하자.

주요활약이나 성과
실제 내가 주도해서 달성했던 성과나 해결했던 문제를 기술해 주는게 좋다. 아래는 예제다.
 * operator 가 수동 분리하던 업무를 자동화하여 기존 처리량의 200% 를 달설하게 적은 수의 운영자가 더 많은 업무처리가 가능하도록 함
 * 20만 동접 채팅 및 입장 기능을 구현
 * 카카오, 네이버, 애플 로그인 연동으로 사용자의 소셜 로그인을 지원하고 간편가입을 구현.
 * RestFul API 체계를 구축하여, 다양한 이종 단말기 디바이스에서 유연한 연동이 가능하도록 제공
 * *** API 연동 개발을 통해 ML 모델을 구현하고 *** 기반으로 serving 체계 구축
 * 앱리뉴얼을 통해 사용자 MAU 20만 달성 앱 개발 운영 업무를 담당
 * **** 을 활용하여 CI/CD 체계 구축을 통해 개발생산성을 향상시켰고 상시 안정적인 운영배포 체계 구축
등등. 구체적이고 본인의 성과가 확실한 경력이라면 역시 간단히 써주는게 좋다.
인턴쉽 경험과 정규직 경험은 확실히 써주는게
좋다. 애매하게 인턴쉽을 정규직처럼 쓴다거나 하는데 어차피 기간에 나오니 인턴 경험이면 당당하게 인턴쉽 으로 명기하는데 더 좋은 인상을 준다.

학력/교육
최종학력과 교육 수강 내역을 쓰는데 최종학력이 개발쪽이 아니라면(예 학부는 개발전공인데 mba 를 했다거나
이종 석박사 과정을 했다면) 최종학력과 학부 경력까지 쓰자. 최종학력이 연관이라면 최종 학력만 쓰는 것도 좋겠다.

교육 수강내용은 타이틀과 어떤 과정이었는지만 간단히 쓰는게 좋다. 경력이 충분하다면 역시 스킵해도 된다.

신입이라 경력이 없다면 직무연관 동아리 활동이나 경진대회 수상이력, 이수한 교육 프로그램 등을 추가할 수 있으나 경력자라면 굳이 추가할 필요가 없다. 만약 채용 직무 관련 전공자가 아니라면 경력자라도 물론 관련활동이나 받은 교육내용을 써 주는 것도 좋다.
단 주의할 점은 짧게 간단하게. 간혹 당황스러운 건 교육 프로그램 과정에서 만든 프로젝트로 유명 사이트나 앱 기능 하나를 구현해 본걸 장황하게 쓰는 경우라던가, 기획자를 뽑는게 아닌데 아이디어 자체 강조형이면 좀 난감스럽다. 예를 들면 "*** 창업 경진대회 1위 수상" 이면 충분하고 이후 진행이 잘 되서 면접에 가게 되면 더 물어볼 수 있는 수준만 쓰는 게 이 파트 노하우다.

더 궁금한 사람들을 위해 git repo 는 반드시 이력서 초반 혹은 말미에 넣는 건 기본 중의 기본! 기술블로그는 있다면 남기자. 난 솔직히 git repo 는 들여다보는데 기술블로그는 잘 보진 않는다.

git 은 토이프로젝트라도 당연히 내 개인 프로젝트들이 들어 있어야 한다. 어디선가 베껴온 건 바로 티나니까, 내 코드를 넣어두되, 간단해도 되니 일반적인 개발언어별 컨벤션을 따르는게 좋겠고 lint 를 사용해 두는 걸 권장한다. 그리고 전직장이나 다른 사람들 기여가 더 높은 팀 프로젝트를 올려두는 건 오히려 마이너스다. 기본 비밀유지를 못하는 도덕적 법적 문제를 일으킬 수 있는 사람으로 보여질 수 있기 때문이다.

일단 구구절절 자기소개를 그리 신경 쓸 필요가 없다. 직장은 이 직무에 제일 잘 맞는 사람을 찾기를 원하기 때문에 잘 정리되고 깔끔한 구성이면 충분하다.

그리고 인턴이면 인턴, 신입이면 신입 또는 신입경력무관, 경력자면 경력에 맞는 곳에만 지원하자. 지원자가 많은 회사의 서류전형자라면 자격요건에 해당 안되는 경우는 무조건 스킵할 확률이 높기 때문이다.

그리고 서류전형을 통과해도 코딩테스트, 기술면접이 있기 때문에 경력을 과장하거나 회사나 팀의 성과를 모두 내 성과인 것 처럼 쓸 필요는 없다. 내가 했던 일이 뽑고 있는 직무와 관련도가 높은 곳을 찾고 그 점을 어필하는 게 좋은 전략 아닐까.

요즘 자의건 타의건 이직을 고민하는 개발자 분들이 주변에 많은 시기. 그간 다양한 직능의 다양한 직종의 분들을 면접 전형해 본 사람으로서 스킬 투척!

작은 팀부터 규모 있는 기업까지 다양한 곳에서 정말 많은 분들을 뽑아도 보고 탈락도 시켜본 자로서 정리해본 개발자 이력서 스타일에 대해서. 나는 개인적으로 개발자 이력서를 디자이너 포트폴리오 꾸미듯 꾸미기는 선호하지 않는다. 그렇다고 전형적인 이력서 포맷도 그닥이다. 자유양식의 심플 a4 스타일로 간결 1장 분량이면 좋고 길어도 2-3 페이지 정도를 선호한다. 내가 좋아하는 구성은<ul><li>사진(사진은 필수는 아니다) 이름, 전화번호, 이메일 주소</li><li>경력 : 최신이 위로 올라오게 내림차순</li><li>학력/교육 : 최종전공학력 위주.교육은 직무와 연관된 코스만 간단하게.</li><li>git repo, blog 등. 기술블로그 경우만. </li></ul>이메일은 수시로 체크 가능한게 좋다. 이상하게 내 경험으로는 네이버 카카오 메일보다 gmail 지원자가 개발자의 경우는 채용까지 연결되는 경우가 많았다. 경험일 뿐이고 지금 지원하는 회사가 카카오, 네이버라면 당연히각 사의 메일주소를 쓰는게 낫겠다. 경력은 주로 아래로 구성된다.<ul><li>회사명, 재직기간</li><li>담당 업무와 개발스택</li><li>주요 활약이나 성과</li></ul>JD(Job Descriptions) 와 연결된 담당 업무나 개발 스텍을 써보자.<ul><li>AWS 기반 ec2 에 java + spring boot 로 구성된 백엔드 API 개발담당</li><li>React Native 를 활용한 사용자용 모바일 앱 개발</li><li>Jsp, html, css, JavaScript 로 구성된 was 개발</li><li>PyTorch 기반의 image classification, detection model 구현 및 serving API 개발 담당</li><li>swift 를 활용한 iOS native app 개발</li></ul>등등 JD 에서 찾고 있는 스택과 맞는 경력사항을 간결하게 기술하자. 주요활약이나 성과실제 내가 주도해서 달성했던 성과나 해결했던 문제를 기술해 주는게 좋다. 아래는 예제다.<ul><li>operator 가 수동 분리하던 업무를 자동화하여 기존 처리량의 200% 를 달설하게 적은 수의 운영자가 더 많은 업무처리가 가능하도록 함</li><li>20만 동접 채팅 및 입장 기능을 구현</li><li>카카오, 네이버, 애플 로그인 연동으로 사용자의 소셜 로그인을 지원하고 간편가입을 구현.</li><li>RestFul API 체계를 구축하여, 다양한 이종 단말기 디바이스에서 유연한 연동이 가능하도록 제공</li><li>*** API 연동 개발을 통해 ML 모델을 구현하고 *** 기반으로 serving 체계 구축</li><li>앱리뉴얼을 통해 사용자 MAU 20만 달성 앱 개발 운영 업무를 담당</li><li>**** 을 활용하여 CI/CD 체계 구축을 통해 개발생산성을 향상시켰고 상시 안정적인 운영배포 체계 구축</li></ul>등등. 구체적이고 본인의 성과가 확실한 경력이라면 역시 간단히 써주는게 좋다.인턴쉽 경험과 정규직 경험은 확실히 써주는게좋다. 애매하게 인턴쉽을 정규직처럼 쓴다거나 하는데 어차피 기간에 나오니 인턴 경험이면 당당하게 인턴쉽 으로 명기하는데 더 좋은 인상을 준다. 학력/교육최종학력과 교육 수강 내역을 쓰는데 최종학력이 개발쪽이 아니라면(예 학부는 개발전공인데 mba 를 했다거나이종 석박사 과정을 했다면) 최종학력과 학부 경력까지 쓰자. 최종학력이 연관이라면 최종 학력만 쓰는 것도 좋겠다. 교육 수강내용은 타이틀과 어떤 과정이었는지만 간단히 쓰는게 좋다. 경력이 충분하다면 역시 스킵해도 된다. 신입이라 경력이 없다면 직무연관 동아리 활동이나 경진대회 수상이력, 이수한 교육 프로그램 등을 추가할 수 있으나 경력자라면 굳이 추가할 필요가 없다. 만약 채용 직무 관련 전공자가 아니라면 경력자라도 물론 관련활동이나 받은 교육내용을 써 주는 것도 좋다.단 주의할 점은 짧게 간단하게. 간혹 당황스러운 건 교육 프로그램 과정에서 만든 프로젝트로 유명 사이트나 앱 기능 하나를 구현해 본걸 장황하게 쓰는 경우라던가, 기획자를 뽑는게 아닌데 아이디어 자체 강조형이면 좀 난감스럽다. 예를 들면 "*** 창업 경진대회 1위 수상" 이면 충분하고 이후 진행이 잘 되서 면접에 가게 되면 더 물어볼 수 있는 수준만 쓰는 게 이 파트 노하우다. 더 궁금한 사람들을 위해 git repo 는 반드시 이력서 초반 혹은 말미에 넣는 건 기본 중의 기본! 기술블로그는 있다면 남기자. 난 솔직히 git repo 는 들여다보는데 기술블로그는 잘 보진 않는다. git 은 토이프로젝트라도 당연히 내 개인 프로젝트들이 들어 있어야 한다. 어디선가 베껴온 건 바로 티나니까, 내 코드를 넣어두되, 간단해도 되니 일반적인 개발언어별 컨벤션을 따르는게 좋겠고 lint 를 사용해 두는 걸 권장한다. 그리고 전직장이나 다른 사람들 기여가 더 높은 팀 프로젝트를 올려두는 건 오히려 마이너스다. 기본 비밀유지를 못하는 도덕적 법적 문제를 일으킬 수 있는 사람으로 보여질 수 있기 때문이다. 일단 구구절절 자기소개를 그리 신경 쓸 필요가 없다. 직장은 이 직무에 제일 잘 맞는 사람을 찾기를 원하기 때문에 잘 정리되고 깔끔한 구성이면 충분하다. 그리고 인턴이면 인턴, 신입이면 신입 또는 신입경력무관, 경력자면 경력에 맞는 곳에만 지원하자. 지원자가 많은 회사의 서류전형자라면 자격요건에 해당 안되는 경우는 무조건 스킵할 확률이 높기 때문이다. 그리고 서류전형을 통과해도 코딩테스트, 기술면접이 있기 때문에 경력을 과장하거나 회사나 팀의 성과를 모두 내 성과인 것 처럼 쓸 필요는 없다. 내가 했던 일이 뽑고 있는 직무와 관련도가 높은 곳을 찾고 그 점을 어필하는 게 좋은 전략 아닐까. 요즘 자의건 타의건 이직을 고민하는 개발자 분들이 주변에 많은 시기. 그간 다양한 직능의 다양한 직종의 분들을 면접 전형해 본 사람으로서 스킬 투척!

