알고리즘 입문자를 위한 달레의 친절한 안내서

Longest Common Subsequence | 알고달레

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 1143번째 문제인 Longest Common Subsequence를 동적 계획법(DP)를 통해 풀고 메모리 최적화도 해보겠습니다.

📺 동영상: https://youtu.be/pnv7faTuhQg
📝 설명/코드: https://www.algodale.com/problems/longest-common-subsequence/

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 1143번째 문제인 Longest Common Subsequence를 동적 계획법(DP)를 통해 풀고 메모리 최적화도 해보겠습니다. 📺 동영상: https://youtu.be/pnv7faTuhQg📝 설명/코드: https://www.algodale.com/problems/longest-common-subsequence/

알고달레

Longest Common Subsequence 자바스크립트 풀이

📰 OpenAI가 ChatGPT의 커넥터 기능을 업데이트하면서 MCP 지원을 추가했네요.

구글 드라이브, 지메일, 깃허브, 쉐어포인트등을 연결해서 딥 리서치를 통해 데이터를 모아와서 분석하는 것이었는데요.

이 커넥터를 4o, o3등과도 연결해서 간단한 답도 얻을 수 있게 되었고, 특히 리모트 MCP를 연결 할 수 있게 되어 확장성과 효용성이 극대화되었습니다.

더불어 팀에서 MCP를 누구나 쓰게 하기엔 아무래도 보안적인 문제가 걱정되었는데, 이제 업무에 좀 더 적극적으로 쓸 수 있을 것 같습니다. (엔터프라이즈, 팀 계정과 Edu계정에서 관리자가 설정해야 사용 가능)

저희 회사는 팀 계정을 써서 바로 활성화가 되었네요. 이것저것 빨리 등록해서 사용해봐야겠습니다. 😎🍿🥤

📰 OpenAI가 ChatGPT의 커넥터 기능을 업데이트하면서 MCP 지원을 추가했네요. 구글 드라이브, 지메일, 깃허브, 쉐어포인트등을 연결해서 딥 리서치를 통해 데이터를 모아와서 분석하는 것이었는데요. 이 커넥터를 4o, o3등과도 연결해서 간단한 답도 얻을 수 있게 되었고, 특히 리모트 MCP를 연결 할 수 있게 되어 확장성과 효용성이 극대화되었습니다. 더불어 팀에서 MCP를 누구나 쓰게 하기엔 아무래도 보안적인 문제가 걱정되었는데, 이제 업무에 좀 더 적극적으로 쓸 수 있을 것 같습니다. (엔터프라이즈, 팀 계정과 Edu계정에서 관리자가 설정해야 사용 가능) 저희 회사는 팀 계정을 써서 바로 활성화가 되었네요. 이것저것 빨리 등록해서 사용해봐야겠습니다. 😎🍿🥤

우리는 성장이라는 단어를 좋아합니다.
특히 기업의 입장에서는 성장은 관리해야 할 필수 요소 중 하나죠.

회사나 기관이 얼마나 성장했는지를 알아보기 위한
기준에는 어떤 것들이 있을까요?

다른 경쟁 업체와 비교하거나 또는
업계 평균과 비교하는 벤치마크(Benchmark) 기법도 있지만,
가장 많이 사용하는 방법은 바로 지난 기간과 비교하여
얼마나 성장했는지를 비교해보는 것입니다.

이 때 사용되는 용어인
- YoY (Year over Year), 연간 대비 성장률
- MoM (Month over Month), 월간 대비 성장률로
같은 기간을 서로 비교하고 그 비율을 %로 나타나게 됩니다.

개인적으로 성장을 수치화하는 것을 좋아하는 사람으로서,
작년에 비해, 또는 지난 달에 비해 얼마나 성장했는지를 확인하다 보면
앞으로의 계획이나 우선 순위를 정하기가
훨씬 수월해진다는 점을 말하고 싶었습니다 :)

여러분들은 작년에 비해 어떤 성장을 이루었나요?
그리고 어떤 숫자로 여러분들의 성장을 표현할 수 있나요?

우리는 성장이라는 단어를 좋아합니다. 특히 기업의 입장에서는 성장은 관리해야 할 필수 요소 중 하나죠. 회사나 기관이 얼마나 성장했는지를 알아보기 위한 기준에는 어떤 것들이 있을까요? 다른 경쟁 업체와 비교하거나 또는 업계 평균과 비교하는 벤치마크(Benchmark) 기법도 있지만, 가장 많이 사용하는 방법은 바로 지난 기간과 비교하여 얼마나 성장했는지를 비교해보는 것입니다. 이 때 사용되는 용어인 - YoY (Year over Year), 연간 대비 성장률 - MoM (Month over Month), 월간 대비 성장률로 같은 기간을 서로 비교하고 그 비율을 %로 나타나게 됩니다. 개인적으로 성장을 수치화하는 것을 좋아하는 사람으로서, 작년에 비해, 또는 지난 달에 비해 얼마나 성장했는지를 확인하다 보면 앞으로의 계획이나 우선 순위를 정하기가 훨씬 수월해진다는 점을 말하고 싶었습니다 :) 여러분들은 작년에 비해 어떤 성장을 이루었나요? 그리고 어떤 숫자로 여러분들의 성장을 표현할 수 있나요?

