2010년대 커뮤니티 시절 '중고장터' 운영 경험 있어

[단독] 무신사, 중고 패션 시장 진출…'무신사 유즈드' 빠르면 상반기 론칭

무신사는 빠르면 올 상반기 중고 패션 사업인 '무신사 유즈드(MUSINSA USED)'를 론칭할 예정이다.

현재 내부적으로 중고 패션 시장 진출 방향성은 결정한 상태이며, 최종 론칭 시점을 두고 고심 중인 것으로 알려졌다.

현재 중고 의류 거래는 당근, 중고나라, 번개 장터 등의 전통적인 개인간(C2C) 중고거래 플랫폼을 중심으로 시장이 형성돼 있다.

이외에는 차란, 리클, 세컨웨어, 콜렉티브, 후르츠패밀리 등 패션에 국한된 리커머스 플랫폼도 빠르게 성장하는 추세다.

https://mobile.newsis.com/view/NISX20250204_0003051806

무신사는 빠르면 올 상반기 중고 패션 사업인 '무신사 유즈드(MUSINSA USED)'를 론칭할 예정이다. 현재 내부적으로 중고 패션 시장 진출 방향성은 결정한 상태이며, 최종 론칭 시점을 두고 고심 중인 것으로 알려졌다. 현재 중고 의류 거래는 당근, 중고나라, 번개 장터 등의 전통적인 개인간(C2C) 중고거래 플랫폼을 중심으로 시장이 형성돼 있다. 이외에는 차란, 리클, 세컨웨어, 콜렉티브, 후르츠패밀리 등 패션에 국한된 리커머스 플랫폼도 빠르게 성장하는 추세다. https://mobile.newsis.com/view/NISX20250204_0003051806

뉴시스

이수정(아인아르스 대표)한 중학교의 수업시간. 껌을 씹는 학생을 발견한 교사가 껌을 뱉어라고 한다. 그러나 학생은 당돌하게도 싫다고 말한다. 과연 그 다음엔 어떤 일이 일어날까?몇 년 전 한 고등학교에서 숙제를 해오지 않았다는 이유로 교사가 학생에게 앉았다 일어서기를  ...

[시론] ‘꼰대’와 팔로워십

한 중학교의 수업 시간. 껌을 씹는 학생을 발견한 교사가 껌을 뱉으라고 한다. 그러나 학생은 당돌하게도 싫다고 말한다. 과연 그 다음엔 어떤 일이 일어날까?

몇 년 전에 한 고등학교에서 숙제를 해오지 않았다는 이유로 교사가 학생에게 앉았다 일어서기를 무려 800번을 시켜 학생의 허벅지 근육이 파열된 사건이 있었다.

이 사건을 접한 방송사의 기자가 쓴 기사엔 위와 같이 수업시간에 껌을 씹은 학생의 이야기가 나온다. 껌을 뱉지 않고 반항(?)한 학생의 말로는 우리가 예상한 그대로다. 선생님한테 호통을 들은 것은 물론이거니와, 수업이 끝난 후 교무실에서 벌을 받고 열 장의 반성문을 써야 했다.

그런데 이 기자는 이런 경험이 있고 10년 후 교환학생으로 갔던 핀란드의 학교 이야기를 덧붙였다. 꽤나 보수적이고 꼬장꼬장한 영국 출신 교수의 수업시간에 프랑스 학생이 모자를 쓰고 앉아 있었다. 이를 본 교수가 당장 모자를 벗으라고 했지만 학생의 대답은 “나는 모자를 쓰고 싶습니다. 교수님이 상관할 바 아니죠”였다.

10년 전의 기억 때문인지 기자는 오히려 자신이 긴장했고 교수님의 말을 듣지 않고 분란을 만드는 그 학생을 이해하지 못했다고 한다. 그런데 그 교수의 반응은 기자의 예상과는 달랐다. 교수의 반응을 원문대로 옮겨본다.

“나는 수업할 때 학생들의 눈을 보는 걸 매우 중요하게 여긴다. 눈을 보고 수업을 제대로 이해하고 있는지 느끼고 피드백을 한다. 그런데 모자를 쓰면 그걸 느끼지 못한다. 결과적으로 수업을 제대로 진행하기 어려운 거다. 네가 모자 쓰길 고집하는 건 수업을 방해하는 행동으로, 다른 학생들에게도 피해를 줄 수 있다. 모자를 벗을 수 없다면 다른 학생들의 수업권을 위해서 교실에서 나가라.”

결국 프랑스 학생은 모자를 벗었고 수업이 이어졌다. 그 후 프랑스 학생은 교수님께 매번 예의를 갖춰 깍듯이 대했던 기자보다 높은 A학점을 받았다고 한다. 그 사건에 대한 교수의 보복은 없었던 것이다.

