Connecting the digital and physical worlds with our first multimodal model.

Grok-1.5 Vision Preview

커리어리 친구들, 그동안 컴퓨터 비전 분야의 LLM 또는 멀티모달리티가 부족했는 데, Grok 1.5 비전 프리뷰 공개되었습니다. 멀티모달 모델인 그록-1.5V는 강력한 텍스트 기능 외에도 문서, 다이어그램, 차트, 스크린샷 및 사진을 포함한 광범위한 시각 정보를 처리할 수 있습니다. 특히, 다학제 추론, 이해 문서, 과학 다이어그램, 차트, 스크린샷, 사진 등 다양한 영역에서 기존 멀티모달 모델을 능가하며 물리적 세계를 이해하는 데 탁월한 능력을 보여준다고 하는데요, 아래의 링크의 예를 보시면 다양하게 플로 챠트와 사진 사물들을 인식하는 것이 나옵니다.

또한, 질문과 쉽게 검증할 수 있는 답변을 가진 700개 이상의 이미지로 구성된 멀티모달 모델의 기본적인 실제 공간 이해 기능을 평가하기 위해 새로운 벤치마크인 RealWorldQA를 소개하고, 초기 테스터와 기존 Grok 사용자가 곧 사용할 수 있으며 이미지, 오디오 및 비디오와 같은 다양한 양식에 걸쳐 멀티모달 기능을 적극적으로 확장하고 있다는 평가입니다.

https://x.ai/blog/grok-1.5v

커리어리 친구들, 그동안 컴퓨터 비전 분야의 LLM 또는 멀티모달리티가 부족했는 데, Grok 1.5 비전 프리뷰 공개되었습니다. 멀티모달 모델인 그록-1.5V는 강력한 텍스트 기능 외에도 문서, 다이어그램, 차트, 스크린샷 및 사진을 포함한 광범위한 시각 정보를 처리할 수 있습니다. 특히, 다학제 추론, 이해 문서, 과학 다이어그램, 차트, 스크린샷, 사진 등 다양한 영역에서 기존 멀티모달 모델을 능가하며 물리적 세계를 이해하는 데 탁월한 능력을 보여준다고 하는데요, 아래의 링크의 예를 보시면 다양하게 플로 챠트와 사진 사물들을 인식하는 것이 나옵니다. 또한, 질문과 쉽게 검증할 수 있는 답변을 가진 700개 이상의 이미지로 구성된 멀티모달 모델의 기본적인 실제 공간 이해 기능을 평가하기 위해 새로운 벤치마크인 RealWorldQA를 소개하고, 초기 테스터와 기존 Grok 사용자가 곧 사용할 수 있으며 이미지, 오디오 및 비디오와 같은 다양한 양식에 걸쳐 멀티모달 기능을 적극적으로 확장하고 있다는 평가입니다. https://x.ai/blog/grok-1.5v

<진보된 시각 처리를 해 주는 멀티 모달 모델, Grok 1.5 비전>

Mistral, a French start-up considered a promising challenger to OpenAI and Google, is getting support from European leaders who want to protect the region's culture and politics.

Europe's A.I. 'Champion' Sets Sights on Tech Giants in U.S.

커리어리 친구들, 뉴욕 타임즈에서 흥미로운 취재를 했네요!

작년 하반기 LLM 업계에서 모두가 모델 파라미터가 많을수록 좋다! 라는 의견이 지배적일 때, 토큰 양은 증대시키는 데 모델 파라미터는 작게 가는 MoE (Mixtral of Expert) 기법을 선보여 지금은 AI 업계의 대세로 프랑스의 AI 아이돌이 된 미스트랄을 소개했네요!!

뉴욕 타임스가 미스트랄의 부상을 다루는 기사를 냈는데, 딥마인드 처럼 3인의 창업자가 있네. 추가로 창업자의 배경을 좀 살펴보니.

CEO인 아더 멘츠늗 딥마인드에서 3년 근무했고, 과학 디렉터인 굴리아베 람플(Guillaume Lample)과 티모씨 라크로이스는 메타의 라마 개발자들로 근무한 이력 있네요!! (영문식 발음을 해서 죄송! 불어를 몰라서! 혹시 아시면 댓글로 알려 주세요)

모두 에꼴 폴리테크 출신으로 울 나라로 치면 KAIST 나 포항공대처럼 과학 분야 출신들 입니다. 암튼 마크롱 대통령이 이들을 초청해서 맛있는 식사를 소식했다고 합니다!!

저도 25년전에 지금은 돌아가신 고 김영삼 대통령과 저녁식사를 했던 추억이 방울방울 떠 오릅니다. 물론 저 말고도 한국의 소프트웨어 업계 분들은 모두 같이요~!!

https://www.nytimes.com/2024/04/12/business/artificial-intelligence-mistral-france-europe.html

커리어리 친구들, 뉴욕 타임즈에서 흥미로운 취재를 했네요! 작년 하반기 LLM 업계에서 모두가 모델 파라미터가 많을수록 좋다! 라는 의견이 지배적일 때, 토큰 양은 증대시키는 데 모델 파라미터는 작게 가는 MoE (Mixtral of Expert) 기법을 선보여 지금은 AI 업계의 대세로 프랑스의 AI 아이돌이 된 미스트랄을 소개했네요!! 뉴욕 타임스가 미스트랄의 부상을 다루는 기사를 냈는데, 딥마인드 처럼 3인의 창업자가 있네. 추가로 창업자의 배경을 좀 살펴보니. CEO인 아더 멘츠늗 딥마인드에서 3년 근무했고, 과학 디렉터인 굴리아베 람플(Guillaume Lample)과 티모씨 라크로이스는 메타의 라마 개발자들로 근무한 이력 있네요!! (영문식 발음을 해서 죄송! 불어를 몰라서! 혹시 아시면 댓글로 알려 주세요) 모두 에꼴 폴리테크 출신으로 울 나라로 치면 KAIST 나 포항공대처럼 과학 분야 출신들 입니다. 암튼 마크롱 대통령이 이들을 초청해서 맛있는 식사를 소식했다고 합니다!! 저도 25년전에 지금은 돌아가신 고 김영삼 대통령과 저녁식사를 했던 추억이 방울방울 떠 오릅니다. 물론 저 말고도 한국의 소프트웨어 업계 분들은 모두 같이요~!! https://www.nytimes.com/2024/04/12/business/artificial-intelligence-mistral-france-europe.html

Nytimes

<MoE를 선보인 미스트랄 NYT 인터뷰>

Generative AI is finding its niches within business in 2024, with multimodal models providing new capabilities. At the same time, artists are glazing their work against AI scraping.

Top 5 AI Trends to Watch in 2024

2024년에는 생성형 AI가 새로운 기능을 제공하는 멀티모달 모델을 통해 비즈니스 내에서 틈새를 찾아가고 있습니다. 테크리퍼블릭에서 2024년에 주목해야 할 제너레이티브 모델로 대표되는 AI의 다섯 가지 트렌드 예측에 대한 내용을 참고하면 좋을거 같다.

🟢 기존 애플리케이션과의 통합을 통한 도입 증가하는 AI 🟢
👉 코파일럿
기업과 비즈니스를 위해 시장에 출시되는 많은 생성형 AI 사용 사례는 완전히 새로운 사용 사례를 만드는 것이 아니라 기존 애플리케이션과 통합되고 있다.
 * Microsoft는 365 제품군 제품 옆에 코파일럿을 적용
 * SoftServe와 같은 기업에서 산업 작업 및 유지 관리를 위한 코파일럿을 제공
 * Google은 동영상 제작에서 보안에 이르기까지 모든 분야에 다양한 코파일럿을 제공
👉 AI 에이전트
2024년에 AI가 기존 애플리케이션과 더 많이 통합될 수 있는 또 다른 방법은 AI 에이전트이다.
 * AI 에이전트는 다른 AI 봇의 작업을 자동화하므로 사용자가 개별 모델에 구체적으로 지시할 필요가 없음
 * 대신 에이전트에 하나의 자연어 명령어를 제공하면 에이전트 팀이 그 명령을 수행하는 데 필요한 여러 명령을 조합하여 작업을 수행할 수 있음

🟢  엔터프라이즈 AI를 지배하는 검색 증강 세대 🟢
 * 검색 증강 세대를 통해 LLM은 응답을 제공하기 전에 외부 소스와 대조하여 답변을 확인할 수 있다. 예를 들어, AI는 기술 매뉴얼과 대조하여 답변을 확인하고 사용자에게 매뉴얼로 바로 연결되는 각주를 제공할 수 있다. RAG는 정확성을 높이고 환각을 줄이기 위한 것이다.
 * RAG는 비용이 급증하지 않으면서도 AI 모델의 정확도를 향상시킬 수 있는 방법을 조직에 제공한다. RAG는 LLM에 기업 데이터를 추가하고 엔지니어링 및 미세 조정을 신속하게 수행하는 다른 일반적인 방법에 비해 더 정확한 결과를 생성한다. 2024년에도 뜨거운 화두였으며 올해 후반에도 계속 그럴 가능성이 높다.

🟢 지속 가능성에 대한 조용한 우려를 표명하는 조직 🟢
생성형 AI는 기존 컴퓨팅에 비해 에너지와 자원을 많이 사용한다. 현재 AI 규제는 주로 사용 사례에 초점을 맞추고 있지만, 앞으로는 에너지 사용도 특정 규제에 포함될 수 있다. 
👉 AI 데이터센터 및 칩의 에너지 사용량
 * NVIDIA가 올해 고객에게 제공할 것으로 예상되는 10만 대의 AI 서버는 현재 데이터센터에서 사용되는 전기의 일부인 연간 5.7~8.9TWh의 전력을 생산 수치. 하지만, 예측한 대로 2027년까지 NVIDIA만 150만 대의 AI 서버를 그리드에 추가한다면, 서버는 연간 85.4~134.0TWh를 사용하게 되며, 이는 훨씬 더 심각한 영향 줌.
 * 또 다른 연구에 따르면 Stable Diffusion XL로 1,000개의 이미지를 생성하는 것은 평균적인 가스 구동 자동차로 4.1마일을 주행하는 것과 같은 양의 이산화 탄소를 발생시킴
 * "다목적 생성 아키텍처는 모델 매개 변수의 수를 제어하더라도 다양한 작업을 위한 작업별 시스템보다 훨씬 더 비싸다는 것을 발견했다."라고 Hugging Face의 알렉산드라 사샤 루치오니와 야신 저나이트, 카네기 멜론 대학의 엠마 스트루벨 연구원 언급
 * Microsoft AI 연구원 Kate Crawford는 Nature 저널에서 GPT-4 훈련에 해당 지역 물의 약 6%가 사용되었다고 언급
👉 각 기업들의 노력 
 * 구글: 특정 지역에서 태양열과 풍력 에너지를 구매
 * NVIDIA: 더 적은 수의 서버 랙과 더 강력한 GPU를 사용하여 데이터 센터의 에너지를 절약하는 형태의 기술 집약적 드라이브

🟢 AI 전문가의 역할 변화 🟢
👉 소프트웨어 엔지니어링에 AI 활용
 * 소프트웨어 엔지니어링 영역에서 AI의 사용은 오늘날 가장 빠르게 성장하고 있는 사용 사례 중 하나
 * 앞으로 우리 중 상당수가 될 AI 시스템과 상호작용하는 모든 사람이 이러한 모델을 안내하고 조정하는 방법을 알아야 한다는 점에서 신속한 엔지니어링은 조직 전체에서 중요한 기술 가능성. 물론 소프트웨어 엔지니어링 분야의 사람들은 대규모 프롬프트 엔지니어링과 프롬프트 엔지니어링의 일부 고급 기술을 제대로 이해 필요
 * AI 역할을 할당하는 방식은 개별 조직에 따라 크게 달라질 수 있다. 프롬프트 엔지니어링을 수행하는 대부분의 사람들이 프롬프트 엔지니어링을 직책으로 삼을지 여부는 아직 미지수
👉  AI와 관련된 임원 직책
 * 2024년 1월 MIT의 슬론 매니지먼트 리뷰에서 데이터 및 기술 임원을 대상으로 실시한 설문조사에 따르면 조직에서 때때로 최고 AI 책임자를 감축하고 있는 것으로 나타남. AI 또는 데이터 책임자와 같은 고도로 전문화된 리더의 "책임에 대한 혼란"이 있었으며, 2024년에는 데이터의 출처에 관계없이 데이터에서 가치를 창출하고 CEO에게 보고하는 "중요한 기술 리더" 중심으로 정상화될 것으로 예상
 * 다른 한편에서는, 최고 데이터 및 분석 책임자와 최고 AI 책임자가 "널리 퍼져 있지는 않지만" 그 수가 증가하고 있는 것으로 예측. 이 두 역할이 CIO 또는 CTO와 별개의 역할로 남을지 여부는 예측하기 어렵지만, 조직이 원하는 핵심 역량이 무엇인지, CIO가 동시에 너무 많은 다른 책임과 균형을 맞추고 있는지 여부에 따라 달라질 수 있음
 * 고객과의 대화에서 이러한 역할(AI 책임자, 데이터 및 분석 책임자)이 점점 더 많이 등장하고 있음
 * 2024년 3월 28일, 미국 관리예산처는 연방 기관 내 AI 사용에 대한 지침을 발표했는데, 여기에는 모든 기관이 최고 AI 책임자를 지정해야 한다는 의무가 포함됨.
   