YoY와 MoM

2000년 초반부터 온톨로지 연구를 해왔고, 관심을 갖고 있는 사람으로서 GraphRAG 에 대해 갖고 있는 생각을 적어봤습니다.

1.
GraphRAG는 전통적인 RAG 기법 대비 좋은 성능을 보인다는 연구들이 보고되고 있기는 합니다만, 일단 KG(knowledge graph) 자체가 잘 구축되어 있을 것을 1차적인 전제로 한다는 면에서 허들이 있습니다. 그럼에도 최근 이 기술이 각광을 받는 것은 일반적인 자연어에 비해 정보를 구조화해서 LLM에 전달할 때의 장점이 있기 때문이라 생각합니다.

2.
그러나, knowledge graph의 구축비용이 만만치 않습니다. 도메인 전문가가 직접 구축하는 것이 기본적인 접근인데 이 비용은 두말할 것 없을 겁니다. LLM을 활용해서 구축하는 방법도 있겠지만, 어차피 다시 LLM에 입력해서 활용할 정보인데 굳이 그래프 형태로 경유해야만 하는가에 대한 의문이 생길 수 있습니다.

제 생각엔(증명해보진 못했습니다만), 정보를 자연어 문장 형태로 나열하는 방식 대비, 동일한 용어나 정보를 사용하더라도 그래프 형태로 구성되었을 때 그 구조 자체가 주는 의미적인 정보가 더 명시적으로 표현될 수 있기에 (node 간 거리 등으로), LLM의 output을 graph로 구성만 해주더라도 답변에 더 도움이 될만한 여지가 있지 않을까 싶긴 합니다.

3.
하지만 GraphRAG에서의 허들은 KG 구축비용만이 아닙니다. KG로부터 sub graph를 추출할 때 사용자 질의에 필요한 지식의 편향이 오히려 오답을 유도할 수 있기에, KG 자체를 node를 균형있게 설계하고 실제 instance 레벨에서 일정한 수준의 밀도를 유지해야 하지만 query 할 때도 이를 고려한 튜닝을 해줘야 합니다.

예컨대 한 node는 edge가 많이 연결되고 다른 node는 적거나 없을 가능성이 다분하기에, 어떤 연구에서는 node 와 edge 의 비율이 1:2.5~3.5 수준으로 유지하는 것이 좋고, graph traversal도 5~7 수준으로 유지하는 것이 좋다라고 보고하기도 했습니다. 이 정도라도 할 수 있는 수준의 KG를 갖추기도 비용이 만만치 않다는 점도 현실이지만, 만일 있다고 하더라도 저 숫자가 정답은 아닐겁니다. 말그대로 케바케죠. query 를 케바케로 튜닝해야 한다는 건 결국 비용입니다.

4.
또한 sub graph 추출은 단순히 키워드 매칭을 하는 문제가 아니라, 그래프 탐색 전략, 랭킹 알고리즘 등을 조합해서 튜닝해야 하고, 불필요한 node는 필터링해야 할 수도 있습니다. 또 그렇게 추출한 결과에서 질문에 필요한 정보가 아닌 meta 성 property들은 제거해줘야 할 수도 있고, query 결과의 문법적 요소들을 정제해줘야 할 수도 있습니다 (LLM 입장에서 noise가 될 가능성도 있고, 불필요한 token을 소모하게 된다는 점 등을 고려하면).

5.
이런 복잡성과 튜닝비용을 감수하고서라도 GraphRAG의 성능이 전통적인 RAG나 이를 개선한 여러 방법론들 대비 장점이 있는지에 대한 것은, 프로젝트 성격에 따라 신중하게 검토해야 할 문제입니다. GraphRAG가 좋다고 하니 무작정 덤빌 문제가 아니라는 뜻이죠.