서류전형은 통과할만한 신입 or 주니어 경력 개발자 이력서 스타일에 대해

감사합니다 참고해서 잘 써보겠습니다

뜨거운 관심 속 메타에서 라마 3 (Llama 3)를 공개했습니다. 이전보다 성능이 크게 향상된 것은 물론, 제미나이나 클로드 등 주요 LLMs와 비교해도 비슷한 크기의 모델 중에서 가장 높은 성능을 보여주고 있습니다.

Llama 3 출시 : AI 전쟁의 서막 (메타 라마 시리즈, 2024 LLMs)

모두의 연구소에서 정리한 라마3가 나오면서 최근 핫한 여러 모델들에 대한 깔끔한 비교 설명 내용입니다.

 1. 2024 AI 전쟁의 서막 :  메타의 라마3(Llama 3)
    Llama3 주요 특징 (개선사항): Llama3 vs Llama2
 * 학습데이터셋 크기: 15조개 토큰 vs 2조개 토큰
 * 컨텍스트 길이: 8K(8192) vs 4K(4096)
 * 모델 종류: 8B, 70B, 400B vs 7B, 13B, 70B
 * 아키텍처: GQA vs 7B, 13B 버전: MHA(Multi-Head Attention) + 34B, 70B 버전: GQA(Grouped Query Attention)
 * 토크나이저: 128K 토큰 vs 32K 토큰(BPE SentencePiece)

 2. 라마 3와 함께 주목할 LLMs(대형 언어 모델)
 * 오픈AI:GPT-4 Turbo
   * 2023년 3월
   * 128000 토큰, 함수 호출(Function calling), JSON 모드
   * 달리(DALL・E) 3와 TTS 모델 API 지원
   * 파인튜닝(Fine-tuning)과 사용자 정의(Custom) 모델 학습 기능
   * 입력 토큰과 출력 토큰의 비용 두세배 저렴 설계
 * 메타: Llama2
   * 2023년 7월
   * 2조 개의 토큰, 4096 컨텍스트 길이
   * 라마-2-7B, 13B, 70B’의 세 가지 모델 제공
   * 허깅페이스의 ‘오픈소스 LLM 리더보드’에서도 70B 모델은 1위 기록
 * UAE 기술혁신연구소: Falcon 180B
   * 2023년 9월
   * 180B, 40B, 75B, 1.3B 모델 제공
   * 11개 언어와 잘 작동, 미세조정(Fine-tuning)
   * 팔콘 40B: 연구자와 상업 이용자 모두 로열티 없이 사용할 수 있는 모델
   * 팔콘  180B: 파라미터 수가 1800억 개, 토큰수는 3조 5천억 개
 * 구글: Gemini 1.5
   * 2024년 2월
   * 최대 1백만 토큰 처리
   * Mixture-of-Experts(MoE) 아키텍처: 다양한 입력에 대해 뛰어난 이해력과 추론 능력 제공
 * 앤트로픽: Claude3
   * 2024년 3월
   * 하이쿠(Haiku), 소넷(Sonnet), 오푸스(Opus)의 세 가지 모델
   * 여러 벤치마크 테스트에서 GPT-4, 제미나이 울트라(Gemini Ultra) 등의 모델들보다도 더 높은 점수 기록
   * 소넷 모델은 기존의 클로드 2, 클로드 2.1보다 두 배 빠르고 성능 향상
 * 미스트랄 A:Mistral 8x22B
   * 2024년 4월
   * Mixture-of-Experts(MoE) 기법 사용
   * 여러 개의 전문가(Expert) 모듈 중 일부만 사용해 비용을 적게 소모한다는 장점
   * 전체 파라미터 수는 141B(1410억 개), 한번에 활성화되는 파라미터가 39B
   * 영어, 프랑스어, 이탈리아어 등 5개 언어를 이해
   * 라마 2 70B 모델보다 벤치마크 테스트에서 높은 점수

 3. 라마3의 향후 계획
    * 라마 3 400B를 학습 중, GPT-4-터보를 뛰어 넘을 것으로 예측
    * 추가 모델들 공개 예정 : 멀티모달(Multimodality) / 여러 언어로 대화할 수 있는 기능 / 훨씬 더 긴 컨텍스트 윈도우(Context window) / 전반적으로 더 강력한 능력

보다 상세한 내용과 라마3의 사용법과 허깅페이스에서 테스트하는 방법등은 아래 원문에서 함께 보시길 추천합니다.

 * 원문: https://modulabs.co.kr/blog/llama-3-intro/

모두의 연구소에서 정리한 라마3가 나오면서 최근 핫한 여러 모델들에 대한 깔끔한 비교 설명 내용입니다. <ol ><li>2024 AI 전쟁의 서막 :&nbsp; 메타의 라마3(Llama 3)Llama3 주요 특징 (개선사항): Llama3 vs Llama2</li></ol><ul ><li>학습데이터셋 크기: 15조개 토큰 vs 2조개 토큰</li><li>컨텍스트 길이: 8K(8192) vs 4K(4096)</li><li>모델 종류: 8B, 70B, 400B vs 7B, 13B, 70B</li><li>아키텍처: GQA vs 7B, 13B 버전: MHA(Multi-Head Attention) + 34B, 70B 버전: GQA(Grouped Query Attention)</li><li>토크나이저: 128K 토큰 vs 32K 토큰(BPE SentencePiece)</li></ul> <ol start="2"><li>라마 3와 함께 주목할 LLMs(대형 언어 모델)</li></ol><ul ><li>오픈AI:GPT-4 Turbo<ul ><li>2023년 3월</li><li>128000 토큰, 함수 호출(Function calling), JSON 모드</li><li>달리(DALL・E) 3와 TTS 모델 API 지원</li><li>파인튜닝(Fine-tuning)과 사용자 정의(Custom) 모델 학습 기능</li><li>입력 토큰과 출력 토큰의 비용 두세배 저렴 설계</li></ul></li><li>메타: Llama2<ul ><li>2023년 7월</li><li>2조 개의 토큰, 4096 컨텍스트 길이</li><li>라마-2-7B, 13B, 70B’의 세 가지 모델 제공</li><li>허깅페이스의 ‘오픈소스 LLM 리더보드’에서도 70B 모델은 1위 기록</li></ul></li><li>UAE 기술혁신연구소: Falcon 180B<ul ><li>2023년 9월</li><li>180B, 40B, 75B, 1.3B 모델 제공</li><li>11개 언어와 잘 작동, 미세조정(Fine-tuning)</li><li>팔콘 40B: 연구자와 상업 이용자 모두 로열티 없이 사용할 수 있는 모델</li><li>팔콘&nbsp; 180B: 파라미터 수가 1800억 개, 토큰수는 3조 5천억 개</li></ul></li><li>구글: Gemini 1.5<ul ><li>2024년 2월</li><li>최대 1백만 토큰 처리</li><li>Mixture-of-Experts(MoE) 아키텍처: 다양한 입력에 대해 뛰어난 이해력과 추론 능력 제공</li></ul></li><li>앤트로픽: Claude3<ul ><li>2024년 3월</li><li>하이쿠(Haiku), 소넷(Sonnet), 오푸스(Opus)의 세 가지 모델</li><li>여러 벤치마크 테스트에서 GPT-4, 제미나이 울트라(Gemini Ultra) 등의 모델들보다도 더 높은 점수 기록</li><li>소넷 모델은 기존의 클로드 2, 클로드 2.1보다 두 배 빠르고 성능 향상</li></ul></li><li>미스트랄 A:Mistral 8x22B<ul ><li>2024년 4월</li><li>Mixture-of-Experts(MoE) 기법 사용</li><li>여러 개의 전문가(Expert) 모듈 중 일부만 사용해 비용을 적게 소모한다는 장점</li><li>전체 파라미터 수는 141B(1410억 개), 한번에 활성화되는 파라미터가 39B</li><li>영어, 프랑스어, 이탈리아어 등 5개 언어를 이해</li><li>라마 2 70B 모델보다 벤치마크 테스트에서 높은 점수</li></ul></li></ul> <ol start="3"><li>라마3의 향후 계획<ul ><li>라마 3 400B를 학습 중, GPT-4-터보를 뛰어 넘을 것으로 예측</li><li>추가 모델들 공개 예정 : 멀티모달(Multimodality) / 여러 언어로 대화할 수 있는 기능 / 훨씬 더 긴 컨텍스트 윈도우(Context window) / 전반적으로 더 강력한 능력</li></ul></li></ol> 보다 상세한 내용과 라마3의 사용법과 허깅페이스에서 테스트하는 방법등은 아래 원문에서 함께 보시길 추천합니다. <ul ><li>원문: https://modulabs.co.kr/blog/llama-3-intro/</li></ul>

모두의연구소

[모두의연구소] Llama3 출시 : AI 전쟁의 서막

Big Data is Dead

구글에서 BigQuery를 개발한 조던 티가니님이 작성한 글입니다.

 * 지난 10년간 데이터에서 Action 가능한 인사이트를 얻는데 어려움을 겪는 이유 : 데이터의 크기
   * 새로운 도구를 도입하고 마이그레이션해도 여전히 어려움을 겪는 것을 알게 됨
 * 놀라운 사실 : 빅쿼리를 사용하는 대부분의 사람들이 실제로 빅 데이터를 가지고 있지 않음
   * 이 글에선 빅데이터의 시대가 끝났다는 주장을 펼칠 것. 그동안은 잘 달려왔지만 데이터 크기에 대한 걱정은 그만두고 더 나은 의사 결정을 내리는데 데이터를 어떻게 활용할 것인지를 집중해야 함
   * 대부분 그렇게 많은 데이터를 가지고 있지 않음
 * 스토리지와 컴퓨팅을 분리하는 Storage Bias
   * S3, GCS 같은 확장 가능한 Object Storage가 등장하며 데이터베이스 구축 방식에 대한 제약이 완화됨
   * 실제로 데이터 크기가 컴퓨팅 크기보다 빠르게 증가함
   * 데이터는 시간이 흐르면서 계속 쌓이지만, 컴퓨팅은 최근 데이터 위주로 분석해서 크게 들지 않음. 오래된 데이터를 스캔하는 것은 꽤 낭비
   * 확장 가능한 Object Storage를 사용하면 예상한 것보다 더 적은 컴퓨팅을 사용할 수 있고, 심지어 분산 처리를 사용할 필요가 없을 수도 있음
 * 워크로드 크기가 전체 데이터 크기보다 작음
   * 분석 워크로드에서 처리되는 데이터 양은 훨씬 적음. 대시보드는 집계 데이터 위주로 사용하고, 사람들은 지난 시간, 지난 날, 지난 주 데이터를 봄
   * 데이터 규모가 큰 고객은 대량의 데이터를 쿼리하는 경우가 거의 없음
   * 쿼리는 대부분 보고서를 생성하기 위함이고 성능은 우선 순위가 아니였음. 월요일 아침 보고서를 실행하는 쿼리가 있었지만 일주일 동안 실행한 쿼리 중 극히 일부
 * 빅데이터 분야는 계속 후퇴하고 있음
   * 2004년 맵리듀스 백서가 작성되었을 때 데이터 워크로드가 하나의 머신에 맞지 않는 경우가 흔했음. 이 땐 인스턴스 크기가 2GB Ram.
 * 데이터는 책임
   * 빅데이터에 대한 또 다른 정의는 데이터를 보관하는데 드는 비용이 버려야할 것을 파악하는데 드는 비용보다 적은 경우. 데이터가 필요해서가 아닌 삭제하는 것을 귀찮아하지 않기 때문임. 대부분 회사들은 어떤 데이터가 있는지, 정리하는 것이 안전한지 모르는 늪임
   * GDPR, CCPA 규정에 따라 특정 데이터의 사용 내역을 추적해야 하고, 일정 기간 내에 삭제해야 할 수도 있음.
   * 데이터도 관리되지 않으면 의미를 까먹거나 과거 데이터 문제를 까먹을 수 있음

