접근성 및 인클루시브 디자인(inclusive design)을 위한 예상치 못했지만 실용적인 8+1개의 팁을 확인해보세요.

(번역) 예상치 못한 접근성 팁 소개

접근성 테스트는 모두에게 유용할 수 있다는 점을 잘 보여주는 글입니다. 일상에서 시도해보면서 우리가 만들고 있는 서비스를 개선해나가보면 어떨까요?

https://velog.io/@sehyunny/unexpected-a11y-tips

접근성 테스트는 모두에게 유용할 수 있다는 점을 잘 보여주는 글입니다. 일상에서 시도해보면서 우리가 만들고 있는 서비스를 개선해나가보면 어떨까요? https://velog.io/@sehyunny/unexpected-a11y-tips

Velog

일상에서 시도해보기 좋은 테스트

 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)

앞서 연차로 인한 압박에 관한 글을 쓰기도 했지만 아무래도 사교육과 선행학습이 일상인 환경에서 자라고 교육받다보니 다들 기술 지향적으로 뭘 배워두면 내 커리어가 안전해질까 등으로 항상 정답을 찾으려 많이 하려 하는 듯 하다. 다시 한번 학교 바깥의 세상에는 정해진 커리큘럼도 없고 시험처럼 정답이 정해진 형태의 테스트가 있지도 않다.

긴 커리어에서 더 건강한 관점은 내가 원하는 것이 무엇인지 고민하고 나에게 맞는 환경을 찾아 거기서 현재에 집중하며 맡은 업무 파악(의사 소통 -> 문제 정의)하고 그 업무를 성공으로 이끌어내는 경험을 하는 것이 중요하다. 피터 드러커의 "The Effective Executive"라는 책을 보면 모든 지식 노동자는 본인이 하고 있는 "공헌"이 무엇인지 고민해봐야 한다는 이야기를 한다. 여기서 포인트는 "맞는" 공헌을 하고 있는지 아니면 뭔가 잘못된 공헌을 하고 있는지 살펴봐야 한다는 점이다.

잘못된 공헌으로는 어떤 것들이 있을까?

 1. 매니저로써 팀빌딩에 힘을 쓰기 보다는 개인으로 하는 코딩에 더 노력하는 것을 들 수 있다. 팀에 인력이 부족해서 라면 모르겠지만 대신할 사람이 있는데 그렇다면 큰 문제다.
 2. 매니저로 모든 일에 직접 끼어들다보니 본인이 없으면 팀이 안 돌아간다면 결국 본인이 병목이 되면서 문제가 된다. 1, 2번에서 매니저라고 했지만 팀내 시니어 멤버라면 본인을 대입해서 생각해볼 필요가 있다. 프로세스로 돌아가게 하거나 나를 대신할 사람을 계속 찾는 노력을 계속해야 한다.
 3. 불필요하게 새로운 프레임웍의 도입을 서두르는 것인데 일반적으로 이야기하자면 문제해결이나 가치창출에 집중하는 것이 아니라 너무 기술중심으로 가는 거다.
 4. 주니어라면 처음에는 모르는 것들이 많을 수 있지만 동일한 질문이나 도움을 반복한다면 뭔가 잘못된 것이다. 팀에 공헌하는 사람이 되고 싶다면 발전하는 사람이 되어야 하며 때로는 모르거나 이해가 안되거를 대충 체면치레하며 넘어가지 말고 구체적으로 물어보고 이해해야 한다.
 5. 다른 큰 범주는 문제정의를 잘 하고 맞는 방향으로 노력을 하는 것이 아니라 잘못된 "노력"을 강조하는 것이다.맞는 방향으로 노력했지만 결과가 안 좋았다면 그건 괜찮지만 열심히 했다는 이유만으로 모든 것이 인정되는 것은 아니다. 등산이라면 어느 산으로 올라가는지 먼저 파악해야지 아무 산이나 열심히 올라간 다음에 그걸 인정해달라는 건 말이 안 된다.

조직 사회에서 인정받고 자신감을 쌓는 제일 좋은 방법은 "결과"를 내는 사람이 되는 것이며 이는 내가 지금 할 수 있는 "맞는 공헌"이 무엇이 있는지 생각해보고 내 매니저나 동료들과 많이 이야기해보는 것이다. 개발자 관점에서 조심할 부분은 너무 기술적으로만 바라보는 것이다.

<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> 앞서 연차로 인한 압박에 관한 글을 쓰기도 했지만 아무래도 사교육과 선행학습이 일상인 환경에서 자라고 교육받다보니 다들 기술 지향적으로 뭘 배워두면 내 커리어가 안전해질까 등으로 항상 정답을 찾으려 많이 하려 하는 듯 하다. 다시 한번 학교 바깥의 세상에는 정해진 커리큘럼도 없고 시험처럼 정답이 정해진 형태의 테스트가 있지도 않다. 긴 커리어에서 더 건강한 관점은 내가 원하는 것이 무엇인지 고민하고 나에게 맞는 환경을 찾아 거기서 현재에 집중하며 맡은 업무 파악(의사 소통 -&gt; 문제 정의)하고 그 업무를 성공으로 이끌어내는 경험을 하는 것이 중요하다. 피터 드러커의 "The Effective Executive"라는 책을 보면 모든 지식 노동자는 본인이 하고 있는 "공헌"이 무엇인지 고민해봐야 한다는 이야기를 한다. 여기서 포인트는 "맞는" 공헌을 하고 있는지 아니면 뭔가 잘못된 공헌을 하고 있는지 살펴봐야 한다는 점이다. 잘못된 공헌으로는 어떤 것들이 있을까? <ol ><li>매니저로써 팀빌딩에 힘을 쓰기 보다는 개인으로 하는 코딩에 더 노력하는 것을 들 수 있다. 팀에 인력이 부족해서 라면 모르겠지만 대신할 사람이 있는데 그렇다면 큰 문제다.</li><li>매니저로 모든 일에 직접 끼어들다보니 본인이 없으면 팀이 안 돌아간다면 결국 본인이 병목이 되면서 문제가 된다. 1, 2번에서 매니저라고 했지만 팀내 시니어 멤버라면 본인을 대입해서 생각해볼 필요가 있다. 프로세스로 돌아가게 하거나 나를 대신할 사람을 계속 찾는 노력을 계속해야 한다.</li><li>불필요하게 새로운 프레임웍의 도입을 서두르는 것인데 일반적으로 이야기하자면 문제해결이나 가치창출에 집중하는 것이 아니라 너무 기술중심으로 가는 거다.</li><li>주니어라면 처음에는 모르는 것들이 많을 수 있지만 동일한 질문이나 도움을 반복한다면 뭔가 잘못된 것이다. 팀에 공헌하는 사람이 되고 싶다면 발전하는 사람이 되어야 하며 때로는 모르거나 이해가 안되거를 대충 체면치레하며 넘어가지 말고 구체적으로 물어보고 이해해야 한다.</li><li>다른 큰 범주는 문제정의를 잘 하고 맞는 방향으로 노력을 하는 것이 아니라 잘못된 "노력"을 강조하는 것이다.맞는 방향으로 노력했지만 결과가 안 좋았다면 그건 괜찮지만 열심히 했다는 이유만으로 모든 것이 인정되는 것은 아니다. 등산이라면 어느 산으로 올라가는지 먼저 파악해야지 아무 산이나 열심히 올라간 다음에 그걸 인정해달라는 건 말이 안 된다.</li></ol> 조직 사회에서 인정받고 자신감을 쌓는 제일 좋은 방법은 "결과"를 내는 사람이 되는 것이며 이는 내가 지금 할 수 있는 "맞는 공헌"이 무엇이 있는지 생각해보고 내 매니저나 동료들과 많이 이야기해보는 것이다. 개발자 관점에서 조심할 부분은 너무 기술적으로만 바라보는 것이다.

좋은 개발자가 알아야하는 9가지 포인트들 - 8. 결과를 내는데 집중하기

With Google, Microsoft, Meta and just about every other company getting into AI, it can be hard to keep up with the latest terminology. This glossary is your one-stop shop.

ChatGPT Glossary: 44 AI Terms That Everyone Should Know

OpenAI의 AI 챗봇은 어떤 질문에도 답하고 시, 이력서, 퓨전 레시피를 작성하는 데 도움을 주는 놀라운 능력으로 등장했습니다. 구글의 제미니, 마이크로소프트의 코파일럿, 앤트로픽의 클로드, 퍼플렉시티의 AI 검색 도구, 휴먼과 래빗의 가젯 등 어지러울 정도로 다양한 제품에서 인공지능이 등장하고 있습니다.

AI로 얽힌 세상에 알아두어야 할 44가지 중요한 AI 용어를 소개합니다. 