2000년 초반부터 온톨로지 연구를 해왔고, 관심을 갖고 있는 사람으로서 GraphRAG 에 대해 갖고 있는 생각을 적어봤습니다. 1. GraphRAG는 전통적인 RAG 기법 대비 좋은 성능을 보인다는 연구들이 보고되고 있기는 합니다만, 일단 KG(knowledge graph) 자체가 잘 구축되어 있을 것을 1차적인 전제로 한다는 면에서 허들이 있습니다. 그럼에도 최근 이 기술이 각광을 받는 것은 일반적인 자연어에 비해 정보를 구조화해서 LLM에 전달할 때의 장점이 있기 때문이라 생각합니다. 2.그러나, knowledge graph의 구축비용이 만만치 않습니다. 도메인 전문가가 직접 구축하는 것이 기본적인 접근인데 이 비용은 두말할 것 없을 겁니다. LLM을 활용해서 구축하는 방법도 있겠지만, 어차피 다시 LLM에 입력해서 활용할 정보인데 굳이 그래프 형태로 경유해야만 하는가에 대한 의문이 생길 수 있습니다. 제 생각엔(증명해보진 못했습니다만), 정보를 자연어 문장 형태로 나열하는 방식 대비, 동일한 용어나 정보를 사용하더라도 그래프 형태로 구성되었을 때 그 구조 자체가 주는 의미적인 정보가 더 명시적으로 표현될 수 있기에 (node 간 거리 등으로), LLM의 output을 graph로 구성만 해주더라도 답변에 더 도움이 될만한 여지가 있지 않을까 싶긴 합니다. 3.하지만 GraphRAG에서의 허들은 KG 구축비용만이 아닙니다. KG로부터 sub graph를 추출할 때 사용자 질의에 필요한 지식의 편향이 오히려 오답을 유도할 수 있기에, KG 자체를 node를 균형있게 설계하고 실제 instance 레벨에서 일정한 수준의 밀도를 유지해야 하지만 query 할 때도 이를 고려한 튜닝을 해줘야 합니다. 예컨대 한 node는 edge가 많이 연결되고 다른 node는 적거나 없을 가능성이 다분하기에, 어떤 연구에서는 node 와 edge 의 비율이 1:2.5~3.5 수준으로 유지하는 것이 좋고, graph traversal도 5~7 수준으로 유지하는 것이 좋다라고 보고하기도 했습니다. 이 정도라도 할 수 있는 수준의 KG를 갖추기도 비용이 만만치 않다는 점도 현실이지만, 만일 있다고 하더라도 저 숫자가 정답은 아닐겁니다. 말그대로 케바케죠. query 를 케바케로 튜닝해야 한다는 건 결국 비용입니다. 4.또한 sub graph 추출은 단순히 키워드 매칭을 하는 문제가 아니라, 그래프 탐색 전략, 랭킹 알고리즘 등을 조합해서 튜닝해야 하고, 불필요한 node는 필터링해야 할 수도 있습니다. 또 그렇게 추출한 결과에서 질문에 필요한 정보가 아닌 meta 성 property들은 제거해줘야 할 수도 있고, query 결과의 문법적 요소들을 정제해줘야 할 수도 있습니다 (LLM 입장에서 noise가 될 가능성도 있고, 불필요한 token을 소모하게 된다는 점 등을 고려하면). 5.이런 복잡성과 튜닝비용을 감수하고서라도 GraphRAG의 성능이 전통적인 RAG나 이를 개선한 여러 방법론들 대비 장점이 있는지에 대한 것은, 프로젝트 성격에 따라 신중하게 검토해야 할 문제입니다. GraphRAG가 좋다고 하니 무작정 덤빌 문제가 아니라는 뜻이죠.

GraphRAG 에 대한 생각

용인시 도서관과 서면 인터뷰한 내용이 공개되어 소개한다.올해 4, 5월에 중고등학교 두 곳에서 개발자가 하는 일에 대해 강연했고, 8월까지 세 곳을 더 진행할 예정이다.제작 중인 온라인 강의를 20시간 기준으로 시작할 때 프로토타이핑을 해보면서 강의 시간이 초과할 걸 예상은 했지만, 2배 이상 초과할 거라고는 예상하지 못했다.분량이 너무 늘어서 마감일에 맞추기가 좀 힘들어지고 있지만, 후반부를 작업 중이다. 글의 하단에 강의 링크와 할인 코드를 첨부한다. https://blog.naver.com/yonginlib/223886184676 [휴먼북 인터뷰] 상현도서관 이상우 휴먼북을 소개합니다.1. 개발자란 무엇이며 개발자가 된 계기가 있으신가요? 프로그래머, 코더, 소프트웨어 엔지니어 등 개발자...blo..

용인시 도서관 휴먼북 인터뷰

용인시 도서관과 서면 인터뷰한 내용이 공개되어 소개한다.
올해 4, 5월에 중고등학교 두 곳에서 개발자가 하는 일에 대해 강연했고, 8월까지 세 곳을 더 진행할 예정이다.
...후략...

https://prostars.net/363

#포스팅 #휴먼북 #휴먼라이브러리 #도서관 #경험공유 #자원봉사

용인시 도서관과 서면 인터뷰한 내용이 공개되어 소개한다.올해 4, 5월에 중고등학교 두 곳에서 개발자가 하는 일에 대해 강연했고, 8월까지 세 곳을 더 진행할 예정이다....후략... https://prostars.net/363 #포스팅 #휴먼북 #휴먼라이브러리 #도서관 #경험공유 #자원봉사

I'm Prostars

[광고] 다음 직무 채용 예정입니다.

- 프러덕트/사업 기획 1인
- 프러덕트 디자인 1인
- 풀스택 웹 or 앱(RN) 개발자 1인
- 백엔드(음성 AI 에이전트) 개발자 1인

연차 무관, 인턴, 정규 모두 고려하고 있습니다.