https://motherduck.com/blog/big-data-is-dead/

구글에서 BigQuery를 개발한 조던 티가니님이 작성한 글입니다. <ul><li>지난 10년간 데이터에서 Action 가능한 인사이트를 얻는데 어려움을 겪는 이유 : 데이터의 크기<ul><li>새로운 도구를 도입하고 마이그레이션해도 여전히 어려움을 겪는 것을 알게 됨</li></ul></li><li>놀라운 사실 : 빅쿼리를 사용하는 대부분의 사람들이 실제로 빅 데이터를 가지고 있지 않음<ul><li>이 글에선 빅데이터의 시대가 끝났다는 주장을 펼칠 것. 그동안은 잘 달려왔지만 데이터 크기에 대한 걱정은 그만두고 더 나은 의사 결정을 내리는데 데이터를 어떻게 활용할 것인지를 집중해야 함</li><li>대부분 그렇게 많은 데이터를 가지고 있지 않음</li></ul></li><li>스토리지와 컴퓨팅을 분리하는 Storage Bias<ul><li>S3, GCS 같은 확장 가능한 Object Storage가 등장하며 데이터베이스 구축 방식에 대한 제약이 완화됨</li><li>실제로 데이터 크기가 컴퓨팅 크기보다 빠르게 증가함</li><li>데이터는 시간이 흐르면서 계속 쌓이지만, 컴퓨팅은 최근 데이터 위주로 분석해서 크게 들지 않음. 오래된 데이터를 스캔하는 것은 꽤 낭비</li><li>확장 가능한 Object Storage를 사용하면 예상한 것보다 더 적은 컴퓨팅을 사용할 수 있고, 심지어 분산 처리를 사용할 필요가 없을 수도 있음</li></ul></li><li>워크로드 크기가 전체 데이터 크기보다 작음<ul><li>분석 워크로드에서 처리되는 데이터 양은 훨씬 적음. 대시보드는 집계 데이터 위주로 사용하고, 사람들은 지난 시간, 지난 날, 지난 주 데이터를 봄</li><li>데이터 규모가 큰 고객은 대량의 데이터를 쿼리하는 경우가 거의 없음</li><li>쿼리는 대부분 보고서를 생성하기 위함이고 성능은 우선 순위가 아니였음. 월요일 아침 보고서를 실행하는 쿼리가 있었지만 일주일 동안 실행한 쿼리 중 극히 일부</li></ul></li><li>빅데이터 분야는 계속 후퇴하고 있음<ul><li>2004년 맵리듀스 백서가 작성되었을 때 데이터 워크로드가 하나의 머신에 맞지 않는 경우가 흔했음. 이 땐 인스턴스 크기가 2GB Ram.</li></ul></li><li>데이터는 책임<ul><li>빅데이터에 대한 또 다른 정의는 데이터를 보관하는데 드는 비용이 버려야할 것을 파악하는데 드는 비용보다 적은 경우. 데이터가 필요해서가 아닌 삭제하는 것을 귀찮아하지 않기 때문임. 대부분 회사들은 어떤 데이터가 있는지, 정리하는 것이 안전한지 모르는 늪임</li><li>GDPR, CCPA 규정에 따라 특정 데이터의 사용 내역을 추적해야 하고, 일정 기간 내에 삭제해야 할 수도 있음.</li><li>데이터도 관리되지 않으면 의미를 까먹거나 과거 데이터 문제를 까먹을 수 있음</li></ul></li></ul> https://motherduck.com/blog/big-data-is-dead/

MotherDuck

Big Data is Dead. 빅데이터는 죽었다

duckdb 만든분 글인가보군요 안그래도 관심있게 보고있었는데 잘읽었습니다

GeekNews 에서 소개를 해준 사이트인데요,
커리어리와 GeekNews 포함한 유명 it 서비스의 글들을 랭킹으로 보여주고,

유명한 it 기업 기술 블로그 사이트도 정리되어
필요할때 찾아보기 너무 좋습니다.

it 기술 관련 블로그나 뉴스를 살펴보고 싶으신 분들은 참고하면 좋겠습니다.

📚 링크
 * https://dev-ranking.vercel.app/

GeekNews 에서 소개를 해준 사이트인데요,커리어리와 GeekNews 포함한 유명 it 서비스의 글들을 랭킹으로 보여주고, 유명한 it 기업 기술 블로그 사이트도 정리되어필요할때 찾아보기 너무 좋습니다. it 기술 관련 블로그나 뉴스를 살펴보고 싶으신 분들은 참고하면 좋겠습니다. 📚 링크<ul><li>https://dev-ranking.vercel.app/</li></ul>

Vercel

🌐 개발자가 알고 있으면 좋은 사이트

역시 뇌에 근육통 생길 때 까지 구현해보면서 삽질하는게 기술을 이해하는데 최고 빠르고 확실한 방법이다. 간만에 복잡한 기술 팠더니 뇌에 근육통이 스쿼트 삼천번 한 느낌.. 🫠

역시 뇌에 근육통 생길 때 까지 구현해보면서 삽질하는게 기술을 이해하는데 최고 빠르고 확실한 방법이다. 간만에 복잡한 기술 팠더니 뇌에 근육통이 스쿼트 삼천번 한 느낌.. 🫠

사이드 프로젝트를 진행하면서 처음의 열정이 사라져 엎어진 경우가 있나요?

모든 일을 지속하기 위해선 동기부여가 중요하죠 사이드 프로젝트 역시 마찬가지라고 생각합니다.
하지만 사이드 프로젝트를 진행하면서 지속적인 동기부여를 얻기란 참 어려운 것 같습니다. 사이드 프로젝트 특성상 금전적 보상은 거의 없으며 순수 재미나 혹은 흥미, 커리어 성장에 대한 관심으로 지속되기 때문입니다.

지금까지 30여개의 사이드 프로젝트를 진행하면서 많이 들었던 질문 중 하나가 '그렇게 많은 사이드 프로젝트를 생각하고 만들고 지속할 수 있던 동기부여는 무엇인가요?' 입니다.

사실 저도 다양한 사이드 프로젝트를 제작하는 동안 엎어진 경우도 많고 흐지부지된 경우도 많습니다. 이러한 경험들을 바탕으로 사이드 프로젝트를 만들 땐 나름의 규칙을 가지고 시작하고 있습니다.

제가 생각하는 동기부여를 유지하기 위한 세가지 팁을 공유합니다.

1) 성공 보단 성장
 * '꼭 성공해서 돈을 벌어야지' 라고 생각하게 되면 처음부터 너무 많은 힘이 들어가게 됩니다.
 * 사이드 프로젝트가 성공하는 확률은 현실적으로 낮고 운이 큰 작용을 한다고 생각합니다. 아무리 열심히 만들어도 타이밍이 좋지 않아 실패 하는 경우도 많습니다.
 * 기대감이 크면 클수록 실망도 커지는 법이죠. 처음 목표가 성공이라는 좁은 문에 초점이 맞춰져 있다면 열정이 식을 가능성이 커집니다.
 * 저는 애초에 사이드 프로젝트의 실패를 베이스로 놓고, 사이드 프로젝트를 진행하면서 성장할 수 있는 부분에 초점을 맞춰 진행 합니다.
 * 예를 들면 'React와 Express를 활용하여 서비스를 만들어보자!! 사이드 프로젝트를 진행하면서 기획, 디자인, 개발에 대한 프로세스를 경험할 수 있고 기술 스택에 관한 자신감도 얻을 수 있을꺼야. 특히나 이번에는 상태관리에 대한 부분을 집중적으로 적용하면서 내가 그동안 부족했던 부분을 보충해보자!! 서비스를 끝까지 만드는 것을 목표로 하고, 실패한다면 어쩔 수 없고 ㅎㅎ 성공한다면 진짜 신기하겠다..!!' 라는 마음 가짐으로 프로젝트를 시작합니다.
 * 이런 마음가짐으로 시작한다면 사이드 프로젝트를 진행하면서 점차 성장하는 나의 모습에서 동기부여를 지속적으로 얻을 수 있습니다.
 * 사이드 프로젝트에서 성공으로 얻는 동기부여는 '결과' 에서 발생하고, 성장으로 얻는 동기부여는 '과정'에서 발생한다고 생각합니다.
   사이드 프로젝트라는 마라톤에서 지속적인 동기부여를 얻는 것은 성장이 가장 효율적이라고 생각합니다.
 * 물론 사이드 프로젝트를 제작하고 난 후에는 성공으로 얻는 동기부여도 열어 두어야 오래 지속할 수 있는 사이드 프로젝트가 된다고 생각합니다.

2) 3개월 혹은 6개월
 * 가장 열정이 많은 시기에 빠르게 만들어 내는 것이 중요하다고 생각합니다.
 * 사이드 프로젝트를 만드는 시간이 지연되면 지연될 수록 동기부여가 떨어지는 건 정말 당연한 현상이라고 생각합니다.
 * 저도 많은 사이드프로젝트를 만들어 봤지만 만드는 기간이 길어지면 길어질 수록 흐지부지 되는 경우가 굉장히 많았습니다. 또 그렇다고 완성도가 높아지는 것도 아니었습니다.
 * 사이드 프로젝트의 제작 기간을 타이트하게 가져가시기 바랍니다. 프로젝트의 주제나 규모에 따라 다르겠지만 1개월 혹은 3개월, 6개월까지 기간을 설정하여 목표를 잡는게 가장 좋았습니다.
 * 만약 제작 기간이 너무 길어질 것 같다면 규모와 주제를 축소 시키더라도 계획한 기간 내에 완성을 하는 것이 가장 중요하다고 생각합니다. 그 다음 단계적으로 기능을 확장하는 것이 지속적인 동기부여를 얻는데 큰 도움이 된다고 생각합니다.
 * 흐지부지 되는 사이드 프로젝트는 '좋은 경험' 에서 끝나는 경우가 많기 때문에 꼭 '완성' 을 목표로 열심히 달리시기 바랍니다.