이제 기업의 이야기로 돌아가보자. 상사가 부하직원에게 일을 시킨다. 그런데 직원은 그에 반하는 행동을 한다. 과연 상사는 어떤 생각을 할까? ”요즘 젊은 것들은 예전 같지 않아. 위아래도 없고, 헝그리 정신도 없고, 열정도 없고, 배짱도 없고, 무엇보다 예의가 없어!“인가?

그래서인가 요즘은 기업마다 직원들의 ‘팔로어십(followership)’ 함양에 열을 올리고 있다. 시대가 변했고 사람이 변했다. 이젠 리더의 역량만으로 조직의 목표를 달성하는 일은 요원해졌기 때문이다.

조직에는 극히 소수의 리더와 대부분의 팔로어가 존재한다. 그리고 리더의 대부분은 리더임과 동시에 팔로어다. 팔로어십의 대가 로버트 켈리에 의하면 팔로어는 소외형, 수동형, 순응형, 실무형, 모범형의 유형으로 나뉜다. 그중 가장 이상적인 유형은 모범형 팔로어로 그 특징은 다음과 같다.

자주적이고 비판적인 사고를 하며 적극적인 참여를 통해서 리더의 힘을 강화시키고 자신의 가치와 업무의 부가가치를 높이기 위해 노력한다. 또 원활한 인간 관계를 유지하고 화합하기 위해 노력하고 리더와 동료에게 질문하며 능동적으로 배우는 한편 용기 있는 양심을 발휘하며 믿음에 따라 행동한다.

그런데 리더들은 정말 이런 팔로어를 원할까? 이상적인 팔로어십은 리더가 준비되었을 때 발현된다. 모자를 벗고 싶지 않은 학생에게 벗어야 하는 이유를 설득하고, 벗기 싫다는 의사를 자신의 교권에 대한 도전으로 받아들이지 않고 권위로 보복하지 않을 리더십을 갖고 있을 때 팔로어들은 이상적인 팔로어십을 갖게 된다.

리더와 팔로어는 상하관계로 구분되는 것이 아니다. 팔로어십은 상사의 지시를 무조건 따르거나 지지하라는 의미가 아니라, 독립적으로 생각하고 문제를 발견해 자발적으로 행동하게 하는 것이다. 아마도 이제는 리더십에 한 가지 덕목이 더 포함되어야 하지 않을까? 팔로어십을 가진 팔로어를 품을 줄 아는 능력 말이다.

따뜻한 곳으로 이동하는 기러기떼의 V자 대형은 공기 저항을 막기 위한 방법이다. 맨 앞의 길잡이 기러기가 날갯짓을 하면 맞바람과 부딪쳐 소용돌이 상승기류가 발생하고, 뒤의 기러기는 그 상승기류를 이용하여 맞바람의 저항을 덜 받고 힘을 아끼면서 날아갈 수 있다. 혼자 날아 갈 때보다 70%를 더 멀리 날아갈 수 있다고 한다.

조직에서 대부분의 리더는 팔로어이기도 하다. 팔로어는 언젠가 리더가 될 것이다. 진정한 리더는 팔로어가 만든다. 그러나 그 팔로어는 리더가 만든다. 이쯤 되면 리더십과 팔로어십을 구분할 것이 아니라, 기러기처럼 함께 날아 가는 파트너십이 필요한 것이 아닐까?

조직의 경쟁력을 강화하고 싶다면, 우리의 부하직원들이 더 열정적이고 창의적으로 일하게 하고 싶다면 우리의 ’꼰대지수‘를 낮출 필요가 있다. 꼰대라는 말이 불쾌한가? 그렇다면 당신은 꼰대일 확률이 높다.

