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

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

A lot happened on the first day of Google Cloud Next '24, including keynotes, customer testimonials, and product announcements galore.

Next '24 Day 1 recap | Google Cloud Blog

라스베가스에서 4월9일부터 11일까지 라스베가스에서 진행되고 있는 구글 넥스트24의 첫날 진행 내용에 대한 구글의 recap내용 공유드립니다. 누구나 당연히 예상하듯이 AI기반의 모든 기존 서비스와 솔루션의 통합과 기능 추가가 핵심입니다.

 1. Gemini for Google 클라우드: 다양한 구글 클라우드 제품에 AI 통합
    * 제미니 코드 어시스트: 개발자를 위한 Duet AI의 진화를 통해 개발자는 자연어를 사용하여 개인 코드 기반과 선호하는 통합 개발 환경(IDE)에서 코드를 추가, 변경, 분석 및 간소화
    * 제미니 클라우드 지원: 클라우드 팀이 애플리케이션 라이프사이클을 설계, 운영 및 최적화할 수 있도록 지원
    * 제미니 인 시큐리티: IAM 자세 개선을 위한 ID 및 액세스 관리 권장 사항, 암호화 키 생성 지원, 기밀 컴퓨팅 보호를 구현하는 방법에 대한 제안
    * 제미니 인 데이터베이스: AloyDB를 위한 벡터 지원 및 데이터베이스의 LangChain 통합
    * 제미니 인 빅쿼리: 데이터 탐색, 큐레이션, 랭글링, 분석 및 시각화 워크플로우를 위한 새로운 자연어 기반 환경인 새로운 데이터 캔버스를 제공
    * Vertex AI: 고객에게 공개 미리보기로 제공, 새로운 MLOps 기능, Vertex AI Search and Conversation 제품과 함께 개발자들이 엔터프라이즈급 AI 환경 구축 및 구축을 훨씬 쉽게 할 수 있도록 향상된 Vertex AI Agent Builder 제공

 2. Google workspace와의 통합
 * 구글 비즈: AI 기반 비디오, 사용자가 사용자 정의할 수 있는 스토리보드, 글쓰기, 제작 및 편집 비서가 모두 하나로 통합.
 * AI 미팅 및 메시징 추가 기능: 구글 채팅에서 메시지 및 주문형 대화 요약을 자동 번역. 추가 기능은 사용자당 월 10달러 제공, 대부분의 Workspace 요금제에 추가

 3. AI에 최적화 된 인프라
 * AI Hypercomputer 아키텍처 전반에 걸쳐 향상된 기능
   * NVIDIA H100 Tensor Core GPU를 탑재한 Cloud TPU v5p 및 A3 Mega VM의 일반적인 가용성
   * Hyperdisk ML을 포함한 스토리지 포트폴리오 최적화
   * JetStream, JAX 및 PyTorch/X를 포함한 개방형 소프트웨어 개발 포함LA 릴리즈.
 * 구글 액시온(Google Axion)
   * 첫 번째 데이터 센터용으로 설계된 커스터마이즈 ARM CPU
 * 5세대 Intel Xeon 프로세서로 구동되는 C4 및 N4 범용 VM을 포함한 새로운 컴퓨팅 및 네트워킹 기능 Google 분산 클라우드 전반의 개선 사항도 포함

 * 출처: https://cloud.google.com/blog/topics/google-cloud-next/next24-day-1-recap

라스베가스에서 4월9일부터 11일까지 라스베가스에서 진행되고 있는 구글 넥스트24의 첫날 진행 내용에 대한 구글의 recap내용 공유드립니다. 누구나 당연히 예상하듯이 AI기반의 모든 기존 서비스와 솔루션의 통합과 기능 추가가 핵심입니다. <ol ><li>Gemini for Google 클라우드: 다양한 구글 클라우드 제품에 AI 통합<ul ><li>제미니 코드 어시스트: 개발자를 위한 Duet AI의 진화를 통해 개발자는 자연어를 사용하여 개인 코드 기반과 선호하는 통합 개발 환경(IDE)에서 코드를 추가, 변경, 분석 및 간소화</li><li>제미니 클라우드 지원: 클라우드 팀이 애플리케이션 라이프사이클을 설계, 운영 및 최적화할 수 있도록 지원</li><li>제미니 인 시큐리티: IAM 자세 개선을 위한 ID 및 액세스 관리 권장 사항, 암호화 키 생성 지원, 기밀 컴퓨팅 보호를 구현하는 방법에 대한 제안</li><li>제미니 인 데이터베이스: AloyDB를 위한 벡터 지원 및 데이터베이스의 LangChain 통합</li><li>제미니 인 빅쿼리: 데이터 탐색, 큐레이션, 랭글링, 분석 및 시각화 워크플로우를 위한 새로운 자연어 기반 환경인 새로운 데이터 캔버스를 제공</li><li>Vertex AI: 고객에게 공개 미리보기로 제공, 새로운 MLOps 기능, Vertex AI Search and Conversation 제품과 함께 개발자들이 엔터프라이즈급 AI 환경 구축 및 구축을 훨씬 쉽게 할 수 있도록 향상된 Vertex AI Agent Builder 제공</li></ul></li></ol> <ol start="2"><li>Google workspace와의 통합</li></ol><ul ><li>구글 비즈: AI 기반 비디오, 사용자가 사용자 정의할 수 있는 스토리보드, 글쓰기, 제작 및 편집 비서가 모두 하나로 통합.</li><li>AI 미팅 및 메시징 추가 기능: 구글 채팅에서 메시지 및 주문형 대화 요약을 자동 번역. 추가 기능은 사용자당 월 10달러 제공, 대부분의 Workspace 요금제에 추가</li></ul> <ol start="3"><li>AI에 최적화 된 인프라</li></ol><ul ><li>AI Hypercomputer 아키텍처 전반에 걸쳐 향상된 기능<ul ><li>NVIDIA H100 Tensor Core GPU를 탑재한 Cloud TPU v5p 및 A3 Mega VM의 일반적인 가용성</li><li>Hyperdisk ML을 포함한 스토리지 포트폴리오 최적화</li><li>JetStream, JAX 및 PyTorch/X를 포함한 개방형 소프트웨어 개발 포함LA 릴리즈.</li></ul></li><li>구글 액시온(Google Axion)<ul ><li>첫 번째 데이터 센터용으로 설계된 커스터마이즈 ARM CPU</li></ul></li><li>5세대 Intel Xeon 프로세서로 구동되는 C4 및 N4 범용 VM을 포함한 새로운 컴퓨팅 및 네트워킹 기능 Google 분산 클라우드 전반의 개선 사항도 포함</li></ul> <ul ><li>출처: https://cloud.google.com/blog/topics/google-cloud-next/next24-day-1-recap</li></ul>

