YouTube에서 마음에 드는 동영상과 음악을 감상하고, 직접 만든 콘텐츠를 업로드하여 친구, 가족뿐 아니라 전 세계 사람들과 콘텐츠를 공유할 수 있습니다.

 - YouTube

우리가 제품을 살 때 가장 먼저 보는 건 뭘까요?
바로 첫 이미지, 리뷰, 주요 성과죠.
이력서도 똑같습니다!

✅ 이력서 필수 3요소!
1️⃣ 강한 후킹 메시지 (3초 안에 시선 강탈!)
2️⃣ 회사에서 겪은 문제 → 내가 해결한 사례 (비포 & 애프터 구조!)
3️⃣ 내가 일했던 곳에서 받은 동료들의 평가 (이력서 속 ‘리뷰’ 역할)

💡 이걸 제대로 쓰면?
채용 담당자가 ‘이 사람 꼭 면접 보고 싶다!’라고 생각하게 됩니다.

“당신의 이력서, ‘상품 페이지’처럼 업그레이드하세요!”
https://youtube.com/shorts/2irzvBszrJo?si=uW-7DsD3PRsV7X3W

우리가 제품을 살 때 가장 먼저 보는 건 뭘까요?바로 첫 이미지, 리뷰, 주요 성과죠.이력서도 똑같습니다! ✅ 이력서 필수 3요소!1️⃣ 강한 후킹 메시지 (3초 안에 시선 강탈!)2️⃣ 회사에서 겪은 문제 → 내가 해결한 사례 (비포 &amp; 애프터 구조!)3️⃣ 내가 일했던 곳에서 받은 동료들의 평가 (이력서 속 ‘리뷰’ 역할) 💡 이걸 제대로 쓰면?채용 담당자가 ‘이 사람 꼭 면접 보고 싶다!’라고 생각하게 됩니다. “당신의 이력서, ‘상품 페이지’처럼 업그레이드하세요!”https://youtube.com/shorts/2irzvBszrJo?si=uW-7DsD3PRsV7X3W

youtube.com

이력서를 ‘상품 페이지’처럼 구성해 보세요

韓 바이오 스타트업 투자하는 한미합작 펀드 나온다... 美 진출 지원 

고든MD 글로벌 인베스트먼트와 파트너스인베스트먼트는 합작 투자 협약을 맺고 ‘GP-MLB Fund (Gordon-Partners Major League Biotech Fund)’ 펀드 조성에 착수했다. 펀드 규모는 1억2000만~1억5000만달러(한화 약 1500억~2000억원) 수준으로, 올해 내 1차 클로징을 마칠 예정이다.

고든MD와 파트너스인베스트먼트는 해당 펀드를 활용해 미국과 한국의 제약·바이오 기업에 투자할 예정이다. 이번 합작 투자는 글로벌 바이오 전문 펀드가 국내 기업에 투자를 집행하는 데 의의가 있다. 그간 해외 투자사가 참여하는 글로벌 펀드는 모태펀드가 앵커 출자자(LP)가 아닌 이상 국내 기업에 대한 투자 비율이 극도로 낮았었다.

https://biz.chosun.com/stock/market_trend/2025/01/30/6ZEWUYY7LFEBRBLF6JRXHYEG6M/?utm_source=naver&utm_medium=original&utm_campaign=biz

고든MD 글로벌 인베스트먼트와 파트너스인베스트먼트는 합작 투자 협약을 맺고 ‘GP-MLB Fund (Gordon-Partners Major League Biotech Fund)’ 펀드 조성에 착수했다. 펀드 규모는 1억2000만~1억5000만달러(한화 약 1500억~2000억원) 수준으로, 올해 내 1차 클로징을 마칠 예정이다. 고든MD와 파트너스인베스트먼트는 해당 펀드를 활용해 미국과 한국의 제약·바이오 기업에 투자할 예정이다. 이번 합작 투자는 글로벌 바이오 전문 펀드가 국내 기업에 투자를 집행하는 데 의의가 있다. 그간 해외 투자사가 참여하는 글로벌 펀드는 모태펀드가 앵커 출자자(LP)가 아닌 이상 국내 기업에 대한 투자 비율이 극도로 낮았었다. https://biz.chosun.com/stock/market_trend/2025/01/30/6ZEWUYY7LFEBRBLF6JRXHYEG6M/?utm_source=naver&amp;utm_medium=original&amp;utm_campaign=biz

조선비즈

정말 오랜만에 트레바리 클럽을 다시 열게 되었습니다. 거의 5년만인 것 같아요. 이번 클럽에서는 조직에서 새로운 일을 준비하고 시작하는 것에 대한 이야기를 하나씩 해보려고 합니다.

신사업을 담당하시는 분들, 새로운 일을 준비하거나 시작하신 분들과 함께 하고 싶어요!

정말 오랜만에 트레바리 클럽을 다시 열게 되었습니다. 거의 5년만인 것 같아요. 이번 클럽에서는 조직에서 새로운 일을 준비하고 시작하는 것에 대한 이야기를 하나씩 해보려고 합니다. 신사업을 담당하시는 분들, 새로운 일을 준비하거나 시작하신 분들과 함께 하고 싶어요!

신사업의 기술

완벽하기보다는 용감하라(Brave, Not Perfect) / 르쉬마 사자니

[Books&Biz] 여성리더를 꿈꾸는 당신…`완벽주의`라는 강박부터 버려라 - 매일경제

직장생활을 하면서 드는 몇 가지 의문들이 있다. 여기에는 ‘왜 능력 없는 사람들이 능력 있는 사람들을 제치고 먼저 승진할까?’와 ‘왜 여성 리더들보다 남성 리더들이 더 많을까?’가 포함될 수 있다.

사실 이에 대한 명확한 답은 없다. 능력없는 사람들이 사내 정치를 잘해서 승진할 수도 있고, 급하게 사람이 필요해서 리더 자리에 오를 수도 있다. 여성 리더가 남성 리더보다 적은 이유는 조직문화 때문에 혹은 여러 이유로 이미 퇴사한 여성들이 많아서 남아 있는 남성 직원들이 어쩔 수 없이 리더가 될 수도 있다.

그럼에도 불구하고 한 질문이 머릿속에 남는다. ‘왜 여성들은 능력이 있음에도 자신의 능력을 드러내지 않는 경우가 많을까?’ 비영리단체 [걸스 후 코드 / Girls Who Code]의 설립자 르쉬마 사자니는 저서 <완벽하기보다는 용감하라(Brave, Not Perfect: How Celebrating Imperfection Helps You Live Your Best, Most Joyful Life)>에서 한 가지 답을 제시했다. 바로 ‘여성들이 용기있기 보다는 완벽해야 한다고 배웠기 때문’이다.

어린 시절을 돌이켜보자. 일반적으로 여자아이들은 자신이 잘하는 것을 찾으면 해당 분야만 파고든다. 반면 남자아이들은 해보지 않았거나 못하는 일이어도 새로운 것에 도전한다. 사자니는 그것이 “남자아이들에게에는 용기를 가지라 하고, 여자아이들에게는 완벽하라고 말한 어른들의 가르침에서 비롯됐다”고 말한다.

사자니 역시 용기가 아닌 완벽해야 한다는 강박관념을 가진 사람이었다. 그는 예일대 로스쿨을 졸업하고 남들이 부러워할 만한 커리어를 쌓았다. 미국의 TOP 5 로펌과 금융자산관리회사에서 일했다.

이렇게만 들으면 사자니가 적극적이고 두려움 없는 사람으로 생각될 수 있지만, 그는 저서에서 “용기가 아닌 완벽한 이력서를 만들어야 한다는 마음이 나를 힘들게 만들었다”고 고백했다. 그는 예일대 로스쿨에서 불합격 통지서를 세 번이나 받은 후에 합격했다.

사자니는 33세에 터닝포인트를 맞이했다. 타인이 보기에는 멋있고 연봉도 높지만 본인은 너무 하기 싫은 일을 하고 있을 때 뉴욕주 상원의원에 도전하게 된 것이다. 정치에는 아무런 경력도 없었지만, 그는 좋은 정책 아이디어가 있고, 자금을 모을 줄 알며, 자신이 자라온 이야기가 어필이 될 것이라는 자신감으로 용기있게 도전했다. 결과는 81% 대 19%로 참패였다.

하지만 이후 사자니의 삶은 완전 바뀌었다. 정계 입문에 실패 후 무엇을 해야 하나 고민하던 중, 선거 때 방문했던 수많은 학교들을 떠올렸다. 그곳에서 코딩과 로보틱스 수업에는 여자 학생들이 없었다는 사실을 깨닫고, 여학생들을 위한 코딩교육 비영리단체 [걸스 후 코드]를 2012년 설립했다. 이공계 전공이 아닌 사자니가 걸스 후 코드를 세운 것 역시 용기에서 비롯된 것이다.

그렇다면 여성들은 어떻게 완벽해야 한다는 생각을 버리고 용기를 가질 수 있을까? 사자니는 우선 완벽성에 대한 오해를 알렸다. 그중에 하나가 ‘승진을 하기 위해서는 완벽해야 한다’이다.

남성 중심 기업에 다니는 여성들은 리더로 올라가기 위해 남성 동료들보다 훨씬 더 많이 노력한다. 하지만 사자니는 결국 완벽해야 한다는 강박관념이 여성들이 리더가 되지 않는 이유로 되돌아온다고 꼬집었다.

가령 셰릴 샌드버그가 설립한 비영리단체 린인닷오그(LeanIn.org)와 맥킨지앤드컴퍼니가 2015년 공동으로 진행한 한 연구조사에서는 여성이 시니어급 리더직에 오르지 않는 이유는 가정 문제가 아니라, 해당 직급의 책임에 따르는 압박과 스트레스를 받고 싶지 않기 때문으로 나타났다.

사자니는 “이런 스트레스가 생기는 이유 중 하나는 여성들이 리더의 업무를 완벽하게 수행해야 한다는 생각을 갖기 때문”이라고 설명했다. 이는 그가 일하면서 봐왔던 많은 남성들이 공통적으로 갖고 있는 특성과는 정반대였다. 사자니가 함께 일했던 남성들은 도전에 맞선다는 특성이 있었다. 해당 도전을 받아들일 상태가 완벽하지 않아도 (용기를 갖고) 도전에 맞섰던 것이다.

여성들이 용기를 가질 수 있는 마인드셋을 갖출 수 있는 전략 중 하나는 ‘스스로에게 어느 것이 더 두려운가?’라고 묻는 것이다. 애덤 그랜트 와튼스쿨 교수에 따르면 혁신가들이 세상에 혁신적인 아이디어를 내놓게 되는 계기는 ‘혁신적 아이디어를 내놓아서 실패하는 두려움’과 ‘아이디어를 시도조차 하지 않은 실패에 대한 두려움’을 비교했을 때 전자보다 후자가 더 크게 다가올 때다.

아무것도 하지 않는 것보다 실패하더라도 도전하는 게 낫다고 생각하기에 세상에 아이디어를 내놓는 용기를 갖게 된다. 만약 당신이 리더직에 대한 두려움이 있는 여성이라면 리더직에 올라 실패하는 것과 리더 자리에 도전하는 것조차 하지 않은 실패로부터 오는 두려움, 이 두 가지를 놓고 비교해보길 바란다.