   
   
🟢 보편화 되는 AI 아트 🟢
👉 점점 더 보편화되는 AI 아트
 * Adobe Stock은 AI 아트 제작 툴을 제공하고 스톡 이미지 카탈로그에 AI 아트 표시
 * 2024년 3월 18일, Shutterstock과 NVIDIA는 3D 이미지 생성 도구를 얼리 액세스 버전 발표
 * OpenAI는 최근 영화 제작자들이 포토리얼한 소라 AI를 사용할 수 있도록 홍보 중. 이 데모에 대해 스테이블리티 AI의 전 CEO였던 에드 뉴턴-렉스(Ed Newton-Rex)를 비롯한 아티스트 옹호론자들은 "아티스트 워싱(아티스트 워싱: 허가나 대가 없이 사람들의 작품을 학습시키면서 소수의 크리에이터에게 생성 AI 모델에 대한 긍정적인 의견을 구하는 것)이라고 비판
 * 2024년에는 워터마킹과 글레이징(glazing)이라는 두 가지 방식으로 AI 아트웍에 대한 대응이 더욱 발전할 것으로 예상
👉 AI 아트 워터마킹
 * 워터마킹의 선도적인 표준은 콘텐츠 출처 및 진위성 연합의 것으로, OpenAI와 Meta가 AI가 생성한 이미지에 태그를 붙이기 위해 협력하고 있지만 시각적으로 또는 메타데이터로 표시되는 워터마크는 쉽게 제거 가능함
 * 일부에서는 워터마크가 특히 2024년 미국 대선을 앞두고 잘못된 정보를 방지하는 데 충분하지 않다고 보는 경향
👉 AI에 대한 오리지널 아트 중독
 * 온라인에 게시된 원본 아트에 대한 AI 모델의 학습을 막으려는 아티스트는 시카고 대학교에서 만든 데이터 중독 도구인 Glaze 또는 Nightshade를 사용하여 방지 가능
 * 데이터 중독은 아트웍을 AI 모델이 읽을 수 없을 정도로만 조정
 * 2024년에도 AI 이미지 생성 및 아티스트의 원본 작품 보호에 대한 관심이 높아지면서 이와 같은 도구가 더 많이 등장할 것으로 예상

🔴🔴 결론: AI가 과대 포장된 것일까? 
 * 많은 신기술들이 이전데 과대광고 주기를 겪었으며, 초기 호황 이후로 ‘생산성의 정체기'에 도달하기도 했다. 
 * 2023년에 AI의 인기가 너무 높아서 2024년으로 넘어가면서 과대 포장된 측면이 없지 않지만, 그렇다고 AI가 실용적으로 활용되지 않는다는 의미는 아니다.

 * 원문: https://www.techrepublic.com/article/top-ai-trends/

2024년에는 생성형 AI가 새로운 기능을 제공하는 멀티모달 모델을 통해 비즈니스 내에서 틈새를 찾아가고 있습니다. 테크리퍼블릭에서 2024년에 주목해야 할 제너레이티브 모델로 대표되는 AI의 다섯 가지 트렌드 예측에 대한 내용을 참고하면 좋을거 같다. 🟢 기존 애플리케이션과의 통합을 통한 도입 증가하는 AI 🟢👉 코파일럿기업과 비즈니스를 위해 시장에 출시되는 많은 생성형 AI 사용 사례는 완전히 새로운 사용 사례를 만드는 것이 아니라 기존 애플리케이션과 통합되고 있다.<ul ><li>Microsoft는 365 제품군 제품 옆에 코파일럿을 적용</li><li>SoftServe와 같은 기업에서 산업 작업 및 유지 관리를 위한 코파일럿을 제공</li><li>Google은 동영상 제작에서 보안에 이르기까지 모든 분야에 다양한 코파일럿을 제공</li></ul>👉 AI 에이전트2024년에 AI가 기존 애플리케이션과 더 많이 통합될 수 있는 또 다른 방법은 AI 에이전트이다.<ul ><li>AI 에이전트는 다른 AI 봇의 작업을 자동화하므로 사용자가 개별 모델에 구체적으로 지시할 필요가 없음</li><li>대신 에이전트에 하나의 자연어 명령어를 제공하면 에이전트 팀이 그 명령을 수행하는 데 필요한 여러 명령을 조합하여 작업을 수행할 수 있음</li></ul> 🟢&nbsp; 엔터프라이즈 AI를 지배하는 검색 증강 세대 🟢<ul ><li>검색 증강 세대를 통해 LLM은 응답을 제공하기 전에 외부 소스와 대조하여 답변을 확인할 수 있다. 예를 들어, AI는 기술 매뉴얼과 대조하여 답변을 확인하고 사용자에게 매뉴얼로 바로 연결되는 각주를 제공할 수 있다. RAG는 정확성을 높이고 환각을 줄이기 위한 것이다.</li><li>RAG는 비용이 급증하지 않으면서도 AI 모델의 정확도를 향상시킬 수 있는 방법을 조직에 제공한다. RAG는 LLM에 기업 데이터를 추가하고 엔지니어링 및 미세 조정을 신속하게 수행하는 다른 일반적인 방법에 비해 더 정확한 결과를 생성한다. 2024년에도 뜨거운 화두였으며 올해 후반에도 계속 그럴 가능성이 높다.</li></ul> 🟢 지속 가능성에 대한 조용한 우려를 표명하는 조직 🟢생성형 AI는 기존 컴퓨팅에 비해 에너지와 자원을 많이 사용한다. 현재 AI 규제는 주로 사용 사례에 초점을 맞추고 있지만, 앞으로는 에너지 사용도 특정 규제에 포함될 수 있다.&nbsp;👉 AI 데이터센터 및 칩의 에너지 사용량<ul ><li>NVIDIA가 올해 고객에게 제공할 것으로 예상되는 10만 대의 AI 서버는 현재 데이터센터에서 사용되는 전기의 일부인 연간 5.7~8.9TWh의 전력을 생산 수치. 하지만, 예측한 대로 2027년까지 NVIDIA만 150만 대의 AI 서버를 그리드에 추가한다면, 서버는 연간 85.4~134.0TWh를 사용하게 되며, 이는 훨씬 더 심각한 영향 줌.</li><li>또 다른 연구에 따르면 Stable Diffusion XL로 1,000개의 이미지를 생성하는 것은 평균적인 가스 구동 자동차로 4.1마일을 주행하는 것과 같은 양의 이산화 탄소를 발생시킴</li><li>"다목적 생성 아키텍처는 모델 매개 변수의 수를 제어하더라도 다양한 작업을 위한 작업별 시스템보다 훨씬 더 비싸다는 것을 발견했다."라고 Hugging Face의 알렉산드라 사샤 루치오니와 야신 저나이트, 카네기 멜론 대학의 엠마 스트루벨 연구원 언급</li><li>Microsoft AI 연구원 Kate Crawford는 Nature 저널에서 GPT-4 훈련에 해당 지역 물의 약 6%가 사용되었다고 언급</li></ul>👉 각 기업들의 노력&nbsp;<ul ><li>구글: 특정 지역에서 태양열과 풍력 에너지를 구매</li><li>NVIDIA: 더 적은 수의 서버 랙과 더 강력한 GPU를 사용하여 데이터 센터의 에너지를 절약하는 형태의 기술 집약적 드라이브</li></ul> 🟢 AI 전문가의 역할 변화 🟢👉 소프트웨어 엔지니어링에 AI 활용<ul ><li>소프트웨어 엔지니어링 영역에서 AI의 사용은 오늘날 가장 빠르게 성장하고 있는 사용 사례 중 하나</li><li>앞으로 우리 중 상당수가 될 AI 시스템과 상호작용하는 모든 사람이 이러한 모델을 안내하고 조정하는 방법을 알아야 한다는 점에서 신속한 엔지니어링은 조직 전체에서 중요한 기술 가능성. 물론 소프트웨어 엔지니어링 분야의 사람들은 대규모 프롬프트 엔지니어링과 프롬프트 엔지니어링의 일부 고급 기술을 제대로 이해 필요</li><li>AI 역할을 할당하는 방식은 개별 조직에 따라 크게 달라질 수 있다. 프롬프트 엔지니어링을 수행하는 대부분의 사람들이 프롬프트 엔지니어링을 직책으로 삼을지 여부는 아직 미지수</li></ul>👉&nbsp; AI와 관련된 임원 직책<ul ><li>2024년 1월 MIT의 슬론 매니지먼트 리뷰에서 데이터 및 기술 임원을 대상으로 실시한 설문조사에 따르면 조직에서 때때로 최고 AI 책임자를 감축하고 있는 것으로 나타남. AI 또는 데이터 책임자와 같은 고도로 전문화된 리더의 "책임에 대한 혼란"이 있었으며, 2024년에는 데이터의 출처에 관계없이 데이터에서 가치를 창출하고 CEO에게 보고하는 "중요한 기술 리더" 중심으로 정상화될 것으로 예상</li><li>다른 한편에서는, 최고 데이터 및 분석 책임자와 최고 AI 책임자가 "널리 퍼져 있지는 않지만" 그 수가 증가하고 있는 것으로 예측. 이 두 역할이 CIO 또는 CTO와 별개의 역할로 남을지 여부는 예측하기 어렵지만, 조직이 원하는 핵심 역량이 무엇인지, CIO가 동시에 너무 많은 다른 책임과 균형을 맞추고 있는지 여부에 따라 달라질 수 있음</li><li>고객과의 대화에서 이러한 역할(AI 책임자, 데이터 및 분석 책임자)이 점점 더 많이 등장하고 있음</li><li>2024년 3월 28일, 미국 관리예산처는 연방 기관 내 AI 사용에 대한 지침을 발표했는데, 여기에는 모든 기관이 최고 AI 책임자를 지정해야 한다는 의무가 포함됨. </li></ul>🟢 보편화 되는 AI 아트 🟢👉 점점 더 보편화되는 AI 아트<ul ><li>Adobe Stock은 AI 아트 제작 툴을 제공하고 스톡 이미지 카탈로그에 AI 아트 표시</li><li>2024년 3월 18일, Shutterstock과 NVIDIA는 3D 이미지 생성 도구를 얼리 액세스 버전 발표</li><li>OpenAI는 최근 영화 제작자들이 포토리얼한 소라 AI를 사용할 수 있도록 홍보 중. 이 데모에 대해 스테이블리티 AI의 전 CEO였던 에드 뉴턴-렉스(Ed Newton-Rex)를 비롯한 아티스트 옹호론자들은 "아티스트 워싱(아티스트 워싱: 허가나 대가 없이 사람들의 작품을 학습시키면서 소수의 크리에이터에게 생성 AI 모델에 대한 긍정적인 의견을 구하는 것)이라고 비판</li><li>2024년에는 워터마킹과 글레이징(glazing)이라는 두 가지 방식으로 AI 아트웍에 대한 대응이 더욱 발전할 것으로 예상</li></ul>👉 AI 아트 워터마킹<ul ><li>워터마킹의 선도적인 표준은 콘텐츠 출처 및 진위성 연합의 것으로, OpenAI와 Meta가 AI가 생성한 이미지에 태그를 붙이기 위해 협력하고 있지만 시각적으로 또는 메타데이터로 표시되는 워터마크는 쉽게 제거 가능함</li><li>일부에서는 워터마크가 특히 2024년 미국 대선을 앞두고 잘못된 정보를 방지하는 데 충분하지 않다고 보는 경향</li></ul>👉 AI에 대한 오리지널 아트 중독<ul ><li>온라인에 게시된 원본 아트에 대한 AI 모델의 학습을 막으려는 아티스트는 시카고 대학교에서 만든 데이터 중독 도구인 Glaze 또는 Nightshade를 사용하여 방지 가능</li><li>데이터 중독은 아트웍을 AI 모델이 읽을 수 없을 정도로만 조정</li><li>2024년에도 AI 이미지 생성 및 아티스트의 원본 작품 보호에 대한 관심이 높아지면서 이와 같은 도구가 더 많이 등장할 것으로 예상</li></ul> 🔴🔴 결론: AI가 과대 포장된 것일까?&nbsp;<ul ><li>많은 신기술들이 이전데 과대광고 주기를 겪었으며, 초기 호황 이후로 ‘생산성의 정체기'에 도달하기도 했다.&nbsp;</li><li>2023년에 AI의 인기가 너무 높아서 2024년으로 넘어가면서 과대 포장된 측면이 없지 않지만, 그렇다고 AI가 실용적으로 활용되지 않는다는 의미는 아니다.</li></ul> <ul ><li>원문: https://www.techrepublic.com/article/top-ai-trends/</li></ul>

TechRepublic

[TechRepublic] 2024년에 주목해야 할 5가지 AI 트렌드

'글렌 스턴스'라는 사업가가 어떻게
90일간 100달러를 100만달러로 만드는 지에 대한 영상은 잘 보셨나요?

영상 보기: https://lnkd.in/gy8DcFZn

효율적인 라이프 프로세스(Process)를 만드는 4가지 단계,

포커스(Focus),
리서치(Research),
템플릿(Template),
챌린지(Challenge)

이 4가지 프로세스는 분명 모든 상황에 적용할 수 있는 법칙은 아닙니다.