3) 세상에 알리기
 * 여러분들이 사이드 프로젝트를 만들고 있다는 것을 주변에 알리시기 바랍니다.
 * 주변에 알리고 홍보하는 것은 스스로에게 약속이 되고 이는 곧 동기부여가 된다고 생각합니다.
 * 제가 대학생 시절 한창 사이드 프로젝트를 많이 진행했을 때, 동아리, SNS, 학교 커뮤니티 등등 제가 갖고 있는 모든 채널에 제가 만들고 있는 혹은 만든 서비스 들을 지속적으로 기록하고 홍보했습니다.
 * 그렇게 함으로써 작던 크던 다양한 반응을 얻을 수 있었고
 * 사이드 프로젝트를 제작하는 중에는 말을 꺼냈으니 꼭 완성은 시켜야한다 라는 스스로에 대한 약속을 할 수 있었고, 뿐만 아니라 성장하고 있는 모습을 계속해서 공유 함으로서 지속적인 동기부여를 얻을 수 있었습니다.
 * 또한 제작한 후에는 서비스 홍보 뿐만 아니라, 내가 만든 서비스를 남들이 사용하면서 얻는 피드백을 바탕으로 또 다른 성장을 할 수 있는 장점을 얻었고, 다음 사이드 프로젝트를 진행할 수 있는 동기부여를 얻을 수 있었습니다. 이는 지속적으로 사이드 프로젝트를 만들 수 있는 선순환이 되었다고 생각합니다.
 * 처음에는 '내 서비스를 남들에게 보이기 부끄러워서 혹은 완성도가 너무 떨어져서..' 등등 다양한 이유로 남들에게 알리기가 어려울 수 있습니다.
 * 그런 경우에는 좁은 관계인 지인에서 출발해서 넓은 관계인 SNS, 커뮤니티로 점차 영역을 확장해보시기 바랍니다. 처음에는 어려웠던 것도 점차 익숙해지는 자신을 발견할 수 있을 것 입니다.
 * 추가로 '사람들은 생각보다 남에게 관심이 없다'라는 마음 가짐을 갖는다면 부담감을 좀 덜 수 있다고 생각합니다:)

* 앞으로 사이드 프로젝트와 관련된 주제로 포스팅을 할 예정입니다. 궁금하신 내용이나 추천하는 주제 있으시다면 언제든 말씀해 주시기 바랍니다:)

사이드 프로젝트를 진행하면서 처음의 열정이 사라져 엎어진 경우가 있나요? 모든 일을 지속하기 위해선 동기부여가 중요하죠 사이드 프로젝트 역시 마찬가지라고 생각합니다.하지만 사이드 프로젝트를 진행하면서 지속적인 동기부여를 얻기란 참 어려운 것 같습니다. 사이드 프로젝트 특성상 금전적 보상은 거의 없으며 순수 재미나 혹은 흥미, 커리어 성장에 대한 관심으로 지속되기 때문입니다. 지금까지 30여개의 사이드 프로젝트를 진행하면서 많이 들었던 질문 중 하나가 '그렇게 많은 사이드 프로젝트를 생각하고 만들고 지속할 수 있던 동기부여는 무엇인가요?' 입니다. 사실 저도 다양한 사이드 프로젝트를 제작하는 동안 엎어진 경우도 많고 흐지부지된 경우도 많습니다. 이러한 경험들을 바탕으로 사이드 프로젝트를 만들 땐 나름의 규칙을 가지고 시작하고 있습니다. 제가 생각하는 동기부여를 유지하기 위한 세가지 팁을 공유합니다. 1) 성공 보단 성장<ul><li>'꼭 성공해서 돈을 벌어야지' 라고 생각하게 되면 처음부터 너무 많은 힘이 들어가게 됩니다.</li><li>사이드 프로젝트가 성공하는 확률은 현실적으로 낮고 운이 큰 작용을 한다고 생각합니다. 아무리 열심히 만들어도 타이밍이 좋지 않아 실패 하는 경우도 많습니다.</li><li>기대감이 크면 클수록 실망도 커지는 법이죠. 처음 목표가 성공이라는 좁은 문에 초점이 맞춰져 있다면 열정이 식을 가능성이 커집니다.</li><li>저는 애초에 사이드 프로젝트의 실패를 베이스로 놓고, 사이드 프로젝트를 진행하면서 성장할 수 있는 부분에 초점을 맞춰 진행 합니다.</li><li>예를 들면 'React와 Express를 활용하여 서비스를 만들어보자!! 사이드 프로젝트를 진행하면서 기획, 디자인, 개발에 대한 프로세스를 경험할 수 있고 기술 스택에 관한 자신감도 얻을 수 있을꺼야. 특히나 이번에는 상태관리에 대한 부분을 집중적으로 적용하면서 내가 그동안 부족했던 부분을 보충해보자!! 서비스를 끝까지 만드는 것을 목표로 하고, 실패한다면 어쩔 수 없고 ㅎㅎ 성공한다면 진짜 신기하겠다..!!' 라는 마음 가짐으로 프로젝트를 시작합니다.</li><li>이런 마음가짐으로 시작한다면 사이드 프로젝트를 진행하면서 점차 성장하는 나의 모습에서 동기부여를 지속적으로 얻을 수 있습니다.</li><li>사이드 프로젝트에서 성공으로 얻는 동기부여는 '결과' 에서 발생하고, 성장으로 얻는 동기부여는 '과정'에서 발생한다고 생각합니다. 사이드 프로젝트라는 마라톤에서 지속적인 동기부여를 얻는 것은 성장이 가장 효율적이라고 생각합니다.</li><li>물론 사이드 프로젝트를 제작하고 난 후에는 성공으로 얻는 동기부여도 열어 두어야 오래 지속할 수 있는 사이드 프로젝트가 된다고 생각합니다.</li></ul> 2) 3개월 혹은 6개월<ul><li>가장 열정이 많은 시기에 빠르게 만들어 내는 것이 중요하다고 생각합니다.</li><li>사이드 프로젝트를 만드는 시간이 지연되면 지연될 수록 동기부여가 떨어지는 건 정말 당연한 현상이라고 생각합니다.</li><li>저도 많은 사이드프로젝트를 만들어 봤지만 만드는 기간이 길어지면 길어질 수록 흐지부지 되는 경우가 굉장히 많았습니다. 또 그렇다고 완성도가 높아지는 것도 아니었습니다.</li><li>사이드 프로젝트의 제작 기간을 타이트하게 가져가시기 바랍니다. 프로젝트의 주제나 규모에 따라 다르겠지만 1개월 혹은 3개월, 6개월까지 기간을 설정하여 목표를 잡는게 가장 좋았습니다.</li><li>만약 제작 기간이 너무 길어질 것 같다면 규모와 주제를 축소 시키더라도 계획한 기간 내에 완성을 하는 것이 가장 중요하다고 생각합니다. 그 다음 단계적으로 기능을 확장하는 것이 지속적인 동기부여를 얻는데 큰 도움이 된다고 생각합니다.</li><li>흐지부지 되는 사이드 프로젝트는 '좋은 경험' 에서 끝나는 경우가 많기 때문에 꼭 '완성' 을 목표로 열심히 달리시기 바랍니다.</li></ul> 3) 세상에 알리기<ul><li>여러분들이 사이드 프로젝트를 만들고 있다는 것을 주변에 알리시기 바랍니다.</li><li>주변에 알리고 홍보하는 것은 스스로에게 약속이 되고 이는 곧 동기부여가 된다고 생각합니다.</li><li>제가 대학생 시절 한창 사이드 프로젝트를 많이 진행했을 때, 동아리, SNS, 학교 커뮤니티 등등 제가 갖고 있는 모든 채널에 제가 만들고 있는 혹은 만든 서비스 들을 지속적으로 기록하고 홍보했습니다.</li><li>그렇게 함으로써 작던 크던 다양한 반응을 얻을 수 있었고</li><li>사이드 프로젝트를 제작하는 중에는 말을 꺼냈으니 꼭 완성은 시켜야한다 라는 스스로에 대한 약속을 할 수 있었고, 뿐만 아니라 성장하고 있는 모습을 계속해서 공유 함으로서 지속적인 동기부여를 얻을 수 있었습니다.</li><li>또한 제작한 후에는 서비스 홍보 뿐만 아니라, 내가 만든 서비스를 남들이 사용하면서 얻는 피드백을 바탕으로 또 다른 성장을 할 수 있는 장점을 얻었고, 다음 사이드 프로젝트를 진행할 수 있는 동기부여를 얻을 수 있었습니다. 이는 지속적으로 사이드 프로젝트를 만들 수 있는 선순환이 되었다고 생각합니다.</li><li>처음에는 '내 서비스를 남들에게 보이기 부끄러워서 혹은 완성도가 너무 떨어져서..' 등등 다양한 이유로 남들에게 알리기가 어려울 수 있습니다.</li><li>그런 경우에는 좁은 관계인 지인에서 출발해서 넓은 관계인 SNS, 커뮤니티로 점차 영역을 확장해보시기 바랍니다. 처음에는 어려웠던 것도 점차 익숙해지는 자신을 발견할 수 있을 것 입니다.</li><li>추가로 '사람들은 생각보다 남에게 관심이 없다'라는 마음 가짐을 갖는다면 부담감을 좀 덜 수 있다고 생각합니다:)</li></ul> * 앞으로 사이드 프로젝트와 관련된 주제로 포스팅을 할 예정입니다. 궁금하신 내용이나 추천하는 주제 있으시다면 언제든 말씀해 주시기 바랍니다:)

<사이드 프로젝트> 동기부여

서류전형은 통과할만한 신입 or 주니어 경력 개발자 이력서 스타일

🕊️  [Medium] 300개 이상의 리트코드 문제를 해결한 방

01 . 숏폼 콘텐츠의 자극성에 비판을 가하고 싶은 생각은 전혀 없지만 가끔 숏폼 피드를 보다 보면 저도 모르게 희한한 감정이 들 때가 있습니다. 조금 전까지는 예능 프로에서 레전드 짤로 불리는 하이라이트를 보며 낄낄대다가 곧장 다음 콘텐츠를 넘기면 그때는 또 세상을 아주 올바르게 살아가야 할 법한 중요한 말들이 쏟아지거든요. 그렇게 축구 하이라이트를 지나 사람이 금성에 떨어지면 어떻게 되는지를 알려주는 과학 콘텐츠를 만날 때면 이제 어떤 감정으로 콘텐츠를 대해야 하는지 의아해질 때도 많기 때문이죠.

02 . 그중에서도 저는 요즘 동기부여에 관한 콘텐츠를 어떻게 받아들여야 하는지가 참 고민입니다. 저 역시 책 읽는 걸 좋아하고 콘텐츠 보는 걸 즐기는 편이라 중요한 문장이나 의미 있게 다가온 장면들이 있으면 어떻게든 남겨두려고 하거든요.
특히 숏폼 콘텐츠가 뜨고 나서부터는 수많은 유명인들의 인터뷰에 큼지막한 자막을 입히고 웅장한 BGM을 깔아서 전달하는 게시물들이 늘어나다 보니 왠지 아주 특별하지 않은 내용도 꼭 저장을 해 둬야 할 것 같은 주요한 콘텐츠처럼 받아들여지는 순간도 없지 않습니다.

03 . 이상하다 싶었죠. 오히려 책을 읽으며 적당히 하이라이트하고, 기록하고, 때로는 필사를 해가며 얻은 인사이트들보다 훨씬 간편하고 임팩트 있게 마주할 수 있는 동기부여 콘텐츠들이 넘쳐나는 세상인데 정작 왜 동기부여가 제대로 되지 않을까 싶은 그 사실이 무척 궁금해진 겁니다.
그래서 오늘은 지극히 개인적인 해석과 지극히 개인적인 방법들을 한 번 소개해 볼까 합니다. 바로 명언 중독의 시대에 동기부여 콘텐츠를 적절히 활용하기 위한 방법으로 말이죠.

04 . 우선 저는 비타민의 역설을 이야기하고 싶습니다. 많이들 아시다시피 비타민은 우리 몸에 필요한 일정 수준의 양분으로 흡수되고 나면 초과분은 모두 몸 밖으로 배출되게 됩니다. 때문에 고함량의 비타민을 여러 번 복용한다고 해도 건강에 주는 이점은 딱히 없는 셈이죠.
그런데 저는 동기부여에 관한 콘텐츠도 크게 다를 바가 없다고 생각합니다. 숏폼이든 아니면 다른 형태든 간에 좋은 말을 많이 스크랩해놓는 것이 주는 가장 큰 충족은 '내가 좋은 콘텐츠를 일단 저장해놨다'라는 순간의 자기만족이거든요. 때문에 나중에는 우리 몸밖으로 모두 흘러나가버릴 걸 잘 알면서도 어떤 식으로든 도움이 된다는 생각에 '삼키고 보자'는 심리가 발동하는 겁니다.