참고로, 이번달에 시드단계로썬 상당히 좋은 투자를 받았고, 조금이지만 매출도 내고 있습니다. 업무에 AI를 매우 적극적으로 활용합니다.

자세한 팀 소개와 채용 공고는 곧 올리겠습니다. 많관부입니다. 🙇🏻🙇🏻‍♀️

회사 홈페이지 👉 https://playmore.ai

[광고] 다음 직무 채용 예정입니다. - 프러덕트/사업 기획 1인- 프러덕트 디자인 1인- 풀스택 웹 or 앱(RN) 개발자 1인- 백엔드(음성 AI 에이전트) 개발자 1인 연차 무관, 인턴, 정규 모두 고려하고 있습니다. 참고로, 이번달에 시드단계로썬 상당히 좋은 투자를 받았고, 조금이지만 매출도 내고 있습니다. 업무에 AI를 매우 적극적으로 활용합니다. 자세한 팀 소개와 채용 공고는 곧 올리겠습니다. 많관부입니다. 🙇🏻🙇🏻‍♀️ 회사 홈페이지 👉 https://playmore.ai

안녕하세요. 그린입니다 🍏이번 포스팅에서는 Logger 캐싱과 성능에 대해 한번 정리해볼까 합니다 🙋🏻Logger Caching & PerformanceiOS 개발에서 os.Logger를 포함한 로깅 시스템은 앱 진단 및 디버깅에 있어서 핵심적인 역할을 해줍니다. 하지만, 혹시 Logger 인스턴스를 매번 새로 생성하고 있지는 않으신가요? 이번 포스팅에서는 그것을 중심으로 Logger 인스턴스 캐싱이 왜 필요하고 실제로 어떤 성능 차이가 있는지에 대해 한번 분석해보면서 정리해봅니다 😃 Logger를 매번 새로 만든다면?Apple은 iOS 14부터 os.Logger API를 도입하면서 기존의 os_log 기반 로깅을 더 정돈된 방식으로 관리할 수 있게 발전했습니다.이 Logger는 단순한 구조체지만..

Logger Caching & Performance

os.Logger를 매번 새로 만들면 내부적으로 생각보다 많은 비용이 발생합니다.
Logger 인스턴스를 캐싱했을때와 아닐때의 성능을 한번 비교해봐도 좋은 포인트입니다.
이를 위해 구현 패턴과 수치 기반의 분석을 아주 간단히 정리해봤습니다 🙋🏻

os.Logger를 매번 새로 만들면 내부적으로 생각보다 많은 비용이 발생합니다.Logger 인스턴스를 캐싱했을때와 아닐때의 성능을 한번 비교해봐도 좋은 포인트입니다.이를 위해 구현 패턴과 수치 기반의 분석을 아주 간단히 정리해봤습니다 🙋🏻

iOYES

Logger 인스턴스 매번 생성하시나요?

애플의 차세대(ㅋㅋ) 디자인인 Liquid Glass는 반투명 스타일이 눈에 확 들어와서 그 부분만 많이 회자되는데, 그보다 Liquid 부분이 큰 축이라는 것도 중요함.

액체의 움직임을 모방한 마이크로 인터렉션을 인터페이스 전반에 적용한 것인데, 이건 직접 보기 전엔 알기 어려운거라 꽤 기대가 됨.

애플의 차세대(ㅋㅋ) 디자인인 Liquid Glass는 반투명 스타일이 눈에 확 들어와서 그 부분만 많이 회자되는데, 그보다 Liquid 부분이 큰 축이라는 것도 중요함. 액체의 움직임을 모방한 마이크로 인터렉션을 인터페이스 전반에 적용한 것인데, 이건 직접 보기 전엔 알기 어려운거라 꽤 기대가 됨.

WWDC가 개발자 행사(World Wide Developers Conference)라는 점에서 가장 중요한 발표는, 다양한 Foundation 모델을 애플 개발자들이 매우 쉽게 사용할 수 있도록 API를 만들어서 제공한다는 것. 수많은 응용들이 쏟아져 나올 듯.

WWDC가 개발자 행사(World Wide Developers Conference)라는 점에서 가장 중요한 발표는, 다양한 Foundation 모델을 애플 개발자들이 매우 쉽게 사용할 수 있도록 API를 만들어서 제공한다는 것. 수많은 응용들이 쏟아져 나올 듯.

지난 2025년 4월 22일 정식으로 첫 Airflow 3.0.0이 릴리즈되었다. Airflow 블로그를 보면 지난 4년간 Airflow 유스 케이스는 단순 ETL, ELT, Reverse ETL을 넘어 MLOps(30%)와 GenAI 워크플로우(10%)로 확장되면서 엔터프라이즈용 데이터 애플리케이션 개발 프레임워크로 자리매김하고 있으며 이를 위해 다양한 기능 개선 설문을 통해 요청된 기능들을 일부 Airflow 3.0에 적용했다고 한다. 그 중 몇 개를 이야기해보자면 다음과 같다:

✅ Flask 기반 UI -> React 기반 UI
✅ DAG 버전 자동 관리
✅ Web UI에서 Backfill 수행 지원
✅ Task 실행 환경을 별도의 인터페이스로 분리
- Python 이외의 개발 환경 지원
- 2.x에서 개발한 DAG와 호환성 지원
- Edge Executor를 통해 리모트 디바이스에서 DAG 수행
- Multi-cloud, Hybrid-cloud 형태로 환경 운영 가능
✅ Airflow 2.x부터 지원되던 Datasets를 Data Assets이란 기능으로 확장
...