 * 인공 일반 지능 또는 AGI(artificial general intelligence, or AGI)
   * 현재 우리가 알고 있는 것보다 훨씬 더 발전된 버전의 AI를 제안하는 개념
   * 인간보다 훨씬 더 나은 작업을 수행하는 동시에 스스로 학습하고 발전시킬 수 있는 AI
 * AI 윤리(AI ethics)
   * AI 시스템이 데이터를 수집하거나 편견에 대처하는 방법을 결정하는 등의 방법을 통해 AI가 인간에게 해를 끼치는 것을 방지하는 것을 목표로 하는 원칙
 * AI 안전(AI safety)
   * AI의 장기적인 영향과 AI가 인간에게 적대적일 수 있는 초지능으로 갑자기 발전할 수 있는 방법을 다루는 학제 간 분야
 * 알고리즘(algorithm)
   * 컴퓨터 프로그램이 패턴 인식과 같은 특정 방식으로 데이터를 학습하고 분석한 다음 이를 통해 스스로 학습하고 작업을 수행할 수 있도록 하는 일련의 지침
 * 정렬(alignment)
   * 원하는 결과를 더 잘 만들어내기 위해 AI를 조정하는 것
   * 콘텐츠 조정부터 인간에 대한 긍정적인 상호작용 유지까지 모든 것이 포함될 수 있음
 * 의인화(anthropomorphism)
   * 인간이 인간이 아닌 사물에 인간과 같은 특성을 부여하는 것
   * AI에서는 챗봇이 행복하거나 슬프거나 심지어 지각이 있다고 믿는 등 실제보다 더 인간과 비슷하고 지각이 있다고 믿는 것이 여기에 포함될 수 있
 * 인공 지능 또는 AI(artificial intelligence, or AI)
   * 컴퓨터 프로그램이나 로봇 공학에서 인간의 지능을 시뮬레이션하기 위해 기술을 사용하는 것
   * 인간의 작업을 수행할 수 있는 시스템을 구축하는 것을 목표로 하는 컴퓨터 과학의 한 분야
 * 편향(bias)
   * 대규모 언어 모델과 관련하여 학습 데이터에서 발생하는 오류
   * 이는 고정관념에 따라 특정 특성을 특정 인종이나 그룹에 잘못 귀속시키는 결과를 초래할 수 있어 AI 윤리 및 AI안전과 관련된 내용
 * 챗봇(chatbot)
   * 인간의 언어를 모방한 텍스트를 통해 인간과 소통하는 프로그램.
 * ChatGPT
   * https://chatgpt.com/
   * 대규모 언어 모델 기술을 사용하는 OpenAI에서 개발한 AI 챗봇
 * 인지 컴퓨팅(cognitive computing)
   * 인공 지능의 또 다른 용어
 * 데이터 증강(data augmentation)
   * 기존 데이터를 리믹스하거나 더 다양한 데이터 세트를 추가하여 AI를 학습시키는 것.
 * 딥 러닝(deep learning)
   * 여러 매개변수를 사용하여 사진, 소리, 텍스트의 복잡한 패턴을 인식하는 AI의 한 방법이자 머신러닝의 하위 분야
   * 이 과정은 인간의 뇌에서 영감을 받아 인공 신경망을 사용하여 패턴을 생성
 * 확산(diffusion)
   * 사진과 같은 기존 데이터에 무작위 노이즈를 추가하는 머신 러닝의 한 방법
   * 확산 모델은 네트워크를 훈련시켜 해당 사진을 재구성하거나 복구하는 형태
 * 돌발 행동(emergent behavior)
   * AI 모델이 의도하지 않은 능력을 발휘하는 경우
 * 엔드투엔드 학습 또는 E2E(end-to-end learning, or E2E)
   * 모델에 처음부터 끝까지 작업을 수행하도록 지시하는 딥 러닝 프로세스
   * 작업을 순차적으로 수행하도록 학습하는 것이 아니라 입력된 정보를 통해 학습하여 한 번에 해결하는 방식
 * 윤리적 고려 사항(ethical considerations)
   * AI의 윤리적 영향과 개인 정보 보호, 데이터 사용, 공정성, 오용 및 기타 안전 문제와 관련된 문제에 대한 인식
 * 폼(foom)
   * 인공지능이 스스로 빠르게 진화하는 현상으로 AGI가 매우 빠르게 자기 개선을 통해 초지능으로 발전하는 과정
   * AGI가 인간의 개입 없이 스스로를 개선할 수 있는 능력을 갖게 되는 과정
 * 생성적 적대적 네트워크 또는 GAN(generative adversarial networks, or GANs)
   * 새로운 데이터를 생성하는 두 개의 신경망, 즉 제너레이터와 판별기로 구성된 생성형 AI 모델
   * 제너레이터는 새로운 콘텐츠를 생성하고, 판별기는 콘텐츠가 진짜인지 여부를 확인.
 * 생성형 AI(generative AI)
   * AI를 사용하여 텍스트, 동영상, 컴퓨터 코드 또는 이미지를 생성하는 콘텐츠 생성 기술
   * AI는 대량의 학습 데이터를 제공받고 패턴을 찾아 스스로 새로운 반응을 생성하며, 때로는 소스 자료와 유사
 * Google Gemini
   * https://gemini.google.com/
   * ChatGPT와 유사한 기능을 하지만 현재 웹에서 정보를 가져오는 Google의 AI 챗봇
 * 가드레일(guardrails)
   * 데이터를 책임감 있게 처리하고 모델이 불온한 콘텐츠를 생성하지 않도록 하기 위해 AI 모델에 적용되는 정책 및 제한 사항
 * 환각(hallucination)
   * AI의 잘못된 응답
   * 생성형 AI가 틀린 답변을 생성하지만 마치 정답인 것처럼 자신 있게 말하는 것 포함
 * 대규모 언어 모델(large language model, or LLM)
   * 대량의 텍스트 데이터를 학습하여 언어를 이해하고 인간과 유사한 언어로 새로운 콘텐츠를 생성하는 AI 모델
 * 머신 러닝 또는 ML(machine learning, or ML)
   * 컴퓨터가 명시적으로 프로그래밍되지 않아도 데이터를 통해 학습하고 개선할 수 있게 하는 기술로 패턴 인식 및 데이터 분석을 통해 예측 모델을 생성하고, 이를 기반으로 새로운 데이터에 대한 예측 수행
   * 주요 머신러닝 알고리즘으로는 회귀 알고리즘(선형 회귀, 다항 회귀 등), 분류 알고리즘(로지스틱 회귀, 서포트 벡터 머신(SVM), k-최근접 이웃(k-NN), 결정 트리, 랜덤 포레스트 등), 클러스터링 알고리즘(k-평균, 계층적 클러스터링 등), 딥러닝(인공 신경망(ANN), 합성곱 신경망(CNN), 순환 신경망(RNN) 등)이 있음
 * Microsoft Bing
   * https://www.bing.com/
   * Microsoft의 검색 엔진으로 ChatGPT를 구동하는 기술을 사용하여 AI 기반 검색 결과를 제공. 인터넷에 연결되어 있다는 점에서 Google Gemini와 유사
 * 멀티모달 AI(multimodal AI)
   * 텍스트, 이미지, 동영상, 음성 등 여러 유형의 입력을 처리할 수 있는 AI의 한 유형
 * 자연어 처리(natural language processing)
   * 머신 러닝과 딥 러닝을 사용하여 컴퓨터가 인간의 언어를 이해할 수 있는 능력을 부여하는 AI의 한 분야
   * 주로 학습 알고리즘, 통계 모델 및 언어 규칙을 사용
 * 신경망(neural network)
   * 인간의 뇌 구조와 유사하며 데이터의 패턴을 인식하기 위한 계산 모델입니다. 상호 연결된 노드 또는 뉴런으로 구성되며, 패턴을 인식하고 시간이 지남에 따라 학습할 수 있습니다.
 * 과적합(overfitting)
   * 머신 러닝이 학습 데이터에 너무 가깝게 작동하여 해당 데이터의 특정 예만 식별할 수 있고 새로운 데이터는 식별하지 못하는 오류
 * 종이 클립(paperclips)
   * 옥스퍼드 대학교의 철학자 닉 보스트롬이 만든 종이 클립 최대화 이론으로 AI 시스템이 가능한 한 많은 문자 그대로의 종이 클립을 생성하는 가상의 시나리오
   * AI 시스템의 의도하지 않은 결과는 클립을 만들려는 목표가 인류를 파괴할 수 있다는 것
 * 매개변수(parameters)
   * LLM에 구조와 동작을 부여하여 예측을 가능하게 하는 숫자 값
 * 프롬프트(prompt)
   * 응답을 얻기 위해 AI 챗봇에 입력하는 제안 또는 질문
 * 프롬프트 연쇄(prompt chaining)
   * 이전 상호 작용의 정보를 사용하여 향후 응답에 색을 입히는 AI 기능
 * 확률적 앵무새(stochastic parrot)
   * 출력 결과가 아무리 설득력 있게 들리더라도 소프트웨어가 언어나 주변 세계의 의미를 더 깊이 이해하지 못한다는 것을 설명하는 LLM의 비유
   * 이 문구는 앵무새가 그 뒤에 숨은 의미를 이해하지 못한 채 사람의 말을 흉내 내는 것
 * 스타일 전이(style transfer)
   * 한 이미지의 스타일을 다른 이미지의 콘텐츠에 맞게 조정하는 기능
   * AI가 한 이미지의 시각적 속성을 해석하여 다른 이미지에 사용할 수 있도록 하는 것
   * 예를 들어 렘브란트의 자화상을 피카소 스타일로 재창조하는 것
 * 온도(temperature)
   * 언어 모델의 출력 무작위성을 제어하기 위해 설정하는 매개변수
   * 온도가 높을수록 모델이 더 많은 위험을 감수한다는 의미
 * 텍스트-이미지 생성(text-to-image generation)
   * 텍스트 설명을 기반으로 이미지를 생성
 * 토큰(tokens)
   * AI 언어 모델이 사용자의 프롬프트에 대한 응답을 공식화하기 위해 처리하는 작은 텍스트 조각
   * 한 토큰은 영어로 4글자 또는 단어의 약 4분의 3에 해당
 * 학습 데이터(training data)
   * 텍스트, 이미지, 코드 또는 데이터 등 AI 모델의 학습을 돕는 데 사용되는 데이터 세트
 * 트랜스포머 모델(transformer model)
   * 문장이나 이미지의 일부와 같이 데이터의 관계를 추적하여 문맥을 학습하는 신경망 아키텍처이자 딥 러닝 모델
   * 문장을 한 번에 한 단어씩 분석하는 대신 전체 문장을 보고 문맥을 이해
   * 기존의 순환 신경망(RNN)이나 장단기 메모리 네트워크(LSTM)와 달리, 시퀀스 데이터를 처리할 때 병렬 처리를 가능하게 하여 더욱 효율적이고 성능이 우수한 모델
 * 튜링 테스트(Turing test)
   * 유명한 수학자이자 컴퓨터 과학자인 앨런 튜링의 이름을 딴 이 테스트는 기계가 인간처럼 행동할 수 있는지 테스트
   * 사람이 기계의 반응을 다른 사람과 구별하지 못하면 기계는 통과
 * 약한 인공지능, 일명 좁은 인공지능(weak AI, aka narrow AI)
   * 특정 작업이나 문제 해결에 특화된 인공지능으로 인간의 지능을 완전히 모방하거나 대체하려는 강한 인공지능(Strong AI)과는 대조
   * 오늘날 대부분의 AI 형태
 * 제로 샷 학습(zero-shot learning)
   * 모델이 학습 과정에서 한 번도 본 적 없는 새로운 클래스(범주)의 예제를 예측할 수 있게 하는 기법으로 전통적인 머신러닝 모델과는 달리, 사전 학습된 데이터에 없는 새로운 클래스를 처리하는 능력
   * 예를 들어 호랑이에 대한 학습만 받은 상태에서 사자를 인식하는 형태

 * Source: https://www.cnet.com/tech/services-and-software/chatgpt-glossary-44-ai-terms-that-everyone-should-know/