05 . 이런 딜레마에서 벗어나려면 결국 또 취사선택의 마법을 부려야 합니다. 이전에도 글을 통해 '메모하는 것보다 정리하는 게 훨씬 중요하다'는 말을 전달한 적이 있었는데요, 저는 이른바 '동기부여'로 분류되는 콘텐츠들을 보고 저장하더라도 되도록 일주일에 베스트(?) 콘텐츠 하나만을 골라보려고 노력합니다. 다시 말해 정말 나 스스로에게 도움이 되고, 두고두고 생각해도 맞는 말인 것 같고, 내 삶에서 내가 직접 실천해 볼 수 있다고 생각되는 콘텐츠를 딱 하나만 선정해 보는 거죠. 그렇게 감히 '명언을 고른다'는 생각으로 접근하면 동기부여 콘텐츠를 보는 눈은 완전히 달라지게 됩니다.

06 . 더불어 저는 어떤 콘텐츠를 보건 간에 결국 텍스트로 변환해서 정리해두려고 노력합니다. 앞서 말한 것처럼 콘텐츠는 늘 극적인 임팩트를 주는 연출이 담겨있으니까요, 그 효과 자체를 부정하는 것은 아니지만 우리가 궁극적으로 취해야 할 것이 메시지라면, 그 메시지를 둘러싸고 있는 당의정 캡슐을 모두 녹여내고서 메시지 그 자체에 주목해 볼 필요가 있는 겁니다.
이렇게 텍스트만으로 주요한 내용을 정리해두면 스크랩해둔 콘텐츠 원본을 볼 때와는 꽤 다른 느낌을 받을 수 있습니다. 처음 콘텐츠를 만날 때보다 감동이 줄어들 때도 물론 있지만 또 어떤 말들은 그 감동이 배가되기도 하거든요. 그러니 마음에 드는 콘텐츠를 만날 때면 조금 시간이 걸리더라도 가급적 글만으로 담백히 남겨두려는 시도를 해보는 것이 좋습니다.

07 . 마지막으로는 콘텐츠의 성격을 규정하고 분류해 보는 겁니다. 저는 동기부여 콘텐츠에는 크게 두 가지 기준이 있다고 생각하는데요, 하나는 지금 내가 하고 있는 생각에 부스트를 달아주는 형태의 콘텐츠고 다른 하나는 나에게 새로운 시각과 관점을 주는 콘텐츠라는 겁니다. 때문에 이 콘텐츠가 요즘 내가 추구하는 가치관을 응원해 주는 것인지 아니면 '세상에 그런 생각만 있는 건 아니란다'라며 새로운 눈을 뜨게 해주는 콘텐츠인지 구분해 보는 것만으로도 콘텐츠의 활용도가 완전히 달려집니다. 저는 이 작은 행동만으로도 우리가 타인이 만들어 놓은 좋은 말들을 아주 잘 써먹을 수 있다고 봅니다.

08 . 아마 여러분 주위에 있는 사람들의 대화를 유심히 보다 보면 하나의 공통점을 발견할 수 있을 겁니다.
"OOO이 하는 유튜브 보다 보니까 들은 말인데~"
"엊그제 나혼산 보다가 OOO이 하는 거 보면서 느낀 건데~"
"숏츠 보다가 OOO 선생님이 해주는 이야기에서 말야~"
라는 말이 생각보다 우리 대화의 아주 큰 지분을 차지하고 있다는 사실 말이죠.

09 . 물론 아무런 감흥도, 생각도, 주관도, 자각도 없이 사는 것보다야 훨씬 나은 일이지만 결국 한 번이라도 내 마음에 동요를 일으킨 뭔가를 만날 때는 어떻게라도 그걸 붙잡아두고 재가공해서 흡수하는 일이 꼭 필요합니다. 저는 그게 이렇게 차고 넘치는 명언의 시대를 현명하게 살아가는 방법이 아닐까 싶기도 하고 말이죠.

10 . 좀 우스운 비유이긴 하지만 저는 식당에 가서 메뉴 추천을 받을 때 '아유 저흰 다 맛있어요'라고 하시는 사장님보다는 '오늘은 특히 이게 좋습니다'라든가 '요즘엔 손님들이 이걸 제일 많이 찾으십니다'라고 말해 줄 때가 훨씬 좋습니다. 전자는 더 이상 대화를 이어갈 소스가 없는 반면 후자는 사장님 나름대로 선택하고 편집한 작은 이유라도 있을 테니까요. 설사 그 과정을 스스로 경험한 사람의 생각이 나와 다를지언정 나로 하여금 판단의 기준을 만들어주는 사람들은 언제나 고마운 법이죠. 그리고 우리 역시 그런 사람일 때 더 매력적이 되는 것 같고요.

01 . 숏폼 콘텐츠의 자극성에 비판을 가하고 싶은 생각은 전혀 없지만 가끔 숏폼 피드를 보다 보면 저도 모르게 희한한 감정이 들 때가 있습니다. 조금 전까지는 예능 프로에서 레전드 짤로 불리는 하이라이트를 보며 낄낄대다가 곧장 다음 콘텐츠를 넘기면 그때는 또 세상을 아주 올바르게 살아가야 할 법한 중요한 말들이 쏟아지거든요. 그렇게 축구 하이라이트를 지나 사람이 금성에 떨어지면 어떻게 되는지를 알려주는 과학 콘텐츠를 만날 때면 이제 어떤 감정으로 콘텐츠를 대해야 하는지 의아해질 때도 많기 때문이죠. 02 . 그중에서도 저는 요즘 동기부여에 관한 콘텐츠를 어떻게 받아들여야 하는지가 참 고민입니다. 저 역시 책 읽는 걸 좋아하고 콘텐츠 보는 걸 즐기는 편이라 중요한 문장이나 의미 있게 다가온 장면들이 있으면 어떻게든 남겨두려고 하거든요. 특히 숏폼 콘텐츠가 뜨고 나서부터는 수많은 유명인들의 인터뷰에 큼지막한 자막을 입히고 웅장한 BGM을 깔아서 전달하는 게시물들이 늘어나다 보니 왠지 아주 특별하지 않은 내용도 꼭 저장을 해 둬야 할 것 같은 주요한 콘텐츠처럼 받아들여지는 순간도 없지 않습니다. 03 . 이상하다 싶었죠. 오히려 책을 읽으며 적당히 하이라이트하고, 기록하고, 때로는 필사를 해가며 얻은 인사이트들보다 훨씬 간편하고 임팩트 있게 마주할 수 있는 동기부여 콘텐츠들이 넘쳐나는 세상인데 정작 왜 동기부여가 제대로 되지 않을까 싶은 그 사실이 무척 궁금해진 겁니다.그래서 오늘은 지극히 개인적인 해석과 지극히 개인적인 방법들을 한 번 소개해 볼까 합니다. 바로 명언 중독의 시대에 동기부여 콘텐츠를 적절히 활용하기 위한 방법으로 말이죠. 04 . 우선 저는 비타민의 역설을 이야기하고 싶습니다. 많이들 아시다시피 비타민은 우리 몸에 필요한 일정 수준의 양분으로 흡수되고 나면 초과분은 모두 몸 밖으로 배출되게 됩니다. 때문에 고함량의 비타민을 여러 번 복용한다고 해도 건강에 주는 이점은 딱히 없는 셈이죠.그런데 저는 동기부여에 관한 콘텐츠도 크게 다를 바가 없다고 생각합니다. 숏폼이든 아니면 다른 형태든 간에 좋은 말을 많이 스크랩해놓는 것이 주는 가장 큰 충족은 '내가 좋은 콘텐츠를 일단 저장해놨다'라는 순간의 자기만족이거든요. 때문에 나중에는 우리 몸밖으로 모두 흘러나가버릴 걸 잘 알면서도 어떤 식으로든 도움이 된다는 생각에 '삼키고 보자'는 심리가 발동하는 겁니다. 05 . 이런 딜레마에서 벗어나려면 결국 또 취사선택의 마법을 부려야 합니다. 이전에도 글을 통해 '메모하는 것보다 정리하는 게 훨씬 중요하다'는 말을 전달한 적이 있었는데요, 저는 이른바 '동기부여'로 분류되는 콘텐츠들을 보고 저장하더라도 되도록 일주일에 베스트(?) 콘텐츠 하나만을 골라보려고 노력합니다. 다시 말해 정말 나 스스로에게 도움이 되고, 두고두고 생각해도 맞는 말인 것 같고, 내 삶에서 내가 직접 실천해 볼 수 있다고 생각되는 콘텐츠를 딱 하나만 선정해 보는 거죠. 그렇게 감히 '명언을 고른다'는 생각으로 접근하면 동기부여 콘텐츠를 보는 눈은 완전히 달라지게 됩니다. 06 . 더불어 저는 어떤 콘텐츠를 보건 간에 결국 텍스트로 변환해서 정리해두려고 노력합니다. 앞서 말한 것처럼 콘텐츠는 늘 극적인 임팩트를 주는 연출이 담겨있으니까요, 그 효과 자체를 부정하는 것은 아니지만 우리가 궁극적으로 취해야 할 것이 메시지라면, 그 메시지를 둘러싸고 있는 당의정 캡슐을 모두 녹여내고서 메시지 그 자체에 주목해 볼 필요가 있는 겁니다.이렇게 텍스트만으로 주요한 내용을 정리해두면 스크랩해둔 콘텐츠 원본을 볼 때와는 꽤 다른 느낌을 받을 수 있습니다. 처음 콘텐츠를 만날 때보다 감동이 줄어들 때도 물론 있지만 또 어떤 말들은 그 감동이 배가되기도 하거든요. 그러니 마음에 드는 콘텐츠를 만날 때면 조금 시간이 걸리더라도 가급적 글만으로 담백히 남겨두려는 시도를 해보는 것이 좋습니다. 07 . 마지막으로는 콘텐츠의 성격을 규정하고 분류해 보는 겁니다. 저는 동기부여 콘텐츠에는 크게 두 가지 기준이 있다고 생각하는데요, 하나는 지금 내가 하고 있는 생각에 부스트를 달아주는 형태의 콘텐츠고 다른 하나는 나에게 새로운 시각과 관점을 주는 콘텐츠라는 겁니다. 때문에 이 콘텐츠가 요즘 내가 추구하는 가치관을 응원해 주는 것인지 아니면 '세상에 그런 생각만 있는 건 아니란다'라며 새로운 눈을 뜨게 해주는 콘텐츠인지 구분해 보는 것만으로도 콘텐츠의 활용도가 완전히 달려집니다. 저는 이 작은 행동만으로도 우리가 타인이 만들어 놓은 좋은 말들을 아주 잘 써먹을 수 있다고 봅니다. 08 . 아마 여러분 주위에 있는 사람들의 대화를 유심히 보다 보면 하나의 공통점을 발견할 수 있을 겁니다."OOO이 하는 유튜브 보다 보니까 들은 말인데~""엊그제 나혼산 보다가 OOO이 하는 거 보면서 느낀 건데~""숏츠 보다가 OOO 선생님이 해주는 이야기에서 말야~"라는 말이 생각보다 우리 대화의 아주 큰 지분을 차지하고 있다는 사실 말이죠. 09 . 물론 아무런 감흥도, 생각도, 주관도, 자각도 없이 사는 것보다야 훨씬 나은 일이지만 결국 한 번이라도 내 마음에 동요를 일으킨 뭔가를 만날 때는 어떻게라도 그걸 붙잡아두고 재가공해서 흡수하는 일이 꼭 필요합니다. 저는 그게 이렇게 차고 넘치는 명언의 시대를 현명하게 살아가는 방법이 아닐까 싶기도 하고 말이죠. 10 . 좀 우스운 비유이긴 하지만 저는 식당에 가서 메뉴 추천을 받을 때 '아유 저흰 다 맛있어요'라고 하시는 사장님보다는 '오늘은 특히 이게 좋습니다'라든가 '요즘엔 손님들이 이걸 제일 많이 찾으십니다'라고 말해 줄 때가 훨씬 좋습니다. 전자는 더 이상 대화를 이어갈 소스가 없는 반면 후자는 사장님 나름대로 선택하고 편집한 작은 이유라도 있을 테니까요. 설사 그 과정을 스스로 경험한 사람의 생각이 나와 다를지언정 나로 하여금 판단의 기준을 만들어주는 사람들은 언제나 고마운 법이죠. 그리고 우리 역시 그런 사람일 때 더 매력적이 되는 것 같고요.