지난 2월 Airflow 2.10.x를 기반으로 인프런에 Airflow 강의를 론치했기에 강의 예제 코드를 시험삼아 Airflow 3.0.1로 업그레이드해보았는데 docker-compose.yml 파일을 약간만 변경하면 DAG들이 아무 문제없이 동작하는 것도 확인했다. Airflow 3.0에 아직은 버그가 많겠지만 구글 클라우드의 Cloud Composer가 Airflow 3.0으로 업그레이드하는 시점부터는 별다른 버그 걱정없이 쓸 수 있으리라 믿는다 (현재 Cloud Composer가 사용하는 Airflow 최신 버전은 2.10.5).

Airflow 3.0에 관한 소개를 인프런 Airflow 강의에 추가했는데 강의 링크는 댓글 참고

지난 2025년 4월 22일 정식으로 첫 Airflow 3.0.0이 릴리즈되었다. Airflow 블로그를 보면 지난 4년간 Airflow 유스 케이스는 단순 ETL, ELT, Reverse ETL을 넘어 MLOps(30%)와 GenAI 워크플로우(10%)로 확장되면서 엔터프라이즈용 데이터 애플리케이션 개발 프레임워크로 자리매김하고 있으며 이를 위해 다양한 기능 개선 설문을 통해 요청된 기능들을 일부 Airflow 3.0에 적용했다고 한다. 그 중 몇 개를 이야기해보자면 다음과 같다: ✅ Flask 기반 UI -&gt; React 기반 UI ✅ DAG 버전 자동 관리 ✅ Web UI에서 Backfill 수행 지원 ✅ Task 실행 환경을 별도의 인터페이스로 분리 - Python 이외의 개발 환경 지원 - 2.x에서 개발한 DAG와 호환성 지원 - Edge Executor를 통해 리모트 디바이스에서 DAG 수행 - Multi-cloud, Hybrid-cloud 형태로 환경 운영 가능 ✅ Airflow 2.x부터 지원되던 Datasets를 Data Assets이란 기능으로 확장 ... 지난 2월 Airflow 2.10.x를 기반으로 인프런에 Airflow 강의를 론치했기에 강의 예제 코드를 시험삼아 Airflow 3.0.1로 업그레이드해보았는데 docker-compose.yml 파일을 약간만 변경하면 DAG들이 아무 문제없이 동작하는 것도 확인했다. Airflow 3.0에 아직은 버그가 많겠지만 구글 클라우드의 Cloud Composer가 Airflow 3.0으로 업그레이드하는 시점부터는 별다른 버그 걱정없이 쓸 수 있으리라 믿는다 (현재 Cloud Composer가 사용하는 Airflow 최신 버전은 2.10.5). Airflow 3.0에 관한 소개를 인프런 Airflow 강의에 추가했는데 강의 링크는 댓글 참고

Airflow 3.0 주요 기능 소개

[광고] 다음 직무 채용 예정입니다.

- 프러덕트/사업 기획 1

쿠버네티스를 활용한 클라우드 네이티브 데브옵스 | 데브옵스를 위한 쿠버네티스 완벽 활용 가이드쿠버네티스가 표준 플랫폼으로 자리 잡은 클라우드 네이티브 세계에서 데브옵스를 실천하는 방법을 다룬다. 쿠버네티스 ……

쿠버네티스를 활용한 클라우드 네이티브 데브옵스 | 존 어런들 - 교보문고

최근, Next.js 프로젝트를 AWS EKS(Elastic Kubernetes Service)에 배포하는 경험을 했습니다.
이 과정에서 『쿠버네티스를 활용한 클라우드 네이티브 데브옵스』라는 책을 참고하며, 인프라에 대해 배운 내용을 제 방식대로 정리해봤습니다.

👨‍💻🛠️ 모든 것은 소프트웨어며 우리는 모두 엔지니어
이제는 프론트엔드 개발과 운영의 경계가 경계가 점점 사라지고 있습니다. HTML, CSS, JavaScript만 잘 다루면 됐던 시대를 지나 이제는 SSR, API 연동, 배포자동화, 모니터링 까지 고민해야 하죠.
이제 인프라도 코드로 작성하고 관리합니다.
package.json 을 다루듯, deployment.yaml, Dockerfile을 작성합니다.
결국, 인프라를 구성하는 것도 우리가 다루는 ‘코드’입니다.
그리고 코드는 바로 개발자가 잘 다루는 도구 입니다.
빠르고 안정적인 제품 전달은 특정 역할의 몫이 아니라, 모든 개발자의 책임입니다.
AI 시대에 우리는 점점 더 ‘경계를 넘는 개발자’가 되어야 합니다.
“나는 프론트만 해”라는 말보다, “이 기능을 어떻게 빠르게 사용자에게 전달하지?”라는 시야가 중요해졌습니다.
우리는 모두 ‘엔지니어’이고, 세상은 점점 더 모든 것을 ‘코드’로 표현하는 방향으로 나아가고 있으니까요.