Google Cloud Blog

[Next ’24] Day1 recap: 모두를 위한 AI 에이전트

Welcome to the seventh edition of the AI Index report. The 2024 Index is our most comprehensive to date and arrives at an important moment when AI's influence on society has never been more pronounced.

AI Index Report 2024 - Artificial Intelligence Index

미국 스탠퍼드대학교(Stanford University)의 스탠퍼드 인간중심 인공지능연구소(Human-Centered Artificial Intelligence. 이하, HAI)가 2024 AI 인덱스 보고서를 발표했습니다.

2024 인덱스는 지금까지 가장 포괄적인 보고서로, 올해는 AI의 기술적 발전, 기술에 대한 대중의 인식등 필수적인 트렌드를 보다 광범위하게 다루기 위해 범위를 넓혔습니다. 10가지 주요 시사점들은 다음과 같습니다.

1. 일부 작업에서 인간을 능가하지만 모든 작업에서 인간을 능가하지는 않는 AI
AI는 이미지 분류, 시각적 추론, 영어 이해 등 여러 벤치마크에서 인간의 능력을 뛰어넘었다. 그러나 경쟁 수준의 수학, 시각적 상식 추론 및 계획과 같은 더 복잡한 작업에서는 뒤처지고 있다.

2. 프론티어 AI 연구를 계속 주도하는 산업계
2023년에 산업계는 51개의 주목할 만한 머신러닝 모델을 개발한 반면, 학계는 15개만 기여했다. 또한 2023년에는 산학 협력으로 탄생한 주목할 만한 모델도 21개로, 최고치를 기록했다.

3. 훨씬 더 비싸지는 프론티어 모델
AI Index의 추정에 따르면, 최첨단 AI 모델의 학습 비용은 전례 없는 수준에 도달했다. 예를 들어 OpenAI의 GPT-4는 훈련에 약 7,800만 달러 상당의 컴퓨팅을 사용한 반면, Google의 Gemini Ultra는 1억 9,100만 달러의 컴퓨팅 비용이 들었다.

4. 미국은 중국, EU, 영국을 제치고 최고 AI 모델의 주요 공급원으로 선두 유지
2023년에 주목할 만한 AI 모델 중 61개가 미국 소재 기관에서 개발되어 유럽연합의 21개와 중국의 15개를 훨씬 앞질렀다.

5. LLM 책임에 대한 강력하고 표준화된 평가가 심각하게 부족
AI 인덱스의 새로운 연구에 따르면 책임 있는 AI 보고에 대한 표준화가 크게 부족한 것으로 나타났다. OpenAI, Google, Anthropic을 비롯한 선도적인 개발자들은 주로 다양한 책임감 있는 AI 벤치마크를 기준으로 모델을 테스트한다. 이러한 관행은 최고의 AI 모델의 위험과 한계를 체계적으로 비교하려는 노력을 복잡하게 만들고있다.

6. 제너레이티브 AI 투자 급증
지난해 전체 AI 민간 투자는 감소했지만, 제너레이티브 AI에 대한 투자는 급증하여 2022년 대비 10배 가까이 증가한 252억 달러에 달했다. OpenAI, Anthropic, Hugging Face, Inflection 등 제너레이티브 AI 분야의 주요 업체들이 상당한 규모의 펀드레이징 라운드를 진행했다고 보고했다.

7. 근로자의 생산성을 높이고 더 높은 품질의 업무로 이어지는 AI
2023년, 여러 연구에서 AI가 노동에 미치는 영향을 평가한 결과, AI를 통해 근로자가 작업을 더 빨리 완료하고 결과물의 품질을 향상시킬 수 있다는 사실이 밝혀졌다. 이러한 연구는 또한 저숙련 근로자와 고숙련 근로자 간의 기술 격차를 해소할 수 있는 AI의 잠재력을 보여주었다. 하지만 다른 연구에서는 적절한 감독 없이 AI를 사용하면 성과가 저하될 수 있다고 경고하고 있다.