한 중학교의 수업 시간. 껌을 씹는 학생을 발견한 교사가 껌을 뱉으라고 한다. 그러나 학생은 당돌하게도 싫다고 말한다. 과연 그 다음엔 어떤 일이 일어날까? 몇 년 전에 한 고등학교에서 숙제를 해오지 않았다는 이유로 교사가 학생에게 앉았다 일어서기를 무려 800번을 시켜 학생의 허벅지 근육이 파열된 사건이 있었다. 이 사건을 접한 방송사의 기자가 쓴 기사엔 위와 같이 수업시간에 껌을 씹은 학생의 이야기가 나온다. 껌을 뱉지 않고 반항(?)한 학생의 말로는 우리가 예상한 그대로다. 선생님한테 호통을 들은 것은 물론이거니와, 수업이 끝난 후 교무실에서 벌을 받고 열 장의 반성문을 써야 했다. 그런데 이 기자는 이런 경험이 있고 10년 후 교환학생으로 갔던 핀란드의 학교 이야기를 덧붙였다. 꽤나 보수적이고 꼬장꼬장한 영국 출신 교수의 수업시간에 프랑스 학생이 모자를 쓰고 앉아 있었다. 이를 본 교수가 당장 모자를 벗으라고 했지만 학생의 대답은 “나는 모자를 쓰고 싶습니다. 교수님이 상관할 바 아니죠”였다. 10년 전의 기억 때문인지 기자는 오히려 자신이 긴장했고 교수님의 말을 듣지 않고 분란을 만드는 그 학생을 이해하지 못했다고 한다. 그런데 그 교수의 반응은 기자의 예상과는 달랐다. 교수의 반응을 원문대로 옮겨본다. “나는 수업할 때 학생들의 눈을 보는 걸 매우 중요하게 여긴다. 눈을 보고 수업을 제대로 이해하고 있는지 느끼고 피드백을 한다. 그런데 모자를 쓰면 그걸 느끼지 못한다. 결과적으로 수업을 제대로 진행하기 어려운 거다. 네가 모자 쓰길 고집하는 건 수업을 방해하는 행동으로, 다른 학생들에게도 피해를 줄 수 있다. 모자를 벗을 수 없다면 다른 학생들의 수업권을 위해서 교실에서 나가라.” 결국 프랑스 학생은 모자를 벗었고 수업이 이어졌다. 그 후 프랑스 학생은 교수님께 매번 예의를 갖춰 깍듯이 대했던 기자보다 높은 A학점을 받았다고 한다. 그 사건에 대한 교수의 보복은 없었던 것이다. 이제 기업의 이야기로 돌아가보자. 상사가 부하직원에게 일을 시킨다. 그런데 직원은 그에 반하는 행동을 한다. 과연 상사는 어떤 생각을 할까? ”요즘 젊은 것들은 예전 같지 않아. 위아래도 없고, 헝그리 정신도 없고, 열정도 없고, 배짱도 없고, 무엇보다 예의가 없어!“인가? 그래서인가 요즘은 기업마다 직원들의 ‘팔로어십(followership)’ 함양에 열을 올리고 있다. 시대가 변했고 사람이 변했다. 이젠 리더의 역량만으로 조직의 목표를 달성하는 일은 요원해졌기 때문이다. 조직에는 극히 소수의 리더와 대부분의 팔로어가 존재한다. 그리고 리더의 대부분은 리더임과 동시에 팔로어다. 팔로어십의 대가 로버트 켈리에 의하면 팔로어는 소외형, 수동형, 순응형, 실무형, 모범형의 유형으로 나뉜다. 그중 가장 이상적인 유형은 모범형 팔로어로 그 특징은 다음과 같다. 자주적이고 비판적인 사고를 하며 적극적인 참여를 통해서 리더의 힘을 강화시키고 자신의 가치와 업무의 부가가치를 높이기 위해 노력한다. 또 원활한 인간 관계를 유지하고 화합하기 위해 노력하고 리더와 동료에게 질문하며 능동적으로 배우는 한편 용기 있는 양심을 발휘하며 믿음에 따라 행동한다. 그런데 리더들은 정말 이런 팔로어를 원할까? 이상적인 팔로어십은 리더가 준비되었을 때 발현된다. 모자를 벗고 싶지 않은 학생에게 벗어야 하는 이유를 설득하고, 벗기 싫다는 의사를 자신의 교권에 대한 도전으로 받아들이지 않고 권위로 보복하지 않을 리더십을 갖고 있을 때 팔로어들은 이상적인 팔로어십을 갖게 된다. 리더와 팔로어는 상하관계로 구분되는 것이 아니다. 팔로어십은 상사의 지시를 무조건 따르거나 지지하라는 의미가 아니라, 독립적으로 생각하고 문제를 발견해 자발적으로 행동하게 하는 것이다. 아마도 이제는 리더십에 한 가지 덕목이 더 포함되어야 하지 않을까? 팔로어십을 가진 팔로어를 품을 줄 아는 능력 말이다. 따뜻한 곳으로 이동하는 기러기떼의 V자 대형은 공기 저항을 막기 위한 방법이다. 맨 앞의 길잡이 기러기가 날갯짓을 하면 맞바람과 부딪쳐 소용돌이 상승기류가 발생하고, 뒤의 기러기는 그 상승기류를 이용하여 맞바람의 저항을 덜 받고 힘을 아끼면서 날아갈 수 있다. 혼자 날아 갈 때보다 70%를 더 멀리 날아갈 수 있다고 한다. 조직에서 대부분의 리더는 팔로어이기도 하다. 팔로어는 언젠가 리더가 될 것이다. 진정한 리더는 팔로어가 만든다. 그러나 그 팔로어는 리더가 만든다. 이쯤 되면 리더십과 팔로어십을 구분할 것이 아니라, 기러기처럼 함께 날아 가는 파트너십이 필요한 것이 아닐까? 조직의 경쟁력을 강화하고 싶다면, 우리의 부하직원들이 더 열정적이고 창의적으로 일하게 하고 싶다면 우리의 ’꼰대지수‘를 낮출 필요가 있다. 꼰대라는 말이 불쾌한가? 그렇다면 당신은 꼰대일 확률이 높다.