🤖 왜 쿠버네티스인가?
비즈니스 관점에서는 “더 적게 실행하는 소프트웨어”가 중요합니다.
이 말은 꼭 적게 개발하자는 게 아니라, 이미 검증된 표준 기술을 활용해 핵심 기능에 집중하자는 의미입니다.
쿠버네티스(Kubernetes)는 그런 관점에서 사실상 인프라 관리의 표준이 되었습니다.
다수의 컨테이너를 한 번에 배포하고, 필요에 따라 스케일을 자동으로 조절해주고, 문제가 생긴 컨테이너는 알아서 다시 띄워줍니다.
프론트 기준으로 비유하자면 Turborepo가 모노레포 내에서 빌드 의존성을 분석하고, 필요한 부분만 선택적으로 빌드해주는 것처럼 쿠버네티스는 수많은 애플리케이션 인스턴스를 효율적으로 실행하고 관리해줍니다.
게다가 오토스케일링, 로드밸런싱 같은 기능도 AWS 같은 특정 클라우드에 종속되지 않고,
쿠버네티스 자체에 내장되어 있어 어떤 환경에서도 일관되게 작동합니다.
결국 우리는 인프라에 시간을 쏟기보다, 비즈니스 로직과 사용자 경험에 더 집중할 수 있게 되는 것이죠.

🧱 쿠버네티스 구조, 핵심 리소스 이해하기
쿠버네티스에서는 애플리케이션을 구성하는 요소들이 계층적으로 관리됩니다. 프론트엔드 개발자에게 익숙한 컴포넌트 트리처럼, 각각의 리소스가 어떤 역할을 하는지 이해하면 전체 구조가 훨씬 명확해집니다.
Pod
하나의 프로그램(보통 하나의 컨테이너)을 실행시키는 가장 작은 단위입니다.
프론트 기준으로 보면, 브라우저에서 하나의 탭이 하나의 페이지 앱을 띄우는 것처럼, Pod는 컨테이너 하나를 띄우는 최소 실행 단위입니다.

ReplicaSet
Pod를 몇 개 띄울지, 언제 다시 띄울지를 관리하는 리소스입니다.
마치 React에서 상태 변화를 감지해서 필요한 컴포넌트만 다시 그리는 것처럼,
ReplicaSet은 애플리케이션이 항상 원하는 수만큼 실행되도록 유지시켜줍니다.

Deployment
선언적인 방식으로 Pod와 ReplicaSet을 관리하는 상위 리소스입니다.
구조로 보면 Deployment → ReplicaSet → Pod 순서입니다.
쉽게 말해, “이 앱을 3개 실행시켜줘” 같은 요청을 코드(yaml)로 정의하고, 이 상태를 자동으로 유지하게 해주는 역할을 합니다.
Deployment는 .yaml 매니페스트로 관리되며, 실제 클러스터의 상태를 원하는 상태와 일치시키도록 쿠버네티스가 지속적으로 조율합니다.

이처럼 쿠버네티스는 복잡한 인프라 구성도 마치 컴포넌트처럼 구조화하고 선언적으로 관리할 수 있게 도와줍니다.
덕분에 인프라 변경도 코드 리뷰와 버전 관리를 통해 안전하게 수행할 수 있게 되는 거죠.

🩺 쿠버네티스의 헬스 체크
헬스 체크(Health Check)는 인프라 전반에서 널리 사용되는 개념이지만, 쿠버네티스는 이 기능을 체계화하고 자가 복구까지 연결 해 놓은 것이 큰 특징입니다. 단순히 컨테이너를 실행하는 것에 그치지 않고, 서비스가 “정상적으로 동작하는지” 판단해서 자동Pod의 응답이 없다면 그 Pod를 죽이고 새로 띄웁니다. 상태에 따라 직접 재시작 하거나 트래픽 대상에서 제외시키고 복구를 시도합니다. 즉 강력한 자가 복구를 해줍니다.
따라서 Next.js 에서는 아래와 같은 API ROUTE를 만들어줄 수 있습니다
// /pages/api/health.ts
export function GET() {
return NextResponse.json({ status: "ok" }, { status: 200 });
}