OpenAI의 AI 챗봇은 어떤 질문에도 답하고 시, 이력서, 퓨전 레시피를 작성하는 데 도움을 주는 놀라운 능력으로 등장했습니다. 구글의 제미니, 마이크로소프트의 코파일럿, 앤트로픽의 클로드, 퍼플렉시티의 AI 검색 도구, 휴먼과 래빗의 가젯 등 어지러울 정도로 다양한 제품에서 인공지능이 등장하고 있습니다. AI로 얽힌 세상에 알아두어야 할 44가지 중요한 AI 용어를 소개합니다.&nbsp; <ul ><li>인공 일반 지능 또는 AGI(artificial general intelligence, or AGI)<ul ><li>현재 우리가 알고 있는 것보다 훨씬 더 발전된 버전의 AI를 제안하는 개념</li><li>인간보다 훨씬 더 나은 작업을 수행하는 동시에 스스로 학습하고 발전시킬 수 있는 AI</li></ul></li><li>AI 윤리(AI ethics)<ul ><li>AI 시스템이 데이터를 수집하거나 편견에 대처하는 방법을 결정하는 등의 방법을 통해 AI가 인간에게 해를 끼치는 것을 방지하는 것을 목표로 하는 원칙</li></ul></li><li>AI 안전(AI safety)<ul ><li>AI의 장기적인 영향과 AI가 인간에게 적대적일 수 있는 초지능으로 갑자기 발전할 수 있는 방법을 다루는 학제 간 분야</li></ul></li><li>알고리즘(algorithm)<ul ><li>컴퓨터 프로그램이 패턴 인식과 같은 특정 방식으로 데이터를 학습하고 분석한 다음 이를 통해 스스로 학습하고 작업을 수행할 수 있도록 하는 일련의 지침</li></ul></li><li>정렬(alignment)<ul ><li>원하는 결과를 더 잘 만들어내기 위해 AI를 조정하는 것</li><li>콘텐츠 조정부터 인간에 대한 긍정적인 상호작용 유지까지 모든 것이 포함될 수 있음</li></ul></li><li>의인화(anthropomorphism)<ul ><li>인간이 인간이 아닌 사물에 인간과 같은 특성을 부여하는 것</li><li>AI에서는 챗봇이 행복하거나 슬프거나 심지어 지각이 있다고 믿는 등 실제보다 더 인간과 비슷하고 지각이 있다고 믿는 것이 여기에 포함될 수 있</li></ul></li><li>인공 지능 또는 AI(artificial intelligence, or AI)<ul ><li>컴퓨터 프로그램이나 로봇 공학에서 인간의 지능을 시뮬레이션하기 위해 기술을 사용하는 것</li><li>인간의 작업을 수행할 수 있는 시스템을 구축하는 것을 목표로 하는 컴퓨터 과학의 한 분야</li></ul></li><li>편향(bias)<ul ><li>대규모 언어 모델과 관련하여 학습 데이터에서 발생하는 오류</li><li>이는 고정관념에 따라 특정 특성을 특정 인종이나 그룹에 잘못 귀속시키는 결과를 초래할 수 있어 AI 윤리 및 AI안전과 관련된 내용</li></ul></li><li>챗봇(chatbot)<ul ><li>인간의 언어를 모방한 텍스트를 통해 인간과 소통하는 프로그램.</li></ul></li><li>ChatGPT<ul ><li>https://chatgpt.com/</li><li>대규모 언어 모델 기술을 사용하는 OpenAI에서 개발한 AI 챗봇</li></ul></li><li>인지 컴퓨팅(cognitive computing)<ul ><li>인공 지능의 또 다른 용어</li></ul></li><li>데이터 증강(data augmentation)<ul ><li>기존 데이터를 리믹스하거나 더 다양한 데이터 세트를 추가하여 AI를 학습시키는 것.</li></ul></li><li>딥 러닝(deep learning)<ul ><li>여러 매개변수를 사용하여 사진, 소리, 텍스트의 복잡한 패턴을 인식하는 AI의 한 방법이자 머신러닝의 하위 분야</li><li>이 과정은 인간의 뇌에서 영감을 받아 인공 신경망을 사용하여 패턴을 생성</li></ul></li><li>확산(diffusion)<ul ><li>사진과 같은 기존 데이터에 무작위 노이즈를 추가하는 머신 러닝의 한 방법</li><li>확산 모델은 네트워크를 훈련시켜 해당 사진을 재구성하거나 복구하는 형태</li></ul></li><li>돌발 행동(emergent behavior)<ul ><li>AI 모델이 의도하지 않은 능력을 발휘하는 경우</li></ul></li><li>엔드투엔드 학습 또는 E2E(end-to-end learning, or E2E)<ul ><li>모델에 처음부터 끝까지 작업을 수행하도록 지시하는 딥 러닝 프로세스</li><li>작업을 순차적으로 수행하도록 학습하는 것이 아니라 입력된 정보를 통해 학습하여 한 번에 해결하는 방식</li></ul></li><li>윤리적 고려 사항(ethical considerations)<ul ><li>AI의 윤리적 영향과 개인 정보 보호, 데이터 사용, 공정성, 오용 및 기타 안전 문제와 관련된 문제에 대한 인식</li></ul></li><li>폼(foom)<ul ><li>인공지능이 스스로 빠르게 진화하는 현상으로 AGI가 매우 빠르게 자기 개선을 통해 초지능으로 발전하는 과정</li><li>AGI가 인간의 개입 없이 스스로를 개선할 수 있는 능력을 갖게 되는 과정</li></ul></li><li>생성적 적대적 네트워크 또는 GAN(generative adversarial networks, or GANs)<ul ><li>새로운 데이터를 생성하는 두 개의 신경망, 즉 제너레이터와 판별기로 구성된 생성형 AI 모델</li><li>제너레이터는 새로운 콘텐츠를 생성하고, 판별기는 콘텐츠가 진짜인지 여부를 확인.</li></ul></li><li>생성형 AI(generative AI)<ul ><li>AI를 사용하여 텍스트, 동영상, 컴퓨터 코드 또는 이미지를 생성하는 콘텐츠 생성 기술</li><li>AI는 대량의 학습 데이터를 제공받고 패턴을 찾아 스스로 새로운 반응을 생성하며, 때로는 소스 자료와 유사</li></ul></li><li>Google Gemini<ul ><li>https://gemini.google.com/</li><li>ChatGPT와 유사한 기능을 하지만 현재 웹에서 정보를 가져오는 Google의 AI 챗봇</li></ul></li><li>가드레일(guardrails)<ul ><li>데이터를 책임감 있게 처리하고 모델이 불온한 콘텐츠를 생성하지 않도록 하기 위해 AI 모델에 적용되는 정책 및 제한 사항</li></ul></li><li>환각(hallucination)<ul ><li>AI의 잘못된 응답</li><li>생성형 AI가 틀린 답변을 생성하지만 마치 정답인 것처럼 자신 있게 말하는 것 포함</li></ul></li><li>대규모 언어 모델(large language model, or LLM)<ul ><li>대량의 텍스트 데이터를 학습하여 언어를 이해하고 인간과 유사한 언어로 새로운 콘텐츠를 생성하는 AI 모델</li></ul></li><li>머신 러닝 또는 ML(machine learning, or ML)<ul ><li>컴퓨터가 명시적으로 프로그래밍되지 않아도 데이터를 통해 학습하고 개선할 수 있게 하는 기술로 패턴 인식 및 데이터 분석을 통해 예측 모델을 생성하고, 이를 기반으로 새로운 데이터에 대한 예측 수행</li><li>주요 머신러닝 알고리즘으로는 회귀 알고리즘(선형 회귀, 다항 회귀 등), 분류 알고리즘(로지스틱 회귀, 서포트 벡터 머신(SVM), k-최근접 이웃(k-NN), 결정 트리, 랜덤 포레스트 등), 클러스터링 알고리즘(k-평균, 계층적 클러스터링 등), 딥러닝(인공 신경망(ANN), 합성곱 신경망(CNN), 순환 신경망(RNN) 등)이 있음</li></ul></li><li>Microsoft Bing<ul ><li>https://www.bing.com/</li><li>Microsoft의 검색 엔진으로 ChatGPT를 구동하는 기술을 사용하여 AI 기반 검색 결과를 제공. 인터넷에 연결되어 있다는 점에서 Google Gemini와 유사</li></ul></li><li>멀티모달 AI(multimodal AI)<ul ><li>텍스트, 이미지, 동영상, 음성 등 여러 유형의 입력을 처리할 수 있는 AI의 한 유형</li></ul></li><li>자연어 처리(natural language processing)<ul ><li>머신 러닝과 딥 러닝을 사용하여 컴퓨터가 인간의 언어를 이해할 수 있는 능력을 부여하는 AI의 한 분야</li><li>주로 학습 알고리즘, 통계 모델 및 언어 규칙을 사용</li></ul></li><li>신경망(neural network)<ul ><li>인간의 뇌 구조와 유사하며 데이터의 패턴을 인식하기 위한 계산 모델입니다. 상호 연결된 노드 또는 뉴런으로 구성되며, 패턴을 인식하고 시간이 지남에 따라 학습할 수 있습니다.</li></ul></li><li>과적합(overfitting)<ul ><li>머신 러닝이 학습 데이터에 너무 가깝게 작동하여 해당 데이터의 특정 예만 식별할 수 있고 새로운 데이터는 식별하지 못하는 오류</li></ul></li><li>종이 클립(paperclips)<ul ><li>옥스퍼드 대학교의 철학자 닉 보스트롬이 만든 종이 클립 최대화 이론으로 AI 시스템이 가능한 한 많은 문자 그대로의 종이 클립을 생성하는 가상의 시나리오</li><li>AI 시스템의 의도하지 않은 결과는 클립을 만들려는 목표가 인류를 파괴할 수 있다는 것</li></ul></li><li>매개변수(parameters)<ul ><li>LLM에 구조와 동작을 부여하여 예측을 가능하게 하는 숫자 값</li></ul></li><li>프롬프트(prompt)<ul ><li>응답을 얻기 위해 AI 챗봇에 입력하는 제안 또는 질문</li></ul></li><li>프롬프트 연쇄(prompt chaining)<ul ><li>이전 상호 작용의 정보를 사용하여 향후 응답에 색을 입히는 AI 기능</li></ul></li><li>확률적 앵무새(stochastic parrot)<ul ><li>출력 결과가 아무리 설득력 있게 들리더라도 소프트웨어가 언어나 주변 세계의 의미를 더 깊이 이해하지 못한다는 것을 설명하는 LLM의 비유</li><li>이 문구는 앵무새가 그 뒤에 숨은 의미를 이해하지 못한 채 사람의 말을 흉내 내는 것</li></ul></li><li>스타일 전이(style transfer)<ul ><li>한 이미지의 스타일을 다른 이미지의 콘텐츠에 맞게 조정하는 기능</li><li>AI가 한 이미지의 시각적 속성을 해석하여 다른 이미지에 사용할 수 있도록 하는 것</li><li>예를 들어 렘브란트의 자화상을 피카소 스타일로 재창조하는 것</li></ul></li><li>온도(temperature)<ul ><li>언어 모델의 출력 무작위성을 제어하기 위해 설정하는 매개변수</li><li>온도가 높을수록 모델이 더 많은 위험을 감수한다는 의미</li></ul></li><li>텍스트-이미지 생성(text-to-image generation)<ul ><li>텍스트 설명을 기반으로 이미지를 생성</li></ul></li><li>토큰(tokens)<ul ><li>AI 언어 모델이 사용자의 프롬프트에 대한 응답을 공식화하기 위해 처리하는 작은 텍스트 조각</li><li>한 토큰은 영어로 4글자 또는 단어의 약 4분의 3에 해당</li></ul></li><li>학습 데이터(training data)<ul ><li>텍스트, 이미지, 코드 또는 데이터 등 AI 모델의 학습을 돕는 데 사용되는 데이터 세트</li></ul></li><li>트랜스포머 모델(transformer model)<ul ><li>문장이나 이미지의 일부와 같이 데이터의 관계를 추적하여 문맥을 학습하는 신경망 아키텍처이자 딥 러닝 모델</li><li>문장을 한 번에 한 단어씩 분석하는 대신 전체 문장을 보고 문맥을 이해</li><li>기존의 순환 신경망(RNN)이나 장단기 메모리 네트워크(LSTM)와 달리, 시퀀스 데이터를 처리할 때 병렬 처리를 가능하게 하여 더욱 효율적이고 성능이 우수한 모델</li></ul></li><li>튜링 테스트(Turing test)<ul ><li>유명한 수학자이자 컴퓨터 과학자인 앨런 튜링의 이름을 딴 이 테스트는 기계가 인간처럼 행동할 수 있는지 테스트</li><li>사람이 기계의 반응을 다른 사람과 구별하지 못하면 기계는 통과</li></ul></li><li>약한 인공지능, 일명 좁은 인공지능(weak AI, aka narrow AI)<ul ><li>특정 작업이나 문제 해결에 특화된 인공지능으로 인간의 지능을 완전히 모방하거나 대체하려는 강한 인공지능(Strong AI)과는 대조</li><li>오늘날 대부분의 AI 형태</li></ul></li><li>제로 샷 학습(zero-shot learning)<ul ><li>모델이 학습 과정에서 한 번도 본 적 없는 새로운 클래스(범주)의 예제를 예측할 수 있게 하는 기법으로 전통적인 머신러닝 모델과는 달리, 사전 학습된 데이터에 없는 새로운 클래스를 처리하는 능력</li><li>예를 들어 호랑이에 대한 학습만 받은 상태에서 사자를 인식하는 형태</li></ul></li></ul> <ul ><li>Source: https://www.cnet.com/tech/services-and-software/chatgpt-glossary-44-ai-terms-that-everyone-should-know/</li></ul>

CNET

[ZDNet] 모두가 알아야 할 44가지 AI 용어

LLM이 잘못된 정보를 이야기하는 것을 “환각”이 아니라 “헛소리”라고 이야기해야 한다고 주장하는 논문.

논문의 제목이 “ChatGPT is bullshit”이어서 장난으로 낸 것 같은 매우 강한 제목이지만, 철학과 소속의 저자들이 작성한 논문으로 생각거리를 많이 준다. (bullshit이라는 단어도 사전 정의가 있는 용어)

“<헛소리>라는 용어는 LLM의 작동에서 인식하거나 기억하는 것이 일어나고 있다는 의미를 피한다. 또한 우리는 그것이 산출물을 생산할 때마다 그것을 헛소리로 묘사할 수 있다. 인간의 헛소리처럼, 일부 결과물은 사실일 가능성이 높지만, 다른 것들은 그렇지 않을 것이다. 그리고 인간의 헛소리와 마찬가지로, 우리는 이러한 산출물에 의존하는 것을 조심해야 한다.”

LLM을 훈련시키는 방법이 출력 결과를 준비된 학습 데이터에 근접하도록 훈련을 시키는 것 뿐이어서, 사실 여부를 전달하는데 관심이 없기 때문에 환각이라는 표현이 적절치 않다는 것. 믿거나 인식한 것을 전달하려는 중에 정보를 잘못 전달하는 것이 아니라, 의도가 없이, 아무 생각 없이 헛소리를 하는 것이라는 의미.

“<환각>은 잘못된 은유로, 부정확성 문제에 대한 작동하지 않을 수 있는 해결책을 제안하며, 전문가들 사이에서 AI 정렬에 대한 잘못된 노력으로 이어질 수 있다. 그것은 또한 일이 옳을 때 기계에 대한 잘못된 태도로 이어질 수 있다.“

인용에 쓴 것 처럼, 연구자들이 올바른 연구 방향을 잡는데 도움이 될 것 같고, 무엇보다 사람들에게 AI 사용에 있어 정보의 정확성에 대한 경계심을 줄 수 있는 단어로써 적절할 것 같다.

LLM이 잘못된 정보를 이야기하는 것을 “환각”이 아니라 “헛소리”라고 이야기해야 한다고 주장하는 논문. 논문의 제목이 “ChatGPT is bullshit”이어서 장난으로 낸 것 같은 매우 강한 제목이지만, 철학과 소속의 저자들이 작성한 논문으로 생각거리를 많이 준다. (bullshit이라는 단어도 사전 정의가 있는 용어) “&lt;헛소리&gt;라는 용어는 LLM의 작동에서 인식하거나 기억하는 것이 일어나고 있다는 의미를 피한다. 또한 우리는 그것이 산출물을 생산할 때마다 그것을 헛소리로 묘사할 수 있다. 인간의 헛소리처럼, 일부 결과물은 사실일 가능성이 높지만, 다른 것들은 그렇지 않을 것이다. 그리고 인간의 헛소리와 마찬가지로, 우리는 이러한 산출물에 의존하는 것을 조심해야 한다.” LLM을 훈련시키는 방법이 출력 결과를 준비된 학습 데이터에 근접하도록 훈련을 시키는 것 뿐이어서, 사실 여부를 전달하는데 관심이 없기 때문에 환각이라는 표현이 적절치 않다는 것. 믿거나 인식한 것을 전달하려는 중에 정보를 잘못 전달하는 것이 아니라, 의도가 없이, 아무 생각 없이 헛소리를 하는 것이라는 의미. “&lt;환각&gt;은 잘못된 은유로, 부정확성 문제에 대한 작동하지 않을 수 있는 해결책을 제안하며, 전문가들 사이에서 AI 정렬에 대한 잘못된 노력으로 이어질 수 있다. 그것은 또한 일이 옳을 때 기계에 대한 잘못된 태도로 이어질 수 있다.“ 인용에 쓴 것 처럼, 연구자들이 올바른 연구 방향을 잡는데 도움이 될 것 같고, 무엇보다 사람들에게 AI 사용에 있어 정보의 정확성에 대한 경계심을 줄 수 있는 단어로써 적절할 것 같다.

📝 “환각”이 아니라 “헛소리”다

‪논문 https://link.springer.com/article/10.1007/s10676-024-09775-5‬

물리 시뮬레이터에서 쥐의 행동을 모방하도록 인공 신경망을 학습시키고, 이후 실제 쥐의 행동에 따른 뇌의 활동과 인공 신경망을 비교하는 연구입니다.

이 연구를 통해 동물의 뇌의 작동을 더 깊게 이해 할 수 있을 뿐더러, 3D 정보와 감각 정보를 이용해 인경 신경망이 모터를 제어하는 방법으로 더 생물에 가까운 방식으로 자연스럽게 작동시킬 수 있다고 합니다.

이전에도 그렇긴 했지만, LLM이후 범용 지능을 통한 범용 로봇의 연구가 빠르게 확장되고 있는데요. 정말 멀지 않은 시일 내에 범용 로봇이 상용화 될 수도 있지 않을까 싶습니다.

https://www.nature.com/articles/s41586-024-07633-4

물리 시뮬레이터에서 쥐의 행동을 모방하도록 인공 신경망을 학습시키고, 이후 실제 쥐의 행동에 따른 뇌의 활동과 인공 신경망을 비교하는 연구입니다. 이 연구를 통해 동물의 뇌의 작동을 더 깊게 이해 할 수 있을 뿐더러, 3D 정보와 감각 정보를 이용해 인경 신경망이 모터를 제어하는 방법으로 더 생물에 가까운 방식으로 자연스럽게 작동시킬 수 있다고 합니다. 이전에도 그렇긴 했지만, LLM이후 범용 지능을 통한 범용 로봇의 연구가 빠르게 확장되고 있는데요. 정말 멀지 않은 시일 내에 범용 로봇이 상용화 될 수도 있지 않을까 싶습니다. https://www.nature.com/articles/s41586-024-07633-4

Nature

📰 DeepMind+Harvard, 인공 신경망을 이용한 쥐의 연구

https://www.nature.com/articles/s41586-024-07633-4

본론에 들어가기 앞서 필자의 학력과 출신에 대해 먼저 이야기하려고 한다. 글을 읽을 때 필자에 대한 선입견이 생길 수 있기 때문. 필자 역시 경험에 의한 선입견이 반영됐다는 점도 밝힌다. 필자는 숭실대학교에서 컴퓨터공학을 전공했다. 졸업 후 인프라웨어를 거쳐, 2차 공채를 통해 네이버에 중고 신입으로 입사했다. 이후 개발, 기획, 공공기관을 거쳤다.