8. 과학적 진보를 가속화 하는 AI
2022년, AI는 과학적 발견을 발전시키기 시작했다. 그러나 2023년에는 알고리즘 분류를 더욱 효율적으로 만드는 AlphaDev부터 물질 발견 과정을 촉진하는 GNoME에 이르기까지 훨씬 더 중요한 과학 관련 AI 애플리케이션이 출시되었다

9. 미국의 AI 규제 수 급격히 증가
미국의 AI 관련 규제는 지난해와 지난 5년 동안 크게 증가했다. 2016년 한 개에 불과했던 AI 관련 규제는 2023년에 25개로 증가했다. 작년에만 AI 관련 규제의 총 수가 56.3% 증가했다.

10. AI의 잠재적 영향력을 더 잘 인식하고 있으며, 더 긴장하는 사람들
Ipsos의 설문조사에 따르면, 지난 1년간 AI가 향후 3~5년 내에 자신의 삶에 큰 영향을 미칠 것이라고 생각하는 사람들의 비율이 60%에서 66%로 증가했다. 또한 52%는 AI 제품 및 서비스에 대해 불안감을 표명했는데, 이는 2022년에 비해 13% 포인트 증가한 수치이다. 미국에서는 퓨 데이터에 따르면 미국인의 52%가 AI에 대해 기대감보다 우려를 더 많이 느낀다고 답해 2022년의 37%보다 증가했다.

 * 원문: https://aiindex.stanford.edu/report/, https://aiindex.stanford.edu/wp-content/uploads/2024/04/HAI_AI-Index-Report-2024.pdf

미국 스탠퍼드대학교(Stanford University)의 스탠퍼드 인간중심 인공지능연구소(Human-Centered Artificial Intelligence. 이하, HAI)가 2024 AI 인덱스 보고서를 발표했습니다. 2024 인덱스는 지금까지 가장 포괄적인 보고서로, 올해는 AI의 기술적 발전, 기술에 대한 대중의 인식등 필수적인 트렌드를 보다 광범위하게 다루기 위해 범위를 넓혔습니다. 10가지 주요 시사점들은 다음과 같습니다. 1. 일부 작업에서 인간을 능가하지만 모든 작업에서 인간을 능가하지는 않는 AIAI는 이미지 분류, 시각적 추론, 영어 이해 등 여러 벤치마크에서 인간의 능력을 뛰어넘었다. 그러나 경쟁 수준의 수학, 시각적 상식 추론 및 계획과 같은 더 복잡한 작업에서는 뒤처지고 있다. 2. 프론티어 AI 연구를 계속 주도하는 산업계2023년에 산업계는 51개의 주목할 만한 머신러닝 모델을 개발한 반면, 학계는 15개만 기여했다. 또한 2023년에는 산학 협력으로 탄생한 주목할 만한 모델도 21개로, 최고치를 기록했다. 3. 훨씬 더 비싸지는 프론티어 모델AI Index의 추정에 따르면, 최첨단 AI 모델의 학습 비용은 전례 없는 수준에 도달했다. 예를 들어 OpenAI의 GPT-4는 훈련에 약 7,800만 달러 상당의 컴퓨팅을 사용한 반면, Google의 Gemini Ultra는 1억 9,100만 달러의 컴퓨팅 비용이 들었다. 4. 미국은 중국, EU, 영국을 제치고 최고 AI 모델의 주요 공급원으로 선두 유지2023년에 주목할 만한 AI 모델 중 61개가 미국 소재 기관에서 개발되어 유럽연합의 21개와 중국의 15개를 훨씬 앞질렀다. 5. LLM 책임에 대한 강력하고 표준화된 평가가 심각하게 부족AI 인덱스의 새로운 연구에 따르면 책임 있는 AI 보고에 대한 표준화가 크게 부족한 것으로 나타났다. OpenAI, Google, Anthropic을 비롯한 선도적인 개발자들은 주로 다양한 책임감 있는 AI 벤치마크를 기준으로 모델을 테스트한다. 이러한 관행은 최고의 AI 모델의 위험과 한계를 체계적으로 비교하려는 노력을 복잡하게 만들고있다. 6. 제너레이티브 AI 투자 급증지난해 전체 AI 민간 투자는 감소했지만, 제너레이티브 AI에 대한 투자는 급증하여 2022년 대비 10배 가까이 증가한 252억 달러에 달했다. OpenAI, Anthropic, Hugging Face, Inflection 등 제너레이티브 AI 분야의 주요 업체들이 상당한 규모의 펀드레이징 라운드를 진행했다고 보고했다. 7. 근로자의 생산성을 높이고 더 높은 품질의 업무로 이어지는 AI2023년, 여러 연구에서 AI가 노동에 미치는 영향을 평가한 결과, AI를 통해 근로자가 작업을 더 빨리 완료하고 결과물의 품질을 향상시킬 수 있다는 사실이 밝혀졌다. 이러한 연구는 또한 저숙련 근로자와 고숙련 근로자 간의 기술 격차를 해소할 수 있는 AI의 잠재력을 보여주었다. 하지만 다른 연구에서는 적절한 감독 없이 AI를 사용하면 성과가 저하될 수 있다고 경고하고 있다. 8. 과학적 진보를 가속화 하는 AI2022년, AI는 과학적 발견을 발전시키기 시작했다. 그러나 2023년에는 알고리즘 분류를 더욱 효율적으로 만드는 AlphaDev부터 물질 발견 과정을 촉진하는 GNoME에 이르기까지 훨씬 더 중요한 과학 관련 AI 애플리케이션이 출시되었다 9. 미국의 AI 규제 수 급격히 증가미국의 AI 관련 규제는 지난해와 지난 5년 동안 크게 증가했다. 2016년 한 개에 불과했던 AI 관련 규제는 2023년에 25개로 증가했다. 작년에만 AI 관련 규제의 총 수가 56.3% 증가했다. 10. AI의 잠재적 영향력을 더 잘 인식하고 있으며, 더 긴장하는 사람들Ipsos의 설문조사에 따르면, 지난 1년간 AI가 향후 3~5년 내에 자신의 삶에 큰 영향을 미칠 것이라고 생각하는 사람들의 비율이 60%에서 66%로 증가했다. 또한 52%는 AI 제품 및 서비스에 대해 불안감을 표명했는데, 이는 2022년에 비해 13% 포인트 증가한 수치이다. 미국에서는 퓨 데이터에 따르면 미국인의 52%가 AI에 대해 기대감보다 우려를 더 많이 느낀다고 답해 2022년의 37%보다 증가했다. <ul><li>원문: https://aiindex.stanford.edu/report/, https://aiindex.stanford.edu/wp-content/uploads/2024/04/HAI_AI-Index-Report-2024.pdf</li></ul>