직장생활을 하면서 드는 몇 가지 의문들이 있다. 여기에는 ‘왜 능력 없는 사람들이 능력 있는 사람들을 제치고 먼저 승진할까?’와 ‘왜 여성 리더들보다 남성 리더들이 더 많을까?’가 포함될 수 있다. 사실 이에 대한 명확한 답은 없다. 능력없는 사람들이 사내 정치를 잘해서 승진할 수도 있고, 급하게 사람이 필요해서 리더 자리에 오를 수도 있다. 여성 리더가 남성 리더보다 적은 이유는 조직문화 때문에 혹은 여러 이유로 이미 퇴사한 여성들이 많아서 남아 있는 남성 직원들이 어쩔 수 없이 리더가 될 수도 있다. 그럼에도 불구하고 한 질문이 머릿속에 남는다. ‘왜 여성들은 능력이 있음에도 자신의 능력을 드러내지 않는 경우가 많을까?’ 비영리단체 [걸스 후 코드 / Girls Who Code]의 설립자 르쉬마 사자니는 저서 &lt;완벽하기보다는 용감하라(Brave, Not Perfect: How Celebrating Imperfection Helps You Live Your Best, Most Joyful Life)&gt;에서 한 가지 답을 제시했다. 바로 ‘여성들이 용기있기 보다는 완벽해야 한다고 배웠기 때문’이다. 어린 시절을 돌이켜보자. 일반적으로 여자아이들은 자신이 잘하는 것을 찾으면 해당 분야만 파고든다. 반면 남자아이들은 해보지 않았거나 못하는 일이어도 새로운 것에 도전한다. 사자니는 그것이 “남자아이들에게에는 용기를 가지라 하고, 여자아이들에게는 완벽하라고 말한 어른들의 가르침에서 비롯됐다”고 말한다. 사자니 역시 용기가 아닌 완벽해야 한다는 강박관념을 가진 사람이었다. 그는 예일대 로스쿨을 졸업하고 남들이 부러워할 만한 커리어를 쌓았다. 미국의 TOP 5 로펌과 금융자산관리회사에서 일했다. 이렇게만 들으면 사자니가 적극적이고 두려움 없는 사람으로 생각될 수 있지만, 그는 저서에서 “용기가 아닌 완벽한 이력서를 만들어야 한다는 마음이 나를 힘들게 만들었다”고 고백했다. 그는 예일대 로스쿨에서 불합격 통지서를 세 번이나 받은 후에 합격했다. 사자니는 33세에 터닝포인트를 맞이했다. 타인이 보기에는 멋있고 연봉도 높지만 본인은 너무 하기 싫은 일을 하고 있을 때 뉴욕주 상원의원에 도전하게 된 것이다. 정치에는 아무런 경력도 없었지만, 그는 좋은 정책 아이디어가 있고, 자금을 모을 줄 알며, 자신이 자라온 이야기가 어필이 될 것이라는 자신감으로 용기있게 도전했다. 결과는 81% 대 19%로 참패였다. 하지만 이후 사자니의 삶은 완전 바뀌었다. 정계 입문에 실패 후 무엇을 해야 하나 고민하던 중, 선거 때 방문했던 수많은 학교들을 떠올렸다. 그곳에서 코딩과 로보틱스 수업에는 여자 학생들이 없었다는 사실을 깨닫고, 여학생들을 위한 코딩교육 비영리단체 [걸스 후 코드]를 2012년 설립했다. 이공계 전공이 아닌 사자니가 걸스 후 코드를 세운 것 역시 용기에서 비롯된 것이다. 그렇다면 여성들은 어떻게 완벽해야 한다는 생각을 버리고 용기를 가질 수 있을까? 사자니는 우선 완벽성에 대한 오해를 알렸다. 그중에 하나가 ‘승진을 하기 위해서는 완벽해야 한다’이다. 남성 중심 기업에 다니는 여성들은 리더로 올라가기 위해 남성 동료들보다 훨씬 더 많이 노력한다. 하지만 사자니는 결국 완벽해야 한다는 강박관념이 여성들이 리더가 되지 않는 이유로 되돌아온다고 꼬집었다. 가령 셰릴 샌드버그가 설립한 비영리단체 린인닷오그(LeanIn.org)와 맥킨지앤드컴퍼니가 2015년 공동으로 진행한 한 연구조사에서는 여성이 시니어급 리더직에 오르지 않는 이유는 가정 문제가 아니라, 해당 직급의 책임에 따르는 압박과 스트레스를 받고 싶지 않기 때문으로 나타났다. 사자니는 “이런 스트레스가 생기는 이유 중 하나는 여성들이 리더의 업무를 완벽하게 수행해야 한다는 생각을 갖기 때문”이라고 설명했다. 이는 그가 일하면서 봐왔던 많은 남성들이 공통적으로 갖고 있는 특성과는 정반대였다. 사자니가 함께 일했던 남성들은 도전에 맞선다는 특성이 있었다. 해당 도전을 받아들일 상태가 완벽하지 않아도 (용기를 갖고) 도전에 맞섰던 것이다. 여성들이 용기를 가질 수 있는 마인드셋을 갖출 수 있는 전략 중 하나는 ‘스스로에게 어느 것이 더 두려운가?’라고 묻는 것이다. 애덤 그랜트 와튼스쿨 교수에 따르면 혁신가들이 세상에 혁신적인 아이디어를 내놓게 되는 계기는 ‘혁신적 아이디어를 내놓아서 실패하는 두려움’과 ‘아이디어를 시도조차 하지 않은 실패에 대한 두려움’을 비교했을 때 전자보다 후자가 더 크게 다가올 때다. 아무것도 하지 않는 것보다 실패하더라도 도전하는 게 낫다고 생각하기에 세상에 아이디어를 내놓는 용기를 갖게 된다. 만약 당신이 리더직에 대한 두려움이 있는 여성이라면 리더직에 올라 실패하는 것과 리더 자리에 도전하는 것조차 하지 않은 실패로부터 오는 두려움, 이 두 가지를 놓고 비교해보길 바란다.

매일경제

영어에 있는 비슷한 표현으로는 "The grass is always greener on the other side"가 있다. 우리 회사보다 경쟁사는 훨씬 더 유기적으로 잘 돌아가는 것 같고, 내가 다니는 작은 회사보다는 대기업에 가면 사수도 있고 시스템도 잘 갖추어져서 있어 전문성 쌓으며 평생 다니면 될 것 같고, 친구 중에 나보다 더 잘 사는 것 같은 사람들 보면 배도 아프지만 왠지 나보다 타고난 재능도 더 뛰어나고 운도 좋은 것 같고 등등 이 리스트는 끝이 없다. 특히 소셜 네트웍의 등장으로 인해 이전 같으면 눈에 보이는 환경/사람들하고만 비교하고 말았을 것이 이제는 글로벌(?)하게 비교가능한 세상이 되었다.

이러한 생각은 내 상황을 과소평가하고 남의 상황을 과대평가하게 하며, 남의 상황이 겉으로 보이는 것만큼 좋지 않을 수도 있다는 점을 망각하게 만든다. 30년 일하며 깨달은 점 중의 하나는 사람들의 자기 회사(내부)에 대한 시각은 굉장히 부정적이며 다른 회사(외부)에 대한 시각은 근거없이 장미빛인 경우가 많다는 점이다. 이는 특히 경험이 없는 주니어들의 경우 더 그렇다. 유데미 때 회사가 나스닥에 상장하는 날이 오리라 안 믿고 주식행사하지 않은 퇴사자들이 많았다.

내가 지금 있는 곳에 무조건적으로 적응하라는 이야기가 아니다. 나에게 맞는 환경을 찾아가는 것 정말 중요하지만 완벽한 곳이 있을꺼라 너무 큰 기대를 한다면 더 큰 실망으로 이어질 것이란 점이다. 현실적인 기대를 갖고 긴 호흡으로 커리어를 바라보는 것이야말로 찰리 멍거의 말처럼 행복한 인생의 첫 조건이다.

"A happy life is very simple. The first rule of a happy life is low expectations. That’s one you can easily arrange. And if you have unrealistic expectations, you’re going to be miserable all your life."

내가 원하는 것이 무언지 계속 생각하고 나만의 고유한 장점과 가치를 찾으며 현실에 감사하는 마음이 필요하다.

영어에 있는 비슷한 표현으로는 "The grass is always greener on the other side"가 있다. 우리 회사보다 경쟁사는 훨씬 더 유기적으로 잘 돌아가는 것 같고, 내가 다니는 작은 회사보다는 대기업에 가면 사수도 있고 시스템도 잘 갖추어져서 있어 전문성 쌓으며 평생 다니면 될 것 같고, 친구 중에 나보다 더 잘 사는 것 같은 사람들 보면 배도 아프지만 왠지 나보다 타고난 재능도 더 뛰어나고 운도 좋은 것 같고 등등 이 리스트는 끝이 없다. 특히 소셜 네트웍의 등장으로 인해 이전 같으면 눈에 보이는 환경/사람들하고만 비교하고 말았을 것이 이제는 글로벌(?)하게 비교가능한 세상이 되었다. 이러한 생각은 내 상황을 과소평가하고 남의 상황을 과대평가하게 하며, 남의 상황이 겉으로 보이는 것만큼 좋지 않을 수도 있다는 점을 망각하게 만든다. 30년 일하며 깨달은 점 중의 하나는 사람들의 자기 회사(내부)에 대한 시각은 굉장히 부정적이며 다른 회사(외부)에 대한 시각은 근거없이 장미빛인 경우가 많다는 점이다. 이는 특히 경험이 없는 주니어들의 경우 더 그렇다. 유데미 때 회사가 나스닥에 상장하는 날이 오리라 안 믿고 주식행사하지 않은 퇴사자들이 많았다. 내가 지금 있는 곳에 무조건적으로 적응하라는 이야기가 아니다. 나에게 맞는 환경을 찾아가는 것 정말 중요하지만 완벽한 곳이 있을꺼라 너무 큰 기대를 한다면 더 큰 실망으로 이어질 것이란 점이다. 현실적인 기대를 갖고 긴 호흡으로 커리어를 바라보는 것이야말로 찰리 멍거의 말처럼 행복한 인생의 첫 조건이다. "A happy life is very simple. The first rule of a happy life is low expectations. That’s one you can easily arrange. And if you have unrealistic expectations, you’re going to be miserable all your life." 내가 원하는 것이 무언지 계속 생각하고 나만의 고유한 장점과 가치를 찾으며 현실에 감사하는 마음이 필요하다.

남의 떡이 커보인다

국내 최대 콘텐츠 평가 플랫폼 왓챠피디아가 역대 최대MAU인 400만을 돌파했다고 6일 밝혔다. 왓챠피디아는 대규모 데이터베이스와 이용자 친화적 기능을 기반으로 영화, 드라마, 예능 등 대부분의 콘텐츠와 감독, 배우

왓챠피디아, MAU 400만 돌파…"콘텐츠 종합 플랫폼 역할 톡톡"

(OTT왓챠 아님. 콘텐츠 리뷰 서비스 왓챠피디아)
——
왓챠는 지난 1월 운영 중인 콘텐츠 플랫폼인 왓챠피디아의 MAU(월간 활성화 사용자 수)가 400만을 돌파했다. 이는 콘텐츠 관련 플랫폼의 MAU로는 보기 힘든 수치다. 금융, 배달 등 생활 속에 필수 서비스의 MAU와 맞먹는 수준이다.

https://n.news.naver.com/article/015/0005090291?sid=105

(OTT왓챠 아님. 콘텐츠 리뷰 서비스 왓챠피디아)——왓챠는 지난 1월 운영 중인 콘텐츠 플랫폼인 왓챠피디아의 MAU(월간 활성화 사용자 수)가 400만을 돌파했다. 이는 콘텐츠 관련 플랫폼의 MAU로는 보기 힘든 수치다. 금융, 배달 등 생활 속에 필수 서비스의 MAU와 맞먹는 수준이다. https://n.news.naver.com/article/015/0005090291?sid=105

n.news.naver.com

지금까지 늘 그래왔다.
인간은 늘 감정과 비합리성에 지배 당했다. 그리고 앞으로도 그럴 것이다.

어떤 투자 대상이나 기업이든,
'현재의 숫자'에 '미래에 관한 스토리'를 곱한 결과가 그것의 가치다.

#불변의법칙

지금까지 늘 그래왔다. 인간은 늘 감정과 비합리성에 지배 당했다. 그리고 앞으로도 그럴 것이다. ​어떤 투자 대상이나 기업이든, '현재의 숫자'에 '미래에 관한 스토리'를 곱한 결과가 그것의 가치다. #불변의법칙

https://blog.naver.com/madaboutit/223735908411

﻿
진정한 친구는 고민을 함께하는 사람입니다.
고민거리를 던져주고 알아서 해결하라고 하는 사람은 좋은 친구가 아닙니다. 진짜 좋은 친구는 해결해야 할 문제를 제기함과 동시에 함께 문제를 해결하기 위해 힘써 노력해 주는 사람입니다.

문제를 꼬집는 것은 누구나 할 수 있습니다. 그러나 문제를 해결하는 것과 문제 해결을 위해 함께 고민하는 것은 아무나 할 수 없습니다. 특히 내 일이 아닌데 내 일처럼 발 벗고 나서는 것은 더욱 어렵습니다.