[양병석 칼럼] 개발자에게 학벌이 중요할까?...부트캠프 출신 비전공자 인재들을 겪어보니 ①

https://www-aipostkorea-com.cdn.ampproject.org/c/www.aipostkorea.com/news/articleViewAmp.html?idxno=2416

글을 요약하면 다음과 같습니다.

 1. 학력이 IT에서 중요 - 기본 지식과 노력 시간 보장.
 2. 부트캠프는 특정 기술에 집중 - 장기 성장 어려움.
 3. 대학 교육 - 깊은 이해와 다양한 기회 제공.
 4. 성공은 학습의 즐거움에 달려있다

하지만 저는 이 의견에 동감하지 않습니다.

 1. 학력을 중요시 하지는 않으며, 개개인의 노력과 열정이 성공 확률을 높인다고 생각합니다.
 2. 대학 교육을 받는 사람이 아니라 그 환경이 사람을 변화시키고 발전시킨다는 관점에서 볼 때, 그들이 이를 활용하는 능력에 따라 달라진다고 생각합니다.
 3. 학습과 성공은 아무런 상관관계가 없습니다.

누가 어떤 가능성을 가지고 있는지 아무도 모릅니다. 혹시 이 글을 읽는 여러분이 대학 교육을 받지 않았다고 해서, 전공자가 아니라고해서, 패배감을 가지지 마세요.

여러분은 훨씬 더 빛나고 소중한 존재입니다.

https://www-aipostkorea-com.cdn.ampproject.org/c/www.aipostkorea.com/news/articleViewAmp.html?idxno=2416 글을 요약하면 다음과 같습니다. <ol ><li>학력이 IT에서 중요 - 기본 지식과 노력 시간 보장.</li><li>부트캠프는 특정 기술에 집중 - 장기 성장 어려움.</li><li>대학 교육 - 깊은 이해와 다양한 기회 제공.</li><li>성공은 학습의 즐거움에 달려있다</li></ol> 하지만 저는 이 의견에 동감하지 않습니다. <ol ><li>학력을 중요시 하지는 않으며, 개개인의 노력과 열정이 성공 확률을 높인다고 생각합니다.</li><li>대학 교육을 받는 사람이 아니라 그 환경이 사람을 변화시키고 발전시킨다는 관점에서 볼 때, 그들이 이를 활용하는 능력에 따라 달라진다고 생각합니다.</li><li>학습과 성공은 아무런 상관관계가 없습니다.</li></ol> 누가 어떤 가능성을 가지고 있는지 아무도 모릅니다. 혹시 이 글을 읽는 여러분이 대학 교육을 받지 않았다고 해서, 전공자가 아니라고해서, 패배감을 가지지 마세요. 여러분은 훨씬 더 빛나고 소중한 존재입니다.

Ampproject

프로그래머의 학벌은 중요한가?

노력한 만큼 성취가 나오지 않는다
https://www.youtube.com/watch?v=2ixJ_gR1svY

단순한 어그로나 농담이 아닙니다. 저는 매우 진지합니다.

비즈니스의 DT 전환이 활발히 일어나면서,
기존 제조업이나 건축업 업계에서 디지털기반으로 비즈니스 모델을 근본적으로 변화하려는 움직임이 커지고 있습니다.

이제는 단순히 IT기업만 소프트웨어 활용이나 데이터 의사결정 기반의 경영을 하는 것이 아니라, 더 많은 분야와 업계들이 자신의 사업에 디지털을 접목시키기 위해, 발빠르게 움직이고 있습니다.

특히 미국에서는 DT를 가능하게 하는 인재들의 수요가 매우 높습니다.
코스트코나 월마트, 그리고 다양한 리테일 기반 사업들이 점점 더 온라인 구축망을 만들고 견고히 하기 위해 IT 지식과 데이터를 다룰수 있는 인재들을 찾고 있습니다.

현재 기업들이 제시하는 급여의 폭은 매우 다양하지만,
실제로 인턴이 받을 수 있는 급여의 최소값은 $1,897, 한국돈으로 260만원입니다.
최대값은 무려 $6,638, 약 900만원에 육박하죠.

말도 안된다고 생각하시나요?
실제로 일어나고 있는 일입니다.
이제부터 데이터를 다룰수 있는 능력은 더욱 각광받을 겁니다.
단순히 기술적인 역량 뿐만 아니라 데이터를 통해 결과를 만들어 내는 인재들이
더욱 많이 등장할 거에요.

#데이터리차드 #데이터분석 #인턴연봉

단순한 어그로나 농담이 아닙니다. 저는 매우 진지합니다. 비즈니스의 DT 전환이 활발히 일어나면서, 기존 제조업이나 건축업 업계에서 디지털기반으로 비즈니스 모델을 근본적으로 변화하려는 움직임이 커지고 있습니다. 이제는 단순히 IT기업만 소프트웨어 활용이나 데이터 의사결정 기반의 경영을 하는 것이 아니라, 더 많은 분야와 업계들이 자신의 사업에 디지털을 접목시키기 위해, 발빠르게 움직이고 있습니다. 특히 미국에서는 DT를 가능하게 하는 인재들의 수요가 매우 높습니다. 코스트코나 월마트, 그리고 다양한 리테일 기반 사업들이 점점 더 온라인 구축망을 만들고 견고히 하기 위해 IT 지식과 데이터를 다룰수 있는 인재들을 찾고 있습니다. 현재 기업들이 제시하는 급여의 폭은 매우 다양하지만, 실제로 인턴이 받을 수 있는 급여의 최소값은 $1,897, 한국돈으로 260만원입니다. 최대값은 무려 $6,638, 약 900만원에 육박하죠. 말도 안된다고 생각하시나요? 실제로 일어나고 있는 일입니다. 이제부터 데이터를 다룰수 있는 능력은 더욱 각광받을 겁니다. 단순히 기술적인 역량 뿐만 아니라 데이터를 통해 결과를 만들어 내는 인재들이 더욱 많이 등장할 거에요. #데이터리차드 #데이터분석 #인턴연봉

월급으로 500만원을 받는 인턴직이 있다면 어떨까요?

언어 회화가 되지 않으면 그 기회를 잡기는 힘들지 않나요??

Vitest의 함수 모킹과 스파잉

mocking은 단위 테스트를 작성할 때, 해당 코드가 의존하는 부분을 가짜(mock)로 대체하는 기법을 말하는데요. 일반적으로 테스트하려는 코드가 의존하는 부분을 직접 생성하기가 너무 부담스러운 경우 mocking이 많이 사용됩니다.

예를 들어, 데이터베이스에서 데이터를 삭제하는 코드에 대한 단위 테스트를 작성할 때, 실제 데이터베이스를 사용한다면 여러 가지 문제점이 발생할 수 있습니다.

 * 데이테베이스 접속과 같이 Network이나 I/O 작업이 포함된 테스트는 실행 속도가 현저히 떨어질 수 밖에 없습니다.
 * 프로젝트의 규모가 켜져서 한 번에 실행해야 할 테스트 케이스가 많이지면 이러한 작은 속도 저하들이 모여 큰 이슈가 될 수 있으며, CI/CD 파이프라인의 일부로 테스트가 자동화되어 자주 실행되야 한다면 더 큰 문제가 될 수 있습니다.
 * 테스트 자체를 위한 코드보다 데이터베이스와 연결을 맺고 트랜잭션을 생성하고 쿼리를 전송하는 코드가 더 길어질 수 있습니다. 즉, 배보다 배꼽이 더 커질 수 있습니다.
 * 만약 테스트 실행 순간 일시적으로 데이터베이스가 오프라인 작업 중이었다면 해당 테스트는 실패하게 됩니다. 따라서 테스트가 인프라 환경에 영향을 받게됩니다. (non-deterministic)
 * 테스트가 종료 직 후, 데이터베이스에서 변경 데이터를 직접 원복하거나 트렌잭션을 rollback 해줘야 하는데 상당히 번거로운 작업이 될 수 있습니다.

무엇보다 이런 방식으로 테스트를 작성하게 되면 특정 기능만 분리해서 테스트하겠다는 단위 테스트(Unit Test)의 본연의 의도에 맞지 않게 되겠죠? mocking은 이러한 상황에서 실제 객체인 척하는 가짜 객체를 생성하는 매커니즘을 제공합니다. 또한, 테스트가 실행되는 동안 가짜 객체에 어떤 일들이 발생했는지를 기억하기 때문에 가짜 객체가 내부적으로 어떻게 사용되는지 검증할 수 있죠. 결론적으로, mocking을 이용하면 실제 객체를 사용하는 것보다 훨씬 가볍고 빠르게 실행되면서도, 항상 동일한 결과를 내는 테스트를 작성할 수 있습니다.

이번 포스팅에서는 Vitest에서 mocking과 spying 기능을 어떻게 쓸 수 있는지 배우겠습니다.

📝 포스팅: https://www.daleseo.com/vitest-fn-spy-on/
🧑‍💻 실습 코드: https://stackblitz.com/edit/vitest-fn-spy-on?file=src%2FuserService.test.ts

차세대 테스팅 프레임워크로 각광받고 있는 Vitest를 공부하고 계신다면 아래 게시물도 같이 참고해보시면 도움이 될 것 같습니다.

📕 Vitest 처음 시작하기: https://careerly.co.kr/comments/99556
📗 Vitest의 자주 쓰이는 매처 함수 총정리: https://careerly.co.kr/comments/102708
📘 Vitest로 테스트 전/후 처리하기: https://careerly.co.kr/comments/103118
📙 Vitest로 테스트 그룹화 및 실행 제어하기: https://careerly.co.kr/comments/105217

mocking은 단위 테스트를 작성할 때, 해당 코드가 의존하는 부분을 가짜(mock)로 대체하는 기법을 말하는데요. 일반적으로 테스트하려는 코드가 의존하는 부분을 직접 생성하기가 너무 부담스러운 경우 mocking이 많이 사용됩니다. 예를 들어, 데이터베이스에서 데이터를 삭제하는 코드에 대한 단위 테스트를 작성할 때, 실제 데이터베이스를 사용한다면 여러 가지 문제점이 발생할 수 있습니다. <ul ><li>데이테베이스 접속과 같이 Network이나 I/O 작업이 포함된 테스트는 실행 속도가 현저히 떨어질 수 밖에 없습니다.</li><li>프로젝트의 규모가 켜져서 한 번에 실행해야 할 테스트 케이스가 많이지면 이러한 작은 속도 저하들이 모여 큰 이슈가 될 수 있으며, CI/CD 파이프라인의 일부로 테스트가 자동화되어 자주 실행되야 한다면 더 큰 문제가 될 수 있습니다.</li><li>테스트 자체를 위한 코드보다 데이터베이스와 연결을 맺고 트랜잭션을 생성하고 쿼리를 전송하는 코드가 더 길어질 수 있습니다. 즉, 배보다 배꼽이 더 커질 수 있습니다.</li><li>만약 테스트 실행 순간 일시적으로 데이터베이스가 오프라인 작업 중이었다면 해당 테스트는 실패하게 됩니다. 따라서 테스트가 인프라 환경에 영향을 받게됩니다. (non-deterministic)</li><li>테스트가 종료 직 후, 데이터베이스에서 변경 데이터를 직접 원복하거나 트렌잭션을 rollback 해줘야 하는데 상당히 번거로운 작업이 될 수 있습니다.</li></ul> 무엇보다 이런 방식으로 테스트를 작성하게 되면 특정 기능만 분리해서 테스트하겠다는 단위 테스트(Unit Test)의 본연의 의도에 맞지 않게 되겠죠? mocking은 이러한 상황에서 실제 객체인 척하는 가짜 객체를 생성하는 매커니즘을 제공합니다. 또한, 테스트가 실행되는 동안 가짜 객체에 어떤 일들이 발생했는지를 기억하기 때문에 가짜 객체가 내부적으로 어떻게 사용되는지 검증할 수 있죠. 결론적으로, mocking을 이용하면 실제 객체를 사용하는 것보다 훨씬 가볍고 빠르게 실행되면서도, 항상 동일한 결과를 내는 테스트를 작성할 수 있습니다. 이번 포스팅에서는 Vitest에서 mocking과 spying 기능을 어떻게 쓸 수 있는지 배우겠습니다. 📝 포스팅: https://www.daleseo.com/vitest-fn-spy-on/🧑‍💻 실습 코드: https://stackblitz.com/edit/vitest-fn-spy-on?file=src%2FuserService.test.ts 차세대 테스팅 프레임워크로 각광받고 있는 Vitest를 공부하고 계신다면 아래 게시물도 같이 참고해보시면 도움이 될 것 같습니다. 📕 Vitest 처음 시작하기: https://careerly.co.kr/comments/99556📗 Vitest의 자주 쓰이는 매처 함수 총정리: https://careerly.co.kr/comments/102708📘 Vitest로 테스트 전/후 처리하기: https://careerly.co.kr/comments/103118📙 Vitest로 테스트 그룹화 및 실행 제어하기: https://careerly.co.kr/comments/105217

Daleseo

안녕하세요. 그린입니다 🍏이번 포스팅에서는 SwiftUI의 PhotosPicker를 사용하여 사진 라이브러리에서 사진을 가져오는것을 학습해보겠습니다 🙋🏻 iOS 16.0 이전 기존에는 SwiftUI에서 PhotosPicker 같은 편리한 뷰 컴포넌트가 존재하지 않았기에 PHPhotoLibrary를 이용해 사용하곤 했습니다.그런데 이제 PhotosPicker을 통해 쉽게 SwiftUI스럽게 만들어볼 수 가 있게 되었어요. 그럼 바로 알아볼까요?