때로는 도저히 집중할 수 없는 상황에 놓일 때도 있을 거에요.
내가 왜 지금 이 일을 해야 하는지 모르지만,
어쩔수 없는 상황 때문에 해야 하는 경우도 분명 있을 거구요.

중요한 점은 내가 어떤 일을 하기 전에 '이유'에 대해 생각해보는 시간을
가지는 것이라고 생각해요.

나의 행동을 의식적으로 분석하고 탐색하는 과정은 분명 더 좋은 결정을 할 수 있도록 돕습니다. 하지만 만약 도저히 방향을 정할 수 없다면, 저는 라이프 프로세스 단계에서 2가지 단계를 더하는 것을 권하고 싶어요.

바로 '가이드'와 '멘토링'입니다.

'가이드'는 템플릿이나 리서치와 비슷하지만 좀 더 구체화된 매체를 통해 나의 프로세스를 확립하는 과정입니다. 잘 정리된 학습 자료나 온라인 강의, 또는 실제 코칭 등이 '가이드'에 해당합니다. 저의 경우에는 '대학원'이 저의 가이드 역할을 하고 있어요. 체계화된 커리큘럼과 숙제, 프로젝트를 통해 어떻게 데이터 전문가로서의 역량을 더 잘 키울수 있을지를 가이드해주니까요.

'멘토링'은 좀 더 개인화된 가이드입니다. 나에게 잘 맞는 맞춤형 조언과 피드백을 미리 경험한 사람들에게 제공받는 것이에요. 최근 지식과 정보 뿐만 아니라 경험과 그 안의 인사이트를 나누는 사람들이 많아지면서 멘토링은 지난 몇년동안 더 많이 보편화되고 있습니다.

이 두가지 방법은 우리의 프로세스를 좀 더 견고화하고 풍성하게 만들어줍니다.
그리고 가장 큰 장점은 우리가 모르고 있던 또는 잊고 있던 '이유'에 대해 스스로 깨달을 수 있는 기회를 제공해요.

'가이드' 와 '멘토링'을 적시적소에 활용하면,
더 큰 성장의 기회를 찾고 있는 자신을 발견할 수 있어요.

#데이터리차드 #라이프해킹 #라이프엔지니어링

'글렌 스턴스'라는 사업가가 어떻게 90일간 100달러를 100만달러로 만드는 지에 대한 영상은 잘 보셨나요? 영상 보기: https://lnkd.in/gy8DcFZn 효율적인 라이프 프로세스(Process)를 만드는 4가지 단계, 포커스(Focus), 리서치(Research), 템플릿(Template), 챌린지(Challenge) 이 4가지 프로세스는 분명 모든 상황에 적용할 수 있는 법칙은 아닙니다. 때로는 도저히 집중할 수 없는 상황에 놓일 때도 있을 거에요. 내가 왜 지금 이 일을 해야 하는지 모르지만, 어쩔수 없는 상황 때문에 해야 하는 경우도 분명 있을 거구요. 중요한 점은 내가 어떤 일을 하기 전에 '이유'에 대해 생각해보는 시간을 가지는 것이라고 생각해요. 나의 행동을 의식적으로 분석하고 탐색하는 과정은 분명 더 좋은 결정을 할 수 있도록 돕습니다. 하지만 만약 도저히 방향을 정할 수 없다면, 저는 라이프 프로세스 단계에서 2가지 단계를 더하는 것을 권하고 싶어요. 바로 '가이드'와 '멘토링'입니다. '가이드'는 템플릿이나 리서치와 비슷하지만 좀 더 구체화된 매체를 통해 나의 프로세스를 확립하는 과정입니다. 잘 정리된 학습 자료나 온라인 강의, 또는 실제 코칭 등이 '가이드'에 해당합니다. 저의 경우에는 '대학원'이 저의 가이드 역할을 하고 있어요. 체계화된 커리큘럼과 숙제, 프로젝트를 통해 어떻게 데이터 전문가로서의 역량을 더 잘 키울수 있을지를 가이드해주니까요. '멘토링'은 좀 더 개인화된 가이드입니다. 나에게 잘 맞는 맞춤형 조언과 피드백을 미리 경험한 사람들에게 제공받는 것이에요. 최근 지식과 정보 뿐만 아니라 경험과 그 안의 인사이트를 나누는 사람들이 많아지면서 멘토링은 지난 몇년동안 더 많이 보편화되고 있습니다. 이 두가지 방법은 우리의 프로세스를 좀 더 견고화하고 풍성하게 만들어줍니다. 그리고 가장 큰 장점은 우리가 모르고 있던 또는 잊고 있던 '이유'에 대해 스스로 깨달을 수 있는 기회를 제공해요. '가이드' 와 '멘토링'을 적시적소에 활용하면, 더 큰 성장의 기회를 찾고 있는 자신을 발견할 수 있어요. #데이터리차드 #라이프해킹 #라이프엔지니어링

저는 라이프 해킹보다 라이프 엔지니어링을 추구합니다 #11

🎗️세월호 참사는 그때의 상황을, 희생자들의 입장을 1초만 생각해도 속이 울렁거릴정도로 너무너무 공포스러운 끔찍한 사건이다.

세월호 이야기를 듣는 것을 매우 싫어했는데, 그 이유는 떠올리기만해도 너무 공포스럽기 때문이다.

하지만, 오늘은 세월호를 기억하기로 했다.

#세월호 #세월호10주기

🎗️세월호 참사는 그때의 상황을, 희생자들의 입장을 1초만 생각해도 속이 울렁거릴정도로 너무너무 공포스러운 끔찍한 사건이다. 세월호 이야기를 듣는 것을 매우 싫어했는데, 그 이유는 떠올리기만해도 너무 공포스럽기 때문이다. 하지만, 오늘은 세월호를 기억하기로 했다. #세월호 #세월호10주기

지금까지 묵혀 놓은 blocker ?! 열정적인 신입!? 릴리즈?!

지금까지 묵혀 놓은 blocker ?! 열정적인 신입!? 릴리즈?!

여러분이 테크 리드라면, 이번 마일 스톤에는 누구를 데려 가실건가요?

OpenAI에서 대량의 데이터를 처리하는데 사용 할 수 있는 Batch API를 출시했습니다.

요약, 번역, 이미지 분류, 합성 데이터 생성, 프롬프트 실험/평가 등의 작업을 대량으로 작업 할 때 매우 유리한 기능인데요. 실시간으로 결과를 받지 않는 대신(24시간 이내 완료), 가격이 무려 50%나😳 저렴합니다.

대량의 배치작업은 비용문제로 오픈소스 모델이나 저렴한 모델을 고려 할 수 밖에 없었는데, 이것도 가격으로 압살해 버리네요. 😨

OpenAI가 성능⬆️ -> 가격⬇️ -> 성능⬆️ -> 가격⬇️ 루프를 반복하며 경쟁자들을 압살 해 왔으니, 이제 다음은 성능 차례인데.. 과연 GPT-4 다음 모델은 언제쯤 나올지 현기증이 멈추질 않습니다. 😎🍿🥤

OpenAI에서 대량의 데이터를 처리하는데 사용 할 수 있는 Batch API를 출시했습니다. 요약, 번역, 이미지 분류, 합성 데이터 생성, 프롬프트 실험/평가 등의 작업을 대량으로 작업 할 때 매우 유리한 기능인데요. 실시간으로 결과를 받지 않는 대신(24시간 이내 완료), 가격이 무려 50%나😳 저렴합니다. 대량의 배치작업은 비용문제로 오픈소스 모델이나 저렴한 모델을 고려 할 수 밖에 없었는데, 이것도 가격으로 압살해 버리네요. 😨 OpenAI가 성능⬆️ -&gt; 가격⬇️ -&gt; 성능⬆️ -&gt; 가격⬇️ 루프를 반복하며 경쟁자들을 압살 해 왔으니, 이제 다음은 성능 차례인데.. 과연 GPT-4 다음 모델은 언제쯤 나올지 현기증이 멈추질 않습니다. 😎🍿🥤

📰 OpenAI, 50% 저렴한 Batch API 출시

A collection of all my interviews about my 'How to Get Rich' tweetstorm. Seek Wealth, Not Money or Status Wealth is assets that earn while you sleep You probably know Naval from his Twitter account. We're going to talk about his tweetstorm, "How To Get Ri

How to Get Rich

AngelList의 공동 창립자이자 회장인 나발 라비칸트의 글을 소개합니다.

Naval Ravikant-Making money isn't about luck
https://nav.al/rich

1. 행운이 아닌 능력: 부자가 되는 것은 행운이 아니라, 부를 창출할 수 있는 사람이 되는 것에 관한 것이다.

2. 재능 개발의 중요성: 모든 돈을 잃어버렸다 하더라도, 영어를 사용하는 어느 나라에서든 5~10년 안에 다시 부자가 될 수 있는 재능을 개발할 수 있다.

3. 다양한 행운의 유형:
- 눈먼 행운: 완전히 제어할 수 없는 상황에서 운이 좋은 경우
- 노력에서 오는 행운: 꾸준한 노력과 활동을 통해 자연스럽게 찾아오는 행운
- 준비에서 오는 행운: 특정 분야에서 기회를 빠르게 포착할 수 있는 능력
- 독특한 성격에서 오는 행운: 유니크한 캐릭터나 브랜드를 통해 행운을 끌어당기는 경우

4. 자기만의 행운 만들기: 예를 들어, 세계 최고의 심해 잠수사라면, 우연히 발견된 보물을 bergen할 기회가 올 때 그 기회를 살릴 수 있다.

5. 행운을 배제하는 삶: 1000개의 평행 우주에서 999개에서 부자가 되고 싶다는 생각으로, 우연에 의존하지 않고 확실한 방법을 추구한다.

6. 지속적인 부의 창출: 부는 단번에 큰 돈으로 만든 것이 아니라, 여러 기회와 투자를 통해 조금씩 쌓아올린 것이다.

7. 자유를 향한 부: 진정한 자유를 위해 부를 쌓는 것이 목표이며, 이는 위치에 구애받지 않고 원하는 대로 살 수 있는 것을 의미한다.

8. 인터넷의 기회: 현대에는 인터넷을 통해 무수히 많은 기회가 주어지고, 이를 통해 다양한 방법으로 돈을 벌 수 있다.

9. 경험과 학습: 지속적인 학습과 경험의 축적이 부를 창출하는 데 필수적이며, 이는 오랜 시간에 걸쳐 가치가 축적된다.

10. 시간의 가치: 가능한 많은 기회를 잡으려고 하지만, 가장 부족한 자원은 '시간'이다.

AngelList의 공동 창립자이자 회장인 나발 라비칸트의 글을 소개합니다. Naval Ravikant-Making money isn't about luck https://nav.al/rich 1. 행운이 아닌 능력: 부자가 되는 것은 행운이 아니라, 부를 창출할 수 있는 사람이 되는 것에 관한 것이다. 2. 재능 개발의 중요성: 모든 돈을 잃어버렸다 하더라도, 영어를 사용하는 어느 나라에서든 5~10년 안에 다시 부자가 될 수 있는 재능을 개발할 수 있다. 3. 다양한 행운의 유형: - 눈먼 행운: 완전히 제어할 수 없는 상황에서 운이 좋은 경우 - 노력에서 오는 행운: 꾸준한 노력과 활동을 통해 자연스럽게 찾아오는 행운 - 준비에서 오는 행운: 특정 분야에서 기회를 빠르게 포착할 수 있는 능력 - 독특한 성격에서 오는 행운: 유니크한 캐릭터나 브랜드를 통해 행운을 끌어당기는 경우 4. 자기만의 행운 만들기: 예를 들어, 세계 최고의 심해 잠수사라면, 우연히 발견된 보물을 bergen할 기회가 올 때 그 기회를 살릴 수 있다. 5. 행운을 배제하는 삶: 1000개의 평행 우주에서 999개에서 부자가 되고 싶다는 생각으로, 우연에 의존하지 않고 확실한 방법을 추구한다. 6. 지속적인 부의 창출: 부는 단번에 큰 돈으로 만든 것이 아니라, 여러 기회와 투자를 통해 조금씩 쌓아올린 것이다. 7. 자유를 향한 부: 진정한 자유를 위해 부를 쌓는 것이 목표이며, 이는 위치에 구애받지 않고 원하는 대로 살 수 있는 것을 의미한다. 8. 인터넷의 기회: 현대에는 인터넷을 통해 무수히 많은 기회가 주어지고, 이를 통해 다양한 방법으로 돈을 벌 수 있다. 9. 경험과 학습: 지속적인 학습과 경험의 축적이 부를 창출하는 데 필수적이며, 이는 오랜 시간에 걸쳐 가치가 축적된다. 10. 시간의 가치: 가능한 많은 기회를 잡으려고 하지만, 가장 부족한 자원은 '시간'이다.