대한경제,대한경제

▶마켓인사이트 2월 2일 오후 2시 46분 미국 증시에 상장된 국내 시스템 반도체 기업 매그나칩반도체가 새 주인 찾기에 나섰다. 2021년 중국에 매각을 시도했다가 미국 정부에 의해 무산된 지 4년여 만이다. 당시 

[단독] 매그나칩반도체 4년 만에 매각 시동…LX·두산·DB 인수 후보

매그나칩은 경북 구미 공장에서 TV, 스마트폰에 쓰이는 디스플레이구동칩(DDI), 차량용 전력반도체를 주력으로 생산하는 반도체 전문기업이다. 매각 측은 두 사업 중 DDI 사업 부문만 우선 매각하는 방안을 추진하고 있다.

뉴욕증권거래소에서 매그나칩 주가는 2022년 매각 당시 주당 30달러에 달했지만 최근 4달러 수준으로 급락했다. 시총 기준으로 2200억원에 불과하다. 경영권 프리미엄을 감안하면 인수 가격은 3000억~4000억원 수준으로 예상된다.

중국 기업으로의 매각이 사실상 막혀 있어 이번 매각에서도 국내 기업과 PEF를 대상으로 원매자 물색에 나설 것으로 예상된다. 가장 유력한 후보로는 LX그룹이 꼽힌다.

https://n.news.naver.com/article/015/0005088434?sid=101

매그나칩은 경북 구미 공장에서 TV, 스마트폰에 쓰이는 디스플레이구동칩(DDI), 차량용 전력반도체를 주력으로 생산하는 반도체 전문기업이다. 매각 측은 두 사업 중 DDI 사업 부문만 우선 매각하는 방안을 추진하고 있다. 뉴욕증권거래소에서 매그나칩 주가는 2022년 매각 당시 주당 30달러에 달했지만 최근 4달러 수준으로 급락했다. 시총 기준으로 2200억원에 불과하다. 경영권 프리미엄을 감안하면 인수 가격은 3000억~4000억원 수준으로 예상된다. 중국 기업으로의 매각이 사실상 막혀 있어 이번 매각에서도 국내 기업과 PEF를 대상으로 원매자 물색에 나설 것으로 예상된다. 가장 유력한 후보로는 LX그룹이 꼽힌다. https://n.news.naver.com/article/015/0005088434?sid=101

n.news.naver.com

국내 사모펀드(PEF) 운용사 서울프라이빗에쿼티(PE)가 무궁화신탁의 벤처캐피탈(VC) 계열사였던 송현인베스트먼트를 인수하며 투자 업계에서 존재감을 키우고 있다. 이번 거래는 송현인베스트먼트가 매물로 나온 지 약 6개월 만에 성사됐다. 서울PE는 이번 인수를 통해 벤...

[단독]송현인베스트먼트, 다시 팔린다...새 주인에 서울PE

송현인베스트먼트는 2012년 설립된 중견 VC로 그동안 파두, 클로버추얼패션, 쏘카, 대성하이텍, 한국토지신탁, 신영 등 다양한 기업에 투자해왔다. 하지만 최근 몇 년간 투자 환경이 악화하면서 신규 투자 확대가 어려워졌고, 무궁화신탁의 자본금 확충 실패가 겹치면서 경영 불확실성이 커진 상황이었다.

어려운 가운데에도 송현인베스트먼트는 작년 7월 200억원 규모 ‘송현-바로 스마트워터 지역혁신 투자조합’ 펀드를 결성하면서 재도약에 성공했다.

https://www.edaily.co.kr/News/Read?newsId=02833926642043296&mediaCodeNo=257&OutLnkChk=Y

송현인베스트먼트는 2012년 설립된 중견 VC로 그동안 파두, 클로버추얼패션, 쏘카, 대성하이텍, 한국토지신탁, 신영 등 다양한 기업에 투자해왔다. 하지만 최근 몇 년간 투자 환경이 악화하면서 신규 투자 확대가 어려워졌고, 무궁화신탁의 자본금 확충 실패가 겹치면서 경영 불확실성이 커진 상황이었다. 어려운 가운데에도 송현인베스트먼트는 작년 7월 200억원 규모 ‘송현-바로 스마트워터 지역혁신 투자조합’ 펀드를 결성하면서 재도약에 성공했다. https://www.edaily.co.kr/News/Read?newsId=02833926642043296&amp;mediaCodeNo=257&amp;OutLnkChk=Y

이데일리

국제 > 국제일반 뉴스: 챗GPT 개발사 오픈AI의 샘 올트먼 최고경영자(CEO·사진)가 인공지능(AI) 전용 단말기 개발에 나서겠다고 밝혔다. AI가 IT...