위기를 만났을 때 진짜 친구를 가려낼 수 있습니다. 위기 상황을 방관하거나 말로 걱정만 해주는 친구는 진짜 좋은 친구가 아닙니다. 위기를 돌파할 해결 방안을 함께 고민하고 실행을 돕는 파트너가 진짜 좋은 친구입니다.

회사에서 리더는 팀원에게 업무를 지시하는 동시에 업무를 돕는 역할을 해야 합니다. 따라서 리더는 팀원의 업무 성과 평가에 책임을 갖고 있습니다. 팀원의 업무 성과가 긍정적이지 못하다면, 리더도 그에 따른 책임을 느껴야 합니다. 팀원에게 발전적인 성과 피드백을 함과 동시에 성과를 개선하기 위해 함께 행동해야 합니다.

가족에서 구성원이 현실적인 문제를 앓고 있다면, 함께 고민하고 문제를 해결하기 위해 노력해야 합니다. 당신이 할 일이니 알아서 해결하라고 방관하거나 책임을 떠넘기는 것은 가족이 아닙니다. 구성원이 했더라도 함께 책임감을 느끼고 상황을 개선하기 위해 고민하고 실행하는 것이 진짜 가족입니다.

나라도 마찬가지라고 생각합니다. 질서를 지키고 안전을 보장하며 서로를 돌보는 것이 한 나라 안에 사는 사람들이 마땅히 행해야 하는 행동입니다. 나라에 문제가 생기면 편가르고 탓을 하며 싸우는 것이 아니라 서로 협력하여 빠르게 문제가 해결될 수 있도록 노력해야 합니다.

희생, 봉사, 헌신과 같은 단어를 좀처럼 찾아보기 어려운 세상을 살고 있습니다. 지극히 개인적이고, 즐기고 재미있는 것에 초점이 맞춰진 삶을 살고 있습니다. 이기적인 생각이 당연하고, 공동체를 향한 마음은 누구의 책임도 아닌 이상한 나라에 살고 있습니다.

나라의 경제가 어렵습니다. 치솟는 물가에 먹고사는 일이 팍팍하게 느껴집니다. 나라 경제의 문제는 누가 해결해야 하는 것입니까? 나라에 살고 있는 국민 모두가 관심을 갖고 함께 고민하여 해결해야 하는 문제 아닐까요? 각 개인의 소비를 돌아보고, 더 생산적으로 활동할 수 있도록 노력하는 것이 현명한 행동입니다.

회사에서 경영 지표에 관심을 갖고 효율적으로 운영하고 어제보다 내일 더 개선된 성과를 만드는 것은 회사 대표만 고민할 문제가 아닙니다. 회사에서 월급을 받고 일을 하는 사람이라면 누구나 함께 고민하고 행동해야 합니다. ‘나’는 맡겨진 일만 하고, 돈 받은 만큼만 일을 한다고 생각한다면, ‘일‘에 대한 가치관을 점검해 보아야 할 것입니다.

가정에 돈이 필요하다면, 누가 희생해서 돈을 더 벌어와야 하는 것이 아니라 어디서 지출을 줄이거나 가지고 있던 것을 내어 놓아야 합니다. 지금까지 누리고 있던 것들은 다 지키면서 하나도 포기하고 싶지 않고, 돈은 더 필요하다고 요구하는 것은 잘못된 생각입니다. 가족 구성원 모두가 머리를 맞대어 함께 아파하고 문제를 해결하기 위해 노력하는 것이 바른 생각이라고 믿습니다.

우리가 모여서 사는 이유는 서로에게 관심을 갖고 더불어 먹고살라는 뜻이라고 이해합니다. 그렇지 않으면 힘들게 같이 살 이유가 없습니다. 그냥 혼자 사는 게 훨씬 편하고 좋습니다. 그런데 인간은 절대 혼자서 살 수 없도록 디자인되어 있습니다. 그렇다면 우리는 오늘을 어떻게 살아야 할까요?

오늘 만나는 모든 사람들에게 해야 할 말과 행동이 무엇인지 고민해 보면 좋겠습니다. 언제 어떤 말과 행동을 하는 것이 현명한 판단인지 생각하고 실천하는 우리가 되길 진심으로 응원합니다.

﻿진정한 친구는 고민을 함께하는 사람입니다.고민거리를 던져주고 알아서 해결하라고 하는 사람은 좋은 친구가 아닙니다. 진짜 좋은 친구는 해결해야 할 문제를 제기함과 동시에 함께 문제를 해결하기 위해 힘써 노력해 주는 사람입니다. 문제를 꼬집는 것은 누구나 할 수 있습니다. 그러나 문제를 해결하는 것과 문제 해결을 위해 함께 고민하는 것은 아무나 할 수 없습니다. 특히 내 일이 아닌데 내 일처럼 발 벗고 나서는 것은 더욱 어렵습니다. 위기를 만났을 때 진짜 친구를 가려낼 수 있습니다. 위기 상황을 방관하거나 말로 걱정만 해주는 친구는 진짜 좋은 친구가 아닙니다. 위기를 돌파할 해결 방안을 함께 고민하고 실행을 돕는 파트너가 진짜 좋은 친구입니다. 회사에서 리더는 팀원에게 업무를 지시하는 동시에 업무를 돕는 역할을 해야 합니다. 따라서 리더는 팀원의 업무 성과 평가에 책임을 갖고 있습니다. 팀원의 업무 성과가 긍정적이지 못하다면, 리더도 그에 따른 책임을 느껴야 합니다. 팀원에게 발전적인 성과 피드백을 함과 동시에 성과를 개선하기 위해 함께 행동해야 합니다. 가족에서 구성원이 현실적인 문제를 앓고 있다면, 함께 고민하고 문제를 해결하기 위해 노력해야 합니다. 당신이 할 일이니 알아서 해결하라고 방관하거나 책임을 떠넘기는 것은 가족이 아닙니다. 구성원이 했더라도 함께 책임감을 느끼고 상황을 개선하기 위해 고민하고 실행하는 것이 진짜 가족입니다. 나라도 마찬가지라고 생각합니다. 질서를 지키고 안전을 보장하며 서로를 돌보는 것이 한 나라 안에 사는 사람들이 마땅히 행해야 하는 행동입니다. 나라에 문제가 생기면 편가르고 탓을 하며 싸우는 것이 아니라 서로 협력하여 빠르게 문제가 해결될 수 있도록 노력해야 합니다. 희생, 봉사, 헌신과 같은 단어를 좀처럼 찾아보기 어려운 세상을 살고 있습니다. 지극히 개인적이고, 즐기고 재미있는 것에 초점이 맞춰진 삶을 살고 있습니다. 이기적인 생각이 당연하고, 공동체를 향한 마음은 누구의 책임도 아닌 이상한 나라에 살고 있습니다. 나라의 경제가 어렵습니다. 치솟는 물가에 먹고사는 일이 팍팍하게 느껴집니다. 나라 경제의 문제는 누가 해결해야 하는 것입니까? 나라에 살고 있는 국민 모두가 관심을 갖고 함께 고민하여 해결해야 하는 문제 아닐까요? 각 개인의 소비를 돌아보고, 더 생산적으로 활동할 수 있도록 노력하는 것이 현명한 행동입니다. 회사에서 경영 지표에 관심을 갖고 효율적으로 운영하고 어제보다 내일 더 개선된 성과를 만드는 것은 회사 대표만 고민할 문제가 아닙니다. 회사에서 월급을 받고 일을 하는 사람이라면 누구나 함께 고민하고 행동해야 합니다. ‘나’는 맡겨진 일만 하고, 돈 받은 만큼만 일을 한다고 생각한다면, ‘일‘에 대한 가치관을 점검해 보아야 할 것입니다. 가정에 돈이 필요하다면, 누가 희생해서 돈을 더 벌어와야 하는 것이 아니라 어디서 지출을 줄이거나 가지고 있던 것을 내어 놓아야 합니다. 지금까지 누리고 있던 것들은 다 지키면서 하나도 포기하고 싶지 않고, 돈은 더 필요하다고 요구하는 것은 잘못된 생각입니다. 가족 구성원 모두가 머리를 맞대어 함께 아파하고 문제를 해결하기 위해 노력하는 것이 바른 생각이라고 믿습니다. 우리가 모여서 사는 이유는 서로에게 관심을 갖고 더불어 먹고살라는 뜻이라고 이해합니다. 그렇지 않으면 힘들게 같이 살 이유가 없습니다. 그냥 혼자 사는 게 훨씬 편하고 좋습니다. 그런데 인간은 절대 혼자서 살 수 없도록 디자인되어 있습니다. 그렇다면 우리는 오늘을 어떻게 살아야 할까요? 오늘 만나는 모든 사람들에게 해야 할 말과 행동이 무엇인지 고민해 보면 좋겠습니다. 언제 어떤 말과 행동을 하는 것이 현명한 판단인지 생각하고 실천하는 우리가 되길 진심으로 응원합니다.﻿

함께 고민하기

‘실험이라고 생각하기’

완벽하지 않은 완성품을 세상에 내놓을 때 실험이라고 생각해보세요. 일종의 테스트이자 점검인 거죠.

글도 코드도 너무 오래 다듬기보다 얼른 세상에 내놓고 반응을 보며 다음을 준비하는 게 나은 경우가 많더라고요.

‘실험이라고 생각하기’ 완벽하지 않은 완성품을 세상에 내놓을 때 실험이라고 생각해보세요. 일종의 테스트이자 점검인 거죠. 글도 코드도 너무 오래 다듬기보다 얼른 세상에 내놓고 반응을 보며 다음을 준비하는 게 나은 경우가 많더라고요.

완벽주의에서 벗어나는 법

쓰신 분은 대부분 글을 짧고 쉽게 써서 특히 주니어 분들은 오해할 수도 있을 것 같은데요.

주어진 개발은 언제나 나에겐 완전에 가깝도록 최선의 노력을 다해 구현하고 테스트해 배포하는 습관을 들여야 합니다. 

장인정신.

시간과 기회를 위해 실험하고 희생해야 하는 건 코드, 품질 수준이 아니라 기능, 서비스의 크기, 깊이 입니다.

그것 또한 상당 부분 기술 부채로 돌아오기도 하죠.

사용자가 공유한 콘텐츠

[기업가치평가 이해 북클럽1. 회계 기초]

1월부터 예고를 했던 기업가치평가를 위한 독서 모임 대장정의 첫번째 모임을 시작합니다. (유료)

1. 주제 : 기업 회계의 기초 이해 (재무제표 이해 & 재무비율과 기업가치)

"하마터면 회계를 모르고 일할 뻔 했다" (어바웃어북, 2018)

2. 일정
2월 23일 (일) 오전 10시~12시30분
3월 2일 (일) 동일 시간
3월 9일 (일) 동일 시간
3월 16일 (일) 동일 시간

3. 장소
삼성동 패스트파이브 2호점 2층
(온라인 연결 없음)

4. 진행
매주 사전 과제 (A4 반 페이지 분량) 제출
매주 모임 시작전 퀴즈
호스트 (패스파인더넷 이복연 대표)가 매주 해당 분량 토의 진행 & 강연 진행

회계 모임 이후 요청에 따라 '기업재무' 및 '기업가치평가' 진행할 예정입니다.