PhotosPicker 사용하기

iOS 16.0 이상부터 SwiftUI에서 이제 PhotoPicker 뷰 컴포넌트를 이용하여 쉽게 사용자의 앨범 라이브러리를 오픈할 수 있습니다.

기존에는 로직에서 PHPhotoLibrary를 접근하여 사용했다면 훨씬 더 간편해졌어요 😃

앨범에 추가 혹은 삭제를 하지 않고 단순히 read only만 해온다면 사진 접근 권한에 대한 허가 요청도 필요없어 info.plist에 property도 추가하지 않아도 됩니다.

iOS 16.0 이상부터 SwiftUI에서 이제 PhotoPicker 뷰 컴포넌트를 이용하여 쉽게 사용자의 앨범 라이브러리를 오픈할 수 있습니다. 기존에는 로직에서 PHPhotoLibrary를 접근하여 사용했다면 훨씬 더 간편해졌어요 😃 앨범에 추가 혹은 삭제를 하지 않고 단순히 read only만 해온다면 사진 접근 권한에 대한 허가 요청도 필요없어 info.plist에 property도 추가하지 않아도 됩니다.

iOYES

SwiftUI에서 PhotoPicker 사용하기 🖼️

When Apple Inc. Chief Executive Officer Tim Cook and his top deputies this week unveiled a landmark arrangement with OpenAI to integrate ChatGPT into the iPhone, iPad and Mac, they were mum on the financial terms.

Apple to ‘Pay’ OpenAI for ChatGPT Through Distribution, Not Cash

WWDC가 엄청 화제인데요,

애플이 ChatGPT를 연동하면서 그 비용을 OpenAI에 현금으로 지불하는 것이 아니라, ChatGPT를 배포하면서 그 비용을 지불하려고 한다고 하네요.

그리고 기사내용에 따르면 ChatGPT만 연동하는 것이 아니라, Gemini, Claude등 다른 모델들도 검토중이라고 합니다.

자세한 내용은 아래 블룸버그 기사를 참고해주세요!

WWDC가 엄청 화제인데요, 애플이 ChatGPT를 연동하면서 그 비용을 OpenAI에 현금으로 지불하는 것이 아니라, ChatGPT를 배포하면서 그 비용을 지불하려고 한다고 하네요. 그리고 기사내용에 따르면 ChatGPT만 연동하는 것이 아니라, Gemini, Claude등 다른 모델들도 검토중이라고 합니다. 자세한 내용은 아래 블룸버그 기사를 참고해주세요!

Bloomberg.com

애플과 OpenAI의 거래 세부사항

좋은 개발자가 알아야하는 9가지 포인트들 - 8. 결과를 내는데 

트위터에 끄적였던 내용인데, 커리어리에도 공유해봐요.

----

’애플에서는 단순하게 일합니다‘ 를 읽다 든 생각인데, 쿠팡이 잘한 점 중 하나는 단 하나의 회사만 벤치마킹 했다는 점인 것 같다.
쿠팡은 (특히) 엔지니어링 조직의 운영을 아마존을 대부분 카피했는데 어느 한 부분만 카피하기보다 전 시스템을 그대로 가져왔다. 리더쉽원칙 부터 레벨제도까지…

어떻게 보면 시행착오를 최소한으로 줄이고, 특정 부분이 아닌 조직을 지탱하는 전체 시스템을 그대로 가져와서 운영했다.
탄탄한 기업의 견고한 시스템을 구성하는 요소들은 오랜시간 갈고 닦이는 과정에서 서로 강하게 연관되어 있을 수 밖에 없고 함께 운용되어야 가치를 발할 수 있다고 생각한다.

생각보다 이 점을 간과하고 특정한 부분 하나, 둘만 배껴 잘 동작하길 바라는 국내 회사가 많은 듯 하다.
책에서 보니 메타가.. 어디서 보니 넷플릭스가… 배끼려면 전체를 이해하고 가져와야 한다는 생각을 한다.
아니면 지금 회사에 맞게 새로 창조하거나…

쓰고보니 쿠팡 경영진들은 그렇게 생각 안할 수도 있을 것 같은데… 말단 사원이 느끼기에는 그랬다.
아니 이렇게까지 배껴도 되나 싶을 정도로 ‘아마존, 세상의 모든 것을 팝니다’ 에서 봤던 내용과 비슷했는데(인터뷰를 앞두고 이 책을 읽고 오라고 추천받았었다), 꽤 괜찮은 전략이었다고 생각한다.

시스템은 카피하고, 시행착오를 줄여 아낀 에너지와 비용을 제품을 만드는데 집중했다.
지금의 쿠팡은 어떨지 모르겠지만 퇴사하고 시간이 꽤 지난 시점에서, 회고해보니 뭐에 집중해야할지 잘 알았던 것 같다.

그 다음 우형, 당근 등 회사에 이직했는데 전사 인원이 훨씬 줄어든 규모였음에도 오히려 회사가 커진 기분이 들었다.
쿠팡의 119 채널은 조금만 서비스가 이상해도 전사 누구나 언제나 편하게 제보했고, 부서에 무관하게 뛰어들어 문제를 파악하고 개선안을 제시하는 문화가 있었다.

공개적으로 질문하고, 누구든 답변했다.
이게 쉽지 않은거구나. 하고 알게 됐다.
사업부마다 소규모 스타트업인 것 처럼 분리되어 느껴지는 회사가 대부분이었는데, 쿠팡은 의도했는지 아닌지 모르지만 이 부분에 있어서는 직원으로서 경험이 가장 좋았다.

’애플에서는 단순하게 일합니다.‘ 에서 애플로 복귀한 잡스가 가장 먼저 한 일이 제품별 부서를 기능별 부서로 재 조직하고, 회사를 하나의 조직으로서 운용하고, 평가하도록 했다는 부분, 새 조직구조를 지탱하기 위해 만들고 지켰던 원칙들에 대한 이야기를 읽다보니 문득 생각이 들어 끄적거려봤다.

전체 직원수, 회사의 규모와 직원 한 명, 한 명이 느끼는 조직의 크기가 꼭 같지만은 않은 것 같다. 생각보다 이 부분을 많은 회사가 놓치는 것 같기도 하고… “이 정도 규모에선 그런 걸 기대하긴 이제 어렵죠.” 라는 말을 너무 쉽게 꺼내는 것 같기도 하고…

여기까지 쓰고보니, 요즘 업계 상황을 보면 월급 안 밀리고, 안 잘리고, 퇴근할 때(!) 퇴근하는 거에 감사해야한다는 생각이 들었다.
뭐가 문제의 원인인지 얼마나 시간이 흘러야 업계 상황이 나아질지, 나아지긴 할런지… 하고 생각이 들었다.
좋은 회사, 건강한 회사, 행복한 IT 인들 많아지길…

트위터에 끄적였던 내용인데, 커리어리에도 공유해봐요. ---- ’애플에서는 단순하게 일합니다‘ 를 읽다 든 생각인데, 쿠팡이 잘한 점 중 하나는 단 하나의 회사만 벤치마킹 했다는 점인 것 같다.쿠팡은 (특히) 엔지니어링 조직의 운영을 아마존을 대부분 카피했는데 어느 한 부분만 카피하기보다 전 시스템을 그대로 가져왔다. 리더쉽원칙 부터 레벨제도까지… 어떻게 보면 시행착오를 최소한으로 줄이고, 특정 부분이 아닌 조직을 지탱하는 전체 시스템을 그대로 가져와서 운영했다.탄탄한 기업의 견고한 시스템을 구성하는 요소들은 오랜시간 갈고 닦이는 과정에서 서로 강하게 연관되어 있을 수 밖에 없고 함께 운용되어야 가치를 발할 수 있다고 생각한다. 생각보다 이 점을 간과하고 특정한 부분 하나, 둘만 배껴 잘 동작하길 바라는 국내 회사가 많은 듯 하다.책에서 보니 메타가.. 어디서 보니 넷플릭스가… 배끼려면 전체를 이해하고 가져와야 한다는 생각을 한다.아니면 지금 회사에 맞게 새로 창조하거나… 쓰고보니 쿠팡 경영진들은 그렇게 생각 안할 수도 있을 것 같은데… 말단 사원이 느끼기에는 그랬다.아니 이렇게까지 배껴도 되나 싶을 정도로 ‘아마존, 세상의 모든 것을 팝니다’ 에서 봤던 내용과 비슷했는데(인터뷰를 앞두고 이 책을 읽고 오라고 추천받았었다), 꽤 괜찮은 전략이었다고 생각한다. 시스템은 카피하고, 시행착오를 줄여 아낀 에너지와 비용을 제품을 만드는데 집중했다.지금의 쿠팡은 어떨지 모르겠지만 퇴사하고 시간이 꽤 지난 시점에서, 회고해보니 뭐에 집중해야할지 잘 알았던 것 같다. 그 다음 우형, 당근 등 회사에 이직했는데 전사 인원이 훨씬 줄어든 규모였음에도 오히려 회사가 커진 기분이 들었다.쿠팡의 119 채널은 조금만 서비스가 이상해도 전사 누구나 언제나 편하게 제보했고, 부서에 무관하게 뛰어들어 문제를 파악하고 개선안을 제시하는 문화가 있었다. 공개적으로 질문하고, 누구든 답변했다.이게 쉽지 않은거구나. 하고 알게 됐다.사업부마다 소규모 스타트업인 것 처럼 분리되어 느껴지는 회사가 대부분이었는데, 쿠팡은 의도했는지 아닌지 모르지만 이 부분에 있어서는 직원으로서 경험이 가장 좋았다. ’애플에서는 단순하게 일합니다.‘ 에서 애플로 복귀한 잡스가 가장 먼저 한 일이 제품별 부서를 기능별 부서로 재 조직하고, 회사를 하나의 조직으로서 운용하고, 평가하도록 했다는 부분, 새 조직구조를 지탱하기 위해 만들고 지켰던 원칙들에 대한 이야기를 읽다보니 문득 생각이 들어 끄적거려봤다. 전체 직원수, 회사의 규모와 직원 한 명, 한 명이 느끼는 조직의 크기가 꼭 같지만은 않은 것 같다. 생각보다 이 부분을 많은 회사가 놓치는 것 같기도 하고… “이 정도 규모에선 그런 걸 기대하긴 이제 어렵죠.” 라는 말을 너무 쉽게 꺼내는 것 같기도 하고… 여기까지 쓰고보니, 요즘 업계 상황을 보면 월급 안 밀리고, 안 잘리고, 퇴근할 때(!) 퇴근하는 거에 감사해야한다는 생각이 들었다.뭐가 문제의 원인인지 얼마나 시간이 흘러야 업계 상황이 나아질지, 나아지긴 할런지… 하고 생각이 들었다.좋은 회사, 건강한 회사, 행복한 IT 인들 많아지길…

`애플에서는 단순하게 일합니다.` 를 읽다가...

이메일로 앱을 만들어 달라는 요청을 받곤 합니다.
모두 거절합니다.

앱을 만든다는 것은 너무 피곤하고 고통스러운 일.
아마 요청하는 사람들은 이 피곤함을 잘 모를 겁니다.

이렇게 거절당한 사람들 중 앱 의뢰 시장에서 실패를 맛보고 온 사람들이 있습니다.
위시켓, 크몽 같은 앱 개발 의뢰 시장.

이런 시장에서 일상의 작은 불편함을 고쳐달라는 의뢰 정도는 괜찮은 것 같지만…
서비스라 불릴만한 것을 만들어 달라는 것은 좀 걱정스럽습니다.
과연 원하는 결과를 얻을 수 있을까?

건물주를 하면서 집수리 의뢰를 많이 해봤습니다.
내가 할 줄 모르는 일들을 의뢰할 때 스트레스를 많이 받았습니다.
과연 제대로 일을 해줄까? 눈탱이 맞는 건 아닐까?
결과가 맘에 들 때도 있고 맘에 안 들 때도 있었는데…
어쨌든 내 문제를 해결해 주긴 했습니다.

개발자 같은 경우에는 어떨까요?
기대했던 것과 너무 다른 결과물을 받아 들고는 실망하는 일이 비일비재할 겁니다.
문제를 해결했다고 말할 수 없는 결과물.

"내가 원했던 건 이게 아니라고."
"뭔 소리야, 난 개발 명세서에 쓰여있는 대로 만들었다고."

이런 경험을 해본 사람들이 믿고 개발 맡길 사람이 없다고 하소연하는 것.

어느 의뢰 시장에나 이런 문제가 있겠지만 개발 시장은 좀 더 미스매치가 심한 것 같습니다.
아마 의뢰하는 사람뿐 아니라 개발하는 사람도 스트레스를 많이 받을 겁니다.
서로의 생각을 일치시킨 채로 일을 시작하는 것 자체가 이 세계의 고난도 기술인 걸요.

하소연하는 의뢰인들에게 말합니다.
“공부해서 직접 앱을 만드시는 게 더 빠르지 않을까요?”