명언 중독의 시대를 살아가는 법

Learn the top mistakes made while using ChatGPT and how to fix them effectively.

You Are Using ChatGPT Wrong! Here are 3 Mistakes You've Probably Done!

ChatGPT의 3가지 유용한 사용 방법을 알려주는 좋은 기사가 있어 공유합니다.😃

<ChatGPT를 사용하면서 저지르기 쉬운 실수 3가지>

🥇 사용자 정의 지침의 마법(Custom Instructions)
 * 사용자 정의 지침의 사용 없이 ChatGPT를 사용하는 것은 마치 포르쉐를 소유하고 있지만 자동차의 시속이 80mph로 제한되는 것과 같다고 합니다.😭
 * ChatGPT의 사용자 정의 지침을 통해 사용자는 필요에 따라 AI의 응답을 사용자 정의할 수 있으므로 전문적이고 개인적인 설정에서 더욱 유용하게 사용할 수 있습니다.
 * GPT를 맞춤설정할 수 있는데, 예를 들어 콘텐츠 제작자는 사용자 정의 지침을 통해 ChatGPT의 분위기와 목적을 형성할 수 있습니다.

🥈 AI 마인드 마스터하기: CoT(Chain of Thought) 프롬프트
 * LLM(대형 언어 모델)은 CoT(사고 사슬) 프롬프트가 제공되면, 어려운 작업을 수행해야 할 때 더 명확하게 생각한다고 합니다. 어려운 수학, 상식 문제에 대해서 보다 정확하고 유용한 답변을 제공한다고 하네요.
 * 이 방법은 문제를 이해하기 쉬운 단계로 나누고 모델을 정답으로 유도합니다. 수학 문제와 마찬가지로 각 단계는 이전 단계를 바탕으로 끝까지 진행됩니다.

🥉 5가지 단계 적용으로 완벽한 프롬프트 만들기
 * 완벽한 ChatGPT 프롬프트를 이해하는 것은 명확성, 맥락, 창의성이 혼합된 복잡한 예술이라고 할 수 있고, 컨텍스트(Context), 작업(Task), 지시(Instruct), 명확화(Clarify), 개선(Refine) 등 각 조각이 중요한 역할을 하는 퍼즐을 조립하는 것입니다.
 * 컨텍스트: 강력한 기반을 구축하기 위해 배경 정보를 제공합니다. (AI에게 대화 주제를 지시합니다.)
 * 작업: ChatGPT에서 수행하려는 작업을 매우 명확하게 지정하세요. (잘 정의된 작업은 AI의 능력을 극대화합니다.)
 * 지시: 작업 수행 방법에 대해 명확한 지시를 하는 것을 지시라고 합니다. (원하는 모양으로 출력됩니다.)
 * 명확화: 사람들이 이해할 수 있도록 의심을 없애고 응답이 의도한 것과 일치하는지 확인하십시오. (소통이 향상됩니다.)
 * 개선: 프롬프트로 돌아가서 개선하세요. (오류를 제거하고 프롬프트를 명확하게 합니다.)

원본 기사 링크는 아래와 같습니다. 감사합니다.🙏
[Source Link] https://levelup.gitconnected.com/you-are-using-chatgpt-wrong-here-are-3-mistakes-youve-probably-done-b3f3eaef40d1

ChatGPT의 3가지 유용한 사용 방법을 알려주는 좋은 기사가 있어 공유합니다.😃 &lt;ChatGPT를 사용하면서 저지르기 쉬운 실수 3가지&gt; 🥇 사용자 정의 지침의 마법(Custom Instructions)<ul ><li>사용자 정의 지침의 사용 없이 ChatGPT를 사용하는 것은 마치 포르쉐를 소유하고 있지만 자동차의 시속이 80mph로 제한되는 것과 같다고 합니다.😭</li><li>ChatGPT의 사용자 정의 지침을 통해 사용자는 필요에 따라 AI의 응답을 사용자 정의할 수 있으므로 전문적이고 개인적인 설정에서 더욱 유용하게 사용할 수 있습니다.</li><li>GPT를 맞춤설정할 수 있는데, 예를 들어 콘텐츠 제작자는 사용자 정의 지침을 통해 ChatGPT의 분위기와 목적을 형성할 수 있습니다.</li></ul> 🥈 AI 마인드 마스터하기: CoT(Chain of Thought) 프롬프트<ul ><li>LLM(대형 언어 모델)은 CoT(사고 사슬) 프롬프트가 제공되면, 어려운 작업을 수행해야 할 때 더 명확하게 생각한다고 합니다. 어려운 수학, 상식 문제에 대해서 보다 정확하고 유용한 답변을 제공한다고 하네요.</li><li>이 방법은 문제를 이해하기 쉬운 단계로 나누고 모델을 정답으로 유도합니다. 수학 문제와 마찬가지로 각 단계는 이전 단계를 바탕으로 끝까지 진행됩니다.</li></ul> 🥉 5가지 단계 적용으로 완벽한 프롬프트 만들기<ul ><li>완벽한 ChatGPT 프롬프트를 이해하는 것은 명확성, 맥락, 창의성이 혼합된 복잡한 예술이라고 할 수 있고, 컨텍스트(Context), 작업(Task), 지시(Instruct), 명확화(Clarify), 개선(Refine) 등 각 조각이 중요한 역할을 하는 퍼즐을 조립하는 것입니다.<ul ><li>컨텍스트: 강력한 기반을 구축하기 위해 배경 정보를 제공합니다. (AI에게 대화 주제를 지시합니다.)</li><li>작업: ChatGPT에서 수행하려는 작업을 매우 명확하게 지정하세요. (잘 정의된 작업은 AI의 능력을 극대화합니다.)</li><li>지시: 작업 수행 방법에 대해 명확한 지시를 하는 것을 지시라고 합니다. (원하는 모양으로 출력됩니다.)</li><li>명확화: 사람들이 이해할 수 있도록 의심을 없애고 응답이 의도한 것과 일치하는지 확인하십시오. (소통이 향상됩니다.)</li><li>개선: 프롬프트로 돌아가서 개선하세요. (오류를 제거하고 프롬프트를 명확하게 합니다.)</li></ul></li></ul> 원본 기사 링크는 아래와 같습니다. 감사합니다.🙏[Source Link] https://levelup.gitconnected.com/you-are-using-chatgpt-wrong-here-are-3-mistakes-youve-probably-done-b3f3eaef40d1

ChatGPT 사용 시 유용한 3가지 팁

GitHub Copilot](https://github.com/features/copilot)을 터미널에서 사용할 수 있는 GitHub Copilot in the CLI가 지난달부터 GA, 즉 누구나 이용할 수 있게 공개되었다. 누구나라고는 하지만 [GitHub Copilot...

GitHub Copilot을 CLI 명령어에서 도움받을 수 있는 GitHub Copilot in the CLI :: Outsider's Dev Story

작년부터 베타 테스트를 진행하다가 지난 3월 GitHub Copilot in the CLI가 GitHub Copilot 사용자라면(유료) 누구나 이용할 수 있도록 공개되었습니다.

GitHub Copilot in the CLI는 Copilot의 AI기능을 터미널에서도 쓸수 있도록 원하는 CLI 명령어를 쉽게 찾을수 있거나 CLI 명령어가 어떤 의미인지 알 수 있도록 도와주는 명령어입니다.

GitHub Copilot in the CLI가 어떤 기능을 제공하고 어떻게 사용할 수 있는지를 정리해봤습니다.

https://blog.outsider.ne.kr/1717

작년부터 베타 테스트를 진행하다가 지난 3월 GitHub Copilot in the CLI가 GitHub Copilot 사용자라면(유료) 누구나 이용할 수 있도록 공개되었습니다. GitHub Copilot in the CLI는 Copilot의 AI기능을 터미널에서도 쓸수 있도록 원하는 CLI 명령어를 쉽게 찾을수 있거나 CLI 명령어가 어떤 의미인지 알 수 있도록 도와주는 명령어입니다. GitHub Copilot in the CLI가 어떤 기능을 제공하고 어떻게 사용할 수 있는지를 정리해봤습니다. https://blog.outsider.ne.kr/1717

Outsider's Dev Story

작년부터 베타 테스트를 진행하다가 지난 3월 GitHub Copi

뽑지 말아야할 CTO, 뽑아야할 CTO 대부분의 테크 기업은 투자를 받으면서 VC에서 좋은 CTO를 요구하는 경우가 많습니다. 기술 기반의 기업에서 기술적으로 중요한 결정은 스타트업의 흥망을 좌우하는 경우가 대부분이기 때문에 VC도 C레벨의 이력과 경험을 중요하게 봅니다. 좋은... | 14 comments on LinkedIn

Dennis Kim on LinkedIn: #스타트업 #startup #cto #기술총괄 #창업 #투자 #배달의민족 #배민 #데마에칸 #php #파이썬 #python #java... | 14 comments

대부분의 테크 기업은 투자를 받으면서 VC에서 좋은 CTO를 요구하는 경우가 많습니다. 기술 기반의 기업에서 기술적으로 중요한 결정은 스타트업의 흥망을 좌우하는 경우가 대부분이기에, VC도 C레벨의 이력과 경험을 중요하게 봅니다.
좋은 CTO는 무엇인가에 대해 명확한 정답은 없지만, Dennis Kim님께서 개인적으로 공감이 가도록 정리해주신 내용이 있어 공유드립니다.

👁️ 좋은 기술 리드의 예
 * 데마에칸을 에러 없이 새로운 코드로 짠 팀의 기술 리드
 * PHP에서 자바로 리팩토링을 한 배달의 민족
 * C++로 된 코드를 자바 스프링으로 거의 리팩토링을 진행한 토스 증권팀의 기술 리드

🏋️ 좋은 팀은 보이지 않는 기술 부채를 청산하고 미래로 달릴 수 있는 기반을 만듭니다.
기술은 회사의 미래와 사업적 가중치에서 균형을 잡아야합니다. 그렇지 못한 경우에는 CTO의 개인적인 욕심과 취미활동이 됩니다. 그렇게 되면 회사는 방향을 잃거나 비용을 낭비하게 되고, 투자 받을 타이밍에 투자를 못받게 됩니다. 개발 총괄의 자리는 개발 인력의 수준을 끌어올리고 기술 지향점의 비전을 공유할 수 있어야 합니다.

💁‍♂️ 뽑지 말아야할 CTO는 ?
 * SNS 중독, 코딩은 절대 시간이기 때문에 적당히 해야 합니다.
 * SNS와 커뮤니티에서 그루급이고 너무 커뮤니티에 진심인 분
 * 전 회사에서 분쟁이 있었던 분
 * 마이너한 기술 스택을 고집하는 분 (=개발자 뽑기 힘들어요. 인공지능 쪽 아니면 파이썬이 주력이면 갈아 엎는 데 더 비용과 시간이 들어요)
 * SI 회사에서 오래다니신분 (=어떤 코드가 나올지 팀원들을 SI 노가다로 굴릴 수 있어요)
 * 빅테크 기업 출신 (=코딩은 하는데 회사의 복지, 시스템을 빅테크로 만들어달라고 합니다. 회사는 돈을 버는 곳입니다.)
 * 개발문화를 중시하는 분 (=개발자에게 인심은 얻지만, 회사는 개발과 서비스를 만드는데 개발문화를 전도하는 컬쳐 전도사가 되면 안됩니다.)