보다 자세한 내용은 하단 링크를 참조하시기 바랍니다.

https://bit.ly/PBR_독서모임_회계기초

[기업가치평가 이해 북클럽1. 회계 기초] 1월부터 예고를 했던 기업가치평가를 위한 독서 모임 대장정의 첫번째 모임을 시작합니다. (유료) 1. 주제 : 기업 회계의 기초 이해 (재무제표 이해 &amp; 재무비율과 기업가치) "하마터면 회계를 모르고 일할 뻔 했다" (어바웃어북, 2018) 2. 일정2월 23일 (일) 오전 10시~12시30분3월 2일 (일) 동일 시간3월 9일 (일) 동일 시간3월 16일 (일) 동일 시간 3. 장소삼성동 패스트파이브 2호점 2층(온라인 연결 없음) 4. 진행매주 사전 과제 (A4 반 페이지 분량) 제출매주 모임 시작전 퀴즈호스트 (패스파인더넷 이복연 대표)가 매주 해당 분량 토의 진행 &amp; 강연 진행 회계 모임 이후 요청에 따라 '기업재무' 및 '기업가치평가' 진행할 예정입니다. 보다 자세한 내용은 하단 링크를 참조하시기 바랍니다. https://bit.ly/PBR_독서모임_회계기초

SQLD 자격증 챌린지

This post celebrates influential papers that shaped technology and communication. Their foundational concepts inspire continued innovation, highlighting the importance of understanding our roots fo…

The 7 Most Influential Papers in Computer Science History

 1. 계산 가능한 수에 관하여, 결정 문제에의 응용 (1936년, 앨런 튜링)
    * 핵심 아이디어: 튜링은 '튜링 머신'이라는 개념을 통해 컴퓨터가 이론적으로 수행할 수 있는 작업의 범위를 정의하였습니다.
    * 현대적 중요성: 모든 프로그래밍 언어와 코드가 튜링의 규칙에 따라 작동하며, 양자 컴퓨팅에서도 그의 이론이 적용됩니다.
 2. 정보의 수학적 이론 (1948년, 클로드 섀넌)
    * 핵심 아이디어: 정보 이론을 통해 데이터 압축과 오류 수정 코드를 가능하게 하였습니다.
    * 현대적 중요성: 텍스트 전송, 비디오 스트리밍, 화상 통화 등에서 섀넌의 이론이 활용됩니다.
 3. 대규모 공유 데이터 뱅크를 위한 관계형 데이터 모델 (1970년, 에드거 F. 코드)
    * 핵심 아이디어: 데이터를 테이블에 저장하고 논리적 연산으로 조작하는 관계형 모델을 제안하였습니다.
    * 현대적 중요성: SQL과 관계형 데이터베이스의 기초가 되었으며, 데이터 조직의 기본 개념을 제공하였습니다.
 4. 정리 증명 절차의 복잡성 (1971년, 스티븐 A. 쿡)
    * 핵심 아이디어: NP-완전성 개념을 도입하여 문제의 난이도를 설명하였습니다.
    * 현대적 중요성: 알고리즘, 암호학, 효율적인 해결책 탐색에 큰 영향을 미쳤습니다.
 5. 패킷 네트워크 상호 연결을 위한 프로토콜 (1974년, 빈튼 G. 서프, 로버트 E. 칸)
    * 핵심 아이디어: 서로 다른 네트워크가 통신할 수 있는 TCP/IP 프로토콜을 개발하였습니다.
    * 현대적 중요성: 인터넷의 기본 프로토콜로, 웹 브라우징, 이메일 전송 등에 사용됩니다.
 6. 정보 관리: 제안 (1989년, 팀 버너스리)
    * 핵심 아이디어: 하이퍼텍스트 시스템을 제안하여 월드 와이드 웹을 탄생시켰습니다.
    * 현대적 중요성: 웹을 통해 지식 공유 방식을 혁신하였습니다.
 7. 대규모 하이퍼텍스추얼 웹 검색 엔진의 해부 (1998년, 세르게이 브린, 래리 페이지)
    * 핵심 아이디어: 링크 분석을 기반으로 한 검색 엔진, 즉 구글을 개발하였습니다.
    * 현대적 중요성: 정보 검색 방식을 재정의하고 데이터 중심 기술의 시대를 열었습니다.

https://terriblesoftware.org/2025/01/22/the-7-most-influential-papers-in-computer-science-history/

<ol ><li>계산 가능한 수에 관하여, 결정 문제에의 응용 (1936년, 앨런 튜링)<ul ><li>핵심 아이디어: 튜링은 '튜링 머신'이라는 개념을 통해 컴퓨터가 이론적으로 수행할 수 있는 작업의 범위를 정의하였습니다.</li><li>현대적 중요성: 모든 프로그래밍 언어와 코드가 튜링의 규칙에 따라 작동하며, 양자 컴퓨팅에서도 그의 이론이 적용됩니다.</li></ul></li><li>정보의 수학적 이론 (1948년, 클로드 섀넌)<ul ><li>핵심 아이디어: 정보 이론을 통해 데이터 압축과 오류 수정 코드를 가능하게 하였습니다.</li><li>현대적 중요성: 텍스트 전송, 비디오 스트리밍, 화상 통화 등에서 섀넌의 이론이 활용됩니다.</li></ul></li><li>대규모 공유 데이터 뱅크를 위한 관계형 데이터 모델 (1970년, 에드거 F. 코드)<ul ><li>핵심 아이디어: 데이터를 테이블에 저장하고 논리적 연산으로 조작하는 관계형 모델을 제안하였습니다.</li><li>현대적 중요성: SQL과 관계형 데이터베이스의 기초가 되었으며, 데이터 조직의 기본 개념을 제공하였습니다.</li></ul></li><li>정리 증명 절차의 복잡성 (1971년, 스티븐 A. 쿡)<ul ><li>핵심 아이디어: NP-완전성 개념을 도입하여 문제의 난이도를 설명하였습니다.</li><li>현대적 중요성: 알고리즘, 암호학, 효율적인 해결책 탐색에 큰 영향을 미쳤습니다.</li></ul></li><li>패킷 네트워크 상호 연결을 위한 프로토콜 (1974년, 빈튼 G. 서프, 로버트 E. 칸)<ul ><li>핵심 아이디어: 서로 다른 네트워크가 통신할 수 있는 TCP/IP 프로토콜을 개발하였습니다.</li><li>현대적 중요성: 인터넷의 기본 프로토콜로, 웹 브라우징, 이메일 전송 등에 사용됩니다.</li></ul></li><li>정보 관리: 제안 (1989년, 팀 버너스리)<ul ><li>핵심 아이디어: 하이퍼텍스트 시스템을 제안하여 월드 와이드 웹을 탄생시켰습니다.</li><li>현대적 중요성: 웹을 통해 지식 공유 방식을 혁신하였습니다.</li></ul></li><li>대규모 하이퍼텍스추얼 웹 검색 엔진의 해부 (1998년, 세르게이 브린, 래리 페이지)<ul ><li>핵심 아이디어: 링크 분석을 기반으로 한 검색 엔진, 즉 구글을 개발하였습니다.</li><li>현대적 중요성: 정보 검색 방식을 재정의하고 데이터 중심 기술의 시대를 열었습니다.</li></ul></li></ol> https://terriblesoftware.org/2025/01/22/the-7-most-influential-papers-in-computer-science-history/

Terrible Software

컴퓨터 과학 역사에서 가장 영향력 있는 7개의 논문

Contribute to deepseek-ai/DeepSeek-R1 development by creating an account on GitHub.

GitHub - deepseek-ai/DeepSeek-R1

최근 AI업계의 가장 핫한 딥시크에 대해서 정리해 본 내용입니다.

💻 딥시크(DeepSeek)
 * 중국의 헤지펀드 매니저 량원평이 하이플라이어 캐피탈을 통해 만든 AI 언어모델
 *  OpenAI의 모델과 비슷한 성능을 가진 오픈소스 대규모 언어 모델
   * 최근 공개 모델: DeepSeek -R1
   * 671B 파라미터, 37B 활성 파라미터
   * MIT 라이선스 하에 상업적 이용 가능
 * 세계 최대 AI 기업인 오픈AI와 클라우드 기업인 아마존 등 주요 기업들이 대형 언어모델 지출 비용의 20분의 1 (or 10분의 1)수준으로 구축했으나, 오픈AI의 o1과 유사한 정확도 및 성능
   * 모델 훈련비용: 560만 달러 추정(vs OpenAI의 GPT-4는 1억 달러, vs Anthropic 1억 ~ 10억 달러)
 * 2025년 1웍25일 주말 사이 애플 북미 무료 앱 다운로드 순위 1위 등극
 * 2025년 1월28일 이미지 생성 멀티모달 모델 ‘야누스 프로(Janus-Pro)’를 공개 - 오픈AI의 이미지 생성 모델 ‘달리 3’, 스태빌리티AI의 ‘스테이블 디퓨전 XL(SDXL)’을 능가하는 성능 기록

💻 주요 기술적 특징
1. 효율적인 모델 아키텍처
 * Mixture of Experts(MoE) 아키텍처를 채택하여 모델의 효율성을 극대화
 * 참고로 MoE는 프랑스의 미스트랄AI가 사용중인 아키텍처
2. 혁신적인 기술 적용
 * Multi-Head Latent Attention(MLA): 효율적인 훈련과 추론을 가능하게 하는 아키텍처
 * 하이브리드 접근: 강화 학습과 일련의 사고 추론을 결합한 방식
3. 자원 최적화
 * 구형 칩 사용: 최신 Nvidia H100 대신 성능이 떨어지는 H800 모델 사용으로 비용 절감
 * 에너지 효율성: 클라우드 의존도를 줄이고 전력 소비를 최적화
 * 메타 '라마'의 10분의 1에 불과한 557만달러 학습 진행
 4. 검색 및 추론 관련
 * 이미지, 문서 업로드 지원
 * 프럼프팅에 대한 추론 과정을 자세히 다 보여줌(vs. Chatgpt는 부분만 보여줌)
 * 추론과 웹서칭을 동시에 사용하여 결과 보여줌(유사. Perplexity)
 * 오픈소스로 공개되어 있기 때문에 자체 AI 검색 서비스 구현 용이
   
💻 MoE(Mixture-of-Experts) 아키텍처 특징
 1. 효율적인 파라미터 활용: DeepSeek-V3는 총 6710억 개의 파라미터. 각 토큰 처리시 단 370억 개의 파라미터만 활성화 >> 이는 계산 비용을 크게 줄이면서도 높은 성능 유지
 2. Multi-head Latent Attention (MLA): 이 구조는 키(Key)와 값(Value)을 효율적으로 압축하여 KV 캐시 사용량을 줄입니다. 이를 통해 메모리 사용량을 크게 절감하면서도 기존 Multi-Head Attention(MHA)과 유사한 성능을 유지합니다.
 3. 혁신적인 부하 균형 전략: DeepSeek-V3는 부가 손실(auxiliary loss) 없이 작업 부하를 균등하게 나누는 새로운 전략을 도입으로 모델의 안정성과 성능을 동시에 향상
 4. 멀티 토큰 예측(Multi-Token Prediction, MTP): 한 번에 여러 토큰을 예측하도록 설계되어 데이터 처리 능력 강화
 5. DeepSeekMoE: 이 구조는 여러 "전문가(Experts)" 모듈로 구성되어 있으며, 각 데이터 토큰을 처리할 때 가장 적합한 전문가들만을 선택하여 작업 분담

💻 성능 및 시장 영향
1. 벤치마크 성능
 * 지식 질문 및 답변, 긴 텍스트 처리, 코드 생성, 수학적 기능 등에서 업계 최고 수준
 * MMLU, GPQA 등의 지식 작업에서 Claude-3.5-Sonnet에 근접한 성능
 * AIME 2024, CNMO 2024 등의 수학 테스트에서 새로운 기록 수립
2. 시장 경쟁력
 * OpenAI의 o1 모델 대비 90% 비용 절감하면서도 우수한 성능 달성
 * 생성 속도 200% 향상으로 사용자 경험 개선
 * 'DeepSeek 학습 비용이 메타 수석 엔지니어 연봉보다 적다'
3. 글로벌 AI 시장 영향
 * Nvidia: 엔비디아 주가 17% 하락으로 846조 증발 - 미국 주식 역사상 가장 큰 하락 기록.(이후 재상승중이기는 하나 엔비디아의 비싸고 공급이 늦어지는 GPU 가치에 대한 재검토 계기)
 * OpenAI & Microsoft : ChatGPT와 직접적인 경쟁 관계 형성. OpenAI의 AI 모델을 DeepSeek모델에서 학습했는지 조사 중 / 가장 최신 추론모델인 O3-Mini 풀버전 공개 전 사전 무료 공개(1.31)
 * Google: 별 다른 반응을 내놓지 않고 있는 구글은 코딩과 수학 작업에서 높은 정확성과 강력한 성능을 제공하는 Gemini 2.0 Pro Experimental) 공개(1.30)
 * Meta: 딥시크 분석을 위한 4개의 태스크포스 팀을 통해 분석. 향후 딥시크의 핵심 기술을 '라마'에 적용 예정
 * Apple: 中딥시크 극찬한 팀쿡. 온디바이스AI 전략을 가진 애플은 딥시크의 AI 모델 오픈소스를 활용해 중국에서 AI기능을 탑재한 아이폰 출시 가능성
 * Perplexity: 이미 https://www.perplexity.ai에 DeepSeek R1 추론 모델 적용 및 서비스 중
   