오픈AI 올트먼 'AI 전용 단말기 개발에…음성조작이 핵심'

애플이 스마트폰을 손가락으로 터치하는 조작법을 통해 유저 인터페이스(UI)를 바꿨다면, AI 단말기에선 음성 조작으로 최적의 UI를 창출하는 것을 목표

http://www.sedaily.com/NewsView/2GOTPPDLR0?OutLink=telegram

애플이 스마트폰을 손가락으로 터치하는 조작법을 통해 유저 인터페이스(UI)를 바꿨다면, AI 단말기에선 음성 조작으로 최적의 UI를 창출하는 것을 목표 http://www.sedaily.com/NewsView/2GOTPPDLR0?OutLink=telegram

서울경제

[이 기사에 나온 스타트업에 대한 보다 다양한 기업정보는 유니콘팩토리 빅데이터 플랫폼 '데이터랩'에서 볼 수 있습니다.] 이커머스 셀러를 위한 선정산 플랫폼 올라핀테크가 120억원 규모의 시리즈B 투자 유치를 마무리했다고 24일 밝혔다. 시리즈B 라운드는 지난해 11월 KB국민카드가 90억원을 투자한 데 이어 최근 싱가포르 VC(벤처캐피탈)인 알타라벤처...

올라핀테크, 120억 시리즈B 투자유치...KB카드 2대주주 등극 - 머니투데이

시리즈B 라운드는 지난해 11월 KB국민카드가 90억원을 투자한 데 이어 최근 싱가포르 VC(벤처캐피탈)인 알타라벤처스와 베트남 VC인 두벤처스가 30억원을 추가 투자하면서 마무리됐다. 누적 투자유치액은 165억원이다.

이번 투자로 KB국민카드는 올라핀테크의 2대 주주로 올라섰다.

https://news.mt.co.kr/mtview.php?no=2025012410331231995

시리즈B 라운드는 지난해 11월 KB국민카드가 90억원을 투자한 데 이어 최근 싱가포르 VC(벤처캐피탈)인 알타라벤처스와 베트남 VC인 두벤처스가 30억원을 추가 투자하면서 마무리됐다. 누적 투자유치액은 165억원이다. 이번 투자로 KB국민카드는 올라핀테크의 2대 주주로 올라섰다. https://news.mt.co.kr/mtview.php?no=2025012410331231995

머니투데이

외국인 친구들이나 동료 연구자들에게 유난히 필자가 자주 듣는 이야기가 있다. "경일, 너는 새해가 되면 유난히 결심이나 새로운 목표를 많이 세우는 것 같아." 하지만 필자가 한국에서 일반적인 사람들보다 그리 대단한 유난을 떠는 것도 아니다. 한국인은 대부분 '열심히' 살고 '열심히' 일한다. 그리고 유난히 새해 결심을 많이 한다. 개인이든 조직이든 말이다...

새해 결심 지속하려면 성장한다는 느낌 필요 [김경일의 CEO 심리학] - 매일경제

외국인 친구들이나 동료 연구자들에게 유난히 필자가 자주 듣는 이야기가 있다. “너는 새해가 되면 유난히 결심이나 새로운 목표를 많이 세우는 것 같아.” 하지만 필자가 한국에서 일반적인 사람들보다 그리 대단한 유난을 떠는 것도 아니다. 한국인은 대부분 열심히 살고 열심히 일한다.

그리고 유난히 새해 결심을 많이 한다. 개인이든 조직이든 말이다. 아마도 동기 수준이 높고 근면하고 성실하기 때문일 것이다. 굳이 심리학자가 아니라도 전 세계의 수많은 사람으로부터 한국인들이 듣는 이야기다.

하지만 공통적으로 일어나는 현상이 또 있다. 이른바 작심삼일 혹은 1월을 넘기지 못한다는 것이다. 왜 신년계획은 이처럼 오래가지 못하는 것일까? 가장 중요한 이유는 이른바 ‘계획에 대한 계획’이 없기 때문이다.

이를 필자는 ‘목표 간 충돌’이라고 부른다. 사이클이나 마라톤 경기에서 출발점에 너무 많은 참가자가 출발할 때 종종 일어나는 일이다. 동시에 출발하다 보니 서로 부딪혀서 다수 심지어 모두가 넘어지는 현상 말이다. 왜 그럴까?