🏄🏻‍♂️ 좋은 CTO는 ?
 * 꾸준하게 자신의 생각을 글로 씁니다.
 * 레거시를 어떤 전략으로 리팩토링할지 항상 고민합니다.
 * 팀의 성장을 돕습니다.
 * 채용을 잘 할 수 있는 개발 스택을 늘 고민합니다.
 * 회사의 방향성에 맞는 개발 스택을 자신의 기술 스택보다 앞서 선택합니다.
 * 커뮤니케이션과 소통을 잘 합니다.
 * 다양한 사회 경험, 사업 경험과 호기심이 있습니다.
 * 회사의 성장 목표를 일치하기 위해 C레벨과 소통합니다.

대부분의 테크 기업은 투자를 받으면서 VC에서 좋은 CTO를 요구하는 경우가 많습니다. 기술 기반의 기업에서 기술적으로 중요한 결정은 스타트업의 흥망을 좌우하는 경우가 대부분이기에, VC도 C레벨의 이력과 경험을 중요하게 봅니다.좋은 CTO는 무엇인가에 대해 명확한 정답은 없지만, Dennis Kim님께서 개인적으로 공감이 가도록 정리해주신 내용이 있어 공유드립니다. 👁️ 좋은 기술 리드의 예<ul ><li>데마에칸을 에러 없이 새로운 코드로 짠 팀의 기술 리드</li><li>PHP에서 자바로 리팩토링을 한 배달의 민족</li><li>C++로 된 코드를 자바 스프링으로 거의 리팩토링을 진행한 토스 증권팀의 기술 리드</li></ul> 🏋️ 좋은 팀은 보이지 않는 기술 부채를 청산하고 미래로 달릴 수 있는 기반을 만듭니다.기술은 회사의 미래와 사업적 가중치에서 균형을 잡아야합니다. 그렇지 못한 경우에는 CTO의 개인적인 욕심과 취미활동이 됩니다. 그렇게 되면 회사는 방향을 잃거나 비용을 낭비하게 되고, 투자 받을 타이밍에 투자를 못받게 됩니다. 개발 총괄의 자리는 개발 인력의 수준을 끌어올리고 기술 지향점의 비전을 공유할 수 있어야 합니다. 💁‍♂️ 뽑지 말아야할 CTO는 ?<ul ><li>SNS 중독, 코딩은 절대 시간이기 때문에 적당히 해야 합니다.</li><li>SNS와 커뮤니티에서 그루급이고 너무 커뮤니티에 진심인 분</li><li>전 회사에서 분쟁이 있었던 분</li><li>마이너한 기술 스택을 고집하는 분 (=개발자 뽑기 힘들어요. 인공지능 쪽 아니면 파이썬이 주력이면 갈아 엎는 데 더 비용과 시간이 들어요)</li><li>SI 회사에서 오래다니신분 (=어떤 코드가 나올지 팀원들을 SI 노가다로 굴릴 수 있어요)</li><li>빅테크 기업 출신 (=코딩은 하는데 회사의 복지, 시스템을 빅테크로 만들어달라고 합니다. 회사는 돈을 버는 곳입니다.)</li><li>개발문화를 중시하는 분 (=개발자에게 인심은 얻지만, 회사는 개발과 서비스를 만드는데 개발문화를 전도하는 컬쳐 전도사가 되면 안됩니다.)</li></ul> 🏄🏻‍♂️ 좋은 CTO는 ?<ul ><li>꾸준하게 자신의 생각을 글로 씁니다.</li><li>레거시를 어떤 전략으로 리팩토링할지 항상 고민합니다.</li><li>팀의 성장을 돕습니다.</li><li>채용을 잘 할 수 있는 개발 스택을 늘 고민합니다.</li><li>회사의 방향성에 맞는 개발 스택을 자신의 기술 스택보다 앞서 선택합니다.</li><li>커뮤니케이션과 소통을 잘 합니다.</li><li>다양한 사회 경험, 사업 경험과 호기심이 있습니다.</li><li>회사의 성장 목표를 일치하기 위해 C레벨과 소통합니다.</li></ul>

Linkedin

뽑지말아야할 CTO, 뽑아야할 CTO

 1. 기본기 확실히 하기
 2. 학습 능력 키우기
 3. 의사 소통 잘하기
 4. 문제 정의 잘하기
 5. 태스크 완료 시간 추정 잘하기
 6. 운영을 고려한 코드 작성하기
 7. 서비스 사고 대처 능력 키우기
 8. 결과를 내는데 집중하기
 9. 영향력 갖기 (코딩 멍키)

문제 정의 능력이란 무엇일까? 내가 맡은 업무를 제대로 파악하는 것을 말한다. 내 업무의 우선 순위를 이해하고 문맥을 파악하는 것과 업무의 완료를 의미하는 성공과 실패 기준 혹은 지표를 이해하는 것을 말한다. 나에게 업무를 준 사람의 의도를 파악하기 위한 의사소통이 필수이며 의사소통에 대해서는 지난 포스트에서 내 의견을 공유했다.

문제 정의를 잘못하면 어떻게 될까? 엉뚱한 방향으로 불필요한 노력을 쏟을 가능성이 아주 높아진다. 등산을 예로 들어보자. 어느 산으로 올라가는지 명확히 알아야 열심히 올라간 성과가 인정받게 된다. 열심히 하지 않았느냐고 항변하는 것은 별 의미가 없다. 그래서 어디로 가야할지 대충 알아서 판단하지 말고 (자기검열하지 말고) 많이 물어봐야한다.

반대로 이야기하면 리더에게는 결정의 "명확성"이 중요해진다. "알아서 잘해주세요"와 같은 결정은 완전한 위임이 아니라면 리더에 대한 신뢰를 스스로 깎아먹는 행동이다. 틀릴 가능성이 있더라도 결과에 대한 기대를 명확히 해야 팀원들이 덜 헤맨다. 같은 방향으로 움직였다면 결과적으로 틀린 방향이라도 회고하며 같이 배울 수 있는 포인트들이 분명히 있다.

"자기 검열"이 문제 정의에 가장 큰 걸림돌이 된다. 이 정도는 내가 알아서 해야지 물어보면 멍청해보이지는 않을지, 내 매니저가 바빠보이는데 물어보면 민폐는 아닐지 등등 여러가지 이유가 있겠지만 불편함을 견디며 등산 예처럼 방향과 목적지를 먼저 확인하기 위해 같이 대화해봐야 그 다음에 열심히 하는 것이 의미가 있다.

그런데 "자기 검열"은 주니어만 하는 것이 아니다. 경력을 충분히 쌓은 시니어들도 때로는 본인에 대한 기대라는 중압감에 물어보면 일을 못하는 사람이라 느껴지지 않을까 싶어 물어보지 못하고 그럼으로써 문제 정의를 제대로 못하는 경우들을 보았다. 아무리 경력이 많아도 자기가 맡은 업무를 제대로 파악하려 노력한 다음에 일을 시작하는 것은 꼭 필요하다. 너무 자신감이 넘치는 경우에도 동일한 실수를 하기 쉽다. 예를 들어 대기업에서 하던 업무를 작은 스타트업에 조인해서 하는 경우 작은 회사라는 이유만으로 깔보며 이 정도는 우습지라고 생각하며 문제정의를 제대로 안하는 경우 실패할 가능성이 아주 높다. 모든 환경은 그 환경 나름대로의 차이가 있는 것이기에 한 환경에서의 성공 경험이 다른 환경에서의 성공을 보장하지 않는다.

내 경력과 상관없이 항상 맡은 업무를 시작하기 전에 질문을 바탕으로 의사소통을 하고 문제정의하는 것 꼭 필요하다. 이는 타고나는 재능이라기 보다는 실수와 연습을 통해 더 잘하게 되는 기술이란 점도 잊지 말자. 이는 레벨이 올라갈수록 더 중요하다.

<ol ><li>기본기 확실히 하기</li><li>학습 능력 키우기</li><li>의사 소통 잘하기</li><li>문제 정의 잘하기</li><li>태스크 완료 시간 추정 잘하기</li><li>운영을 고려한 코드 작성하기</li><li>서비스 사고 대처 능력 키우기</li><li>결과를 내는데 집중하기</li><li>영향력 갖기 <s>(코딩 멍키)</s></li></ol> 문제 정의 능력이란 무엇일까? 내가 맡은 업무를 제대로 파악하는 것을 말한다. 내 업무의 우선 순위를 이해하고 문맥을 파악하는 것과 업무의 완료를 의미하는 성공과 실패 기준 혹은 지표를 이해하는 것을 말한다. 나에게 업무를 준 사람의 의도를 파악하기 위한 의사소통이 필수이며 의사소통에 대해서는 지난 포스트에서 내 의견을 공유했다. 문제 정의를 잘못하면 어떻게 될까? 엉뚱한 방향으로 불필요한 노력을 쏟을 가능성이 아주 높아진다. 등산을 예로 들어보자. 어느 산으로 올라가는지 명확히 알아야 열심히 올라간 성과가 인정받게 된다. 열심히 하지 않았느냐고 항변하는 것은 별 의미가 없다. 그래서 어디로 가야할지 대충 알아서 판단하지 말고 (자기검열하지 말고) 많이 물어봐야한다. 반대로 이야기하면 리더에게는 결정의 "명확성"이 중요해진다. "알아서 잘해주세요"와 같은 결정은 완전한 위임이 아니라면 리더에 대한 신뢰를 스스로 깎아먹는 행동이다. 틀릴 가능성이 있더라도 결과에 대한 기대를 명확히 해야 팀원들이 덜 헤맨다. 같은 방향으로 움직였다면 결과적으로 틀린 방향이라도 회고하며 같이 배울 수 있는 포인트들이 분명히 있다. "자기 검열"이 문제 정의에 가장 큰 걸림돌이 된다. 이 정도는 내가 알아서 해야지 물어보면 멍청해보이지는 않을지, 내 매니저가 바빠보이는데 물어보면 민폐는 아닐지 등등 여러가지 이유가 있겠지만 불편함을 견디며 등산 예처럼 방향과 목적지를 먼저 확인하기 위해 같이 대화해봐야 그 다음에 열심히 하는 것이 의미가 있다. 그런데 "자기 검열"은 주니어만 하는 것이 아니다. 경력을 충분히 쌓은 시니어들도 때로는 본인에 대한 기대라는 중압감에 물어보면 일을 못하는 사람이라 느껴지지 않을까 싶어 물어보지 못하고 그럼으로써 문제 정의를 제대로 못하는 경우들을 보았다. 아무리 경력이 많아도 자기가 맡은 업무를 제대로 파악하려 노력한 다음에 일을 시작하는 것은 꼭 필요하다. 너무 자신감이 넘치는 경우에도 동일한 실수를 하기 쉽다. 예를 들어 대기업에서 하던 업무를 작은 스타트업에 조인해서 하는 경우 작은 회사라는 이유만으로 깔보며 이 정도는 우습지라고 생각하며 문제정의를 제대로 안하는 경우 실패할 가능성이 아주 높다. 모든 환경은 그 환경 나름대로의 차이가 있는 것이기에 한 환경에서의 성공 경험이 다른 환경에서의 성공을 보장하지 않는다. 내 경력과 상관없이 항상 맡은 업무를 시작하기 전에 질문을 바탕으로 의사소통을 하고 문제정의하는 것 꼭 필요하다. 이는 타고나는 재능이라기 보다는 실수와 연습을 통해 더 잘하게 되는 기술이란 점도 잊지 말자. 이는 레벨이 올라갈수록 더 중요하다.