Stanford

[스탠퍼드 HAI] 2024 AI 인덱스 보고서

📌 이럴 때 추천해요 : "빡센 경제, 경영서 읽느라 지친 나에게 치팅데이를 선물하고 싶을 때"

01 . 비교적 책을 좋아하는 분이라면 '밸런스를 맞춰가며 읽는다'는 의미를 알고 계실 겁니다. 대부분 각자가 좋아하고 익숙한 분야의 책에 먼저 손이 가지만 어느 순간 이르러 지루하거나 지치는 포인트가 생기면 평소에 관심이 없던 분야 쪽으로도 기웃거리게 되기 때문이죠.

02 . 한편 이와는 결이 조금 다른 '밸런스'도 있습니다. 이건 일종의 시각 넓히기이기도 한데요, 한 가지 주제를 두고 이런 사람 이야기도 들어보고 싶고, 저런 사람 이야기도 들어보고 싶은 마음이 생길 때가 대표적입니다. 특히 제 경우엔 다그치듯 말하는 사람의 책을 읽고 나면 그다음엔 타이르듯 말해주는 사람의 책이 읽고 싶어지고, 불안감을 자극하는 책을 읽고 나면 어김없이 희망을 이야기하는 책이 읽고 싶어지거든요.

03 . 그래서 현실적인 경제, 경영 서적들의 타이트함(?)에 조금씩 피로도가 쌓여갈 때면 저는 '세스 고딘'의 작품들을 의도적으로 선택합니다. 고딘의 글이 비현실적이라는 건 절대 아니고, 그가 가지고 있는 선도적인 안목과 유쾌한 메시지, 때론 과감하기도 하고 어떨 땐 기상천외하기도 한 사례들을 접하는 게 일종의 '치팅 데이'처럼 느껴지기 때문이죠.

04 . 작년 연말에 출간된 ⟪의미의 시대⟫는 앞으로 일과 일터가 어떻게 바뀔 것인지에 대한 통찰을 담고 있는 책입니다. 몇 년 전 출간한 ⟪린치핀⟫이 '앞으로 나는 어떤 역할을 해야 하는가'에 초점이 맞춰졌다면 이번 책에서는 '앞으로 우리가 일하게 될 판은 어떻게 변할 것인가'를 이야기한다고 봐도 무방하죠. 비록 '일 잘하는 법'이라거나 '다가올 미래 예측서'와 같은 책들에 견주면 말랑말랑하고 가벼운 이야기를 담고 있지만 그래도 저는 이런 말들이 필요한 순간이 있다고 생각합니다.

05 . 특히 좋았던 점 중 하나는 제목에서처럼 '의미'를 찾고 부여할 수 있는 대상들을 잘 포착했다는 것이었습니다. 전인류가 AI라는 것에 관심을 가지는 시대라면, 그래서 머지않아 수많은 것들이 AI로 대체될 것임이 명확하다면 우리는 무엇에 의미를 부여하고, 무엇을 더 의미 있게 받아들일 것이며, 무엇의 의미를 탐색할 것인가가 아주아주 중요해질 테니 말이죠.

06 . 그러니 세세한 주제나 전문적인 항목들을 다루는 책들에 치우쳐져 있었다면 의도적으로 '뭣이 중헌디?'라는 질문을 던지는 책으로도 눈길을 돌릴 필요가 있습니다. 내 성향에 맞든 맞지 않든 이런 책을 한 번 만나고 나면 그 다음 책을 고르는 안목 역시 높아지더라고요.
'웬일로 안먹던 돌체라떼를 시키냐'는 질문에 '가끔 또 이렇게 마셔줘야 평소 아아의 소중함을 더 간절히 느끼기 때문이지'라는 친구의 말이 책에도 적용될 수 있단 생각을 해보며, 요즘같이 목을 죄어오는 책들이 쏟아지는 현실 속에서 ⟪의미의 시대⟫란 시즌 메뉴를 하나 추천해 봅니다.