Naval

운에 기대지 않고 돈을 버는 법 - 나발 라비칸트

AI 기술이 급속도로 발전하면서 다양한 기업과 단체가 AI 개발에 힘쓰고 있다. 보도에 따르면 AI 시스템 개발 과정에서 조직 전체에 영향을 미치는 심각한 위협이 발생할 수 있다고 한다. 이런 위협과 대응 방안에는 어떤 게 있을까. AI 시스템 개발에 있어 사이버 보안

AI 시스템 개발할 때 발생할 위기 요인 - 테크레시피

이제 생성형 AI의 B2C에서 B2B로 확장이 시작되기 시작하는 단계라서 보안과 위협은 다소 먼 얘기처럼 볼 수 있습니다. 그러나, 보안은 언제나 중요하지요. 미리 미리 준비하길 바라며 테크레시피의 AI개발시 보안과 위협 관련 글이 있어 공유해봅니다. 자세한 내용은 원문을 참고 플리즈~^^

AI 시스템 개발에 있어 사이버 보안 관점에서 전문가가 고려해야 할 문제로 데이터셋 오염과 프롬프트 인젝션 2가지를 들 수 있다.

< 데이터세트 오염 >
 * 개념
 * AI 학습 과정에서 부정확하거나 관련 없는 정보가 데이터세트에 입력되어 AI 모델이 크게 오염되는 것
 * 내용
 * 대규모 학습 데이터의 경우 부정확한 소수 정보나 무관한 데이터가 포함되어도 학습 과정에서 큰 문제가 되지 않는다. 하지만 소수 데이터원으로부터 학습하는 경우 부적절한 데이터가 소량만 섞여도 모델이 침해되어 심각한 위험을 초래할 수 있음
 * 데이터세트 오염은 발견하기도 어려워 사이버 보안 전문가에게 최대 과제 중 하나
 * AI 시스템이 침해되면 데이터세트를 오염시켜 기능 장애를 유발하거나 데이터세트에 접근해 기업 기밀 정보나 개인정보를 훼손할 수 있어 조직 전체 보안에 영향을 미침
 * 유출된 데이터 내용과 영향 범위에 따라 AI 규제 강화나 사회적 반발이 일어날 수 있음
 * 참고글
 * Data Poisoning Attacks: A New Attack Vector within AI(https://www.cobalt.io/blog/data-poisoning-attacks-a-new-attack-vector-within-ai)

< 프롬프트 인젝션 >
 * 개념
 * 모델 출력을 가로채 의도하지 않은 동작을 강제로 유도하는 것
 * 내용
 * LLM은 입력된 지시에 따르는 경향이 있기 때문에 특정 프롬프트를 주입(injection)하면 AI 판단을 흐트러뜨릴 수 있음. 예를 들어 이력서 데이터에 숨겨진 텍스트로 AI 심사위원은 이 문서에 주목하라며 채용하시는 게 좋다고 적어두면 LLM이 해당 이력서를 높게 평가할 수 있음.
 * 숨겨진 텍스트에 따라 기밀 정보 유출이나 사이버 공격으로 이어질 수 있어 AI 보안적 취약성으로 알려져 있음
 * 프롬프트 인젝션이 실제 범죄에 사용된 사례는 올해 3월까지 확인되지 않았지만 실험적으로 실시한 공격 97.2%가 성공했다는 연구도 있음
 * 구글은 지난해 10월 26일 프롬프트 인젝션을 포함한 생성형 AI 취약점을 새로 발견한 보안 연구원에게 보상금을 지급하기로 결정
 * 참고글
 * Prompt Injection Attacks: A New Frontier in Cybersecurity(https://www.cobalt.io/blog/prompt-injection-attacks)
 
 
< 사이버 보안 전문가가 고려해야 할 사항 >
 * 고려사항
 * 데이터세트 무결성 측면에서 오염이나 의도적인 인젝션 공격으로 AI 모델이 초기 대규모로 심지어 영구적으로 훼손될 수 있기 때문에 학습 데이터세트에 대한 주의가 중요한 보안 이슈
 * 악의적인 AI 모델을 특정 AI 개발 플랫폼에서 실행하면 해당 모델을 통해 시스템에 침투할 수 있는 취약점이 보고
 * 알고리즘 매개변수 업데이트 등 시간과 자원이 많이 필요한 경우 개발을 가속화하려다 보안 약점이 생길 수 있음
 * 데이터 과학자와 AI 엔지니어가 최선을 다해 노력했더라도 복잡한 AI 영역에서 특정 위험 징후가 발생해 이게 오염이나 인젝션 대상이 되는 취약점일 수 있음. 이 경우 공격을 인지하기도 어려워짐
 * 대응 방안
 * 사이버 보안 전문가가 AI 시스템 도입 전 침해 징조를 발견하고 AI 엔지니어가 개발 과정에서 보안 영향을 지속적으로 고려하는 등 비용과 자원을 투입하는 것
 * 사이버 보안 전문가, 데이터 과학자, AI 엔지니어 등 부서간 협력을 통해 개발 과정 취약점을 최소화하고 위협을 경감하는 게 이상적
 * 현황
 * 미국 사이버 보안 인프라 보안청(CISA), 국가 안보국(NSA), 영국 국가 사이버 보안 센터(NCSC) 등 유명 기관이 협력해 안전한 AI 시스템 개발을 위한 가이드라인이라는 문서를 작성한 상태
 * 여러 규제 기관이 AI 개발을 위한 가이드라인을 발표하며 AI 개발 위험을 경감하고 안전한 AI 발전을 위해 노력

 * 참고문헌
 * [KISA Insight 2023 Vol.06] 인공지능(AI) 안전 및 보안 규범 분석 및 시사점: https://xn--3e0bx5e6xzftae3gxzpskhile.kr/20301/form?postSeq=21&page=1
 * 챗GPT 등 생성형 AI 활용 보안 가이드라인(2023.6): https://www.ncsc.go.kr:4018/main/cop/bbs/selectBoardArticle.do?bbsId=InstructionGuide_main&nttId=54340&menuNo=070000&subMenuNo=070300&thirdMenuNo=
 * 원문: https://techrecipe.co.kr/posts/64585

이제 생성형 AI의 B2C에서 B2B로 확장이 시작되기 시작하는 단계라서 보안과 위협은 다소 먼 얘기처럼 볼 수 있습니다. 그러나, 보안은 언제나 중요하지요. 미리 미리 준비하길 바라며 테크레시피의 AI개발시 보안과 위협 관련 글이 있어 공유해봅니다. 자세한 내용은 원문을 참고 플리즈~^^ AI 시스템 개발에 있어 사이버 보안 관점에서 전문가가 고려해야 할 문제로 데이터셋 오염과 프롬프트 인젝션 2가지를 들 수 있다. &lt; 데이터세트 오염 &gt;<ul ><li>개념<ul ><li>AI 학습 과정에서 부정확하거나 관련 없는 정보가 데이터세트에 입력되어 AI 모델이 크게 오염되는 것</li></ul></li><li>내용<ul ><li>대규모 학습 데이터의 경우 부정확한 소수 정보나 무관한 데이터가 포함되어도 학습 과정에서 큰 문제가 되지 않는다. 하지만 소수 데이터원으로부터 학습하는 경우 부적절한 데이터가 소량만 섞여도 모델이 침해되어 심각한 위험을 초래할 수 있음</li><li>데이터세트 오염은 발견하기도 어려워 사이버 보안 전문가에게 최대 과제 중 하나</li><li>AI 시스템이 침해되면 데이터세트를 오염시켜 기능 장애를 유발하거나 데이터세트에 접근해 기업 기밀 정보나 개인정보를 훼손할 수 있어 조직 전체 보안에 영향을 미침 </li><li>유출된 데이터 내용과 영향 범위에 따라 AI 규제 강화나 사회적 반발이 일어날 수 있음</li></ul></li><li>참고글<ul ><li>Data Poisoning Attacks: A New Attack Vector within AI(https://www.cobalt.io/blog/data-poisoning-attacks-a-new-attack-vector-within-ai)</li></ul></li></ul> &lt; 프롬프트 인젝션 &gt;<ul ><li>개념<ul ><li>모델 출력을 가로채 의도하지 않은 동작을 강제로 유도하는 것</li></ul></li><li>내용<ul ><li>LLM은 입력된 지시에 따르는 경향이 있기 때문에 특정 프롬프트를 주입(injection)하면 AI 판단을 흐트러뜨릴 수 있음. 예를 들어 이력서 데이터에 숨겨진 텍스트로 AI 심사위원은 이 문서에 주목하라며 채용하시는 게 좋다고 적어두면 LLM이 해당 이력서를 높게 평가할 수 있음.</li><li>숨겨진 텍스트에 따라 기밀 정보 유출이나 사이버 공격으로 이어질 수 있어 AI 보안적 취약성으로 알려져 있음</li><li>프롬프트 인젝션이 실제 범죄에 사용된 사례는 올해 3월까지 확인되지 않았지만 실험적으로 실시한 공격 97.2%가 성공했다는 연구도 있음</li><li>구글은 지난해 10월 26일 프롬프트 인젝션을 포함한 생성형 AI 취약점을 새로 발견한 보안 연구원에게 보상금을 지급하기로 결정</li></ul></li><li>참고글<ul ><li>Prompt Injection Attacks: A New Frontier in Cybersecurity(https://www.cobalt.io/blog/prompt-injection-attacks)</li></ul> </li></ul>&lt; 사이버 보안 전문가가 고려해야 할 사항 &gt;<ul ><li>고려사항<ul ><li>데이터세트 무결성 측면에서 오염이나 의도적인 인젝션 공격으로 AI 모델이 초기 대규모로 심지어 영구적으로 훼손될 수 있기 때문에 학습 데이터세트에 대한 주의가 중요한 보안 이슈</li><li>악의적인 AI 모델을 특정 AI 개발 플랫폼에서 실행하면 해당 모델을 통해 시스템에 침투할 수 있는 취약점이 보고</li><li>알고리즘 매개변수 업데이트 등 시간과 자원이 많이 필요한 경우 개발을 가속화하려다 보안 약점이 생길 수 있음</li><li>데이터 과학자와 AI 엔지니어가 최선을 다해 노력했더라도 복잡한 AI 영역에서 특정 위험 징후가 발생해 이게 오염이나 인젝션 대상이 되는 취약점일 수 있음. 이 경우 공격을 인지하기도 어려워짐</li></ul></li><li>대응 방안 <ul ><li>사이버 보안 전문가가 AI 시스템 도입 전 침해 징조를 발견하고 AI 엔지니어가 개발 과정에서 보안 영향을 지속적으로 고려하는 등 비용과 자원을 투입하는 것</li><li>사이버 보안 전문가, 데이터 과학자, AI 엔지니어 등 부서간 협력을 통해 개발 과정 취약점을 최소화하고 위협을 경감하는 게 이상적</li></ul></li><li>현황<ul ><li>미국 사이버 보안 인프라 보안청(CISA), 국가 안보국(NSA), 영국 국가 사이버 보안 센터(NCSC) 등 유명 기관이 협력해 안전한 AI 시스템 개발을 위한 가이드라인이라는 문서를 작성한 상태</li><li>여러 규제 기관이 AI 개발을 위한 가이드라인을 발표하며 AI 개발 위험을 경감하고 안전한 AI 발전을 위해 노력</li></ul></li></ul> <ul ><li>참고문헌<ul ><li>[KISA Insight 2023 Vol.06] 인공지능(AI) 안전 및 보안 규범 분석 및 시사점: https://xn--3e0bx5e6xzftae3gxzpskhile.kr/20301/form?postSeq=21&amp;page=1</li><li>챗GPT 등 생성형 AI 활용 보안 가이드라인(2023.6): https://www.ncsc.go.kr:4018/main/cop/bbs/selectBoardArticle.do?bbsId=InstructionGuide_main&amp;nttId=54340&amp;menuNo=070000&amp;subMenuNo=070300&amp;thirdMenuNo=</li></ul></li><li>원문: https://techrecipe.co.kr/posts/64585</li></ul>

테크레시피

[테크레시피] AI 시스템 개발할 때 발생할 위기 요인

얼마전 많은 사람들의 기대를 모았던, 전 애플 직원들이 창업한 Humane의 AI 기기인 AI Pin의 리뷰가 올라오기 시작했습니다.

음성으로 AI(LLM)와 대화하며 지시를 시키는 기기로, 영화 Her에서 나오는 AI의 모습을 비슷하게 구현한 모습입니다. 몇 달 전 CES에서 크게 이슈가 되었던 rabbit r1이라는 기기도 유사한 컨셉으로 나왔었는데요.

결론은 한마디로 쓰ㄹ.. 아직 수준이 너무 낮아서 사용하기 어렵다고 합니다. r1도 마찬가지였는데, AI Pin은 r1 보다도 AI의 수준이 너무 낮고, 반응 속도가 심하게 느린 것이 가장 큰 문제라고 합니다.

제가 보기엔 음성 인터페이스를 가진 Always-On AI(제 맘대로 지은 용어)라는 컨셉과, 복잡한 작업도 백그라운드에서 알아서 수행해준다는 컨셉이 핵심으로 보이는데요.

Always-On AI라는 관점으로 봤을 때는 아이폰+에어팟, 메타의 스마트 안경 등도 같은 컨셉을 지향하며 발전해나가고 있어서 방향은 잘 잡은 것 같긴 합니다.

다만, 백그라운드에서 복잡한 작업을 대신해준다는 컨셉의 성능과 반응 속도를 어디까지 끌어올릴 수 있을지, 스크린의 부실함을 얼마나 그리고 어떻게 커버할 수 있을지가 관건이 아닐까 합니다.