🌩️ 클라우드 네이티브 개발자?
클라우드 네이티브 개발자는, 클라우드 환경에 최적화된 방식으로 설계, 개발, 배포, 운영까지 고려하는 개발자를 말합니다.
요즘 프론트엔드는 단순한 SPA를 넘어, SSR, CSR, ISR 등 다양한 렌더링 방식에 따라 배포 전략도 달라집니다.
즉, 단순히 앱을 만드는 것뿐 아니라 어디에, 어떻게 띄우느냐"도 이제 중요한 개발의 일부가 된 것이죠.
아무리 인프라 담당자가 따로 있더라도, 도커 이미지 빌드, GitHub Actions 설정, ArgoCD로 배포 확인 및 롤백 같은 과정은 결국 프론트엔드 개발자가 직접 다루게 되는 영역입니다.
그래서 이제 프론트엔드 개발자도 클라우드 네이티브 개발자처럼 시스템 전반을 이해하고, 능동적으로 대처할 수 있는 역량이 필요해졌습니다. 단순히 UI만 잘 만드는 개발자를 넘어서, 인프라, 배포, 모니터링까지 포함한 전체 흐름을 이해해야 복잡한 문제를 "기술로 해결할 수 있는" 좀 더 나은 개발자로 성장할 수 있습니다.
이 글이 누군가에게는 그 여정을 시작하는 좋은 출발점이 되기를 바랍니다. 🙌

https://product.kyobobook.co.kr/detail/S000001810211?utm_source=google&utm_medium=cpc&utm_campaign=googleSearch&gt_network=g&gt_keyword=&gt_target_id=dsa-435935280379&gt_campaign_id=9979905549&gt_adgroup_id=132556570510&gad_source=1