   
🤔 이슈 및 한계
 * 이슈:
   * https://chat.deepseek.com/를 사용하는 경우, ‘개인정보 보호 정책’을 통해 AI 모델 학습을 위한 이용자의 이름·생년월일·이메일·주소·전화번호 등을 수집
   * 그리고, 이용자들이 입력한 키보드 패턴과 오디오, 파일, 채팅 기록 등 콘텐트를 수집하고 회사 재량에 따라 해당 정보를 법 집행기관이나 공공 기관과 공유할 수 있다고 명시
   * 모든 데이터는 중국에 있는 딥시크 서버에 저장하는 이슈
 * 한계:
   * 중국정부 검열(?): 시진핑이 나오는 결과내용들은 자동으로 순삭(?)되는 결과를 보여주는 한계

🛠️ 참고
 * https://www.deepseek.com/
 * https://github.com/deepseek-ai/DeepSeek-R1
 * https://openrouter.ai/deepseek/deepseek-r1 
 * https://apps.apple.com/kr/app/deepseek-ai-%EC%96%B4%EC%8B%9C%EC%8A%A4%ED%84%B4%ED%8A%B8/id6737597349
 * DeepSeek: all the news about the startup that’s shaking up AI stocks - https://www.theverge.com/24353060/deepseek-ai-china-nvidia-openai

최근 AI업계의 가장 핫한 딥시크에 대해서 정리해 본 내용입니다. 💻 딥시크(DeepSeek)<ul ><li>중국의 헤지펀드 매니저 량원평이 하이플라이어 캐피탈을 통해 만든 AI 언어모델</li><li>&nbsp;OpenAI의 모델과 비슷한 성능을 가진 오픈소스 대규모 언어 모델<ul ><li>최근 공개 모델: DeepSeek -R1</li><li>671B 파라미터, 37B 활성 파라미터</li><li>MIT 라이선스 하에 상업적 이용 가능</li></ul></li><li>세계 최대 AI 기업인 오픈AI와 클라우드 기업인 아마존 등 주요 기업들이 대형 언어모델 지출 비용의 20분의 1 (or 10분의 1)수준으로 구축했으나, 오픈AI의 o1과 유사한 정확도 및 성능<ul ><li>모델 훈련비용: 560만 달러 추정(vs OpenAI의 GPT-4는 1억 달러, vs Anthropic 1억 ~ 10억 달러)</li></ul></li><li>2025년 1웍25일 주말 사이 애플 북미 무료 앱 다운로드 순위 1위 등극</li><li>2025년 1월28일 이미지 생성 멀티모달&nbsp;모델 ‘야누스 프로(Janus-Pro)’를 공개 - 오픈AI의 이미지 생성 모델 ‘달리 3’, 스태빌리티AI의 ‘스테이블 디퓨전 XL(SDXL)’을 능가하는 성능 기록</li></ul> 💻 주요 기술적 특징1. 효율적인 모델 아키텍처<ul ><li>Mixture of Experts(MoE) 아키텍처를 채택하여 모델의 효율성을 극대화</li><li>참고로 MoE는 프랑스의 미스트랄AI가 사용중인 아키텍처</li></ul>2. 혁신적인 기술 적용<ul ><li>Multi-Head Latent Attention(MLA): 효율적인 훈련과 추론을 가능하게 하는 아키텍처</li><li>하이브리드 접근: 강화 학습과 일련의 사고 추론을 결합한 방식</li></ul>3. 자원 최적화<ul ><li>구형 칩 사용: 최신 Nvidia H100 대신 성능이 떨어지는 H800 모델 사용으로 비용 절감</li><li>에너지 효율성: 클라우드 의존도를 줄이고 전력 소비를 최적화</li><li>메타 '라마'의 10분의 1에 불과한 557만달러 학습 진행</li></ul><ol start="4"><li>검색 및 추론 관련</li></ol><ul ><li>이미지, 문서 업로드 지원</li><li>프럼프팅에 대한 추론 과정을 자세히 다 보여줌(vs. Chatgpt는 부분만 보여줌)</li><li>추론과 웹서칭을 동시에 사용하여 결과 보여줌(유사. Perplexity)</li><li>오픈소스로 공개되어 있기 때문에 자체 AI 검색 서비스 구현 용이 </li></ul>💻 MoE(Mixture-of-Experts) 아키텍처 특징<ol ><li>효율적인 파라미터 활용: DeepSeek-V3는 총 6710억 개의 파라미터. 각 토큰 처리시 단 370억 개의 파라미터만 활성화 &gt;&gt; 이는 계산 비용을 크게 줄이면서도 높은 성능 유지</li><li>Multi-head Latent Attention (MLA): 이 구조는 키(Key)와 값(Value)을 효율적으로 압축하여 KV 캐시 사용량을 줄입니다. 이를 통해 메모리 사용량을 크게 절감하면서도 기존 Multi-Head Attention(MHA)과 유사한 성능을 유지합니다.</li><li>혁신적인 부하 균형 전략: DeepSeek-V3는 부가 손실(auxiliary loss) 없이 작업 부하를 균등하게 나누는 새로운 전략을 도입으로 모델의 안정성과 성능을 동시에 향상</li><li>멀티 토큰 예측(Multi-Token Prediction, MTP): 한 번에 여러 토큰을 예측하도록 설계되어 데이터 처리 능력 강화</li><li>DeepSeekMoE: 이 구조는 여러 "전문가(Experts)" 모듈로 구성되어 있으며, 각 데이터 토큰을 처리할 때 가장 적합한 전문가들만을 선택하여 작업 분담</li></ol> 💻 성능 및 시장 영향1. 벤치마크 성능<ul ><li>지식 질문 및 답변, 긴 텍스트 처리, 코드 생성, 수학적 기능 등에서 업계 최고 수준</li><li>MMLU, GPQA 등의 지식 작업에서 Claude-3.5-Sonnet에 근접한 성능</li><li>AIME 2024, CNMO 2024 등의 수학 테스트에서 새로운 기록 수립</li></ul>2. 시장 경쟁력<ul ><li>OpenAI의 o1 모델 대비 90% 비용 절감하면서도 우수한 성능 달성</li><li>생성 속도 200% 향상으로 사용자 경험 개선</li><li>'DeepSeek 학습 비용이 메타 수석 엔지니어 연봉보다 적다'</li></ul>3. 글로벌 AI 시장 영향<ul ><li>Nvidia: 엔비디아 주가 17% 하락으로 846조 증발 - 미국 주식 역사상 가장 큰 하락 기록.(이후 재상승중이기는 하나 엔비디아의 비싸고 공급이 늦어지는 GPU 가치에 대한 재검토 계기)</li><li>OpenAI &amp; Microsoft : ChatGPT와 직접적인 경쟁 관계 형성. OpenAI의 AI 모델을 DeepSeek모델에서 학습했는지 조사 중 / 가장 최신 추론모델인 O3-Mini 풀버전 공개 전 사전 무료 공개(1.31)</li><li>Google: 별 다른 반응을 내놓지 않고 있는 구글은 코딩과&nbsp;수학&nbsp;작업에서 높은 정확성과 강력한 성능을 제공하는 Gemini 2.0 Pro Experimental) 공개(1.30)</li><li>Meta: 딥시크 분석을 위한 4개의 태스크포스 팀을 통해 분석. 향후 딥시크의 핵심 기술을 '라마'에 적용 예정</li><li>Apple: 中딥시크 극찬한 팀쿡. 온디바이스AI 전략을 가진 애플은 딥시크의 AI 모델 오픈소스를 활용해 중국에서 AI기능을 탑재한 아이폰 출시 가능성</li><li>Perplexity: 이미 https://www.perplexity.ai에 DeepSeek R1 추론 모델 적용 및 서비스 중 </li></ul>🤔 이슈 및 한계<ul ><li>이슈:<ul ><li>https://chat.deepseek.com/를 사용하는 경우, ‘개인정보 보호 정책’을 통해 AI 모델 학습을 위한 이용자의 이름·생년월일·이메일·주소·전화번호 등을 수집</li><li>그리고, 이용자들이 입력한 키보드 패턴과 오디오, 파일, 채팅 기록 등 콘텐트를 수집하고 회사 재량에 따라 해당 정보를 법 집행기관이나 공공 기관과 공유할 수 있다고 명시</li><li>모든 데이터는 중국에 있는 딥시크 서버에 저장하는 이슈</li></ul></li><li>한계:<ul ><li>중국정부 검열(?): 시진핑이 나오는 결과내용들은 자동으로 순삭(?)되는 결과를 보여주는 한계</li></ul></li></ul> 🛠️ 참고<ul ><li>https://www.deepseek.com/</li><li>https://github.com/deepseek-ai/DeepSeek-R1</li><li>https://openrouter.ai/deepseek/deepseek-r1&nbsp;</li><li>https://apps.apple.com/kr/app/deepseek-ai-%EC%96%B4%EC%8B%9C%EC%8A%A4%ED%84%B4%ED%8A%B8/id6737597349</li><li>DeepSeek: all the news about the startup that’s shaking up AI stocks - https://www.theverge.com/24353060/deepseek-ai-china-nvidia-openai</li></ul>

GitHub

딥시크(DeepSeek)

❓도메인 지식이란 무엇인가요?

"해당 분야에서 사용하는 특수 용어/단어들을 이해하고
그 분야에서 함께 일하는 사람들의 문제/고민을 파악하는 능력"

그렇다면 데이터 분석 취업을 준비하는 이들이
도메인 지식을 배울 수 있는 효과적인 방법에는 어떤 것들이 있을까요?

[1] 데이터 분석가의 블로그/포스트를 자주 읽기

많은 데이터 분석가들이 자신이 배운 내용이나
생각을 정리하기 위해 블로그/포스트를 자주 작성합니다.

특히 단순 스킬 정리나 코드에 대한 내용보다,
분석가들이 주어진 문제를 어떻게 해결했는지 대해 정리한
블로그/포스트를 읽는 것을 추천드립니다.

데이터 분석가들의 블로그/포스트를 자주 읽다보면
다음과 같은 경험들을 할 수 있어요.

- 특정 도메인에서 발생하는 문제들과 그 해결 과정을 간접적으로 체험해볼 수 있습니다.
- 단순 이론이나 방법론이 아니라, 실제로 현업 데이터 분석이 어떻게 적용되는지를 알 수 있습니다.
- 데이터 분석가들이 평소에 어떤 고민을 하는지, 그리고 어떤 생각을 하는지를 옅볼 수 있습니다.

데이터 분야는 빠른 속도로 바뀌고 있습니다.
이런 변화의 흐름을 파악하는 가장 좋은 방법 중 하나는
실제 현업자들이 어떤 생각을 하고,
어떤 업무를 하는지를 살펴보는 것입니다.

저의 데이터 블로그 추천 리스트 입니다.

1. zzsza.github.io
2. schatz37.tistory.com
3. minwookim.kr/about

❓도메인 지식이란 무엇인가요? "해당 분야에서 사용하는 특수 용어/단어들을 이해하고 그 분야에서 함께 일하는 사람들의 문제/고민을 파악하는 능력" 그렇다면 데이터 분석 취업을 준비하는 이들이 도메인 지식을 배울 수 있는 효과적인 방법에는 어떤 것들이 있을까요? [1] 데이터 분석가의 블로그/포스트를 자주 읽기 많은 데이터 분석가들이 자신이 배운 내용이나 생각을 정리하기 위해 블로그/포스트를 자주 작성합니다. 특히 단순 스킬 정리나 코드에 대한 내용보다, 분석가들이 주어진 문제를 어떻게 해결했는지 대해 정리한 블로그/포스트를 읽는 것을 추천드립니다. 데이터 분석가들의 블로그/포스트를 자주 읽다보면 다음과 같은 경험들을 할 수 있어요. - 특정 도메인에서 발생하는 문제들과 그 해결 과정을 간접적으로 체험해볼 수 있습니다. - 단순 이론이나 방법론이 아니라, 실제로 현업 데이터 분석이 어떻게 적용되는지를 알 수 있습니다. - 데이터 분석가들이 평소에 어떤 고민을 하는지, 그리고 어떤 생각을 하는지를 옅볼 수 있습니다. 데이터 분야는 빠른 속도로 바뀌고 있습니다. 이런 변화의 흐름을 파악하는 가장 좋은 방법 중 하나는 실제 현업자들이 어떤 생각을 하고, 어떤 업무를 하는지를 살펴보는 것입니다. 저의 데이터 블로그 추천 리스트 입니다. 1. zzsza.github.io 2. schatz37.tistory.com 3. minwookim.kr/about&nbsp;

데이터 분석가의 도메인 지식을 넓히는 방법 3가지

1월이 벌써 끝나가고 있는데요, 1월의 IT뉴스를 정리해봅니다.