앱 하나를 온전히 만든다는 게 쉬운 일은 아니지만…
모르는 사람에게 부탁해서 원하는 앱을 갖게 되는 것 보다는 쉬울 것 같습니다.

이메일로 앱을 만들어 달라는 요청을 받곤 합니다. 모두 거절합니다. 앱을 만든다는 것은 너무 피곤하고 고통스러운 일. 아마 요청하는 사람들은 이 피곤함을 잘 모를 겁니다. 이렇게 거절당한 사람들 중 앱 의뢰 시장에서 실패를 맛보고 온 사람들이 있습니다. 위시켓, 크몽 같은 앱 개발 의뢰 시장. 이런 시장에서 일상의 작은 불편함을 고쳐달라는 의뢰 정도는 괜찮은 것 같지만… 서비스라 불릴만한 것을 만들어 달라는 것은 좀 걱정스럽습니다. 과연 원하는 결과를 얻을 수 있을까? 건물주를 하면서 집수리 의뢰를 많이 해봤습니다. 내가 할 줄 모르는 일들을 의뢰할 때 스트레스를 많이 받았습니다. 과연 제대로 일을 해줄까? 눈탱이 맞는 건 아닐까? 결과가 맘에 들 때도 있고 맘에 안 들 때도 있었는데… 어쨌든 내 문제를 해결해 주긴 했습니다. 개발자 같은 경우에는 어떨까요? 기대했던 것과 너무 다른 결과물을 받아 들고는 실망하는 일이 비일비재할 겁니다. 문제를 해결했다고 말할 수 없는 결과물. "내가 원했던 건 이게 아니라고." "뭔 소리야, 난 개발 명세서에 쓰여있는 대로 만들었다고." 이런 경험을 해본 사람들이 믿고 개발 맡길 사람이 없다고 하소연하는 것. 어느 의뢰 시장에나 이런 문제가 있겠지만 개발 시장은 좀 더 미스매치가 심한 것 같습니다. 아마 의뢰하는 사람뿐 아니라 개발하는 사람도 스트레스를 많이 받을 겁니다. 서로의 생각을 일치시킨 채로 일을 시작하는 것 자체가 이 세계의 고난도 기술인 걸요. 하소연하는 의뢰인들에게 말합니다. “공부해서 직접 앱을 만드시는 게 더 빠르지 않을까요?” 앱 하나를 온전히 만든다는 게 쉬운 일은 아니지만… 모르는 사람에게 부탁해서 원하는 앱을 갖게 되는 것 보다는 쉬울 것 같습니다.

앱 개발 의뢰 시장

01 . 의외로 세상에는 다작을 하는 크리에이터들이 많습니다. 이제는 일반적인 말이 되었지만 '영감이 떠오를 때까지 기다리지 말고, 작은 영감의 불씨라도 살리려 애를 써라'는 말은 위대한 작품들이 다작의 결과물로서 탄생함을 짚어주는 말이기도 하죠.
그래서 다작 작가들의 어록 또한 적지 않은데요, 미국의 대표적인 다작 작가인 소설가 '스티븐 킹'은 '크리스마스와 생일을 빼고는 매일 글을 쓴다'고 했고, 하도 글을 많이 써서 책공장이란 별명이 붙은 일본 작가 '히가시노 게이고'는 '작품을 쓴다는 생각으로 글을 쓰기보단, 글을 쓰다 보면 어느 순간 작품이 되어있더라'란 말로 유명합니다.

02 . 그중에서도 제가 가장 좋아하는 말은 2007년 노벨문학상 수상자인 영국 작가 '도리스 레싱'의 말입니다.
'나는 생산하는 삶을 사랑한다. 책을 읽는 것이 즐거우냐 아니면 쓰는 것이 즐거우냐고 묻는다면 나는 1초의 망설임도 없이 쓰는 것이라고 말한다. 책을 읽을 때는 누군가가 생산해 놓은 것을 소비한다는 느낌이지만 글을 쓸 때는 누군가의 소비를 위해 내가 직접 생산한다는 느낌이 들기 때문이다. 그러니 나의 모든 소비는 나의 생산을 위한 것이다.'

03 . 저는 이 말이 다작에 대한 노력을 새롭게 조명하게끔 해주었다고 생각합니다. 물론 세상의 모든 일을 소비와 생산으로 딱 구분 지어 바라보기는 어렵겠지만 우리 삶의 많은 부분은 소비에 초점이 맞춰져있는 것이 사실입니다. 특히 직장을 다니거나 학업을 하는 시간을 제외한 일상의 순간을 떠올려보면 이런 기억들은 더욱 또렷해지죠. 누군가가 만든 콘텐츠를 보거나, 누군가가 기획해놓은 공간에서 시간을 보내거나, 누군가가 마련한 경험에 몸을 맡기는 일은 대부분 소비의 측면으로 볼 수 있으니 말입니다.

04 . 한편으론 당연한 일일 수 있습니다. 내가 일하는 시간이 온전한 생산의 시간이었다면 그 외 일상은 소비를 하며 즐기는 게 밸런스가 맞는 삶이지 않냐고 되물을 수 있으니 말이죠. 특히 우리나라처럼 일터에서의 생산성에 높은 방점을 찍는 환경이라면 사실 회사에 다니거나 일을 하는 것만으로도 생산에 필요한 모든 에너지를 쏟아붓는다고 해도 과언이 아니거든요. 저도 사실 어떤 날은 세상 일을 모두 내가 다 한 것만 같은 지친 마음으로 퇴근하는 경우가 많으니까요.

05 . 하지만 저는 그럼에도 일상생활 속에서의 생산성을 확보하는 것도 참 중요한 포인트 중 하나라고 생각합니다. 그중에서도 더 중요한 건 내가 좋아하는 것들을 소비하는 수준에만 그치지 말고 새롭게 변형하거나 내가 직접 그 콘텐츠의 공급자가 되어봄으로써 또 하나의 생산 동력을 마련해 보는 것이죠. 뭐든 가장 가까운 것에서부터 시작하는 게 쉽고도 간편한 법이니까요.
제 주변만 해도 그런 분들이 의외로 적지 않습니다. 음식을 좋아하는 지인은 바쁜 일상 속에서도 직접 푸드 관련 뉴스레터를 제작해 양질의 콘텐츠를 제공하고 있고, 영화를 사랑하는 지인 한 분은 며칠 전 영화 콘텐츠를 소개하는 1인 팟캐스트를 시작했다고 하시더군요. 저는 이런 모든 시도가 엄연히 내 일상을 훨씬 더 애정 하게 만드는 긍정의 생산들이라고 생각합니다.

06 . 물론 이런 삶을 추천해도 두려움이 먼저 앞선다는 분들이 있습니다. 그리고 보통은 두 가지 이유를 들죠.
하나는 '나는 보는 것은 할 수 있는데 만드는 재주는 없다'는 겁니다. 아마 이 말을 듣고서는 '오! 나도 그런데!'라고 생각하는 분들도 많으실 거라고 봅니다. 하지만 이건 전제 자체가 잘못되었습니다. 저는 생산하는 삶을 강조했지 그 결과물이 최상의 수준을 갖춰야 한다거나 특별한 역량을 동원해 생산력을 발휘하라고 말씀드린 적이 없거든요. 아니 오히려 그런 마음으로 접근했다가는 며칠도 못가 쉽게 실망하고 포기하게 될 가능성이 더 큽니다. 그러니 '잘 하고 싶은 마음'은 버리고 '그냥 해보는 마음'을 가지는 게 생산적인 삶을 사는 첫 시작이라고 생각합니다.

07 . 다른 하나는 '한두 번은 해보겠는데 지속할 소스가 없다'는 겁니다. 이 말 역시 어떤 의미인지 잘 알고 있습니다. 예를 들어 맛집 블로그를 시작해 보겠다고 호기롭게 첫 포문을 열었는데 몇 개 포스트를 올리고 나니 왠지 다른 사람들이 다 간 곳만 재탕해서 리뷰하는 것 같고, 나만의 것을 찾자니 그건 또 한계가 있는 것 같고, 매번 비슷한 표현에 비슷한 문장들만 나열하고 있는 것 같고, 찍은 사진도 다 거기서 거기 같은 느낌이 드는 거죠. 그리고 이건 비단 블로그뿐 아니라 글이든 영상이든 음악이든 뭐든 간에 콘텐츠를 생산하는 사람들이 겪는 숙명의 고민과도 같습니다.

08 . 그러나 이럴 때일수록 큰 변화를 바라기보다 아주 작은 것들을 조금씩 바꿔간다는 생각으로 지속력을 발휘하는 게 좋습니다. '더 이상 새로울 게 없다'는 생각으로 쉽게 포기하지 말고 내 눈에 비슷하게 보이는 콘텐츠라도 계속 생산하면서 '뭔가 조금이나마 다르게 변주를 줄 부분이 없는지'를 찾는 게 디테일을 보완하는 나만의 역량으로 연결될 수 있기 때문입니다. 그러다 보면 의외의 순간에서 터지는 콘텐츠가 하나둘씩 발견되기 시작하고 어느 순간 콘텐츠를 생산하는 나의 능력 역시 쑥 성장하기 마련이니까요.

09 . 예전에 을지로에 있는 한 꼬리뼈찜 가게를 방문한 적이 있었는데요, 거기서 어느 나이 지긋하신 회사원 몇 분이 자리를 잡더니 이내 술을 주문하는 장면을 보게 되었습니다. 흔하디흔하게 볼 수 있는 술자리의 모습이었는데 그중 한 분께서 이런 말씀을 하시더군요.
"야. 오늘은 우리 생산적으로 마시자. 어제는 쓸데없는 얘기만 한가득했으니까 오늘은 다들 좋은 얘기, 도움 되는 얘기해."

10 . 저는 그 발상이 정말 신기하고도 재미있었습니다. 물론 중간중간 귀를 쫑긋 세웠을 땐 딱히 생산적인 대화인 것 같지 않은 말들이 오고 갔지만 그런 마음가짐으로 술자리를 시작하는 장면은 난생처음 보는 광경이었으니까요, 술도 생산적으로 마실 수 있겠구나 싶은 생각이 들었던 거죠.
'안 그래도 피곤한데 매사 생산적으로 살 필요가 있나' 싶으신 마음도 일견 이해하지만, 그렇다고 어디 소비하는 삶은 안 피곤한가요.... 사실 따지고 보면 소비든 생산이든 모두 에너지가 드는 일이고, 어떤 식으로든 나의 집중력과 몰입을 일정 부분 상납해야 하는 대상이라면 꼭 소비만 하며 살 필요는 없지 않을까요?
그러니 내일부터라도 작게나마 일상의 순간들을 조금이라도 더 생산적으로 바꿀 수 있는 뭔가를 찾아보는 노력을 해보는 건 어떨까 싶네요. 의외로 생산적인 삶이 우리의 인생을 더 재미난 방향으로 이끌어줄 수도 있을 테니까요.