그보다, 이런 기기들이 나오는 것이, 몇 년 전에 실패했던 음성 비서 스피커의 컨셉이 다른 형태로 다시 시도되고 있는 것으로 생각되는데요.

저도 앞으로 음성 인터페이스가 크게 활약을 할 수 있을 것이라고 생각하고 있어서, 과연 음성 인터페이스의 트렌드가 어떻게 변해갈지, 어떤 분야에서 어떻게 쓰일지, 메이저 인터페이스로 자리잡을 수 있을지 등 앞으로의 발전이 사뭇 궁금합니다.

얼마전 많은 사람들의 기대를 모았던, 전 애플 직원들이 창업한 Humane의 AI 기기인 AI Pin의 리뷰가 올라오기 시작했습니다. 음성으로 AI(LLM)와 대화하며 지시를 시키는 기기로, 영화 Her에서 나오는 AI의 모습을 비슷하게 구현한 모습입니다. 몇 달 전 CES에서 크게 이슈가 되었던 rabbit r1이라는 기기도 유사한 컨셉으로 나왔었는데요. 결론은 한마디로 쓰ㄹ.. 아직 수준이 너무 낮아서 사용하기 어렵다고 합니다. r1도 마찬가지였는데, AI Pin은 r1 보다도 AI의 수준이 너무 낮고, 반응 속도가 심하게 느린 것이 가장 큰 문제라고 합니다. 제가 보기엔 음성 인터페이스를 가진 Always-On AI(제 맘대로 지은 용어)라는 컨셉과, 복잡한 작업도 백그라운드에서 알아서 수행해준다는 컨셉이 핵심으로 보이는데요. Always-On AI라는 관점으로 봤을 때는 아이폰+에어팟, 메타의 스마트 안경 등도 같은 컨셉을 지향하며 발전해나가고 있어서 방향은 잘 잡은 것 같긴 합니다. 다만, 백그라운드에서 복잡한 작업을 대신해준다는 컨셉의 성능과 반응 속도를 어디까지 끌어올릴 수 있을지, 스크린의 부실함을 얼마나 그리고 어떻게 커버할 수 있을지가 관건이 아닐까 합니다. 그보다, 이런 기기들이 나오는 것이, 몇 년 전에 실패했던 음성 비서 스피커의 컨셉이 다른 형태로 다시 시도되고 있는 것으로 생각되는데요. 저도 앞으로 음성 인터페이스가 크게 활약을 할 수 있을 것이라고 생각하고 있어서, 과연 음성 인터페이스의 트렌드가 어떻게 변해갈지, 어떤 분야에서 어떻게 쓰일지, 메이저 인터페이스로 자리잡을 수 있을지 등 앞으로의 발전이 사뭇 궁금합니다.

📝 Return of the Voice AI

Netflix는 Java, RxJava 및 Spring Boot를 활용해 마이크로서비스 아키텍처를 발전시켰으며, GraphQL Federation으로의 전환을 통해 더욱 발전했다. 이 글에서는 Netflix의 아키텍처 변화와 Java 사용 변천사를 설명한다.

Netflix의 Java 사용 변천사 (번역)

안녕하세요 :) 저는 최근에 다시 Java와 Spring Boot를 사용하는 미국 회사로 이직하면서, 지난 2년간 스타트업에서 Ruby on Rails를 사용하며 잊고 지내던 Java와 Spring 생태계에 다시 발을 내딛었습니다. 🥰

현재 회사에서는 수많은 모놀리틱 서비스와 마이크로서비스가 함께 사용되는 상황이라 꽤 복잡한 아키텍처로 구성되어 있습니다. 그리고 새로운 Java/Spring 기반 서비스들이 빠르게 추가되고 있어서 각 서비스들 간의 통신이나 아키텍처 구성을 어떻게 개선해가면 좋을지 고민되는 상황이었는데요. 🙃

팀에 빅테크(FAANG) 출신 시니어 개발자들도 있어서 제가 이 개선을 주도하지는 않겠지만,
적어도 아키텍처 개선 방향에 대한 내 의견을 가지고 있어야겠다
는 생각으로 힌트를 얻고자 Java 기반 서비스들의 큰 형님격인 Netflix의 문을 두드렸습니다.

Netflix는 Java 기반 서비스들의 아키텍처를 어떻게 발전시켜나갔는지 궁금해서 찾아보다가 이 글을 발견했고, 오랜만에 Java 생태계로 돌아온 저에게 유익했던 글이라 DeepL의 도움을 받아 번역해보았습니다.

전체 내용 보기 👉 https://www.integer.blog/evolution-of-java-usage-at-netflix/?ref=careerly.co.kr

📌 목차
 1. Groovy 시대 with BFF(Backend For Frontend)
 2. RxJava와 리액티브 프로그래밍 사용
 3. GraphQL Federation으로 전환
 4. Netflix가 사용하는 Java 버전
 5. Netflix가 사용하는 Spring Boot

안녕하세요 :) 저는 최근에 다시 Java와 Spring Boot를 사용하는 미국 회사로 이직하면서, 지난 2년간 스타트업에서 Ruby on Rails를 사용하며 잊고 지내던 Java와 Spring 생태계에 다시 발을 내딛었습니다. 🥰 현재 회사에서는 수많은 모놀리틱 서비스와 마이크로서비스가 함께 사용되는 상황이라 꽤 복잡한 아키텍처로 구성되어 있습니다. 그리고 새로운 Java/Spring 기반 서비스들이 빠르게 추가되고 있어서 각 서비스들 간의 통신이나 아키텍처 구성을 어떻게 개선해가면 좋을지 고민되는 상황이었는데요. 🙃 팀에 빅테크(FAANG) 출신 시니어 개발자들도 있어서 제가 이 개선을 주도하지는 않겠지만, <code >적어도 아키텍처 개선 방향에 대한 내 의견을 가지고 있어야겠다</code>는 생각으로 힌트를 얻고자 Java 기반 서비스들의 큰 형님격인 Netflix의 문을 두드렸습니다. Netflix는 Java 기반 서비스들의 아키텍처를 어떻게 발전시켜나갔는지 궁금해서 찾아보다가 이 글을 발견했고, 오랜만에 Java 생태계로 돌아온 저에게 유익했던 글이라 DeepL의 도움을 받아 번역해보았습니다. 전체 내용 보기 👉 https://www.integer.blog/evolution-of-java-usage-at-netflix/?ref=careerly.co.kr 📌 목차<ol ><li>Groovy 시대 with BFF(Backend For Frontend)</li><li>RxJava와 리액티브 프로그래밍 사용</li><li>GraphQL Federation으로 전환</li><li>Netflix가 사용하는 Java 버전</li><li>Netflix가 사용하는 Spring Boot</li></ol>

1nteger 🏄🏻‍♂️

Mobile development is a dynamic field that evolves rapidly, demanding developers to be proactive in keeping up with the latest trends, tools, and technologies. As the app landscape continuously...

How to Stay Up-to-Date as a Mobile Developer

개발자가 간단하게 실천할 수 있는 최신 정보 습득 방법에 대해 가져와 봤습니다! 이미 실천하고 계신 분들도 많으실 것 같네요ㅎㅎ 빠르게 변하는 산업인 만큼 지속적으로 새로운 정보를 받아들이는 것은 중요할 것 같습니다.

 1.  개발자 블로그 및 뉴스레터 구독하기
     iOS, aOS 공식 블로그뿐만 아니라 업계 전문가가 운영하는 블로그나 뉴스레터를 정기적으로 받아보는 것은 꾸준히 정보의 흐름을 읽을 수 있는 가장 좋은 방법입니다.
     
     
 2.  소셜 미디어 및 온라인 커뮤니티에 참여하기
     트위터, 레딧, 스택오브플로우와 같은 개발자 커뮤니티에 가입하는 것은 개발자들과 함께 소통하면서 성장할 수 있는 좋은 방법입니다. (커리어리도 마찬가지입니다!) 관련 해시태그를 팔로우하고, 스레드에 참여해서 좋은 정보를 실시간으로 얻어보세요! (개인적으로 일론머스크의 트윗이 재밌더군요...)
     
     
 3.  컨퍼런스 및 모임 참석
     온라인 및 오프라인 컨퍼런스에 주기적으로 참여하면 동료 개발자들과 네트워크를 형성하고, 최신 업계 동향을 접할 수 있습니다. wwdc, google i/o뿐만 아니라 국내 기업에서 주최하는 세션이나 컨퍼런스에 참여해 보세요!
     
     
 4.  온라인 강좌를 통한 지속적 학습
     코세라와 같은 유명 플랫폼에서 제공하는 온라인 강좌를 통해 지속적으로 지식을 심화해 나가는 것도 좋은 방법입니다. 최신 도구나 프레임워크를 학습하는 것은 나에게 큰 도움이 될 것입니다!
     
     
 5.  출퇴근 시간에 팟캐스트 듣기
     통근 시간을 이용해 팟캐스트의 힘을 활용해 보세요! Fragmented, Swift by Sundell 및 Android Developers Backstage와 같은 팟캐스트에서는 최신 모바일 개발 사례나 인터뷰 및 토론을 제공합니다! 영어 공부도 덤이고요! 이 외에 주요 CEO들이 출연하여 기술에 대해 이야기하는 ACQUIRED를 추천드립니다! 최근에는 앤비디아의 젠슨 황이 출연하기도 했죠.
     
     
 6.  GitHub 리포지토리 및 오픈 소스 프로젝트를 팔로우하기
     GitHub만큼이나 개발자가 코드를 파보기가 좋은 데가 없죠. 도메인와 관련된 프레임워크 라이브러리 오픈소스 프로젝트의 저장소를 꾸준히 기여하고, 참여하면 코딩 기술을 업그레이드할 뿐만 아니라 새로운 코딩 표준 및 공동 개발 방식을 접할 수 있습니다.
     
     
 7.  베타 릴리즈 사용해 보기
     얼리어답터가 되어 운영체제, SDK 및 개발도구의 베타 릴리즈를 실험하면 누구보다 빠른 기술을 습득할 수 있습니다. 이러한 경험을 통해 앱을 조정하고, 개발 커뮤니티에 좋은 의견들을 나눠볼 수 있죠.
     
     
 8.  업계 보고서 읽기
     보고서를 통해 업계 최신 동향을 광범위하게 얻을 수 있습니다. 또한 시장 행동과 타깃 유저 행동에 대한 통팔력을 통해 더 큰 그림을 이해하고, 프로젝트 방향에 대한 정보를 입각한 결정을 내릴 수 있습니다. 해외 쪽 뿐만 아니라 국내 주요 기업도 리포트를 발간하고 있으니, 참고하면 좋을 것 같습니다.
     
     
 9.  개인적인 개발 계획 수립
     커리어적인 성장을 위해 체계적인 계획을 개발하는 것이 중요합니다. 학습을 위한 시간을 확보하고, 강좌 및 컨퍼런스와 같은 앞선 내용들에 리소스를 할당하고 정기적으로 스스로 평가하는 시간을 가져보는 것이 좋습니다.
     
     
 10. 지속적인 네트워킹
     네트워킹은 최신 정보를 유지하는 데에 필수적인 요소입니다 동료 개발자와 소통하고, 적극적으로 협업 기회를 찾아보는 것입니다. 멘토링 및 협업 프로젝트에 참여하는 것도 좋습니다.
     