1. LG전자 : 자율주행로봇 기술을 보유한 베어로보틱스의 지분 30%를 추가 인수하여 경영권을 확보했습니다. 
2. 삼성전자 : 갤럭시 S25 시리즈 스마트폰을 공개하며 AI 기능을 대폭 강화했습니다. 
3. 씨게이트 : 36TB 용량의 데이터센터용 하드디스크 엑소스 M의 샘플링을 시작했습니다. 
4. 엔비디아 : 지포스 RTX 50 시리즈 게이밍 GPU를 공개하며 DLSS 4 기술을 선보였습니다. 
5. AMD : 고성능 데스크톱 프로세서 라이젠 9 9950X3D와 라이젠 AI 맥스 시리즈를 발표했습니다. 
6. 로지텍 코리아 : e스포츠 프로게임단 농심 레드포스와 공식 파트너십을 체결했습니다. 
7. LG전자 : CES 2025에서 시그니처 주방 기기 라인업과 2025년형 그램 노트북 등을 공개했습니다. 
8. 비자(VISA) : 마마 어워즈 2024의 결제 데이터를 공개하며 관람객 소비 패턴을 분석했습니다. 
9. 농심 : 마케팅 생성 AI 기업 아스타와 비밀유지계약을 체결하고 협업을 시작했습니다. 
10. 메타(Meta) : 2025년에 인공지능 인프라 확보를 위해 최대 650억 달러를 투자할 계획을 발표했습니다. 
11. 마이크로소프트 : 인공지능 데이터센터에 800억 달러를 투자하여 AI 기술 경쟁에 박차를 가하고 있습니다. 
12. 딥시크(Deepseek) : 엔비디아의 H800을 활용한 AI 서비스로 주목받으며 미국 빅테크 기업들의 투자 효율성에 의문을 제기했습니다. 
13. 엔비디아 : 개인용 AI 슈퍼컴퓨터 프로젝트 디지츠(Project DIGITS)를 발표하여 소규모 연구 시장을 겨냥했습니다. 
14. AMD : 인공지능 가속기 인스팅트 MI325를 공개하며 엔비디아와의 경쟁을 이어가고 있습니다. 
15. SK하이닉스 : AI 시장 성장과 HBM 기술력을 바탕으로 작년 4분기 및 연간 사상 최대 실적을 기록했습니다.

1월이 벌써 끝나가고 있는데요, 1월의 IT뉴스를 정리해봅니다. 1. LG전자 : 자율주행로봇 기술을 보유한 베어로보틱스의 지분 30%를 추가 인수하여 경영권을 확보했습니다.&nbsp;2. 삼성전자 : 갤럭시 S25 시리즈 스마트폰을 공개하며 AI 기능을 대폭 강화했습니다.&nbsp;3. 씨게이트 : 36TB 용량의 데이터센터용 하드디스크 엑소스 M의 샘플링을 시작했습니다.&nbsp;4. 엔비디아 : 지포스 RTX 50 시리즈 게이밍 GPU를 공개하며 DLSS 4 기술을 선보였습니다.&nbsp;5. AMD : 고성능 데스크톱 프로세서 라이젠 9 9950X3D와 라이젠 AI 맥스 시리즈를 발표했습니다.&nbsp;6. 로지텍 코리아 : e스포츠 프로게임단 농심 레드포스와 공식 파트너십을 체결했습니다.&nbsp;7. LG전자 : CES 2025에서 시그니처 주방 기기 라인업과 2025년형 그램 노트북 등을 공개했습니다.&nbsp;8. 비자(VISA) : 마마 어워즈 2024의 결제 데이터를 공개하며 관람객 소비 패턴을 분석했습니다.&nbsp;9. 농심 : 마케팅 생성 AI 기업 아스타와 비밀유지계약을 체결하고 협업을 시작했습니다.&nbsp;10. 메타(Meta) : 2025년에 인공지능 인프라 확보를 위해 최대 650억 달러를 투자할 계획을 발표했습니다.&nbsp;11. 마이크로소프트 : 인공지능 데이터센터에 800억 달러를 투자하여 AI 기술 경쟁에 박차를 가하고 있습니다.&nbsp;12. 딥시크(Deepseek) : 엔비디아의 H800을 활용한 AI 서비스로 주목받으며 미국 빅테크 기업들의 투자 효율성에 의문을 제기했습니다.&nbsp;13. 엔비디아 : 개인용 AI 슈퍼컴퓨터 프로젝트 디지츠(Project DIGITS)를 발표하여 소규모 연구 시장을 겨냥했습니다.&nbsp;14. AMD : 인공지능 가속기 인스팅트 MI325를 공개하며 엔비디아와의 경쟁을 이어가고 있습니다.&nbsp;15. SK하이닉스 : AI 시장 성장과 HBM 기술력을 바탕으로 작년 4분기 및 연간 사상 최대 실적을 기록했습니다.&nbsp;

2025년 1월, IT 업계에서 무슨 일이 있었나?

DeepSeek R1이 이뤄낸 진보가 대단한 건 맞음. 비용/가격이 아니라 기술로써. 그에 대한 초딩도 알 수 있는 간단한 설명.

기존에는 사람이 문제 풀이와 공부하는 방법을 어느정도 알려주고 훈련(학습)을 했음. 그런데 DeepSeek R1(Zero)는 가이드 없이 답이 맞는지 틀린지만 알려주고, 풀이는 지가 이렇게 저렇게 해 보면서 스스로 발견해 나가는 방법을 사용함.

이는 예전 알파고와 알파고 제로와 같은 관계로, 처음 이세돌과 대국한 알파고는 인간의 기보를 학습한 아이지만, 이후 나온 알파고 제로는 인간의 기보 없이 바닥부터 스스로 대국을 둬가며 바둑의 묘리를 깨우쳤고, 이전의 이세돌을 이긴 알파고를 압도함.

DeepSeek R1도 마찬가지. 이는 AI 훈련에 있어, 인간의 가이드 없이 AI가 스스로 학습하는 것이 성능 향상에 더 유리하다는 증거를 다시 한 번 보여준 것이라고 할 수 있음.

즉, 인간의 결과물에는 인간의 편향과 잘못이 담겨 있기 때문에, 일정 수준 이상의 성능을 넘기 위해서는 인간의 경험을 배제하고 훈련을 해야 한다는 것임.

쉬운 설명을 위해 약간의 왜곡이 들어가긴 했지만, 결론적으로 인간의 지능을 넘는 초지능을 달성하는데는 결국 인간이 한계로 작용 할 수 밖에 없기 때문에 분명히 다른 방법을 써야할 것이며, 온전히 스스로 배우는 단순한 강화학습이 그 돌파구를 열 수 있을 것으로 보인다는 것이 DeepSeek R1의 이루어 낸 성과.

참고로 GPT에 사용하여 유명해진 RLHF는 그 과정에서 인간이 관여하므로 진정한 RL이 아니어서, Alignment나 유려함을 만드는데는 유리하나, 추론 능력등의 성능 향상에는 큰 효과가 없거나 오히려 제약을 만든다고 알려져있음.

DeepSeek R1이 이뤄낸 진보가 대단한 건 맞음. 비용/가격이 아니라 기술로써. 그에 대한 초딩도 알 수 있는 간단한 설명. 기존에는 사람이 문제 풀이와 공부하는 방법을 어느정도 알려주고 훈련(학습)을 했음. 그런데 DeepSeek R1(Zero)는 가이드 없이 답이 맞는지 틀린지만 알려주고, 풀이는 지가 이렇게 저렇게 해 보면서 스스로 발견해 나가는 방법을 사용함. 이는 예전 알파고와 알파고 제로와 같은 관계로, 처음 이세돌과 대국한 알파고는 인간의 기보를 학습한 아이지만, 이후 나온 알파고 제로는 인간의 기보 없이 바닥부터 스스로 대국을 둬가며 바둑의 묘리를 깨우쳤고, 이전의 이세돌을 이긴 알파고를 압도함. DeepSeek R1도 마찬가지. 이는 AI 훈련에 있어, 인간의 가이드 없이 AI가 스스로 학습하는 것이 성능 향상에 더 유리하다는 증거를 다시 한 번 보여준 것이라고 할 수 있음. 즉, 인간의 결과물에는 인간의 편향과 잘못이 담겨 있기 때문에, 일정 수준 이상의 성능을 넘기 위해서는 인간의 경험을 배제하고 훈련을 해야 한다는 것임. 쉬운 설명을 위해 약간의 왜곡이 들어가긴 했지만, 결론적으로 인간의 지능을 넘는 초지능을 달성하는데는 결국 인간이 한계로 작용 할 수 밖에 없기 때문에 분명히 다른 방법을 써야할 것이며, 온전히 스스로 배우는 단순한 강화학습이 그 돌파구를 열 수 있을 것으로 보인다는 것이 DeepSeek R1의 이루어 낸 성과. 참고로 GPT에 사용하여 유명해진 RLHF는 그 과정에서 인간이 관여하므로 진정한 RL이 아니어서, Alignment나 유려함을 만드는데는 유리하나, 추론 능력등의 성능 향상에는 큰 효과가 없거나 오히려 제약을 만든다고 알려져있음.

DeepSeek R1이 이뤄낸 진보가 대단한 건 맞음. 비용/가격

데이터 일을 오래 하면서 여기저기서 강의를 하면서 데이터와 AI/LLM 엔지니어링 관련해서 서적추천을 해달라는 요청을 간혹 받는데 아래 3권의 서적을 추천한다.

 1. AI Engineering: Building Applications with Foundation Models, Chip Huyen
 2. Designing Machine-Learning Systems Production Ready, Chip Huyen
 3. Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann

이 책들을 읽는 순서는 3번 → 2번 → 1번이라 생각한다. 3번째 책은 데이터쪽의 고전과도 같은 책인데 링크는 1st edition에 걸었지만 현재 2nd edition이 나온 상황(아직은 아마존에서는 안 파는 걸로 보인다)이고 1st edition과 내용이 꽤 다르다. 이 중 가장 최근에 읽은 따끈따끈한 책은 AI Engineering이다. LinkedIn에서 팔로우하고 있는 저자이기도한 Chip Huyen의 책인데 (두 번째 책도 같은 저자이다) 책의 내용을 아주 하이레벨로 요약하면 아래와 같은데 실습 없이 개념만 설명하는 책이란 점도 유념하자.

 * AI 엔지니어링이 무엇인지, 그리고 기존 머신러닝 엔지니어링과 어떻게 다른지 이해하기
 * AI 애플리케이션 개발 프로세스를 배우고, 각 단계에서 발생하는 문제와 이를 해결하기 위한 접근법 이해하기
 * 프롬프트 엔지니어링, RAG, 파인튜닝, 에이전트, 데이터셋 엔지니어링 등 다양한 모델 적응 기술을 탐구하고, 이러한 기술이 작동하는 방식과 이유 이해하기
 * 파운데이션 모델을 서비스할 때 발생하는 지연(latency) 및 비용 문제를 분석하고 이를 극복하는 방법 배우기
 * 필요에 맞는 적절한 모델, 데이터셋, 평가 기준(benchmarks) 및 지표(metrics)를 선택하기

기본적으로 머신러닝 모델을 직접 만들던 세상에서 LLM을 기반으로 일을 하는 세상으로 바뀌어 가고 있다라는 점에서 LLM 활용에 관한 이야기라고 요약할 수 있을 듯 하다.