좋은 개발자가 알아야하는 9가지 포인트들 - 4. 문제 정의 잘하

개발자로서 우리는 코드의 품질과 유지보수성을 중요하게 여긴다. 하지만 이러한 기술적 가치 추구가 때로는 비즈니스 가치 창출이라는 본질을 잊게 만들기도 한다.

회사에 소속된 개발자라면 자신의 역량을 비즈니스 목표 달성에 기여하는 데 사용해야 한다. 완벽한 코드를 작성하는 것보다 적절한 품질을 유지하면서 빠르게 가치를 전달하는 것이 더욱 중요할 때가 있다. 물론 장기적으로는 코드 품질과 개발 문화를 개선해 나가는 노력도 필요하다. 하지만 이는 단기적인 비즈니스 성과와 균형을 이뤄야 한다. 지나친 완벽주의는 오히려 개발 속도를 늦추고 기회를 놓치게 만들 수 있기 때문이다.

좋은 설계 원칙과 아키텍처 패턴, 그리고 실천법은 변화에 빠르게 대응하기 위한 도구다. 상황에 맞게 적절한 수준으로 적용하여 개발 효율성과 코드 품질 사이의 균형을 찾아야 한다.

비즈니스 임팩트를 만들어내는 것이 핵심임을 잊지 말고, 클린 코드에 대한 열정을 비즈니스 가치 창출까지 연결시켜야 한다.

개발자로서 우리는 코드의 품질과 유지보수성을 중요하게 여긴다. 하지만 이러한 기술적 가치 추구가 때로는 비즈니스 가치 창출이라는 본질을 잊게 만들기도 한다. 회사에 소속된 개발자라면 자신의 역량을 비즈니스 목표 달성에 기여하는 데 사용해야 한다. 완벽한 코드를 작성하는 것보다 적절한 품질을 유지하면서 빠르게 가치를 전달하는 것이 더욱 중요할 때가 있다. 물론 장기적으로는 코드 품질과 개발 문화를 개선해 나가는 노력도 필요하다. 하지만 이는 단기적인 비즈니스 성과와 균형을 이뤄야 한다. 지나친 완벽주의는 오히려 개발 속도를 늦추고 기회를 놓치게 만들 수 있기 때문이다. 좋은 설계 원칙과 아키텍처 패턴, 그리고 실천법은 변화에 빠르게 대응하기 위한 도구다. 상황에 맞게 적절한 수준으로 적용하여 개발 효율성과 코드 품질 사이의 균형을 찾아야 한다. 비즈니스 임팩트를 만들어내는 것이 핵심임을 잊지 말고, 클린 코드에 대한 열정을 비즈니스 가치 창출까지 연결시켜야 한다.

클린 코드와 비즈니스 임팩트

A modern JavaScript library for handling Hangul characters. - toss/es-hangul

GitHub - toss/es-hangul: A modern JavaScript library for handling Hangul characters.

es-hangul
은 쉽게 한글을 다룰 수 있도록 돕는 JavaScript 라이브러리입니다. 토스에서 오픈소스로 공개하고 유지보수 중인 라이브러리로, 2024년 4월 11일에 첫 커밋된 따끈따끈한 라이브러리입니다. (히스토리를 보면 원래 공개되있던 toss/slash의 @toss/hangul 패키지가 분리된 것으로 보입니다.)

한글 특성 상 국내 개발자들의 기여가 많이 필요한 영역이기 때문에, 유지보수가 쉽지 않습니다. Hangul.js, Josa.js 같은 유명한 라이브러리들도 몇 년 전 커밋을 마지막으로 관리가 멈춰있습니다. 이런 점에서
es-hangul
의 가치가 더욱 빛나는 것 같습니다.

es-hangul
에서 사용할 수 있는 일부 함수들의 예시를 정리해보았습니다.

chosungIncludes
: 단어가 해당 초성을 포함하는지 여부를 반환하는 함수
import { chosungIncludes } from 'es-hangul'

chosungIncludes('프론트엔드', 'ㅍㄹㅌ') // true

combineHangulCharacter
: 인자로 초성, 중성, 종성을 받아 하나의 한글 문자를 반환하는 함수
import { combineHangulCharacter} from 'es-hangul'

combineHangulCharacter('ㄱ', 'ㅏ', 'ㅂㅅ') // '값'
combineHangulCharacter('ㅌ', 'ㅗ') // '토'

josa
: 조사 붙여주는 함수
import { josa } from 'es-hangul';

josa('샴푸', '이/가') // '샴푸가'

josa('바깥', '으로/로') // '바깥으로'

disassembleHangul
: 자모 해체하는 함수
import { disassembleHangul } from 'es-hangul'

disassembleHangul('값') // 'ㄱㅏㅂㅅ'

combineHangulCharacter
: 인자로 초성, 중성, 종성을 받아 하나의 한글 문자를 반환하는 함수
import { combineHangulCharacter } from 'es-hangul'

combineHangulCharacter('ㄱ', 'ㅏ', 'ㅂㅅ') // '값'

removeLastHangulCharacter
: 인자로 주어진 한글 문자열에서 가장 마지막 문자 하나를 제거하여 반환하는 함수
import { removeLastHangulCharacter } from 'es-hangul'

removeLastHangulCharacter('안녕하세요 값') // '안녕하세요 갑'
removeLastHangulCharacter('프론트엔드') // '프론트엔ㄷ'

https://github.com/toss/es-hangul

<code>es-hangul</code>은 쉽게 한글을 다룰 수 있도록 돕는 JavaScript 라이브러리입니다. 토스에서 오픈소스로 공개하고 유지보수 중인 라이브러리로, 2024년 4월 11일에 첫 커밋된 따끈따끈한 라이브러리입니다. (히스토리를 보면 원래 공개되있던 toss/slash의 @toss/hangul 패키지가 분리된 것으로 보입니다.) 한글 특성 상 국내 개발자들의 기여가 많이 필요한 영역이기 때문에, 유지보수가 쉽지 않습니다. Hangul.js, Josa.js 같은 유명한 라이브러리들도 몇 년 전 커밋을 마지막으로 관리가 멈춰있습니다. 이런 점에서 <code>es-hangul</code>의 가치가 더욱 빛나는 것 같습니다. <code>es-hangul</code>에서 사용할 수 있는 일부 함수들의 예시를 정리해보았습니다. <code>chosungIncludes</code>: 단어가 해당 초성을 포함하는지 여부를 반환하는 함수<pre><code class="language-js">import { chosungIncludes } from 'es-hangul'

chosungIncludes('프론트엔드', 'ㅍㄹㅌ') // true</code></pre> <code>combineHangulCharacter</code>: 인자로 초성, 중성, 종성을 받아 하나의 한글 문자를 반환하는 함수<pre><code class="language-js">import { combineHangulCharacter} from 'es-hangul'

combineHangulCharacter('ㄱ', 'ㅏ', 'ㅂㅅ') // '값'
combineHangulCharacter('ㅌ', 'ㅗ') // '토'</code></pre> <code>josa</code>: 조사 붙여주는 함수<pre><code class="language-js">import { josa } from 'es-hangul';

josa('샴푸', '이/가') // '샴푸가'

josa('바깥', '으로/로') // '바깥으로'</code></pre> <code>disassembleHangul</code>: 자모 해체하는 함수<pre><code class="language-js">import { disassembleHangul } from 'es-hangul'

disassembleHangul('값') // 'ㄱㅏㅂㅅ'</code></pre> <code>combineHangulCharacter</code>: 인자로 초성, 중성, 종성을 받아 하나의 한글 문자를 반환하는 함수<pre><code class="language-js">import { combineHangulCharacter } from 'es-hangul'

combineHangulCharacter('ㄱ', 'ㅏ', 'ㅂㅅ') // '값'</code></pre> <code>removeLastHangulCharacter</code>: 인자로 주어진 한글 문자열에서 가장 마지막 문자 하나를 제거하여 반환하는 함수<pre><code class="language-js">import { removeLastHangulCharacter } from 'es-hangul'

removeLastHangulCharacter('안녕하세요 값') // '안녕하세요 갑'
removeLastHangulCharacter('프론트엔드') // '프론트엔ㄷ'</code></pre>https://github.com/toss/es-hangul

GitHub

현대적인 JavaScript 한글 라이브러리, es-hangul

저부터 고백하자면, 수도 없이 경험한 것 같습니다. 팀에서 보고서 템플릿을 바꿔서 예전 내용을 옮겨야 할 때, 고객사 별로 같은 문서에 내용만 다르게 사용하고 있었는데 하나 수정하면 다른 곳도 다 일일이 바꿔줘야 할 때... 사용하는 툴에 따라 이런 일이 매우 적을 수는 있지만, 그래도 최소 한 번쯤은 이런 경험을 하셨을 거예요.

다음 분기에 5개월 일하기 vs. 지금 5시간 논의하기

DB 설계 (혹은 DB 마이그레이션) 관련 업무를 진행할 때, 기획자는 어떤 것들을 챙기면 좋을까요? 막연하게 개발팀에서 알아서 잘 하겠지... 라고 미뤄뒀다가 나중에 큰 고생을 하는 것을 방지하기 위해서 ㅎㅎ 기획 단계에서 챙겨야 하는 것들에 대해 정리한 아티클입니다. 실제로 알라미에서 동기화 기능을 개발하면서, 중간중간 담당자들 머리를 아프게 했던 사례들을 기반으로 쓴 글인데요. 되돌리기 어려운 의사결정들을 초기에 어떻게 잘 할 수 있는지 살펴보시면 좋을 것 같네요.

DB 설계 (혹은 DB 마이그레이션) 관련 업무를 진행할 때, 기획자는 어떤 것들을 챙기면 좋을까요? 막연하게 개발팀에서 알아서 잘 하겠지... 라고 미뤄뒀다가 나중에 큰 고생을 하는 것을 방지하기 위해서 ㅎㅎ 기획 단계에서 챙겨야 하는 것들에 대해 정리한 아티클입니다. 실제로 알라미에서 동기화 기능을 개발하면서, 중간중간 담당자들 머리를 아프게 했던 사례들을 기반으로 쓴 글인데요. 되돌리기 어려운 의사결정들을 초기에 어떻게 잘 할 수 있는지 살펴보시면 좋을 것 같네요.

[다음 분기에 5개월 일하기 vs 지금 5시간 논의하기]

The Apache Attic - Apache Attic

Apache Attic 은 Apache 프로젝트가 수명 종료에 도달한 시기를 명확히 하는 프로세스를 제공하는 Apache Software Foundation 의 프로젝트이다 . Attic 프로젝트는 2008년 11월에 생성되었고 폐기된 프로젝트를 유지한다.  (예. sqoop: https://attic.apache.org/projects/sqoop.html)

프로젝트는 Attic 에서 다시 프로젝트로 부활할 수 있는데, 예를 들어 Apache XMLBeans는 이제 Apache Poi의 프로젝트이지만, 이전에는 2013년 7월부터 2018년 6월까지 Apache attic에 있었다.

apache.org

 java 웹 개발

Apache Attic

백엔드 엔지니어

재은

킬로그

삐약이 데이터 향을 살짝 풍기는 백엔드 개발자입니다.
머신러닝, 데이터, 서비스, 데이터 서빙, k8s  , 개발 트렌드에 관심 많습니다
#개발자 #끊임없이배우기 #데이터분석 #백엔드 #DataTransformation

Apache Attic

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필