     본문에 대한 원글은 아래 링크에서 볼 수 있습니다.
     https://medium.com/gitconnected/how-to-stay-up-to-date-as-a-mobile-developer-0d6c5ef47acc

개발자가 간단하게 실천할 수 있는 최신 정보 습득 방법에 대해 가져와 봤습니다! 이미 실천하고 계신 분들도 많으실 것 같네요ㅎㅎ 빠르게 변하는 산업인 만큼 지속적으로 새로운 정보를 받아들이는 것은 중요할 것 같습니다. <ol ><li>개발자 블로그 및 뉴스레터 구독하기iOS, aOS 공식 블로그뿐만 아니라 업계 전문가가 운영하는 블로그나 뉴스레터를 정기적으로 받아보는 것은 꾸준히 정보의 흐름을 읽을 수 있는 가장 좋은 방법입니다. </li><li>소셜 미디어 및 온라인 커뮤니티에 참여하기트위터, 레딧, 스택오브플로우와 같은 개발자 커뮤니티에 가입하는 것은 개발자들과 함께 소통하면서 성장할 수 있는 좋은 방법입니다. (커리어리도 마찬가지입니다!) 관련 해시태그를 팔로우하고, 스레드에 참여해서 좋은 정보를 실시간으로 얻어보세요! (개인적으로 일론머스크의 트윗이 재밌더군요...) </li><li>컨퍼런스 및 모임 참석온라인 및 오프라인 컨퍼런스에 주기적으로 참여하면 동료 개발자들과 네트워크를 형성하고, 최신 업계 동향을 접할 수 있습니다. wwdc, google i/o뿐만 아니라 국내 기업에서 주최하는 세션이나 컨퍼런스에 참여해 보세요! </li><li>온라인 강좌를 통한 지속적 학습코세라와 같은 유명 플랫폼에서 제공하는 온라인 강좌를 통해 지속적으로 지식을 심화해 나가는 것도 좋은 방법입니다. 최신 도구나 프레임워크를 학습하는 것은 나에게 큰 도움이 될 것입니다! </li><li>출퇴근 시간에 팟캐스트 듣기통근 시간을 이용해 팟캐스트의 힘을 활용해 보세요! Fragmented, Swift by Sundell 및 Android Developers Backstage와 같은 팟캐스트에서는 최신 모바일 개발 사례나 인터뷰 및 토론을 제공합니다! 영어 공부도 덤이고요! 이 외에 주요 CEO들이 출연하여 기술에 대해 이야기하는 ACQUIRED를 추천드립니다! 최근에는 앤비디아의 젠슨 황이 출연하기도 했죠. </li><li>GitHub 리포지토리 및 오픈 소스 프로젝트를 팔로우하기GitHub만큼이나 개발자가 코드를 파보기가 좋은 데가 없죠. 도메인와 관련된 프레임워크 라이브러리 오픈소스 프로젝트의 저장소를 꾸준히 기여하고, 참여하면 코딩 기술을 업그레이드할 뿐만 아니라 새로운 코딩 표준 및 공동 개발 방식을 접할 수 있습니다. </li><li>베타 릴리즈 사용해 보기 얼리어답터가 되어 운영체제, SDK 및 개발도구의 베타 릴리즈를 실험하면 누구보다 빠른 기술을 습득할 수 있습니다. 이러한 경험을 통해 앱을 조정하고, 개발 커뮤니티에 좋은 의견들을 나눠볼 수 있죠. </li><li>업계 보고서 읽기보고서를 통해 업계 최신 동향을 광범위하게 얻을 수 있습니다. 또한 시장 행동과 타깃 유저 행동에 대한 통팔력을 통해 더 큰 그림을 이해하고, 프로젝트 방향에 대한 정보를 입각한 결정을 내릴 수 있습니다. 해외 쪽 뿐만 아니라 국내 주요 기업도 리포트를 발간하고 있으니, 참고하면 좋을 것 같습니다. </li><li>개인적인 개발 계획 수립커리어적인 성장을 위해 체계적인 계획을 개발하는 것이 중요합니다. 학습을 위한 시간을 확보하고, 강좌 및 컨퍼런스와 같은 앞선 내용들에 리소스를 할당하고 정기적으로 스스로 평가하는 시간을 가져보는 것이 좋습니다. </li><li>지속적인 네트워킹네트워킹은 최신 정보를 유지하는 데에 필수적인 요소입니다 동료 개발자와 소통하고, 적극적으로 협업 기회를 찾아보는 것입니다. 멘토링 및 협업 프로젝트에 참여하는 것도 좋습니다. 본문에 대한 원글은 아래 링크에서 볼 수 있습니다.https://medium.com/gitconnected/how-to-stay-up-to-date-as-a-mobile-developer-0d6c5ef47acc</li></ol>

Medium

개발자가 실생활에서 실천할 수 있는 스터디 방법 소개 🔑

 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)

대부분의 개발자들은 굉장히 트렌디하다. 특히 한국 개발자들이 더 그렇다. 회사 일이 아무리 바쁘고 재미있어도 일에서 사용하는 기술이 최신이 아닌 레거시라고 생각하면 뒤쳐진다고 느끼고 조바심과 불안감을 많이 느낀다. 안 그래도 시간도 없고 힘도 부치는데 회사 일이 끝나면 새로운 기술을 조바심/불안감 기반으로 공부하는 경우가 아주 흔한다. 흔히 이야기하는 주경야독인데 약간 건강하지 않은 형태의 주경야독이다. 낮에는 회사 일을 하느라 바쁜 와중에 밤에는 선행학습을 하느라 바쁘다는 거다. 예를 들면 회사에서 레거시 시스템을 사용하는데 이게 커리어에 도움이 안된다고 보니 밤에 지금 마켓에서 핫한 시스템 공부를 하는 거다. 이 공부의 모티브가 중요한데 불안감이나 조바심이 주된 모티브라면 건강하지 않다.

내가 생각하는 건강한 학습은 평소 맡은 업무에 몰두하고 성취하는 경험을 통해 자신감을 쌓고 인정받고 (이에 대해서 뒤 "3. 의사 소통 잘하기"와 "4. 문제 정의 잘하기"에서 더 이야기해볼 예정이다) 이를 바탕으로 필요 중심 그리고 호기심 중심으로 학습하는 것이다. 즉 "현재"(필요성)에 집중하고 "나"(호기심)에 집중하는 거다. 여기에 약간의 조바심이나 불안감이 조미료처럼 첨가된다면 금상첨화다.

그런데 이게 가능하라면 내가 있는 환경이 중요해진다. 내가 잘 맞지 않는 환경이라면 현재에 집중하기가 쉽지 않을 것이다. 잘 맞는 환경인지 아닌지 판단하는 첫 번째는 같이 일하는 사람들이 어떤 사람들인지 특히 내 매니저가 어떤 사람인지 보는 건데 힘들어도 배울 점이 많고 성장한다는 느낌이 든다면 좋은 환경이다.

다음으로 나만의 학습방법을 만들어보는 것이 필요하다. 수능공부를 하는 것이 아니니 뭔가 두꺼운 책을 하나 사서 처음부터 끝까지 읽어야만 학습이 아니란 점, 필요한만큼 이해하고 넘어가도 된다는 점, 학습을 하다보면 항상 어느 시점에는 벽에 부딪칠 것이기에 꾸준함이 중요하다는 것 등등을 인지해야 한다. 개인적으로는 잘 모르는 주제가 생기면 유투브 등으로 짧은 영상 몇개 보고 더 깊게 들어갈 필요가 있다면 잘 아는 지인들에게 (적절히 보상을 해주고) 물어본다던지 아니면 더 긴 영상 강의(유데미, 인프런, 유투브 등등)등을 찾아서 밀도있게 학습하는 형태로 가려고 한다. 뭔가 정말 제대로 배우고 싶을텐데 다른 사람을 가르쳐보거나 톡을 하는 기회를 만들어서 강제로 학습하려고 한다.

결국 내가 인정받는 것은 내가 만든 결과물이지 어떤 기술을 알고 있느냐는 아니라는 점을 인식하고 호기심과 필요성 중심으로 학습으로 하는 습관을 갖도록 하자.

<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> 대부분의 개발자들은 굉장히 트렌디하다. 특히 한국 개발자들이 더 그렇다. 회사 일이 아무리 바쁘고 재미있어도 일에서 사용하는 기술이 최신이 아닌 레거시라고 생각하면 뒤쳐진다고 느끼고 조바심과 불안감을 많이 느낀다. 안 그래도 시간도 없고 힘도 부치는데 회사 일이 끝나면 새로운 기술을 조바심/불안감 기반으로 공부하는 경우가 아주 흔한다. 흔히 이야기하는 주경야독인데 약간 건강하지 않은 형태의 주경야독이다. 낮에는 회사 일을 하느라 바쁜 와중에 밤에는 선행학습을 하느라 바쁘다는 거다. 예를 들면 회사에서 레거시 시스템을 사용하는데 이게 커리어에 도움이 안된다고 보니 밤에 지금 마켓에서 핫한 시스템 공부를 하는 거다. 이 공부의 모티브가 중요한데 불안감이나 조바심이 주된 모티브라면 건강하지 않다. 내가 생각하는 건강한 학습은 평소 맡은 업무에 몰두하고 성취하는 경험을 통해 자신감을 쌓고 인정받고 (이에 대해서 뒤 "3. 의사 소통 잘하기"와 "4. 문제 정의 잘하기"에서 더 이야기해볼 예정이다) 이를 바탕으로 필요 중심 그리고 호기심 중심으로 학습하는 것이다. 즉 "현재"(필요성)에 집중하고 "나"(호기심)에 집중하는 거다. 여기에 약간의 조바심이나 불안감이 조미료처럼 첨가된다면 금상첨화다. 그런데 이게 가능하라면 내가 있는 환경이 중요해진다. 내가 잘 맞지 않는 환경이라면 현재에 집중하기가 쉽지 않을 것이다. 잘 맞는 환경인지 아닌지 판단하는 첫 번째는 같이 일하는 사람들이 어떤 사람들인지 특히 내 매니저가 어떤 사람인지 보는 건데 힘들어도 배울 점이 많고 성장한다는 느낌이 든다면 좋은 환경이다. 다음으로 나만의 학습방법을 만들어보는 것이 필요하다. 수능공부를 하는 것이 아니니 뭔가 두꺼운 책을 하나 사서 처음부터 끝까지 읽어야만 학습이 아니란 점, 필요한만큼 이해하고 넘어가도 된다는 점, 학습을 하다보면 항상 어느 시점에는 벽에 부딪칠 것이기에 꾸준함이 중요하다는 것 등등을 인지해야 한다. 개인적으로는 잘 모르는 주제가 생기면 유투브 등으로 짧은 영상 몇개 보고 더 깊게 들어갈 필요가 있다면 잘 아는 지인들에게 (적절히 보상을 해주고) 물어본다던지 아니면 더 긴 영상 강의(유데미, 인프런, 유투브 등등)등을 찾아서 밀도있게 학습하는 형태로 가려고 한다. 뭔가 정말 제대로 배우고 싶을텐데 다른 사람을 가르쳐보거나 톡을 하는 기회를 만들어서 강제로 학습하려고 한다. 결국 내가 인정받는 것은 내가 만든 결과물이지 어떤 기술을 알고 있느냐는 아니라는 점을 인식하고 호기심과 필요성 중심으로 학습으로 하는 습관을 갖도록 하자.

좋은 개발자가 알아야하는 9가지 포인트들 - 2. 학습 능력 키우

스레드를 5개월만에 런칭하기 위해 모놀리틱 아키텍처를 사용했고, 5일 만에 1억명의 사용자가 몰려드는 것을 수용할 수 있었음.

사용된 기술은 커스텀 버전의 Django와 PHP, 데이터 저장소로는 TAO/UDB/MySQL와 ZippyDB 그리고 피크 타임을 위한 서버리스 펑션 Async.

자, 말 할 거 많죠? ㅋㅋㅋ 한마디하고 싶은 분들 다 여기여기 붙으세요. 🤣🤣🤣

스레드를 5개월만에 런칭하기 위해 모놀리틱 아키텍처를 사용했고, 5일 만에 1억명의 사용자가 몰려드는 것을 수용할 수 있었음. 사용된 기술은 커스텀 버전의 Django와 PHP, 데이터 저장소로는 TAO/UDB/MySQL와 ZippyDB 그리고 피크 타임을 위한 서버리스 펑션 Async. 자, 말 할 거 많죠? ㅋㅋㅋ 한마디하고 싶은 분들 다 여기여기 붙으세요. 🤣🤣🤣

📝 메타의 스레드, 모놀리틱 아키텍처 사용

차세대 자바스크립트 런타임으로 주목받고 있는 Bun이 v1.1을 출시하였습니다. 하필 거짓말처럼 만우절에 출시를 하여 윈도우즈 사용자들의 애간장을 태웠는데요. 그동안 Bun을 윈도우에서 사용하려면 WSL(Windows Subsystem for Linux)가 필요했었는데, 이제는 네이티브로도 사용할 수 있게 되었습니다 🙌

자세한 내용은 아래 공식 블로그와 유튜브 영상을 참고 바랍니다. 실제 Bun을 개발하고 있는 엔지니어들이 직접 나와서 소개하고 있는데 같은 개발자로서 약간 웃프네용 😂

📝 블로그: https://bun.sh/blog/bun-v1.1
📺 영상: https://youtu.be/yXTFOeGly9o

많은 분들이 Bun을 단순히 Node.js 보다 무지 빠른 자바스크립트 런타임이라고 알고 계시는데, 사실 Bun은 개발자 경험이 놀랍도록 띄어난 올인원 툴키트(all-in-one toolkit)입니다. Bun만 있으면 복잡한 과정없이 자바스크립트 뿐만 아니라 타입스크립트나 JSX로 작성된 코드를 바로 실행할 수 있으며, 패키지 매니저와 테스트 러너, 심지어 번들러까지 탑재하고 있습니다. 즉, 이 모든 귀찮은 일들이 다른 라이브러리 설치하지 않아도 Bun 하나만 있으면 해결됩니다 🤯

Bun에 대해서 더 알고 싶으시다면 아래 게시물을 추천드리겠습니다.