데이터 일을 오래 하면서 여기저기서 강의를 하면서 데이터와 AI/LLM 엔지니어링 관련해서 서적추천을 해달라는 요청을 간혹 받는데 아래 3권의 서적을 추천한다. <ol ><li>AI Engineering: Building Applications with Foundation Models, Chip Huyen</li><li>Designing Machine-Learning Systems Production Ready, Chip Huyen</li><li>Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann</li></ol> 이 책들을 읽는 순서는 3번 → 2번 → 1번이라 생각한다. 3번째 책은 데이터쪽의 고전과도 같은 책인데 링크는 1st edition에 걸었지만 현재 2nd edition이 나온 상황(아직은 아마존에서는 안 파는 걸로 보인다)이고 1st edition과 내용이 꽤 다르다. 이 중 가장 최근에 읽은 따끈따끈한 책은 AI Engineering이다. LinkedIn에서 팔로우하고 있는 저자이기도한 Chip Huyen의 책인데 (두 번째 책도 같은 저자이다) 책의 내용을 아주 하이레벨로 요약하면 아래와 같은데 실습 없이 개념만 설명하는 책이란 점도 유념하자. <ul ><li>AI 엔지니어링이 무엇인지, 그리고 기존 머신러닝 엔지니어링과 어떻게 다른지 이해하기</li><li>AI 애플리케이션 개발 프로세스를 배우고, 각 단계에서 발생하는 문제와 이를 해결하기 위한 접근법 이해하기</li><li>프롬프트 엔지니어링, RAG, 파인튜닝, 에이전트, 데이터셋 엔지니어링 등 다양한 모델 적응 기술을 탐구하고, 이러한 기술이 작동하는 방식과 이유 이해하기</li><li>파운데이션 모델을 서비스할 때 발생하는 지연(latency) 및 비용 문제를 분석하고 이를 극복하는 방법 배우기</li><li>필요에 맞는 적절한 모델, 데이터셋, 평가 기준(benchmarks) 및 지표(metrics)를 선택하기</li></ul> 기본적으로 머신러닝 모델을 직접 만들던 세상에서 LLM을 기반으로 일을 하는 세상으로 바뀌어 가고 있다라는 점에서 LLM 활용에 관한 이야기라고 요약할 수 있을 듯 하다.

AI 엔지니어링이란? LLM기반으로 서비스 구현

이 신청서는 누군가를 평가하기 위한 목적이 아닌 무조건적인 선발을 방지하는 데 있습니다. 
불편하시더라도 작성해 주신 정보는 선발 후에 폐기될 예정입니다. 절대 별도 목적으로 사용되지 않습니다. 
죄송하지만 양해 부탁드립니다.

☑️ 장기간 활동할 수 있는 인원들과 함께하기 위해 대학교 재학생이나 휴학생 인원은 선발하지 않고 있습니다.
☑️ 이 글을 꼭 읽어주세요 👉 https://spicy-lace-142.notion.site/24837525a6624d08868a22e0a590f205

간단히 정리한 활동 내용입니다. 

☑️ 현재는 4명+4명+4명 세 조로 이뤄져 있습니다. 한 조가 번역을 하면 다른 한 조는 그 주에 번역 리뷰를 진행하게 됩니다.
☑️ 주 시작은 토요일로 수요일까지 글 작성을 마무리해야 합니다. 리뷰는 글을 올리고 3일 이내에 하는 것이 규칙입니다.
☑️ 총 2명 이상의 리뷰를 받아야 배포 가능합니다. 리뷰 또한 벌금제로 운영합니다. 본인 블로그에 글을 올리고 그 글을 메일로 보내는 형태로 진행하고 있습니다.
☑️ 3달에 한 주씩 방학으로 해서 쉬면서 로테이션을 변경합니다. 분기별로 1주 글 작성 휴가, 1주 리뷰 휴가가 존재합니다.

😛 이번 모집은 5명 + 5명 + 5명 조를 구성하기 위해 3명을 선발합니다.
😛 기존 참여자 분들의 경험상 번역에 생각보다 시간이 많이 필요하다는 점을 미리 알려드립니다. 꼭 참고해주세요!

⚠️ 질문은 전부 단답형으로 작성해주시면 감사하겠습니다! ⚠️

Korean FE Article 신청서

안녕하세요.
먼저 2025년 새해를 맞아 건강과 행복이 가득하시길 기원합니다.

새로운 해를 맞아 Korean FE Article 팀에서 오랜만에 반가운 소식을 전해드립니다. 더 다양하고 많은 글을 번역하기 위해 새로운 팀원 3분을 모시고자 합니다. 장기적으로 함께하실 수 있는 분들을 찾고 있으며, 자세한 내용은 아래 모집 소개 페이지를 참고해 주시면 감사하겠습니다.

▶ 소개 링크: https://bit.ly/40F8ilr
▶ 지원 링크: https://forms.gle/5us3QdhUzwRnFhuq7
▶ 모집 기간: ~ 2월 14일까지 (모집 종료 후 팀원들과 한 뒤 개별적으로 연락드릴 예정입니다.)

번역 활동에 관심이 있으셨던 분들의 많은 지원 부탁드립니다.
남은 연휴 잘 보내시고, 새해 복 많이 받으시기 바랍니다.
감사합니다.

안녕하세요.먼저 2025년 새해를 맞아 건강과 행복이 가득하시길 기원합니다. 새로운 해를 맞아 Korean FE Article 팀에서 오랜만에 반가운 소식을 전해드립니다. 더 다양하고 많은 글을 번역하기 위해 새로운 팀원 3분을 모시고자 합니다. 장기적으로 함께하실 수 있는 분들을 찾고 있으며, 자세한 내용은 아래 모집 소개 페이지를 참고해 주시면 감사하겠습니다. ▶ 소개 링크: https://bit.ly/40F8ilr ▶ 지원 링크: https://forms.gle/5us3QdhUzwRnFhuq7 ▶ 모집 기간: ~ 2월 14일까지 (모집 종료 후 팀원들과 한 뒤 개별적으로 연락드릴 예정입니다.) 번역 활동에 관심이 있으셨던 분들의 많은 지원 부탁드립니다. 남은 연휴 잘 보내시고, 새해 복 많이 받으시기 바랍니다.감사합니다.

Google Docs

2025 Korean FE Article 신규 팀원 모집 안내

DeepSeek-R1-Zero/DeepSeek-R1 개요 
DeepSeek: 중국 항저우 인공지능 회사. DeepSeek-V3 등 MoE 모델들 출시. V3의 경우 타 회사 대비 API 비용이 10배 이상 쌈. 감춰져있던 OpenAI-o1은 어떻게 만들까?에 대한 방법론 제시. (답은 SFT->RL->SFT->RL) 

RL로 대규모 학습을 하면 가능성이 있을거야
->어라? 이 부분이 잘안되네?(반복,가독성,언어섞임 문제)
->SFT+RL+SFT+RL hybrid 
DeepSeek-R1-Zero(MoE)와, DeepSeek-R1(MoE), 그리고 6개의 Llama와 Qwen에 기반한 DeepSeek-R1 distilled dense 모델을 공개.
DeepSeek-R1-Distill-Qwen-32B는 OpenAI-o1-mini 를 다양한 benchmark에 대해 이기고 sota 달성.(사진1 참조)
또한 multimodal 을 지원.
chat 버전은 공짜.(한글은 잘 될까?)
API가 ChatGPT 보다 96% 쌈. 

그럼 어떻게? Post-Training: Large-Scale Reinforcement Learning on the Base Model 
순수 RL로만 대규모 학습을 하면 모든게 해결되지 않을까?
반복,가독성,언어섞임 문제를 해결하는 과정에서 서비스 가능한 수준의 DeepSeek-R1이 나옴. 

DeepSeek-R1-Zero 
(2024)Group Relative Policy Optimization 사용.
(사진2: GRPO 참조)

reward 모델링 
accuracy reward: response 가 맞는지 틀리는지에 대한 reward.
Format reward: <think>/</think>로 형식화되는 thinking process에 대한 reward. 

neural reward 모델은 사용X. 대규모 학습 시 reward hacking 문제나 reward model을 재학습하는데 드는 학습 비용을 고려. 
학습 Template 

(사진3:학습 format)과 같이 먼저 <think>로 추론을 하게 하고, <answer>로 최종 answer내는 식으로 형식화. 

성능 
아쉽다... 
(사진4: R1-Zero Benchmark성능)
연구자들 입장에서는 대규모 강화학습만 해서 끝내고 싶었을 것 같은데, OpenAI-o1 보다 미국 수학 올림피아드 시험 점수(AIME) ,math 등 살짝 앞선 것도 있지만 코드 벤치에서는 o1-mini보다 못하는 등의 문제를 해결하고 싶었을 것 같음.
GPQA=A Graduate-Level Google-Proof Q&A Benchmark

발견들
학습할 수록 thinking time이 늘어난다? 사람처럼 aha moment를 가지고 처음의 판단을 재평가하는 모습도.

다만, 반복, 언어섞임, 가독성 면에서 서비스에 쓸 수 있는 모델 수준이 아니었던 듯

DeepSeek-R1 

Cold Start 
작은 양의 long CoT 데이터를 모델을 fine-tune하여 RL의 actor로 사용. 
데이터 수집: 모델들에 반성과 검증을 통해 상세한 답변을 작성하게 하거나 DeepSeek-R1-Zero에서 가독성있는 format으로 모아서,사람 annotator들에게 후처리. 이를 통해 가독성을 보완하고 시작. 

추론 기반 RL 
cold start 모델->대규모 강화학습( DeepSeek-R1-Zero like) 명확하고 잘 정의된 코딩이나, 수학,과학, 논리 추론 능력을 강화하는데 집중. 언어가 섞이는 문제를 해결하기 위해, CoT 상에서 목표 언어의 비율로 계산되는 언어의 consistency reward를 도입. accuracy reward+ language consistency reward를 단순 더하여 활용. 

Rejection Sampling과 SFT 
RL 이 수렴하면, 결과 모델을 다음 과정인 SFT를 위한 데이터를 모으는데 사용합니다.추론에 집중했던 것과 달리 이번 스테이지에서는 기존과 다른 글쓰기, role-playing 그리고 general purpose task들을 수행하도록 했습니다. 

추론 데이터 
RL 모델 결과에 rejection sampling을 진행. 추론 prompt와 추론 과정을 생성하는 것을 검수. DeepSeek-V3를 judgment로 사용해서 모델 예측이 주어진 정답과 비슷하도록 reward를 부여. 언어 섞임, 긴 문단, 그리고 code block을 필터링. 하나의 prompt에 여러 결과를 붙이고 그 중 맞는 것 하나만 남김. 이를 통해 600k개의 추론 관련 학습 sample 을 모음. 

비추론 데이터 
글쓰기나, factual QA나, 자기 인식, 그리고 번역과 같은 비추론 데이터는, DeekSeek-V3의 SFT데이터를 차용. 특정 비추론 task는 DeepSeek-V3로 질문에 답하기 전에 chain-of-thought를 생성하도록 함. 이를 통해 200k 개의 비추론 데이터를 모음. 

또 다시 RL(human preference) 
두번째 rl stage. 모델의 helpfulness와 harmlessness를 향상 및 추론 능력 향상. reward signal들의 조합과 다양한 prompt분포로 모델을 학습. 일반 데이터는 복잡하고 늬앙스가 포함된 시나리오에 대해 human preference를 잡아내도록 학습 (기존 deepseek v3의 파이프라인을 재활용) helpfulness는 최종 요약부분에 집중. 유저 요청에 부합하고 유용하면서도 추론 과정이 최대한 방해하지 않도록. harmless 가능한 위험 위해되는 content를 추론과정과 요약 모두 평가하도록. 

오픈 소스 모델 distillation 
sft만 적용. rl로 성능 부스트가 더 기대되긴하지만 적용하지 않음. 

최종 성능표 
(사진6) 여러 모델과 benchmark 비교
(사진7) ditilled model benchmark. 대규모 RL을 넣으면 더 향상될 수 있었을지?

Unsuccessful Attempts 
성공한 사례만 있는게 아님. Process Reward Model (PRM), Monte Carlo Tree Search (MCTS) 등 실패한 사례들도 기재.
관심있는 분들은 한번 살펴보면 좋을듯. 