01 . 의외로 세상에는 다작을 하는 크리에이터들이 많습니다. 이제는 일반적인 말이 되었지만 '영감이 떠오를 때까지 기다리지 말고, 작은 영감의 불씨라도 살리려 애를 써라'는 말은 위대한 작품들이 다작의 결과물로서 탄생함을 짚어주는 말이기도 하죠. 그래서 다작 작가들의 어록 또한 적지 않은데요, 미국의 대표적인 다작 작가인 소설가 '스티븐 킹'은 '크리스마스와 생일을 빼고는 매일 글을 쓴다'고 했고, 하도 글을 많이 써서 책공장이란 별명이 붙은 일본 작가 '히가시노 게이고'는 '작품을 쓴다는 생각으로 글을 쓰기보단, 글을 쓰다 보면 어느 순간 작품이 되어있더라'란 말로 유명합니다. 02 . 그중에서도 제가 가장 좋아하는 말은 2007년 노벨문학상 수상자인 영국 작가 '도리스 레싱'의 말입니다. '나는 생산하는 삶을 사랑한다. 책을 읽는 것이 즐거우냐 아니면 쓰는 것이 즐거우냐고 묻는다면 나는 1초의 망설임도 없이 쓰는 것이라고 말한다. 책을 읽을 때는 누군가가 생산해 놓은 것을 소비한다는 느낌이지만 글을 쓸 때는 누군가의 소비를 위해 내가 직접 생산한다는 느낌이 들기 때문이다. 그러니 나의 모든 소비는 나의 생산을 위한 것이다.' 03 . 저는 이 말이 다작에 대한 노력을 새롭게 조명하게끔 해주었다고 생각합니다. 물론 세상의 모든 일을 소비와 생산으로 딱 구분 지어 바라보기는 어렵겠지만 우리 삶의 많은 부분은 소비에 초점이 맞춰져있는 것이 사실입니다. 특히 직장을 다니거나 학업을 하는 시간을 제외한 일상의 순간을 떠올려보면 이런 기억들은 더욱 또렷해지죠. 누군가가 만든 콘텐츠를 보거나, 누군가가 기획해놓은 공간에서 시간을 보내거나, 누군가가 마련한 경험에 몸을 맡기는 일은 대부분 소비의 측면으로 볼 수 있으니 말입니다. 04 . 한편으론 당연한 일일 수 있습니다. 내가 일하는 시간이 온전한 생산의 시간이었다면 그 외 일상은 소비를 하며 즐기는 게 밸런스가 맞는 삶이지 않냐고 되물을 수 있으니 말이죠. 특히 우리나라처럼 일터에서의 생산성에 높은 방점을 찍는 환경이라면 사실 회사에 다니거나 일을 하는 것만으로도 생산에 필요한 모든 에너지를 쏟아붓는다고 해도 과언이 아니거든요. 저도 사실 어떤 날은 세상 일을 모두 내가 다 한 것만 같은 지친 마음으로 퇴근하는 경우가 많으니까요. 05 . 하지만 저는 그럼에도 일상생활 속에서의 생산성을 확보하는 것도 참 중요한 포인트 중 하나라고 생각합니다. 그중에서도 더 중요한 건 내가 좋아하는 것들을 소비하는 수준에만 그치지 말고 새롭게 변형하거나 내가 직접 그 콘텐츠의 공급자가 되어봄으로써 또 하나의 생산 동력을 마련해 보는 것이죠. 뭐든 가장 가까운 것에서부터 시작하는 게 쉽고도 간편한 법이니까요. 제 주변만 해도 그런 분들이 의외로 적지 않습니다. 음식을 좋아하는 지인은 바쁜 일상 속에서도 직접 푸드 관련 뉴스레터를 제작해 양질의 콘텐츠를 제공하고 있고, 영화를 사랑하는 지인 한 분은 며칠 전 영화 콘텐츠를 소개하는 1인 팟캐스트를 시작했다고 하시더군요. 저는 이런 모든 시도가 엄연히 내 일상을 훨씬 더 애정 하게 만드는 긍정의 생산들이라고 생각합니다. 06 . 물론 이런 삶을 추천해도 두려움이 먼저 앞선다는 분들이 있습니다. 그리고 보통은 두 가지 이유를 들죠.하나는 '나는 보는 것은 할 수 있는데 만드는 재주는 없다'는 겁니다. 아마 이 말을 듣고서는 '오! 나도 그런데!'라고 생각하는 분들도 많으실 거라고 봅니다. 하지만 이건 전제 자체가 잘못되었습니다. 저는 생산하는 삶을 강조했지 그 결과물이 최상의 수준을 갖춰야 한다거나 특별한 역량을 동원해 생산력을 발휘하라고 말씀드린 적이 없거든요. 아니 오히려 그런 마음으로 접근했다가는 며칠도 못가 쉽게 실망하고 포기하게 될 가능성이 더 큽니다. 그러니 '잘 하고 싶은 마음'은 버리고 '그냥 해보는 마음'을 가지는 게 생산적인 삶을 사는 첫 시작이라고 생각합니다. 07 . 다른 하나는 '한두 번은 해보겠는데 지속할 소스가 없다'는 겁니다. 이 말 역시 어떤 의미인지 잘 알고 있습니다. 예를 들어 맛집 블로그를 시작해 보겠다고 호기롭게 첫 포문을 열었는데 몇 개 포스트를 올리고 나니 왠지 다른 사람들이 다 간 곳만 재탕해서 리뷰하는 것 같고, 나만의 것을 찾자니 그건 또 한계가 있는 것 같고, 매번 비슷한 표현에 비슷한 문장들만 나열하고 있는 것 같고, 찍은 사진도 다 거기서 거기 같은 느낌이 드는 거죠. 그리고 이건 비단 블로그뿐 아니라 글이든 영상이든 음악이든 뭐든 간에 콘텐츠를 생산하는 사람들이 겪는 숙명의 고민과도 같습니다. 08 . 그러나 이럴 때일수록 큰 변화를 바라기보다 아주 작은 것들을 조금씩 바꿔간다는 생각으로 지속력을 발휘하는 게 좋습니다. '더 이상 새로울 게 없다'는 생각으로 쉽게 포기하지 말고 내 눈에 비슷하게 보이는 콘텐츠라도 계속 생산하면서 '뭔가 조금이나마 다르게 변주를 줄 부분이 없는지'를 찾는 게 디테일을 보완하는 나만의 역량으로 연결될 수 있기 때문입니다. 그러다 보면 의외의 순간에서 터지는 콘텐츠가 하나둘씩 발견되기 시작하고 어느 순간 콘텐츠를 생산하는 나의 능력 역시 쑥 성장하기 마련이니까요. 09 . 예전에 을지로에 있는 한 꼬리뼈찜 가게를 방문한 적이 있었는데요, 거기서 어느 나이 지긋하신 회사원 몇 분이 자리를 잡더니 이내 술을 주문하는 장면을 보게 되었습니다. 흔하디흔하게 볼 수 있는 술자리의 모습이었는데 그중 한 분께서 이런 말씀을 하시더군요."야. 오늘은 우리 생산적으로 마시자. 어제는 쓸데없는 얘기만 한가득했으니까 오늘은 다들 좋은 얘기, 도움 되는 얘기해." 10 . 저는 그 발상이 정말 신기하고도 재미있었습니다. 물론 중간중간 귀를 쫑긋 세웠을 땐 딱히 생산적인 대화인 것 같지 않은 말들이 오고 갔지만 그런 마음가짐으로 술자리를 시작하는 장면은 난생처음 보는 광경이었으니까요, 술도 생산적으로 마실 수 있겠구나 싶은 생각이 들었던 거죠.'안 그래도 피곤한데 매사 생산적으로 살 필요가 있나' 싶으신 마음도 일견 이해하지만, 그렇다고 어디 소비하는 삶은 안 피곤한가요.... 사실 따지고 보면 소비든 생산이든 모두 에너지가 드는 일이고, 어떤 식으로든 나의 집중력과 몰입을 일정 부분 상납해야 하는 대상이라면 꼭 소비만 하며 살 필요는 없지 않을까요? 그러니 내일부터라도 작게나마 일상의 순간들을 조금이라도 더 생산적으로 바꿀 수 있는 뭔가를 찾아보는 노력을 해보는 건 어떨까 싶네요. 의외로 생산적인 삶이 우리의 인생을 더 재미난 방향으로 이끌어줄 수도 있을 테니까요.

이왕이면 '생산적인 일상'이 낫지

SVGR - Transforms SVG into React Components. - SVGR

SVGR은 SVG(Scalable Vector Graphics) 파일을 React 컴포넌트로 변환하는 도구입니다. SVG 파일은 웹사이트에서 이미지를 표시하는 한 방법인데요. 크기를 늘리거나 줄여도 선명한 상태를 유지할 수 있는 이미지 파일입니다. SVGR을 사용하면 이 SVG 파일을 React 애플리케이션에서 쉽게 사용할 수 있는 컴포넌트로 바꿀 수 있습니다. 즉, SVG 파일을 가져와서 React 코드 안에서 바로 사용할 수 있게 도와주는 도구입니다.

 1. SVG 파일을 React 컴포넌트로 변환: SVGR은 SVG 파일을 React 컴포넌트로 변환하여 코드 내에서 직접 사용할 수 있도록 합니다. 이렇게 하면 SVG 파일을 React 코드 안에 포함시키고, 필요할 때마다 사용할 수 있습니다.
 2. SVG 최적화: SVGR은 SVG 파일을 최적화하여 파일 크기를 줄이고 로드 시간을 단축시킵니다. 최적화된 파일은 웹사이트를 빠르게 로드할 수 있게 도와줍니다.
 3. 사용자 정의 설정: SVGR은 다양한 설정 옵션을 제공하여 변환 과정을 사용자에 맞게 조정할 수 있습니다. 예를 들어, 특정 속성을 유지하거나 제거하는 등의 설정을 할 수 있습니다.
 4. 플러그인 및 API 지원: SVGR은 Webpack, Rollup 등의 번들러와 함께 사용할 수 있는 플러그인 및 CLI(Command Line Interface) 도구를 제공합니다. 이를 통해 프로젝트에 쉽게 통합할 수 있습니다.

주의사항: viewBox 속성
SVG 파일에는
viewBox
라는 속성이 있습니다.
viewBox
는 SVG 이미지의 크기와 비율을 제어하는 데 사용되는데요. 이 속성이 있어야 이미지를 화면 크기에 맞게 조정할 수 있습니다. 그러나 SVGR의 기본 설정에서는 최적화를 위해
viewBox
속성을 자동으로 제거가 됩니다. 이렇게 되면 SVG 이미지 크기를 키웠을 때 퀄리티가 유지되지 않을수 있습니다. 즉 벡터 그래픽의 가장 큰 장점인 크기에 상관없이 선명한 화질을 유지하는 기능이 사라지는 것인데요.
이미지의 퀄리티가 중요하다면,
viewBox
속성을 유지하는 것이 좋습니다. 따라서 Webpack 설정에서
removeViewBox: false
로 설정하는것을 추천드립니다.

https://react-svgr.com/

SVGR은 SVG(Scalable Vector Graphics) 파일을 React 컴포넌트로 변환하는 도구입니다. SVG 파일은 웹사이트에서 이미지를 표시하는 한 방법인데요. 크기를 늘리거나 줄여도 선명한 상태를 유지할 수 있는 이미지 파일입니다. SVGR을 사용하면 이 SVG 파일을 React 애플리케이션에서 쉽게 사용할 수 있는 컴포넌트로 바꿀 수 있습니다. 즉, SVG 파일을 가져와서 React 코드 안에서 바로 사용할 수 있게 도와주는 도구입니다. <ol ><li>SVG 파일을 React 컴포넌트로 변환: SVGR은 SVG 파일을 React 컴포넌트로 변환하여 코드 내에서 직접 사용할 수 있도록 합니다. 이렇게 하면 SVG 파일을 React 코드 안에 포함시키고, 필요할 때마다 사용할 수 있습니다.</li><li>SVG 최적화: SVGR은 SVG 파일을 최적화하여 파일 크기를 줄이고 로드 시간을 단축시킵니다. 최적화된 파일은 웹사이트를 빠르게 로드할 수 있게 도와줍니다.</li><li>사용자 정의 설정: SVGR은 다양한 설정 옵션을 제공하여 변환 과정을 사용자에 맞게 조정할 수 있습니다. 예를 들어, 특정 속성을 유지하거나 제거하는 등의 설정을 할 수 있습니다.</li><li>플러그인 및 API 지원: SVGR은 Webpack, Rollup 등의 번들러와 함께 사용할 수 있는 플러그인 및 CLI(Command Line Interface) 도구를 제공합니다. 이를 통해 프로젝트에 쉽게 통합할 수 있습니다.</li></ol> 주의사항: viewBox 속성SVG 파일에는 <code >viewBox</code>라는 속성이 있습니다. <code >viewBox</code>는 SVG 이미지의 크기와 비율을 제어하는 데 사용되는데요. 이 속성이 있어야 이미지를 화면 크기에 맞게 조정할 수 있습니다. 그러나 SVGR의 기본 설정에서는 최적화를 위해 <code >viewBox</code> 속성을 자동으로 제거가 됩니다. 이렇게 되면 SVG 이미지 크기를 키웠을 때 퀄리티가 유지되지 않을수 있습니다. 즉 벡터 그래픽의 가장 큰 장점인 크기에 상관없이 선명한 화질을 유지하는 기능이 사라지는 것인데요.이미지의 퀄리티가 중요하다면, <code >viewBox</code> 속성을 유지하는 것이 좋습니다. 따라서 Webpack 설정에서 <code >removeViewBox: false</code>로 설정하는것을 추천드립니다. https://react-svgr.com/

React-svgr

SVGR로 SVG를 React에 통합: viewBox 속성의 중요

트위터에 시간관리 방법을 잘 정리해둔 글이 있어서 공유드립니다.
시간을 어떻게 사용할지에 대해서는 많은 사람들이 만든 테크닉들이 있는데요.
그런 다양한 시간 관리 방법의 핵심만 빼내서 이미지 한장에 정리해두었네요!

정리해둔 방법들은 아래와 같습니다.
여러분에게 맞는 방법을 찾아서 실행해보시는건 어떨까요?