새롭게 시작하는 행동들은 서로 반대되거나 심지어 상극인 것들이 많기 때문이다. 예를 들어, 운동을 시작하겠다는 것과 충분한 휴식을 취한다는 것은 동시에 시작하기에는 다소 상반된 측면이 존재하기 때문이다. 그렇다면 이는 어떻게 해결해야 하는가?

1️⃣1년이라는 긴 기간 각기 다른 시점에 시작해야 하는 것들을 구분해 배치할 필요가 있다. 즉 올해의 목표들이 설정되면 1월, 3월 혹은 심지어 9월에 시작할 것들을 구분하고 배치할 필요가 있다는 것이다. 흥미로운 것은 1월과 3월의 출발이 순조로우면 이는 다시금 9월에 시작할 것들에 대한 동기 부여가 된다.

2️⃣두 번째로 중요한 것은 초반의 ‘성장감’이다. 이를 내적 동기 권위자 아옐레트 피시바흐(Ayelet Fishbach) 시카고대 교수는 ‘그 무엇보다도 강한 피드백의 효과’라고 부른다.

사람들이 노동은 힘들어해도 게임에는 몰입하는 이유가 무엇인가? 자신이 하는 행위의 결과에 대한 피드백을 즉시 받기 때문이다. 이에 따라 사람은 자기 행동이 향상되고 있다는 일종의 ‘느낌’을 받게 되는데 이는 어떤 일을 시작했을 때의 초반부에 특히 중요하다.

무언가를 새롭게 시작하게 되면 그 긴 과정에서 당연히 발전과 성장이 눈에 띄지 않는 상황에 놓이는 경우가 많다. 그리고 그런 상황 직후에 좌절하게 마련이다. 그래서 심리학자들은 성장보다 중요한 것을 ‘성장감’이라고 한다. 그리고 이는 어떤 새로운 행동을 시작할 때 특히 중요하다.

자, 그렇다면 실제 성장의 정도와 무관하게 성장하고 있다는 느낌인 ‘성장감’은 특히 학습이나 연습의 초반부에 매우 중요하다. 이를 위해서는 기존에 무엇이 잘못됐고 훈련을 통해 무엇이 수정되고 있는가를 매우 구체적으로 알려줘야 한다.

즉 단순한 칭찬이나 격려의 효과는 미미하다는 뜻이다. 이러한 일종의 ‘구체적 성장감’을 피시바흐 교수는 오케스트라의 악기 연습에서부터 다양한 과목이나 분야의 공부에 이르기까지 다양한 영역에서 일관적으로 관찰했다.

그렇다면 결론은 명확하다. 개인이든 조직이든 1년이라고 하는 긴 시간을 보낸 후에 달성하고자 하는 다수의 목표들을 지니고 있다면 1️⃣어떤 것을 언제 시작할 것인가에 대해서도 세심한 생각을 해봐야 한다. 순서에 관한 고민도 해야 한다.

2️⃣그리고 어떤 것이든 시작하고 나면 초반부에 어떤 것이 바로잡히고 수정되고 있는가에 대한 구체적인 피드백을 높은 빈도로 해줘야 한다. 올해는 이런 방식으로 한 번 의미 있는 한 해를 만들어 보시는 것이 어떨까.