📌 이럴 때 추천해요 : "빡센 경제, 경영서 읽느라 지친 나에게 치팅데이를 선물하고 싶을 때" 01 . 비교적 책을 좋아하는 분이라면 '밸런스를 맞춰가며 읽는다'는 의미를 알고 계실 겁니다. 대부분 각자가 좋아하고 익숙한 분야의 책에 먼저 손이 가지만 어느 순간 이르러 지루하거나 지치는 포인트가 생기면 평소에 관심이 없던 분야 쪽으로도 기웃거리게 되기 때문이죠. 02 . 한편 이와는 결이 조금 다른 '밸런스'도 있습니다. 이건 일종의 시각 넓히기이기도 한데요, 한 가지 주제를 두고 이런 사람 이야기도 들어보고 싶고, 저런 사람 이야기도 들어보고 싶은 마음이 생길 때가 대표적입니다. 특히 제 경우엔 다그치듯 말하는 사람의 책을 읽고 나면 그다음엔 타이르듯 말해주는 사람의 책이 읽고 싶어지고, 불안감을 자극하는 책을 읽고 나면 어김없이 희망을 이야기하는 책이 읽고 싶어지거든요. 03 . 그래서 현실적인 경제, 경영 서적들의 타이트함(?)에 조금씩 피로도가 쌓여갈 때면 저는 '세스 고딘'의 작품들을 의도적으로 선택합니다. 고딘의 글이 비현실적이라는 건 절대 아니고, 그가 가지고 있는 선도적인 안목과 유쾌한 메시지, 때론 과감하기도 하고 어떨 땐 기상천외하기도 한 사례들을 접하는 게 일종의 '치팅 데이'처럼 느껴지기 때문이죠. 04 . 작년 연말에 출간된 ⟪의미의 시대⟫는 앞으로 일과 일터가 어떻게 바뀔 것인지에 대한 통찰을 담고 있는 책입니다. 몇 년 전 출간한 ⟪린치핀⟫이 '앞으로 나는 어떤 역할을 해야 하는가'에 초점이 맞춰졌다면 이번 책에서는 '앞으로 우리가 일하게 될 판은 어떻게 변할 것인가'를 이야기한다고 봐도 무방하죠. 비록 '일 잘하는 법'이라거나 '다가올 미래 예측서'와 같은 책들에 견주면 말랑말랑하고 가벼운 이야기를 담고 있지만 그래도 저는 이런 말들이 필요한 순간이 있다고 생각합니다. 05 . 특히 좋았던 점 중 하나는 제목에서처럼 '의미'를 찾고 부여할 수 있는 대상들을 잘 포착했다는 것이었습니다. 전인류가 AI라는 것에 관심을 가지는 시대라면, 그래서 머지않아 수많은 것들이 AI로 대체될 것임이 명확하다면 우리는 무엇에 의미를 부여하고, 무엇을 더 의미 있게 받아들일 것이며, 무엇의 의미를 탐색할 것인가가 아주아주 중요해질 테니 말이죠. 06 . 그러니 세세한 주제나 전문적인 항목들을 다루는 책들에 치우쳐져 있었다면 의도적으로 '뭣이 중헌디?'라는 질문을 던지는 책으로도 눈길을 돌릴 필요가 있습니다. 내 성향에 맞든 맞지 않든 이런 책을 한 번 만나고 나면 그 다음 책을 고르는 안목 역시 높아지더라고요. '웬일로 안먹던 돌체라떼를 시키냐'는 질문에 '가끔 또 이렇게 마셔줘야 평소 아아의 소중함을 더 간절히 느끼기 때문이지'라는 친구의 말이 책에도 적용될 수 있단 생각을 해보며, 요즘같이 목을 죄어오는 책들이 쏟아지는 현실 속에서 ⟪의미의 시대⟫란 시즌 메뉴를 하나 추천해 봅니다.

[ 그때를 위한 책 - vol.37 ] ⟪의미의 시대⟫

작년에는 경영 쪽을 많이 읽다보니 너무 삶이 계산적으로 변하는 것 같아 이번 년도는 문학 쪽도 함께 읽고 있습니다. 

추천해주신 의미의 시대도 조만간 읽고 싶은 도서 목록에 올리겠습니다!

누구나 직장에서 도망치고싶은, 부끄러운 순간들이 있을겁니다. 그럴 때 누구는 도망하고, 누구는 인내하며, 누구는 부정하고, 누구는 부끄러움을 모르기도 합니다. 그리고 누군간 극복하고 해내고 맙니다. 저는 그 중 도망자였습니다. 부끄러운 고백입니다. 이 글은 제가 토스에 다녔던 2015년-2016년 두 해, 토스의 극초기에 겪었던 실패의 회고입니다.

유난한 도전과 도망: 어느 직장인의 부끄러운 회고

https://jaypark.me/11

재한님이 토스 초기 멤버로써 어떤 일을 겪었는지 남겨주셨네요.
누구나 감추고 싶은 과거가 있죠. 이걸 공개하셨다는 것 만으로 대단하다고 생각합니다.

https://jaypark.me/11 재한님이 토스 초기 멤버로써 어떤 일을 겪었는지 남겨주셨네요.누구나 감추고 싶은 과거가 있죠. 이걸 공개하셨다는 것 만으로 대단하다고 생각합니다.

박재한 블로그

어느 직장인의 회고

PS 원툴 대학생의 네이버 인턴 생존기... 인 줄 알았지만 Yorkie 프로젝트 소개가 되어버린 글

네이버 Yorkie TF 인턴 생존기

프로젝트 Yorkie는 오픈소스 데이터 스토어로 네이버에서 개발되고 있습니다. 지인이 해당 프로젝트를 개발하고 있어서 초기부터 알던 프로젝트입니다.

Yorkie는 CRDT 기반으로 실시간 동시 편집을 지원하는 데이터 스토어라고 할 수 있습니다. 요즘은 많은 도구가 지원하는데 구글 독스나 노션 등 한 화면을 여러 사람이 동시에 수정할 수 있도록 제공하는 경우 자연히 충돌이 생기게 됩니다. 한명은 A를 B로 바꾸고 다른 한명은 A를 C로 바꾸면 최종이 B여야 하는지 C여야 하는지 결정해야 하는 문제가 남습니다.