 * Pomodoro Technique
   * 작업 계획하기 (Plan your tasks)
   * 1개의 포모도로 실행하기
   * 4개의 포모도로 반복 후 긴 휴식 취하기
 * 2 Minute Rule
   * 2분 이하로 걸리는 작업은 즉시 실행하기
 * Eliminate Multitasking
   * 하나의 작업에 집중하기
 * Eat That Frog
   * 가장 어려운 작업을 하루의 첫 번째로 수행하기
 * 80/20 Rule (팔레토 법칙)
   * 20%의 노력으로 80%의 결과를 얻기 위해 중요한 작업에 집중하기
 * Eisenhower Matrix
   * 긴급하고 중요한 작업: 실행 (Do)
   * 긴급하지 않지만 중요한 작업: 일정 잡기 (Schedule)
   * 긴급하지만 중요하지 않은 작업: 위임 (Delegate)
   * 긴급하지도 중요하지도 않은 작업: 삭제 (Delete)
 * Time Blocking
   * 시간을 블록으로 나누어 특정 작업에 할당하기
   * 블록 시간 동안 다른 일을 하지 않기
     * 예시:
       * 8:00 - 11:00: 집중 작업 (Deep Work)
       * 11:00 - 11:30: 이메일 확인 (Do Emails)
       * 11:30 - 12:30: 점심시간 (Lunch Break)
       * 12:30 - 2:00: 중요한 작업 2개 (2 Urgent Tasks)
       * 2:00 - 3:00: 휴식시간 (Take Break)
       * 3:00 - 5:00: 약속 (Appointments)
 * 3-3-3 Rule
   * 가장 중요한 프로젝트에 3시간 투자하기
   * 3개의 짧은 작업 수행하기
   * 3개의 유지 관리 작업 수행하기
 * Getting Things Done (GTD)
   * GTD 방법의 5단계:
     * Step 1: 캡처 (Capture)
     * Step 2: 명확히 하기 (Clarify)
     * Step 3: 조직화 (Organize)
     * Step 4: 반성 (Reflect)
     * Step 5: 참여 (Engage)

출처 : https://x.com/milan_milanovic/status/1799782855075381625

트위터에 시간관리 방법을 잘 정리해둔 글이 있어서 공유드립니다.시간을 어떻게 사용할지에 대해서는 많은 사람들이 만든 테크닉들이 있는데요.그런 다양한 시간 관리 방법의 핵심만 빼내서 이미지 한장에 정리해두었네요! 정리해둔 방법들은 아래와 같습니다.여러분에게 맞는 방법을 찾아서 실행해보시는건 어떨까요? <ul ><li>Pomodoro Technique<ul ><li>작업 계획하기 (Plan your tasks)</li><li>1개의 포모도로 실행하기</li><li>4개의 포모도로 반복 후 긴 휴식 취하기</li></ul></li><li>2 Minute Rule<ul ><li>2분 이하로 걸리는 작업은 즉시 실행하기</li></ul></li><li>Eliminate Multitasking<ul ><li>하나의 작업에 집중하기</li></ul></li><li>Eat That Frog<ul ><li>가장 어려운 작업을 하루의 첫 번째로 수행하기</li></ul></li><li>80/20 Rule (팔레토 법칙)<ul ><li>20%의 노력으로 80%의 결과를 얻기 위해 중요한 작업에 집중하기</li></ul></li><li>Eisenhower Matrix<ul ><li>긴급하고 중요한 작업: 실행 (Do)</li><li>긴급하지 않지만 중요한 작업: 일정 잡기 (Schedule)</li><li>긴급하지만 중요하지 않은 작업: 위임 (Delegate)</li><li>긴급하지도 중요하지도 않은 작업: 삭제 (Delete)</li></ul></li><li>Time Blocking<ul ><li>시간을 블록으로 나누어 특정 작업에 할당하기</li><li>블록 시간 동안 다른 일을 하지 않기<ul ><li>예시:<ul ><li>8:00 - 11:00: 집중 작업 (Deep Work)</li><li>11:00 - 11:30: 이메일 확인 (Do Emails)</li><li>11:30 - 12:30: 점심시간 (Lunch Break)</li><li>12:30 - 2:00: 중요한 작업 2개 (2 Urgent Tasks)</li><li>2:00 - 3:00: 휴식시간 (Take Break)</li><li>3:00 - 5:00: 약속 (Appointments)</li></ul></li></ul></li></ul></li><li>3-3-3 Rule<ul ><li>가장 중요한 프로젝트에 3시간 투자하기</li><li>3개의 짧은 작업 수행하기</li><li>3개의 유지 관리 작업 수행하기</li></ul></li><li>Getting Things Done (GTD)<ul ><li>GTD 방법의 5단계:<ul ><li>Step 1: 캡처 (Capture)</li><li>Step 2: 명확히 하기 (Clarify)</li><li>Step 3: 조직화 (Organize)</li><li>Step 4: 반성 (Reflect)</li><li>Step 5: 참여 (Engage)</li></ul></li></ul></li></ul> 출처 : https://x.com/milan_milanovic/status/1799782855075381625

내게 맞는 시간 관리 방법을 찾자

IIllllllIII - IlIIlllIllllIIIllIIlIlllIlllllIIllllIlll

모든 URL을 I/l(I 대문자 와 L의 소문자 l) 만 사용해서 만드는 서비스인데요..!
블라인드의 바코드 닉네임들이 떠오르는군요..ㅋㅋㅋㅋ

물론 코드로 뜯어보면 바로 다시 해독할 수 있겠지만 재밌는 아이디어 같아요 ㅋㅋㅋ

https://llili.li/

모든 URL을 I/l(I 대문자 와 L의 소문자 l) 만 사용해서 만드는 서비스인데요..!블라인드의 바코드 닉네임들이 떠오르는군요..ㅋㅋㅋㅋ 물론 코드로 뜯어보면 바로 다시 해독할 수 있겠지만 재밌는 아이디어 같아요 ㅋㅋㅋ https://llili.li/

llili.li

url을 못 알아보는 단축 url로 만들어주는 재미난 서비스

Socket.IO 기본 사용법

실시간 양방향 통신을 위해서 웹소켓(WebSocket)이 표준이 된지가 꽤 되었고, 현재 대부분의 모던 브라우저에서 웹소켓 API를 지원하고 있습니다. 하지만 여전히 우리는 모든 사용자가 최신 브라우저를 사용한다고 단정할 수 없으며, 웹소켓이 지원되지는 않는 환경에서는 어쩔 수 없이 대안 기술을 사용해야 하죠.

Socket.IO는 이런 호환성 부분에 대해서 개발자가 크게 걱정할 필요없이 실시간 양방향 통신을 하는 웹 애플리케이션을 작성할 수 있도록 도와주는 라이브러리입니다. 이번 포스팅에서는 간단한 실습을 통해서 Socket.IO를 기본적으로 어떻게 사용하는지 알아보겠습니다.

📝 포스팅: https://www.daleseo.com/socket-io/
🧑‍💻 실습 코드: https://codesandbox.io/p/devbox/nostalgic-gianmarco-v2m5yx

웹소켓(WebSocket)에 대해서 기본 개념을 먼저 잡으시고 싶으시다면 아래 게시물을 추천드립니다.
📕 실시간 양방향 통신을 위한 웹소켓(WebSocket): https://careerly.co.kr/comments/105820

실시간 양방향 통신을 위해서 웹소켓(WebSocket)이 표준이 된지가 꽤 되었고, 현재 대부분의 모던 브라우저에서 웹소켓 API를 지원하고 있습니다. 하지만 여전히 우리는 모든 사용자가 최신 브라우저를 사용한다고 단정할 수 없으며, 웹소켓이 지원되지는 않는 환경에서는 어쩔 수 없이 대안 기술을 사용해야 하죠. Socket.IO는 이런 호환성 부분에 대해서 개발자가 크게 걱정할 필요없이 실시간 양방향 통신을 하는 웹 애플리케이션을 작성할 수 있도록 도와주는 라이브러리입니다. 이번 포스팅에서는 간단한 실습을 통해서 Socket.IO를 기본적으로 어떻게 사용하는지 알아보겠습니다. 📝 포스팅: https://www.daleseo.com/socket-io/🧑‍💻 실습 코드: https://codesandbox.io/p/devbox/nostalgic-gianmarco-v2m5yx 웹소켓(WebSocket)에 대해서 기본 개념을 먼저 잡으시고 싶으시다면 아래 게시물을 추천드립니다.📕 실시간 양방향 통신을 위한 웹소켓(WebSocket): https://careerly.co.kr/comments/105820

1-on-1과 개인적 관심을 통해 잘 가르쳐주고 싶지만, 이를 거부하는 팀원들에 의해 점점 위축되어가는 부장님들도 있다.

새로운 기술이 나왔으니 공부해보면 좋겠다며 자료를 전달해주거나 책을 선물해 주었더니, 업무냐며 업무라면 정식으로 업무 요청을 해 달라던 이야기가 생각난다.

이 이야기는 한 번 들었던 것이 아니라 세미나에 오셨던 여러 회사의 여러 부장(팀장)님들에 걸쳐 반복적으로 들었던 이야기다.

진짜 꼰대적 상황이 있기도 하겠지만, 부장님들의 진심과 고충도 이해해주면 좋을 것 같다.

1-on-1과 개인적 관심을 통해 잘 가르쳐주고 싶지만, 이를 거부하는 팀원들에 의해 점점 위축되어가는 부장님들도 있다. 새로운 기술이 나왔으니 공부해보면 좋겠다며 자료를 전달해주거나 책을 선물해 주었더니, 업무냐며 업무라면 정식으로 업무 요청을 해 달라던 이야기가 생각난다. 이 이야기는 한 번 들었던 것이 아니라 세미나에 오셨던 여러 회사의 여러 부장(팀장)님들에 걸쳐 반복적으로 들었던 이야기다. 진짜 꼰대적 상황이 있기도 하겠지만, 부장님들의 진심과 고충도 이해해주면 좋을 것 같다.

1-on-1과 개인적 관심을 통해 잘 가르쳐주고 싶지만, 이를 거

오늘은 꼭 헬스장 가야지! 오늘은 덜 먹어야지! 오늘은 뇌과학자 장동선 박사님과 함께 한다고 해놓고 실천하기 힘든 사람과 의지력이 강한 사람은 뇌과학적으로 어떻게 다른지 알아봤습니다 배우는 즐거움이 있는 본격 취미 탐구 라이프 채널!

😩 한다고 해놓고 왜 안할까? 실천력 강한 사람의 뇌과학적 비밀? | 🧠 AMCC, 자제력, 미라클모닝 @CuriousBrainLab

 * 요즘 자기 계발 파트에서 뇌과학과 접목을 많이 시킴
   * 어설프게 뇌과학을 성공 법칙에 붙이면 안됨
   * 대부분 우리가 원하는 것의 정답은 우리가 알고 있음. 그것을 알면서 행동이 따라지지 않는 것
 * 성공하는 사람들의 3가지 능력
   * 절제력 : 안하려는 것을 안하는 능력
   * 행동력 : 한다면 한다
   * 이성적 : 판단하고 생각한 것을 따라감
 * 참을성과 행동력을 담당하는 뇌 부분은?
   * 전두엽. 전전두엽, 전두엽에서 감정 조절 & 통제
     * 청소년기에 이게 덜 발달됨
     * 전두엽 발달은 20대 초중반 완성
   * 전두엽에서 나가는 신호, 들어오는 신호가 들어오는 통로. AMCC
     * 하기 싫은데 해내야 하는 것을 하면, AMCC 영역이 더 두꺼워짐
     * 감정 제어, 충동 제어하는 파트
 * 도파민의 보상회로
   * 통제 회로. 중피질 회로
     * 하기 싫은데 하려면 동기부여가 되어야 함.
     * 다른 도파민 회로 사용법
     * 우리는 게임을 할 때 재밌다!라고 하는데 프로게이머는 통제 회로를 사용해서 분석하고 집중함
   * 짧은 경로 : 욕망 회로
 * AMCC를 발달시킬 수 있는 행동과 마음가짐
   * 내적 동기 : 성장, 즐거움, 열정 등
   * 팁
     * 스스로에게 함정 파놓기. 안하면 안되도록 환경 만들기
     * 시작이 어렵지 시작하면 재밌음
 * 성공한 사람들의 공통점
   * 목표를 위해 멈추지 않는 꾸준함
   * 그 안에서 실행하기
   * 눈 앞의 쾌락이 아닌 노력하며 얻는 기쁨
   * 꾸준하게 하는 것은 뇌의 가능성을 키우는 일

https://youtu.be/nWhFw9sb-Ak?si=U62l1BxDlFNGtxsx

<ul ><li>요즘 자기 계발 파트에서 뇌과학과 접목을 많이 시킴<ul ><li>어설프게 뇌과학을 성공 법칙에 붙이면 안됨</li><li>대부분 우리가 원하는 것의 정답은 우리가 알고 있음. 그것을 알면서 행동이 따라지지 않는 것</li></ul></li><li>성공하는 사람들의 3가지 능력<ul ><li>절제력 : 안하려는 것을 안하는 능력</li><li>행동력 : 한다면 한다</li><li>이성적 : 판단하고 생각한 것을 따라감</li></ul></li><li>참을성과 행동력을 담당하는 뇌 부분은?<ul ><li>전두엽. 전전두엽, 전두엽에서 감정 조절 &amp; 통제<ul ><li>청소년기에 이게 덜 발달됨</li><li>전두엽 발달은 20대 초중반 완성</li></ul></li><li>전두엽에서 나가는 신호, 들어오는 신호가 들어오는 통로. AMCC<ul ><li>하기 싫은데 해내야 하는 것을 하면, AMCC 영역이 더 두꺼워짐</li><li>감정 제어, 충동 제어하는 파트</li></ul></li></ul></li><li>도파민의 보상회로<ul ><li>통제 회로. 중피질 회로<ul ><li>하기 싫은데 하려면 동기부여가 되어야 함.</li><li>다른 도파민 회로 사용법</li><li>우리는 게임을 할 때 재밌다!라고 하는데 프로게이머는 통제 회로를 사용해서 분석하고 집중함</li></ul></li><li>짧은 경로 : 욕망 회로</li></ul></li><li>AMCC를 발달시킬 수 있는 행동과 마음가짐<ul ><li>내적 동기 : 성장, 즐거움, 열정 등</li><li>팁<ul ><li>스스로에게 함정 파놓기. 안하면 안되도록 환경 만들기</li><li>시작이 어렵지 시작하면 재밌음</li></ul></li></ul></li><li>성공한 사람들의 공통점<ul ><li>목표를 위해 멈추지 않는 꾸준함</li><li>그 안에서 실행하기</li><li>눈 앞의 쾌락이 아닌 노력하며 얻는 기쁨</li><li>꾸준하게 하는 것은 뇌의 가능성을 키우는 일</li></ul></li></ul> https://youtu.be/nWhFw9sb-Ak?si=U62l1BxDlFNGtxsx

YouTube

한다고 해놓고 왜 안할까? 실천력 강한 사람의 뇌과학적 비밀

분할정복알고리즘(divide and conquer) 액기스 정리

codingbarbie

코딩바비

👸🏻@sarangkang_
👩🏻‍💻iOS Developer 
👙Bikini Competitor 
🧘🏻‍♀️Pilates Instructor


분할정복알고리즘(divide and conquer)

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필