📕 Bun: 귀엽지만 강력한 새로운 자바스크립트 런타임: https://careerly.co.kr/comments/92202

차세대 자바스크립트 런타임으로 주목받고 있는 Bun이 v1.1을 출시하였습니다. 하필 거짓말처럼 만우절에 출시를 하여 윈도우즈 사용자들의 애간장을 태웠는데요. 그동안 Bun을 윈도우에서 사용하려면 WSL(Windows Subsystem for Linux)가 필요했었는데, 이제는 네이티브로도 사용할 수 있게 되었습니다 🙌 자세한 내용은 아래 공식 블로그와 유튜브 영상을 참고 바랍니다. 실제 Bun을 개발하고 있는 엔지니어들이 직접 나와서 소개하고 있는데 같은 개발자로서 약간 웃프네용 😂 📝 블로그: https://bun.sh/blog/bun-v1.1📺 영상: https://youtu.be/yXTFOeGly9o 많은 분들이 Bun을 단순히 Node.js 보다 무지 빠른 자바스크립트 런타임이라고 알고 계시는데, 사실 Bun은 개발자 경험이 놀랍도록 띄어난 올인원 툴키트(all-in-one toolkit)입니다. Bun만 있으면 복잡한 과정없이 자바스크립트 뿐만 아니라 타입스크립트나 JSX로 작성된 코드를 바로 실행할 수 있으며, 패키지 매니저와 테스트 러너, 심지어 번들러까지 탑재하고 있습니다. 즉, 이 모든 귀찮은 일들이 다른 라이브러리 설치하지 않아도 Bun 하나만 있으면 해결됩니다 🤯 Bun에 대해서 더 알고 싶으시다면 아래 게시물을 추천드리겠습니다. 📕 Bun: 귀엽지만 강력한 새로운 자바스크립트 런타임: https://careerly.co.kr/comments/92202

🥟 Bun v1.1 출시 소식

디자인 시스템, 코드를 넘어서

https://so-so.dev/react/design-system-beyond-code/

같은 걸 3번 만드는 경험은 흔치 않죠. 그래서 글에 깊은 맛이 있답니다!!

https://so-so.dev/react/design-system-beyond-code/ 같은 걸 3번 만드는 경험은 흔치 않죠. 그래서 글에 깊은 맛이 있답니다!!

So-so

디자인시스템 3번만든 이야기

HashMap is Hash table based implementation of the Map interface. This implementation provides all of the optional map operations, and permits null values and the null key. (The HashMap class is...

Barclays Java Spring-Boot Micro-service Interview Question with answer 2024

Finally 블록에서 예외가 발생하면 어떻게 되나요?
자바에서, try-catch에서 finally 블록 내에서 예외가 발생할 때의 동작은, try-catch 블록의 예외 처리와 약간 다릅니다. 
 
[Try-Catch 블록의 예외]
 * 정상적인 플로우가 중지됩니다.
 * 예외 유형과 일치하는 catch 블록이 있다면, 해당 블록 내의 코드가 실행됩니다. 이를 통해 예외를 처리할 수 있습니다.
 * catch 블록이 완료되거나 어떤 catch 블록과도 일치하지 않으면 finally 블록의 코드가 실행됩니다.
[Finally 블록의 예외]
 * 원래의 예외가 중지됩니다. 이는 원래의 예외가 메서드 호출자에게 전달되지 않는 것을 의미합니다.
 * finally 블록에서 던진 예외가 호출자에게 전파되는 새로운 예외가 됩니다.
[키 포인트]
 * finally 블록은 try-catch 블록에서 예외가 발생하는지 여부에 관계없이 항상 실행됩니다.
 * finally 블록의 예외는 원래의 예외를 억제합니다.
 * finally 블록에서 던진 예외는 호출자가 처리해야 하는 새로운 예외가 됩니다.
[Finally 블록의 쓰임새]
 * 리소스(데이터베이스 연결, 파일 클로징)를 해제합니다.
 * 예외에 관계없이 항상 수행해야 하는 정리 작업을 처리합니다.
 
자바의 다이아몬드 문제란 무엇인가요?
"다이아몬드 문제"란 여러 상속 시나리오에서 발생하는 특정한 문제를 의미합니다. 클래스 상속 다이어그램을 그릴 때 발생하는 다이아몬드 모양에서 이름을 따왔습니다.

 1. 자바의 접근방식: 자바는 클래스의 다중상속을 지원하지 않습니다. 그러나 자바는 인터페이스의 다중상속은 허용합니다. 
 2. 자바 인터페이스의 다이아몬드 문제: 클래스가 두 개의 인터페이스를 구현하고 두 인터페이스가 모두 동일한 메소드명을 가진다면, 구현 클래스는 모호성을 해결하기 위해 메서드를 자체적으로 구현해야 합니다.
interface InterfaceA {
    default void display() {
        System.out.println("Inside InterfaceA");
    }
}

interface InterfaceB {
    default void display() {
        System.out.println("Inside InterfaceB");
    }
}

class MyClass implements InterfaceA, InterfaceB {
    // Here, we must provide our own implementation of display to resolve the ambiguity.
    @Override
    public void display() {
        InterfaceA.super.display(); // calling InterfaceA's default implementation
        InterfaceB.super.display(); // calling InterfaceB's default implementation
    }
}

어떻게 해결할 수 있을까요?

1. 메서드 오버라이딩: 구현 클래스에서 자신만의 구현을 제공하여 모호함을 해결합니다. 이 방식은 기본 구현 중 하나를 선택하거나 완전히 새로운 구현을 제공하고자 할 때 적합합니다.
class MyClass implements InterfaceA, InterfaceB {
    @Override
    public void display() {
        System.out.println("Hello world");
    }
}

2. 특정 인터페이스의 메서드 호출: 특정한 인터페이스의 메서드를 호출합니다. 
class MyClass implements InterfaceA, InterfaceB {
    @Override
    public void display() {
        InterfaceA.super.display(); // or InterfaceB.super.display()
        // Additional logic if needed
    }
}

 
Multilevel 상속이란 무엇인가요?
Multilevel 상속에서 A 클래스는 B 클래스를 상속하며, B 클래스 역시 C 클래스를 상속합니다.
 
자식 클래스는 부모 클래스를 통해 조부모 클래스에서 간접적으로 상속됩니다. 자식 클래스는 부모 및 조부모 클래스의 모든 public/protected 멤버에 접근할 수 있습니다.
 
String, Stringbuffer, Stringbuilder의 차이는 무엇인가요?
(번역/원문 참고)
 
메서드 오버라이딩과 오버로딩은 무엇인가요?
[메서드 오버로딩]
 * 단일 클래스 내에서 발생합니다. 이름은 같지만 매개 변수가 다른 동일한 클래스의 여러 메서드를 말합니다.
 * 메서드 오버로딩을 사용하면 유사한 작업을 수행하지만 입력/출력이 다른 메서드를 만들 수 있습니다.
class Calculator {
  public int add(int a, int b) {
    return a + b;
  }

  public double add(double a, double b) {
    return a + b;
  }
}

[메서드 오버라이딩]
 * 상속에서 클래스 간에 메서드 오버라이딩이 발생합니다. 하위 클래스가 상위 클래스에서 상속된 메서드를 재정의하는 것을 말합니다. 메서드는 상위 클래스 메서드와 동일한 이름, 반환 유형 및 매개 변수를 갖습니다.
 * 메서드 오버라이딩을 사용하면 하위 클래스가 상위 클래스에서 상속된 메서드를 자체적으로 구현하여 하위 클래스에 대한 동작을 전문화할 수 있습니다.
class Animal {
  public void makeSound() {
    System.out.println("Generic animal sound");
  }
}

class Dog extends Animal {
  @Override
  public void makeSound() {
    System.out.println("Woof!");
  }
}

 
예외 클래스의 계층구조는 무엇인가요?
Arraylist와 Linkedlist의 차이는 무엇인가요?
Set과 Arraylist의 차이는 무엇인가요?
(번역/원문 참고)
 
번역: [https://ducktopia.tistory.com/119]
원문:

Finally 블록에서 예외가 발생하면 어떻게 되나요?자바에서, try-catch에서 finally 블록 내에서 예외가 발생할 때의 동작은, try-catch 블록의 예외 처리와 약간 다릅니다.&nbsp;&nbsp;[Try-Catch 블록의 예외]<ul ><li>정상적인 플로우가 중지됩니다.</li><li>예외 유형과 일치하는 catch 블록이 있다면, 해당 블록 내의 코드가 실행됩니다. 이를 통해 예외를 처리할 수 있습니다.</li><li>catch 블록이 완료되거나 어떤 catch 블록과도 일치하지 않으면 finally 블록의 코드가 실행됩니다.</li></ul>[Finally 블록의 예외]<ul ><li>원래의 예외가 중지됩니다. 이는 원래의 예외가 메서드 호출자에게 전달되지 않는 것을 의미합니다.</li><li>finally 블록에서 던진 예외가 호출자에게 전파되는 새로운 예외가 됩니다.</li></ul>[키 포인트]<ul ><li>finally 블록은 try-catch 블록에서 예외가 발생하는지 여부에 관계없이 항상 실행됩니다.</li><li>finally 블록의 예외는 원래의 예외를 억제합니다.</li><li>finally 블록에서 던진 예외는 호출자가 처리해야 하는 새로운 예외가 됩니다.</li></ul>[Finally 블록의 쓰임새]<ul ><li>리소스(데이터베이스 연결, 파일 클로징)를 해제합니다.</li><li>예외에 관계없이 항상 수행해야 하는 정리 작업을 처리합니다.</li></ul>&nbsp;자바의 다이아몬드 문제란 무엇인가요?"다이아몬드 문제"란 여러 상속 시나리오에서 발생하는 특정한 문제를 의미합니다. 클래스 상속 다이어그램을 그릴 때 발생하는 다이아몬드 모양에서 이름을 따왔습니다. <ol ><li>자바의 접근방식: 자바는 클래스의 다중상속을 지원하지 않습니다. 그러나 자바는 인터페이스의 다중상속은 허용합니다.&nbsp;</li><li>자바 인터페이스의 다이아몬드 문제: 클래스가 두 개의 인터페이스를 구현하고 두 인터페이스가 모두 동일한 메소드명을 가진다면, 구현 클래스는 모호성을 해결하기 위해 메서드를 자체적으로 구현해야 합니다.</li></ol><pre ><code class="language-java">interface InterfaceA {
 default void display() {
 System.out.println("Inside InterfaceA");
 }
}

interface InterfaceB {
 default void display() {
 System.out.println("Inside InterfaceB");
 }
}

class MyClass implements InterfaceA, InterfaceB {
 // Here, we must provide our own implementation of display to resolve the ambiguity.
 @Override
 public void display() {
 InterfaceA.super.display(); // calling InterfaceA's default implementation
 InterfaceB.super.display(); // calling InterfaceB's default implementation
 }
}</code></pre>어떻게 해결할 수 있을까요? 1. 메서드 오버라이딩: 구현 클래스에서 자신만의 구현을 제공하여 모호함을 해결합니다. 이 방식은 기본 구현 중 하나를 선택하거나 완전히 새로운 구현을 제공하고자 할 때 적합합니다.<pre ><code class="language-java">class MyClass implements InterfaceA, InterfaceB {
 @Override
 public void display() {
 System.out.println("Hello world");
 }
}</code></pre>2. 특정 인터페이스의 메서드 호출: 특정한 인터페이스의 메서드를 호출합니다.&nbsp;<pre ><code class="language-java">class MyClass implements InterfaceA, InterfaceB {
 @Override
 public void display() {
 InterfaceA.super.display(); // or InterfaceB.super.display()
 // Additional logic if needed
 }
}</code></pre>&nbsp;Multilevel 상속이란 무엇인가요?Multilevel 상속에서 A 클래스는 B 클래스를 상속하며, B 클래스 역시 C 클래스를 상속합니다.&nbsp;자식 클래스는 부모 클래스를 통해 조부모 클래스에서 간접적으로 상속됩니다. 자식 클래스는 부모 및 조부모 클래스의 모든 public/protected 멤버에 접근할 수 있습니다.&nbsp;String, Stringbuffer, Stringbuilder의 차이는 무엇인가요?(번역/원문 참고)&nbsp;메서드 오버라이딩과 오버로딩은 무엇인가요?[메서드 오버로딩]<ul ><li>단일 클래스 내에서 발생합니다. 이름은 같지만 매개 변수가 다른 동일한 클래스의 여러 메서드를 말합니다.</li><li>메서드 오버로딩을 사용하면 유사한 작업을 수행하지만 입력/출력이 다른 메서드를 만들 수 있습니다.</li></ul><pre ><code class="language-java">class Calculator {
 public int add(int a, int b) {
 return a + b;
 }

 public double add(double a, double b) {
 return a + b;
 }
}</code></pre>[메서드 오버라이딩]<ul ><li>상속에서 클래스 간에 메서드 오버라이딩이 발생합니다. 하위 클래스가 상위 클래스에서 상속된 메서드를 재정의하는 것을 말합니다. 메서드는 상위 클래스 메서드와 동일한 이름, 반환 유형 및 매개 변수를 갖습니다.</li><li>메서드 오버라이딩을 사용하면 하위 클래스가 상위 클래스에서 상속된 메서드를 자체적으로 구현하여 하위 클래스에 대한 동작을 전문화할 수 있습니다.</li></ul><pre ><code class="language-java">class Animal {
 public void makeSound() {
 System.out.println("Generic animal sound");
 }
}

class Dog extends Animal {
 @Override
 public void makeSound() {
 System.out.println("Woof!");
 }
}</code></pre>&nbsp;예외 클래스의 계층구조는 무엇인가요?Arraylist와 Linkedlist의 차이는 무엇인가요?Set과 Arraylist의 차이는 무엇인가요?(번역/원문 참고)&nbsp;번역: [https://ducktopia.tistory.com/119]원문:

🕊️ 2024 버클리즈 Java SpringBoot 인터뷰 질문 

Learn to become an Data Analyst using this roadmap. Community driven, articles, resources, guides, interview questions, quizzes for modern backend development.

Data Analyst Roadmap

개발자분들은 roadmap.sh에 대해 이미 아시겠죠?
최근 데이터분석가의 로드맵도 업데이트되어 공유합니다!