외국인 친구들이나 동료 연구자들에게 유난히 필자가 자주 듣는 이야기가 있다. “너는 새해가 되면 유난히 결심이나 새로운 목표를 많이 세우는 것 같아.” 하지만 필자가 한국에서 일반적인 사람들보다 그리 대단한 유난을 떠는 것도 아니다. 한국인은 대부분 열심히 살고 열심히 일한다. 그리고 유난히 새해 결심을 많이 한다. 개인이든 조직이든 말이다. 아마도 동기 수준이 높고 근면하고 성실하기 때문일 것이다. 굳이 심리학자가 아니라도 전 세계의 수많은 사람으로부터 한국인들이 듣는 이야기다. 하지만 공통적으로 일어나는 현상이 또 있다. 이른바 작심삼일 혹은 1월을 넘기지 못한다는 것이다. 왜 신년계획은 이처럼 오래가지 못하는 것일까? 가장 중요한 이유는 이른바 ‘계획에 대한 계획’이 없기 때문이다. 이를 필자는 ‘목표 간 충돌’이라고 부른다. 사이클이나 마라톤 경기에서 출발점에 너무 많은 참가자가 출발할 때 종종 일어나는 일이다. 동시에 출발하다 보니 서로 부딪혀서 다수 심지어 모두가 넘어지는 현상 말이다. 왜 그럴까? 새롭게 시작하는 행동들은 서로 반대되거나 심지어 상극인 것들이 많기 때문이다. 예를 들어, 운동을 시작하겠다는 것과 충분한 휴식을 취한다는 것은 동시에 시작하기에는 다소 상반된 측면이 존재하기 때문이다. 그렇다면 이는 어떻게 해결해야 하는가? 1️⃣1년이라는 긴 기간 각기 다른 시점에 시작해야 하는 것들을 구분해 배치할 필요가 있다. 즉 올해의 목표들이 설정되면 1월, 3월 혹은 심지어 9월에 시작할 것들을 구분하고 배치할 필요가 있다는 것이다. 흥미로운 것은 1월과 3월의 출발이 순조로우면 이는 다시금 9월에 시작할 것들에 대한 동기 부여가 된다. 2️⃣두 번째로 중요한 것은 초반의 ‘성장감’이다. 이를 내적 동기 권위자 아옐레트 피시바흐(Ayelet Fishbach) 시카고대 교수는 ‘그 무엇보다도 강한 피드백의 효과’라고 부른다. 사람들이 노동은 힘들어해도 게임에는 몰입하는 이유가 무엇인가? 자신이 하는 행위의 결과에 대한 피드백을 즉시 받기 때문이다. 이에 따라 사람은 자기 행동이 향상되고 있다는 일종의 ‘느낌’을 받게 되는데 이는 어떤 일을 시작했을 때의 초반부에 특히 중요하다. 무언가를 새롭게 시작하게 되면 그 긴 과정에서 당연히 발전과 성장이 눈에 띄지 않는 상황에 놓이는 경우가 많다. 그리고 그런 상황 직후에 좌절하게 마련이다. 그래서 심리학자들은 성장보다 중요한 것을 ‘성장감’이라고 한다. 그리고 이는 어떤 새로운 행동을 시작할 때 특히 중요하다. 자, 그렇다면 실제 성장의 정도와 무관하게 성장하고 있다는 느낌인 ‘성장감’은 특히 학습이나 연습의 초반부에 매우 중요하다. 이를 위해서는 기존에 무엇이 잘못됐고 훈련을 통해 무엇이 수정되고 있는가를 매우 구체적으로 알려줘야 한다. 즉 단순한 칭찬이나 격려의 효과는 미미하다는 뜻이다. 이러한 일종의 ‘구체적 성장감’을 피시바흐 교수는 오케스트라의 악기 연습에서부터 다양한 과목이나 분야의 공부에 이르기까지 다양한 영역에서 일관적으로 관찰했다. 그렇다면 결론은 명확하다. 개인이든 조직이든 1년이라고 하는 긴 시간을 보낸 후에 달성하고자 하는 다수의 목표들을 지니고 있다면 1️⃣어떤 것을 언제 시작할 것인가에 대해서도 세심한 생각을 해봐야 한다. 순서에 관한 고민도 해야 한다. 2️⃣그리고 어떤 것이든 시작하고 나면 초반부에 어떤 것이 바로잡히고 수정되고 있는가에 대한 구체적인 피드백을 높은 빈도로 해줘야 한다. 올해는 이런 방식으로 한 번 의미 있는 한 해를 만들어 보시는 것이 어떨까.

매일경제

2022년 기업가치 6000억 높은 몸값 되레 ‘부메랑’ 뱅크샐러드 “실적 개선할 것” 이 기사는 2025년 2월 3일 17시 35분 조선비즈 머니무브(MM) 사이트에 표출됐습니다. 핀테크 업계 기대주로 불렸던 뱅크

비싸게 투자 유치한 게 독... 뱅크샐러드, SKS PE 등 FI 회수 불투명

뱅크샐러드는 최근 미래에셋증권을 상장 주관사로 선정하고, 본격적인 IPO 준비에 돌입했다. 2026년 하반기 코스닥 상장을 목표로 하고 있다. 뱅크샐러드는 올해 실적을 대폭 개선한 뒤 시장의 평가를 받을 계획인 것으로 보인다.

주관사는 선정했지만, 시장에서 6000억원이 넘는 몸값을 받아내야 해 난관이 예상된다. 뱅크샐러드는 지난 2022년 진행한 시리즈D 투자 유치에서 SKS프라이빗에쿼티(PE)와 KT, 기아 등으로부터 1350억원의 투자금을 받았는데, 6000억원의 기업가치를 인정받았다.