Git 등으로 개발하다 보면 충돌이 발생하는 경우를 많이 겪기 때문에 어느 정도 이해할 수 있을거라고 생각합니다. 동시 편집을 하면 당연히 충돌이 발생할 수 밖에 없습니다. Git을 이 최종의 선택권을 사용자가 선택할 수 있도록 넘겨주지만 노션 같은 도구에서 충돌 날때마다 사용자에게 충돌났다고 물어보는건 사용자 경험에도 좋지 않기 때문에 이런 방법을 쓰진 않습니다.

과거에도 동시 편집 구현은 쉽지 않았고 다양한 시도가 있었지만 Conflict-Free-Replicated Data Types를 뜻하는 CRDT는 이러한 문제를 해결하는 데이터 스토어이고 그 이름대로 충돌이 없습니다. 아까 처럼 A->B, A->C의 경우 결과가 B일지 C일지는 상황에 따라 다르지만 충돌은 나지 않습니다.

이 CRDT를 이용한 데이터 스토어인 Yorkie는 해당 프로젝트 개발과 이를 이용한 SaaS 형태의 서비스를 제공하고 있습니다. 이 Yorkie팀에 들아가서 인턴으로 2달 일한 과정을 정리한 들입니다.

인턴기 이지만 인턴 생활보다는 Yorkie에 대해 많은 내용이 담겨 있습니다. 알고리즘을 잘하시는 분이라 인턴 중에도 Yorkie의 구조적인 부분과 기능 추가등의 작업을 많이 하신거 같고 파악하신 Yorkie의 데이터 구조와 문제점, 해결 방법 등이 다양하게 나와 있어서 재밌습니다.

https://justicehui.github.io/review/2024/03/30/naver-intern-review/

프로젝트 Yorkie는 오픈소스 데이터 스토어로 네이버에서 개발되고 있습니다. 지인이 해당 프로젝트를 개발하고 있어서 초기부터 알던 프로젝트입니다. Yorkie는 CRDT 기반으로 실시간 동시 편집을 지원하는 데이터 스토어라고 할 수 있습니다. 요즘은 많은 도구가 지원하는데 구글 독스나 노션 등 한 화면을 여러 사람이 동시에 수정할 수 있도록 제공하는 경우 자연히 충돌이 생기게 됩니다. 한명은 A를 B로 바꾸고 다른 한명은 A를 C로 바꾸면 최종이 B여야 하는지 C여야 하는지 결정해야 하는 문제가 남습니다. Git 등으로 개발하다 보면 충돌이 발생하는 경우를 많이 겪기 때문에 어느 정도 이해할 수 있을거라고 생각합니다. 동시 편집을 하면 당연히 충돌이 발생할 수 밖에 없습니다. Git을 이 최종의 선택권을 사용자가 선택할 수 있도록 넘겨주지만 노션 같은 도구에서 충돌 날때마다 사용자에게 충돌났다고 물어보는건 사용자 경험에도 좋지 않기 때문에 이런 방법을 쓰진 않습니다. 과거에도 동시 편집 구현은 쉽지 않았고 다양한 시도가 있었지만 Conflict-Free-Replicated Data Types를 뜻하는 CRDT는 이러한 문제를 해결하는 데이터 스토어이고 그 이름대로 충돌이 없습니다. 아까 처럼 A-&gt;B, A-&gt;C의 경우 결과가 B일지 C일지는 상황에 따라 다르지만 충돌은 나지 않습니다. 이 CRDT를 이용한 데이터 스토어인 Yorkie는 해당 프로젝트 개발과 이를 이용한 SaaS 형태의 서비스를 제공하고 있습니다. 이 Yorkie팀에 들아가서 인턴으로 2달 일한 과정을 정리한 들입니다. 인턴기 이지만 인턴 생활보다는 Yorkie에 대해 많은 내용이 담겨 있습니다. 알고리즘을 잘하시는 분이라 인턴 중에도 Yorkie의 구조적인 부분과 기능 추가등의 작업을 많이 하신거 같고 파악하신 Yorkie의 데이터 구조와 문제점, 해결 방법 등이 다양하게 나와 있어서 재밌습니다. https://justicehui.github.io/review/2024/03/30/naver-intern-review/

JusticeHui가 PS하는 블로그

A multimodal model like GPT-4 can take AI chatbots and other AI applications to new heights by combining text and images, for example.

OpenAI makes GPT-4 Turbo with Vision available to developers to unlock new AI apps

OpenAI의 GPT-5가 계속 나올거라는 추측과 루머속에 비전 기능을 갖춘 최신 GPT-4 터보 모델인 GPT-4 Turbo with Vision을 발표했습니다.

[GPT-4 Turbo with Vision]
 * 2023년 12월부터 GPT-4 터보의 128,000 토큰 창과 지식 컷오프 유지
 * 이미지와 시각적 콘텐츠를 이해할 수 있는 비전 기능이 추가
 * 텍스트와 이미지 모두 하나의 모델만 호출하면 모두 구현 가능하기에 개발 프로세스 간소화 됨
 * 사례
   * AI 소프트웨어 엔지니어링 어시스턴트인 Devin에도 GPT-4 Turbo with Vision을 통해 기능 향상
   * 건강 및 피트니스 앱인 Healthify는 GPT-4 Turbo with Vision을 사용하여 사용자의 식사 사진을 스캔하고 사진 인식을 통해 영양학적 인사이트를 제공
   * Make Real은 GPT-4 Turbo with Vision을 사용하여 사용자의 그림을 실제 작동하는 웹사이트로 변환
 * 비전 탑재 GPT-4 Turbo 모델은 아직 ChatGPT 내부나 일반 대중에게 제공되지 않지만, OpenAI는 곧 ChatGPT에서 사용할 수 있게 될 것이라고 예고
   >> 4월11일 오늘 릴리즈 발표했네요~^^