사실 이렇게 보면.. 개발자 로드맵보다 조금 정립되어있지 않은 느낌도 드는데, 그래도 참고해보면 좋을 것 같아요!

https://roadmap.sh/data-analyst

개발자분들은 roadmap.sh에 대해 이미 아시겠죠?최근 데이터분석가의 로드맵도 업데이트되어 공유합니다! 사실 이렇게 보면.. 개발자 로드맵보다 조금 정립되어있지 않은 느낌도 드는데, 그래도 참고해보면 좋을 것 같아요! https://roadmap.sh/data-analyst

roadmap.sh

데이터분석가 로드맵 🤓

1. 감정은 전염되기 때문에 매우 중요하다.

2. 사람들은 자신과 연관된 것들을 자랑스러워하고 자신과 동료들이 성공할 것이라고 믿고 싶어 한다.

3. 그래서 조직을 이끄는 리더에게 주어진 가장 중요한 임무 하나가 자신감을 보여 주는 것이다.

4. 사람들은 자신감 넘치는 사람을 따르고 지지하고 싶어 한다.

5. 그렇기 때문에 자신감 있어 보이는 사람들이 취직하고 승진할 가능성이 크다.

6. 이뿐만 아니라 리더가 자신감 있게 행동하면 그 자신감이 전염되어 그를 따르는 다른 사람들도 더 자신감 있게 행동한다.

#권력을경영하는7가지원칙

1. 감정은 전염되기 때문에 매우 중요하다. 2. 사람들은 자신과 연관된 것들을 자랑스러워하고 자신과 동료들이 성공할 것이라고 믿고 싶어 한다. 3. 그래서 조직을 이끄는 리더에게 주어진 가장 중요한 임무 하나가 자신감을 보여 주는 것이다. 4. 사람들은 자신감 넘치는 사람을 따르고 지지하고 싶어 한다. 5. 그렇기 때문에 자신감 있어 보이는 사람들이 취직하고 승진할 가능성이 크다. 6. 이뿐만 아니라 리더가 자신감 있게 행동하면 그 자신감이 전염되어 그를 따르는 다른 사람들도 더 자신감 있게 행동한다. #권력을경영하는7가지원칙

< 리더의 자신감은 전염된다 >

Optimism, obsession, self-belief, raw horsepower and personal connections are how things get started. Cohesive teams, the right combination of calmness and urgency, and unreasonable commitment are...

What I Wish Someone Had Told Me

1. 일은 낙관, 집념, 신념, 거친 돌파력, 인간적 연결에서부터 시작됩니다.

2. 하지만 일을 마무리하는 것은 단합된 팀, 빠른 속도와 차분함의 조합, 무한한 헌신입니다.

3. (사람들이 착각하지만) 팀에게는 ‘중요한데 어려운 일을 하는 것’이 ‘중요하지 않지만 쉬운 일을 하는 것’보다 훨씬 더 쉽습니다. 담대한 목표는 사람들의 동기를 자극하니까요.

4. 인센티브는 슈퍼 파워지만, 신중하게 설정해야 합니다. (그게 고객이든, 직원이든, 한 번 도입한 인센티브를 되돌리긴 쉽지 않기 때문입니다)

5. (너무 많은 일을 동시에 벌이려고 하지 말고) 확신을 가지는 소수의 몇 가지에 자원을 집중하세요. 하지만 말이 쉽지, 이를 행동으로 옮기는 건 쉽진 않을 겁니다. 생각했던 것보다 훨씬 더 많은 것들을 (뼈를 깎는 고통을 감수하며) 제거해야 할 테니까요. (=존 우든 효과)

6. 커뮤니케이션은 명확하고 깔끔하게 하세요.

7. 조직의 구조가 구성원들이 생산적으로 일하는 것을 방해하게 않도록 하세요. 특히 관료주의와 헛소리에 대해선 발견할 때마다 싸우고, 구성원들 또한 이를 발견할 때마다 싸우도록 만드세요.

8. 비즈니스에서 중요한 건 결과입니다. 과정이 좋았다며, 나쁜 결과를 변명하도록 내버려두지 마세요. (결과가 안 좋았다면, 분명 프로세스에 문제가 있는 겁니다. 따라서 과정이 좋았다는 위로가 아니라, 문제를 파악하고 개선해야 더 나은 결과를 얻을 수 있습니다)

9. 채용에 더 많은 시간을 투자하고, 빠르게 성장할 가능성이 보이는 사람들을 영입하기 위해 위험을 무릎 써보세요!

10. 슈퍼스타는 보이는 것보다 훨씬 더 큰 가치를 가지지만, 그들에 대한 평가는 조직의 성과에 어떤 기여를 했는지를 두고 정확하게 내려야 합니다.

11. 빠른 반복은 많은 문제를 해결합니다. 특히 빠르게 반복할 수 있으면, 틀려도 상관없습니다. (빠르게 반복하는 과정에서 틀린 것들을 계속 수정할 테니까요)

12. 물리 법칙에 해당하는 비즈니스와는 싸우지 마세요. (비과학적인 믿음으로 사업을 하지 말라는 말입니다)

13. 영감은 쉽게 깨지고, 삶은 놀랍도록 빠릅니다. 그리고 아무것도 하지 않은 것이야말로 최악의 위험입니다.

14. 스케일은 급부상하고 있는 신흥 자산입니다.

15. 복리는 마법입니다. 그러니 규모와 복리가 만나는 비즈니스를 하세요.

16. 쓰러져도 다시 일어나 계속 나아가세요.

17. 위대한 사람들과 함께 일하는 것은 인생에서 가장 큰 축복 중 하나입니다.

- 샘 알트만

https://blog.samaltman.com/what-i-wish-someone-had-told-me

1. 일은 낙관, 집념, 신념, 거친 돌파력, 인간적 연결에서부터 시작됩니다. 2. 하지만 일을 마무리하는 것은 단합된 팀, 빠른 속도와 차분함의 조합, 무한한 헌신입니다. 3. (사람들이 착각하지만) 팀에게는 ‘중요한데 어려운 일을 하는 것’이 ‘중요하지 않지만 쉬운 일을 하는 것’보다 훨씬 더 쉽습니다. 담대한 목표는 사람들의 동기를 자극하니까요. 4. 인센티브는 슈퍼 파워지만, 신중하게 설정해야 합니다. (그게 고객이든, 직원이든, 한 번 도입한 인센티브를 되돌리긴 쉽지 않기 때문입니다) 5. (너무 많은 일을 동시에 벌이려고 하지 말고) 확신을 가지는 소수의 몇 가지에 자원을 집중하세요. 하지만 말이 쉽지, 이를 행동으로 옮기는 건 쉽진 않을 겁니다. 생각했던 것보다 훨씬 더 많은 것들을 (뼈를 깎는 고통을 감수하며) 제거해야 할 테니까요. (=존 우든 효과) 6. 커뮤니케이션은 명확하고 깔끔하게 하세요. 7. 조직의 구조가 구성원들이 생산적으로 일하는 것을 방해하게 않도록 하세요. 특히 관료주의와 헛소리에 대해선 발견할 때마다 싸우고, 구성원들 또한 이를 발견할 때마다 싸우도록 만드세요. 8. 비즈니스에서 중요한 건 결과입니다. 과정이 좋았다며, 나쁜 결과를 변명하도록 내버려두지 마세요. (결과가 안 좋았다면, 분명 프로세스에 문제가 있는 겁니다. 따라서 과정이 좋았다는 위로가 아니라, 문제를 파악하고 개선해야 더 나은 결과를 얻을 수 있습니다) 9. 채용에 더 많은 시간을 투자하고, 빠르게 성장할 가능성이 보이는 사람들을 영입하기 위해 위험을 무릎 써보세요! 10. 슈퍼스타는 보이는 것보다 훨씬 더 큰 가치를 가지지만, 그들에 대한 평가는 조직의 성과에 어떤 기여를 했는지를 두고 정확하게 내려야 합니다. 11. 빠른 반복은 많은 문제를 해결합니다. 특히 빠르게 반복할 수 있으면, 틀려도 상관없습니다. (빠르게 반복하는 과정에서 틀린 것들을 계속 수정할 테니까요) 12. 물리 법칙에 해당하는 비즈니스와는 싸우지 마세요. (비과학적인 믿음으로 사업을 하지 말라는 말입니다) 13. 영감은 쉽게 깨지고, 삶은 놀랍도록 빠릅니다. 그리고 아무것도 하지 않은 것이야말로 최악의 위험입니다. 14. 스케일은 급부상하고 있는 신흥 자산입니다. 15. 복리는 마법입니다. 그러니 규모와 복리가 만나는 비즈니스를 하세요. 16. 쓰러져도 다시 일어나 계속 나아가세요. 17. 위대한 사람들과 함께 일하는 것은 인생에서 가장 큰 축복 중 하나입니다. - 샘 알트만 https://blog.samaltman.com/what-i-wish-someone-had-told-me

Sam Altman

창업을 하고자 하는 사람들에게 해주고 싶은 말들

At re:Invent 2022, AWS announced that it successfully ran a suite of AWS compute and machine learning (ML) software on an orbiting satellite, in a first-of-its-kind space experiment. The experiment, conducted over the past 10 months in low Earth orbit (LE

AWS successfully runs AWS compute and machine learning services on an orbiting satellite in a first-of-its kind space experiment | Amazon Web Services

커리어리 친구들, 현재 라스베가스에서 AWS 리인벤트 개발자 행사가 개최되고 있습니다. 저의 거의 모든 AWS 친구들이 즐겁게 행사를 참여하는 모습을 페북을 통해서 잘 보고 있습니다. 

따라서, 오늘은 리인벤트 행사에서 한 가지 흥미로운 소식이 있어서 전달하고자 합니다. AWS re:Invent 2022에서 아마존 웹 서비스(AWS)는 최초의 우주 실험에서 궤도 위성에서 AWS 컴퓨팅 및 기계 학습(ML) 소프트웨어를 성공적으로 실행했다고 발표했습니다. 

지난 10개월 동안 낮은 지구 궤도(LEO)에서 수행된 이 실험은 고객이 클라우드를 사용하여 궤도 위성에서 직접 귀중한 우주 데이터를 수집하고 분석할 수 있는 더 빠르고 효율적인 방법을 테스트하기 위해 고안되었다고 합니다. 

AWS 소프트웨어를 사용하여 궤도 위성에서 실시간 데이터 분석을 수행하고 클라우드를 통해 의사 결정자에게 직접 분석을 제공하는 것은 우주 데이터 관리에 대한 기존 접근 방식의 확실한 변화입니다. 

또한 AWS는 위성 운영에 가능하다고 믿는 것의 경계를 넓히는 데 도움이 된다고 주장했습니다. 우주에서 강력하고 안전한 클라우드 기능을 제공하면 위성 운영자는 우주선과 더 효율적으로 통신하고 익숙한 AWS 도구를 사용하여 업데이트된 명령을 제공할 수 있습니다.

제가 후배들에게 미래의 소프트웨어 개발에 대해 강연할 때, 여러분들이 20-30대쯤이면 인공위성을 원격으로 프로그래밍할 것이다라고 늘 말했는 데, 제 생각보다 그 순간이 빠르게 다가 올 것 같습니다!!

Amazon Web Services, Inc.

지수inc 사원

최광우 

빛나는광우 빛광해돋을우 최광우입니다 ❤️
똥광코알라광우C.♥️
해주최씨 ❤️ 
좌랑공파33세손입니다 🙋‍♂️ 
최광우 😘 
최광우 TV.
C.
#마케터

쓰리디랩스 전임연구원

유진

경상국립대학교

그로엘

로봇 인공지능 공부
#Ai #끊임없이배우기 #독서 #도전적인 #문제를해결하는 #스타트업 #질문하는 #창업 #팀플레이어 #0에서1만들기 #25세 #AIBusiness #ENFJ #Instagram #Learning #People #game #경청하는 #계획적인

<AWS, 궤도 위성에서 머신러닝 학습 성공하다>

머신 러닝

MySQL

python

html

javascript

SpringBoot

django

Java

Docker

Kubernetes

Linux

c언어

React

typescript

Node.js

Vue.js

Spring

Github

OracleDB

Android

데이터 분석

커뮤니케이션

대규모 데이터센터나 서버에서 대규모 언어 모델 또는 멀티모달, 딥러닝 모델에 대한 GPU를 이용한 분산 훈련 및 추론 솔루션 아키텍처를 기업 대상으로 하고 있습니다. 

HPC&AI PreSales

AI 전략경영 MBA

서진호

서진호의 링크드인

Google Cloud Innovators

시나브로의 실리콘 밸리 산책

저의 깃허브

클라우드 또는 하이브리드 컴퓨팅에서 빅데이타 분석과 GPU와 고성능 분산 컴퓨팅 기반의 머신러닝 및 딥러닝, 생성형 AI(LLM/LMM)에 대한 솔루션 아키텍처 컨설팅.

#소프트웨어엔지니어 #데이터사이언스 #Ai #데이터애널리스트 #GPU #분산훈련

<AWS, 궤도 위성에서 머신러닝 학습 성공하다>

댓글 1

비슷한 게시물

주간 인기 TOP 10

추천 프로필