https://n.news.naver.com/article/366/0001051044?sid=101

뱅크샐러드는 최근 미래에셋증권을 상장 주관사로 선정하고, 본격적인 IPO 준비에 돌입했다. 2026년 하반기 코스닥 상장을 목표로 하고 있다. 뱅크샐러드는 올해 실적을 대폭 개선한 뒤 시장의 평가를 받을 계획인 것으로 보인다. 주관사는 선정했지만, 시장에서 6000억원이 넘는 몸값을 받아내야 해 난관이 예상된다. 뱅크샐러드는 지난 2022년 진행한 시리즈D 투자 유치에서 SKS프라이빗에쿼티(PE)와 KT, 기아 등으로부터 1350억원의 투자금을 받았는데, 6000억원의 기업가치를 인정받았다. https://n.news.naver.com/article/366/0001051044?sid=101

비대면 면접이 보편화하면서 인공지능(AI) 면접관도 등장했다. 기업의 AI 면접관 활용도가 다양해질 것으로 기대되면서 대규모 투자도 이뤄지고 있다. 4일 IT 전문 매체 테크크런치 등 주요 외신에 따르면 영국 스타트

면접관 된 AI… 스타트업 ‘마키’ 400억원 투자 유치

영국 스타트업 ‘마키’는 최근 2860만 달러(약 417억7888만원) 규모의 시리즈A 투자를 유치했다. 미 경제전문지 포춘이 선정한 500대 기업의 98% 이상이 AI를 채용 절차에 활용 중이다.

2022년 설립된 마키는 성과 영상과 텍스트를 기반으로 구직자의 면접을 진행하는 AI 비서를 개발했다. AI는 후보자 선별, 면접 일정을 자동으로 관리해 채용 절차를 간소화한다. 회사에 따르면 채용 절차의 80%를 자동화하고 채용까지 걸리는 시간을 최대 3배 줄일 수 있다.

https://n.news.naver.com/article/005/0001755370?sid=101

영국 스타트업 ‘마키’는 최근 2860만 달러(약 417억7888만원) 규모의 시리즈A 투자를 유치했다. 미 경제전문지 포춘이 선정한 500대 기업의 98% 이상이 AI를 채용 절차에 활용 중이다. 2022년 설립된 마키는 성과 영상과 텍스트를 기반으로 구직자의 면접을 진행하는 AI 비서를 개발했다. AI는 후보자 선별, 면접 일정을 자동으로 관리해 채용 절차를 간소화한다. 회사에 따르면 채용 절차의 80%를 자동화하고 채용까지 걸리는 시간을 최대 3배 줄일 수 있다. https://n.news.naver.com/article/005/0001755370?sid=101

국내 최고 자본시장 미디어 thebell이 정보서비스의 새 지평을 엽니다.

브리즈인베, AC 라이선스 확보…투자 보폭 키운다

직방은 지난해 브리즈인베스트먼트 지분 80%(장부가액 약 16억원)를 매각했다. 원스타트벤처, 이스트, 파인우드인베스트먼트, 개인 주주 등이 새로운 주주로 합류했다. 직방은 19.9% 지분을 지닌 주요 주주로 여전히 남게 됐다.

https://www.thebell.co.kr/free/content/ArticleView.asp?key=202501231023054200103736

직방은 지난해 브리즈인베스트먼트 지분 80%(장부가액 약 16억원)를 매각했다. 원스타트벤처, 이스트, 파인우드인베스트먼트, 개인 주주 등이 새로운 주주로 합류했다. 직방은 19.9% 지분을 지닌 주요 주주로 여전히 남게 됐다. https://www.thebell.co.kr/free/content/ArticleView.asp?key=202501231023054200103736

더벨뉴스

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

(제공=비모뉴먼트) 비건 뷰티 브랜드 비모뉴먼트의 달바가 지난해 연간 최대 매출액을 달성했다고 29일 밝혔다. 비모뉴먼트에 따르면 이회사의 지난해 결산 매출은 1452억원으로 전년보다 109.8% 증가했다. 같은 기간 해외 수출액은 전년 60억원에서 지난해 190억원으로 217% 급증했다. 미국은 전년 대비 220%, 일본은 144% 성장했다. 달바의 미스트 제품은 미국 아마존과 일본 큐텐 미스트 카테고리에서 각각 1위를 차지한 인기 제품이다.

비모뉴먼트, 달바 매출 1,452억 달성...해외 217% 급성장

해외 수출액은 전년 60억원에서 지난해 190억원으로 217% 급증했다. 미국은 전년 대비 220%, 일본은 144% 성장했다. 달바의 미스트 제품은 미국 아마존과 일본 큐텐 미스트 카테고리에서 각각 1위를 차지한 인기 제품이다.

news.mtn.co.kr

SNEW 스타트업 뉴스

링크드인 채널

페이스북 채널

텔레그램 채널

스타트업과 벤처캐피탈 뉴스 및 인사이트
#벤처캐피탈 #창업 #스타트업 #스타트업경영 #비즈니스 #IP비즈니스 #마케팅

snew.insight@gmail.com

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필