(사진8) Reddit에 올라온 전체 pipeline overview

References:
https://github.com/deepseek-ai/DeepSeek-R1
https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf
https://www.reddit.com/r/LocalLLaMA/comments/1i66j4f/deepseekr1_training_pipeline_visualized/?rdt=44947

DeepSeek-R1-Zero/DeepSeek-R1 개요&nbsp;DeepSeek: 중국 항저우 인공지능 회사. DeepSeek-V3 등 MoE 모델들 출시. V3의 경우 타 회사 대비 API 비용이 10배 이상 쌈. 감춰져있던 OpenAI-o1은 어떻게 만들까?에 대한 방법론 제시. (답은 SFT-&gt;RL-&gt;SFT-&gt;RL)&nbsp; RL로 대규모 학습을 하면 가능성이 있을거야-&gt;어라? 이 부분이 잘안되네?(반복,가독성,언어섞임 문제)-&gt;SFT+RL+SFT+RL hybrid&nbsp;DeepSeek-R1-Zero(MoE)와, DeepSeek-R1(MoE), 그리고 6개의 Llama와 Qwen에 기반한 DeepSeek-R1 distilled dense 모델을 공개.DeepSeek-R1-Distill-Qwen-32B는 OpenAI-o1-mini 를 다양한 benchmark에 대해 이기고 sota 달성.(사진1 참조)또한 multimodal 을 지원.chat 버전은 공짜.(한글은 잘 될까?)API가 ChatGPT 보다 96% 쌈.&nbsp; 그럼 어떻게? Post-Training: Large-Scale Reinforcement Learning on the Base Model&nbsp;순수 RL로만 대규모 학습을 하면 모든게 해결되지 않을까?반복,가독성,언어섞임 문제를 해결하는 과정에서 서비스 가능한 수준의 DeepSeek-R1이 나옴.&nbsp; DeepSeek-R1-Zero&nbsp;(2024)Group Relative Policy Optimization 사용.(사진2: GRPO 참조) reward 모델링&nbsp;accuracy reward: response 가 맞는지 틀리는지에 대한 reward.Format reward: &lt;think&gt;/&lt;/think&gt;로 형식화되는 thinking process에 대한 reward.&nbsp; neural reward 모델은 사용X. 대규모 학습 시 reward hacking 문제나 reward model을 재학습하는데 드는 학습 비용을 고려.&nbsp;학습 Template&nbsp; (사진3:학습 format)과 같이 먼저 &lt;think&gt;로 추론을 하게 하고, &lt;answer&gt;로 최종 answer내는 식으로 형식화.&nbsp; 성능&nbsp;아쉽다...&nbsp;(사진4: R1-Zero Benchmark성능)연구자들 입장에서는 대규모 강화학습만 해서 끝내고 싶었을 것 같은데, OpenAI-o1 보다 미국 수학 올림피아드 시험 점수(AIME) ,math 등 살짝 앞선 것도 있지만 코드 벤치에서는 o1-mini보다 못하는 등의 문제를 해결하고 싶었을 것 같음.GPQA=A Graduate-Level Google-Proof Q&amp;A Benchmark 발견들학습할 수록 thinking time이 늘어난다? 사람처럼 aha moment를 가지고 처음의 판단을 재평가하는 모습도. 다만, 반복, 언어섞임, 가독성 면에서 서비스에 쓸 수 있는 모델 수준이 아니었던 듯 DeepSeek-R1&nbsp; Cold Start&nbsp;작은 양의 long CoT 데이터를 모델을 fine-tune하여 RL의 actor로 사용.&nbsp;데이터 수집: 모델들에 반성과 검증을 통해 상세한 답변을 작성하게 하거나 DeepSeek-R1-Zero에서 가독성있는 format으로 모아서,사람 annotator들에게 후처리. 이를 통해 가독성을 보완하고 시작.&nbsp; 추론 기반 RL&nbsp;cold start 모델-&gt;대규모 강화학습( DeepSeek-R1-Zero like) 명확하고 잘 정의된 코딩이나, 수학,과학, 논리 추론 능력을 강화하는데 집중. 언어가 섞이는 문제를 해결하기 위해, CoT 상에서 목표 언어의 비율로 계산되는 언어의 consistency reward를 도입. accuracy reward+ language consistency reward를 단순 더하여 활용.&nbsp; Rejection Sampling과 SFT&nbsp;RL 이 수렴하면, 결과 모델을 다음 과정인 SFT를 위한 데이터를 모으는데 사용합니다.추론에 집중했던 것과 달리 이번 스테이지에서는 기존과 다른 글쓰기, role-playing 그리고 general purpose task들을 수행하도록 했습니다.&nbsp; 추론 데이터&nbsp;RL 모델 결과에 rejection sampling을 진행. 추론 prompt와 추론 과정을 생성하는 것을 검수. DeepSeek-V3를 judgment로 사용해서 모델 예측이 주어진 정답과 비슷하도록 reward를 부여. 언어 섞임, 긴 문단, 그리고 code block을 필터링. 하나의 prompt에 여러 결과를 붙이고 그 중 맞는 것 하나만 남김. 이를 통해 600k개의 추론 관련 학습 sample 을 모음.&nbsp; 비추론 데이터&nbsp;글쓰기나, factual QA나, 자기 인식, 그리고 번역과 같은 비추론 데이터는, DeekSeek-V3의 SFT데이터를 차용. 특정 비추론 task는 DeepSeek-V3로 질문에 답하기 전에 chain-of-thought를 생성하도록 함. 이를 통해 200k 개의 비추론 데이터를 모음.&nbsp; 또 다시 RL(human preference)&nbsp;두번째 rl stage. 모델의 helpfulness와 harmlessness를 향상 및 추론 능력 향상. reward signal들의 조합과 다양한 prompt분포로 모델을 학습. 일반 데이터는 복잡하고 늬앙스가 포함된 시나리오에 대해 human preference를 잡아내도록 학습 (기존 deepseek v3의 파이프라인을 재활용) helpfulness는 최종 요약부분에 집중. 유저 요청에 부합하고 유용하면서도 추론 과정이 최대한 방해하지 않도록. harmless 가능한 위험 위해되는 content를 추론과정과 요약 모두 평가하도록.&nbsp; 오픈 소스 모델 distillation&nbsp;sft만 적용. rl로 성능 부스트가 더 기대되긴하지만 적용하지 않음.&nbsp; 최종 성능표&nbsp;(사진6) 여러 모델과 benchmark 비교(사진7) ditilled model benchmark. 대규모 RL을 넣으면 더 향상될 수 있었을지? Unsuccessful Attempts&nbsp;성공한 사례만 있는게 아님. Process Reward Model (PRM), Monte Carlo Tree Search (MCTS) 등 실패한 사례들도 기재.관심있는 분들은 한번 살펴보면 좋을듯.&nbsp; (사진8) Reddit에 올라온 전체 pipeline overview References:https://github.com/deepseek-ai/DeepSeek-R1https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdfhttps://www.reddit.com/r/LocalLLaMA/comments/1i66j4f/deepseekr1_training_pipeline_visualized/?rdt=44947

DeepSeek-R1-Zero/DeepSeek-R1 논문 요약

1
명심했던 경영 십계명 중 하나가 ‘이를 악물고 듣는다’였어요.

2
조직의 리더가 되면 말이 많아집니다.

3
그런데, 리더가 입을 열면 아무도 입을 열지 않아요. 조직의 장이 말하면 모든 게 무너져요.

4
제 머릿속에 있는 빅데이터를 보면, 대부분 첫 마디를 튼 사람이 계속 이야기를 이끌어갑니다.

5
먼저 말을 시작하게 주도권을 주는 것이 가장 중요해요.

6
1초는 부족합니다. 1분은 참아야죠. 침묵을 내가 깨지 않도록 이 악물고 참아야 해요.

#최재천의공부

1 명심했던 경영 십계명 중 하나가 ‘이를 악물고 듣는다’였어요. ​ ​2 조직의 리더가 되면 말이 많아집니다. ​ ​3 그런데, 리더가 입을 열면 아무도 입을 열지 않아요. 조직의 장이 말하면 모든 게 무너져요. ​ ​4 제 머릿속에 있는 빅데이터를 보면, 대부분 첫 마디를 튼 사람이 계속 이야기를 이끌어갑니다. ​ ​5 먼저 말을 시작하게 주도권을 주는 것이 가장 중요해요. ​ ​6 1초는 부족합니다. 1분은 참아야죠. 침묵을 내가 깨지 않도록 이 악물고 참아야 해요. #최재천의공부 ​

< 당신이 리더라면 입 열기 전에 1분만 참으라 >

안녕하세요. 그린입니다 🍏이번 포스팅에서는 Git Config로 완벽하게 다중 계정 환경을 설정하는 방법에 대해 정리해보겠습니다 🙋🏻 예전에 제 포스팅중에 다중 깃헙 계정 연동하기라는걸 작성한적이 있어요!  [Github] 다중 깃헙 계정 연동하기안녕하세요. 그린입니다🍏 이번 포스팅에서는 다중 깃헙 계정을 한 PC에서 연동하는 방법에 대해 포스팅해보겠습니다🙌 개인 깃헙 계정과 회사에서 사용하는 깃헙 계정이 다를 경우 각각 프로green1229.tistory.com 여기서도 config를 이용하여 변경해주는데 핵심은 개인 깃헙 계정과 회사 깃헙 계정이 공존할때 한 PC에서 이 둘에 대해 SSH key를 이용해 각자 환경과 상황에 맞게 적절한 계정으로 작업되도록 설정하는것을 알아봤습니다. 그래서, ..

Git Config로 다중 계정 설정하기

회사와 개인 깃헙 계정이 분리되어 있을때 각자 환경에 맞는 계정으로 알잘딱으로 작업되는 환경 설정을 하면 아주 편리하고 유용합니다 🙋🏻

즉, 다중으로 Github 계정을 가지고 있고 한 PC에서 연동되게 하는 방법에 대해 누구나 쉽게 가이드를 따라할 수 있게 기록해봅니다!

회사와 개인 깃헙 계정이 분리되어 있을때 각자 환경에 맞는 계정으로 알잘딱으로 작업되는 환경 설정을 하면 아주 편리하고 유용합니다 🙋🏻 즉, 다중으로 Github 계정을 가지고 있고 한 PC에서 연동되게 하는 방법에 대해 누구나 쉽게 가이드를 따라할 수 있게 기록해봅니다!

iOYES

Git Config로 다중 깃헙 계정 설정하기

0216; 소아병동에 브랜딩 하는 침대회사

[광고 · 마케팅]
한 주간 눈에 띄는 광고 톱30(더피알)
2023년 모바일 마케팅 전망(모비인사이드)
구글 신호 데이터는 얼마나 정확할까?(오픈애즈)
마케터가 알면 좋을 일상의 무기들(브런치)

[IT 뉴스]
지스타, 슈퍼얼리버드 접수 시작(MHN스포츠)
구글, 안드로이드 광고 도구 테스트 시작(지디넷)
훌륭한 개발자의 5가지 특징(요즘IT)

[이슈/트렌드]
소아병동에 브랜딩 하는 침대회사(중앙일보)
소식좌를 위한 '0.5인분' 메뉴 등장(서울경제)
한강 하늘에 '열기구' 뜬다(경향신문)
뜨거워진 캡슐커피 시장 '각축전'(아시아경제)
잘나가던 대체육 왜 관심밖이 됐나?(티타임즈)
온라인 구입 가구, '품질' 불만 최다(부산일보)
은행들 뱅크앱에 사활거는 이유(파이낸셜뉴스)
애플 배터리 교체비 인상한다(경향신문)
이동통신사 무료 데이터 30GB 쓴다(KBS)
뷰티업계, '30조 시장' 중동 공략한다(뉴스1)

[읽을 거리]
日 기업이 시골마을에 사무실 내는 이유(매일경제)
김밥 20종 비교 분석 리뷰(요기레터)
재난 앞에서 개발자가 할 수 있는 것(블로그)

stibee.com

커뮤니케이션팀 리더

김나현

뉴스레터

읽는 것과 보는 것, 쓰는 것에 관심이 많습니다.
꾸준히 더 나아질 수 있는 방법에 대해 생각합니다.
#커뮤니케이션 #뉴스레터운영 #브랜딩 #제너럴리스트 #홍보 #PublicRelations

0216; 소아병동에 브랜딩 하는 침대회사

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필