 * https://help.openai.com/en/articles/8555510-gpt-4-turbo-in-the-openai-api
 * https://platform.openai.com/docs/models/gpt-4-turbo-and-gpt-4
   
   
출처: https://www.zdnet.com

OpenAI의 GPT-5가 계속 나올거라는 추측과 루머속에 비전 기능을 갖춘 최신 GPT-4 터보 모델인 GPT-4 Turbo with Vision을 발표했습니다. [GPT-4 Turbo with Vision]<ul ><li>2023년 12월부터 GPT-4 터보의 128,000 토큰 창과 지식 컷오프 유지</li><li>이미지와 시각적 콘텐츠를 이해할 수 있는 비전 기능이 추가</li><li>텍스트와 이미지 모두 하나의 모델만 호출하면 모두 구현 가능하기에 개발 프로세스 간소화 됨</li><li>사례<ul ><li>AI 소프트웨어 엔지니어링 어시스턴트인 Devin에도 GPT-4 Turbo with Vision을 통해 기능 향상</li><li>건강 및 피트니스 앱인 Healthify는 GPT-4 Turbo with Vision을 사용하여 사용자의 식사 사진을 스캔하고 사진 인식을 통해 영양학적 인사이트를 제공</li><li>Make Real은 GPT-4 Turbo with Vision을 사용하여 사용자의 그림을 실제 작동하는 웹사이트로 변환</li></ul></li><li>비전 탑재 GPT-4 Turbo 모델은 아직 ChatGPT 내부나 일반 대중에게 제공되지 않지만, OpenAI는 곧 ChatGPT에서 사용할 수 있게 될 것이라고 예고&gt;&gt; 4월11일 오늘 릴리즈 발표했네요~^^</li></ul> <ul ><li>https://help.openai.com/en/articles/8555510-gpt-4-turbo-in-the-openai-api</li><li>https://platform.openai.com/docs/models/gpt-4-turbo-and-gpt-4 </li></ul>출처: https://www.zdnet.com

ZDNET

오픈AI의 비전 기능이 포함된 GPT-4 Turbo(feat.DeepL)

글 잘 읽었습니다~
이 정도면 이미지와 텍스트만으로 온갖 것들을 다 만들어내겠네요

외부감사인 삼도회계법인 "계속기업가치 불확실" 표기 유동부채가 유동자산 두 배 이상 많아 발란 측 "유상증자 등으로 자금 조달 계획" 명품 커머스 플랫폼을 운영하는 발란이 감사인으로부터 '계속기업가치 불확실' 지적을

명품 플랫폼 1위 '발란', 계속기업가치 불확실 지적... "유동부채가 자산의 두배 초과"

감사인은 “회사의 재무제표는 자산과 부채가 정상적인 사업활동과정을 통하여 장부가액으로 회수되거나 상환될 수 있다는 가정 하에 회계처리되었으나, 향후 회사의 경영성과 및 유상증자에 대한 최종 결과에 따라서 좌우되는 중요한 불확실성을 내포하고 있다”면서 “이러한 상황은 계속기업으로서의 존속능력에 유의적 의문을 제기할 만한 중요한 불확실성이 존재함을 나타낸다”고 언급했다.

다만 감사인은 감사의견은 ‘적정’으로 냈다. 계속기업으로서의 존속 능력에 유의적 의문을 제기할 만한 중요한 불확실성이 존재하지만, 감사의견 자체는 이 사항으로부터 영향을 받지 않았다는 것이다.

https://n.news.naver.com/article/366/0000984928?sid=101

감사인은 “회사의 재무제표는 자산과 부채가 정상적인 사업활동과정을 통하여 장부가액으로 회수되거나 상환될 수 있다는 가정 하에 회계처리되었으나, 향후 회사의 경영성과 및 유상증자에 대한 최종 결과에 따라서 좌우되는 중요한 불확실성을 내포하고 있다”면서 “이러한 상황은 계속기업으로서의 존속능력에 유의적 의문을 제기할 만한 중요한 불확실성이 존재함을 나타낸다”고 언급했다. 다만 감사인은 감사의견은 ‘적정’으로 냈다. 계속기업으로서의 존속 능력에 유의적 의문을 제기할 만한 중요한 불확실성이 존재하지만, 감사의견 자체는 이 사항으로부터 영향을 받지 않았다는 것이다. https://n.news.naver.com/article/366/0000984928?sid=101

Naver

원문: https://www.sabatino.dev/bfcache-explained/ 브라우저의 뒤로 가기 버튼을 눌렀는데 이전 페이지가 매우 빠르게 로딩되는 경험해

(번역) BFCache 알아보기

오늘 소개해드릴 글은 라인플러스의 김찬희님이 번역해주신 글입니다.

BFCache에 대해 들어보신 적이 있으신가요? BFCache는 Back and Forward Cache의 약자로 웹 페이지의 스냅샷을 캐시 해 사용자가 브라우저에서 뒤로/앞으로 가기를 했을 때 즉각 로드 되도록 하는 브라우저의 최적화 기능입니다. 특히 네트워크나 디바이스의 속도가 느린 경우 빛을 발하는데요. 이 글에서는 BFCache가 어떻게 동작 하는지, BFCache에 관한 유의 사항들 그리고 BFCache가 제대로 동작하고 있는지 테스트 할 수 있는 방법을 소개합니다. 읽어 본 뒤 BFCache가 페이지를 캐시 하지 못하게 만드는 부분들이 있을지 살펴보고, 제대로 동작하고 있는지 점검한다면 보다 우수한 사용자 경험을 제공하는데 도움이 될 수 있을 것 같습니다!

 * 글 링크 : https://velog.io/@superlipbalm/bfcache

오늘 소개해드릴 글은 라인플러스의 김찬희님이 번역해주신 글입니다. BFCache에 대해 들어보신 적이 있으신가요? BFCache는 Back and Forward Cache의 약자로 웹 페이지의 스냅샷을 캐시 해 사용자가 브라우저에서 뒤로/앞으로 가기를 했을 때 즉각 로드 되도록 하는 브라우저의 최적화 기능입니다. 특히 네트워크나 디바이스의 속도가 느린 경우 빛을 발하는데요. 이 글에서는 BFCache가 어떻게 동작 하는지, BFCache에 관한 유의 사항들 그리고 BFCache가 제대로 동작하고 있는지 테스트 할 수 있는 방법을 소개합니다. 읽어 본 뒤 BFCache가 페이지를 캐시 하지 못하게 만드는 부분들이 있을지 살펴보고, 제대로 동작하고 있는지 점검한다면 보다 우수한 사용자 경험을 제공하는데 도움이 될 수 있을 것 같습니다! <ul ><li>글 링크 : https://velog.io/@superlipbalm/bfcache</li></ul>

Velog

BFCache 알아보기

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

✅ 고객 데이터 플랫폼 CDP에 대해 궁금하신 분들께 추천해요. ✅ CDP와 DMP의 공통점과 차이점이 궁금하신 분들께 추천해요. 마테크 업계의 핫이슈인 CDP에 대해 알고 계시나요? 서드파티 데이터 활용이 어려워지면서 퍼스트 파티 데이터가 중요해졌고, 퍼스트 파티 데이터를 활용할 수 있게 도와주는 고객 데이터 플랫폼인 CDP에 대한 관심이 뜨거워지고 있어요.

고객 데이터 플랫폼 (CDP)란? 그리고 DMP와의 차이점은? | 일일일

✅ 고객 데이터 플랫폼 CDP에 대해 궁금하신 분들께 추천해요.
✅ CDP와 DMP의 공통점과 차이점이 궁금하신 분들께 추천해요.

마테크 업계의 핫이슈인 CDP에 대해 알고 계시나요?

서드파티 데이터 활용이 어려워지면서 퍼스트 파티 데이터가 중요해졌고,
퍼스트 파티 데이터를 활용할 수 있게 도와주는 고객 데이터 플랫폼인 CDP에 대한 관심이 뜨거워지고 있어요.

아래 글을 통해 고객 데이터 플랫폼 (CDP)의 정의와 유형을 확인해 보고,
마케터들이 주목하고 있는 두 가지 플랫폼인 CDP와 DMP의 공통점과 차이점까지 확인해 보세요!

📌1편 <마테크 업계 핫이슈! 고객 데이터 플랫폼(CDP)은 무엇일까?>
- 고객 데이터 플랫폼이란 무엇일까요?
- 요즘 전세계 이커머스가 CDP에 집중하는 이유는?
- 고객 데이터 플랫폼(CDP)의 유형은?
- 고객 데이터 플랫폼(CDP), 어떻게 선정해야 할까?

📌2편 <CDP와 DMP 차이점과 공통점은?>
- 고객 데이터 플랫폼(CDP)은 무엇일까?
- 데이터 관리 플랫폼(DMP)은 무엇일까?
- CDP와 DMP, 모두 필요한 이유는?

===

🔔 일일일 초대장 🔔

관심 업계의 최신 트렌드를 가장 쉽고 빠르게 받아보는 방법, 일일일입니다.
아래 초대 링크를 통해 회원가입하시면 추첨을 통해 스타벅스 쿠폰을 보내드리는 이벤트를 진행하고 있어요. 많은 참여 부탁드립니다!

✅초대 링크: https://oneoneone.kr/gift?refferal_code=57fb5e04
✅일일일 바로가기 링크 : https://oneoneone.kr/

일일일(ONEONEONE)

일일일 플랫폼 운영자

일일일

관심 업계의 최신 트렌드를 가장 쉽고 빠르게 받아보는 방법,
'일일일'을 운영하고 있습니다.

▶ ONEONEONE (https://oneoneone.kr)
#마케팅 #PM #기획 #디자인 #개발자 #HR #트렌드 #비즈니스 #창업 #스타트업 #IT프로덕트

PRODUCT LAB. 콘텐츠 제작자

PRODUCT LAB.

국내 IT업계의 프로덕트 팀들을 위한 뉴스레터를 만들고 있습니다.
PRODUCT LAB. 뉴스레터 -> https://maily.so/productlab
#도전적인 #네트워킹 #디자이너 #기획자 #커뮤니케이션 #긍정적인 #변화를읽는 #팀플레이어 #마케터 #데이터분석

플랫폼 운영

오아진

📌고객 데이터 플랫폼 (CDP)란? 그리고 DMP와의 차이점은?

플랫폼 운영자

관심 업계의 최신 트렌드를 가장 쉽고 빠르게 받아보는 방법, 일일일

📌고객 데이터 플랫폼 (CDP)란? 그리고 DMP와의 차이점은?

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필