최근, Next.js 프로젝트를 AWS EKS(Elastic Kubernetes Service)에 배포하는 경험을 했습니다. 이 과정에서 『쿠버네티스를 활용한 클라우드 네이티브 데브옵스』라는 책을 참고하며, 인프라에 대해 배운 내용을 제 방식대로 정리해봤습니다. 👨‍💻🛠️ 모든 것은 소프트웨어며 우리는 모두 엔지니어 이제는 프론트엔드 개발과 운영의 경계가 경계가 점점 사라지고 있습니다. HTML, CSS, JavaScript만 잘 다루면 됐던 시대를 지나 이제는 SSR, API 연동, 배포자동화, 모니터링 까지 고민해야 하죠. 이제 인프라도 코드로 작성하고 관리합니다. package.json 을 다루듯, deployment.yaml, Dockerfile을 작성합니다. 결국, 인프라를 구성하는 것도 우리가 다루는 ‘코드’입니다. 그리고 코드는 바로 개발자가 잘 다루는 도구 입니다. 빠르고 안정적인 제품 전달은 특정 역할의 몫이 아니라, 모든 개발자의 책임입니다. AI 시대에 우리는 점점 더 ‘경계를 넘는 개발자’가 되어야 합니다. “나는 프론트만 해”라는 말보다, “이 기능을 어떻게 빠르게 사용자에게 전달하지?”라는 시야가 중요해졌습니다. 우리는 모두 ‘엔지니어’이고, 세상은 점점 더 모든 것을 ‘코드’로 표현하는 방향으로 나아가고 있으니까요. 🤖 왜 쿠버네티스인가? 비즈니스 관점에서는 “더 적게 실행하는 소프트웨어”가 중요합니다. 이 말은 꼭 적게 개발하자는 게 아니라, 이미 검증된 표준 기술을 활용해 핵심 기능에 집중하자는 의미입니다. 쿠버네티스(Kubernetes)는 그런 관점에서 사실상 인프라 관리의 표준이 되었습니다. 다수의 컨테이너를 한 번에 배포하고, 필요에 따라 스케일을 자동으로 조절해주고, 문제가 생긴 컨테이너는 알아서 다시 띄워줍니다. 프론트 기준으로 비유하자면 Turborepo가 모노레포 내에서 빌드 의존성을 분석하고, 필요한 부분만 선택적으로 빌드해주는 것처럼 쿠버네티스는 수많은 애플리케이션 인스턴스를 효율적으로 실행하고 관리해줍니다. 게다가 오토스케일링, 로드밸런싱 같은 기능도 AWS 같은 특정 클라우드에 종속되지 않고, 쿠버네티스 자체에 내장되어 있어 어떤 환경에서도 일관되게 작동합니다. 결국 우리는 인프라에 시간을 쏟기보다, 비즈니스 로직과 사용자 경험에 더 집중할 수 있게 되는 것이죠. 🧱 쿠버네티스 구조, 핵심 리소스 이해하기 쿠버네티스에서는 애플리케이션을 구성하는 요소들이 계층적으로 관리됩니다. 프론트엔드 개발자에게 익숙한 컴포넌트 트리처럼, 각각의 리소스가 어떤 역할을 하는지 이해하면 전체 구조가 훨씬 명확해집니다. Pod 하나의 프로그램(보통 하나의 컨테이너)을 실행시키는 가장 작은 단위입니다. 프론트 기준으로 보면, 브라우저에서 하나의 탭이 하나의 페이지 앱을 띄우는 것처럼, Pod는 컨테이너 하나를 띄우는 최소 실행 단위입니다. ReplicaSet Pod를 몇 개 띄울지, 언제 다시 띄울지를 관리하는 리소스입니다. 마치 React에서 상태 변화를 감지해서 필요한 컴포넌트만 다시 그리는 것처럼, ReplicaSet은 애플리케이션이 항상 원하는 수만큼 실행되도록 유지시켜줍니다. Deployment 선언적인 방식으로 Pod와 ReplicaSet을 관리하는 상위 리소스입니다. 구조로 보면 Deployment → ReplicaSet → Pod 순서입니다. 쉽게 말해, “이 앱을 3개 실행시켜줘” 같은 요청을 코드(yaml)로 정의하고, 이 상태를 자동으로 유지하게 해주는 역할을 합니다. Deployment는 .yaml 매니페스트로 관리되며, 실제 클러스터의 상태를 원하는 상태와 일치시키도록 쿠버네티스가 지속적으로 조율합니다. 이처럼 쿠버네티스는 복잡한 인프라 구성도 마치 컴포넌트처럼 구조화하고 선언적으로 관리할 수 있게 도와줍니다. 덕분에 인프라 변경도 코드 리뷰와 버전 관리를 통해 안전하게 수행할 수 있게 되는 거죠. 🩺 쿠버네티스의 헬스 체크 헬스 체크(Health Check)는 인프라 전반에서 널리 사용되는 개념이지만, 쿠버네티스는 이 기능을 체계화하고 자가 복구까지 연결 해 놓은 것이 큰 특징입니다. 단순히 컨테이너를 실행하는 것에 그치지 않고, 서비스가 “정상적으로 동작하는지” 판단해서 자동Pod의 응답이 없다면 그 Pod를 죽이고 새로 띄웁니다. 상태에 따라 직접 재시작 하거나 트래픽 대상에서 제외시키고 복구를 시도합니다. 즉 강력한 자가 복구를 해줍니다. 따라서 Next.js 에서는 아래와 같은 API ROUTE를 만들어줄 수 있습니다 // /pages/api/health.ts export function GET() { return NextResponse.json({ status: "ok" }, { status: 200 }); } 🌩️ 클라우드 네이티브 개발자? 클라우드 네이티브 개발자는, 클라우드 환경에 최적화된 방식으로 설계, 개발, 배포, 운영까지 고려하는 개발자를 말합니다. 요즘 프론트엔드는 단순한 SPA를 넘어, SSR, CSR, ISR 등 다양한 렌더링 방식에 따라 배포 전략도 달라집니다. 즉, 단순히 앱을 만드는 것뿐 아니라 어디에, 어떻게 띄우느냐"도 이제 중요한 개발의 일부가 된 것이죠. 아무리 인프라 담당자가 따로 있더라도, 도커 이미지 빌드, GitHub Actions 설정, ArgoCD로 배포 확인 및 롤백 같은 과정은 결국 프론트엔드 개발자가 직접 다루게 되는 영역입니다. 그래서 이제 프론트엔드 개발자도 클라우드 네이티브 개발자처럼 시스템 전반을 이해하고, 능동적으로 대처할 수 있는 역량이 필요해졌습니다. 단순히 UI만 잘 만드는 개발자를 넘어서, 인프라, 배포, 모니터링까지 포함한 전체 흐름을 이해해야 복잡한 문제를 "기술로 해결할 수 있는" 좀 더 나은 개발자로 성장할 수 있습니다. 이 글이 누군가에게는 그 여정을 시작하는 좋은 출발점이 되기를 바랍니다. 🙌 https://product.kyobobook.co.kr/detail/S000001810211?utm_source=google&amp;utm_medium=cpc&amp;utm_campaign=googleSearch&amp;gt_network=g&amp;gt_keyword=&amp;gt_target_id=dsa-435935280379&amp;gt_campaign_id=9979905549&amp;gt_adgroup_id=132556570510&amp;gad_source=1

product.kyobobook.co.kr

Next.js 프로젝트를 AWS EKS에 배포하며 배운 것들

외국어를 사용해서? 돈을 더 많이 벌어서? 새로운 기회가 많아서? 글로벌 경력을 쌓을 수 있어서?

실제로 한국에서 일하시다가 외국으로 이직을 하신 분들께 뭐가 제일 좋으시냐고 여쭤보면 이런 답변을 자주 들어요.

"제 할 일만 할 수 있어서 너무 좋아요!"💡

참 의외죠? 😯

돌아켜보면 저도 한국에서 직장을 다닐 때는 항상 제 직무에서 벗어나는 무언가를 하느라 바빴던 것 같아요. 신입 때는 회식, 단합 대회, 송년회 등 각종 행사를 챙기느라 정신이 없었고, 올라가니 뜬금없이 위에서 긴급으로 자료를 취합해 오라는 경우가 많아서 야근이 잦았습니다. 소프트웨어 개발자인데 하루 종일 코드 한 줄 못 쓰고 엑셀 작업만 하다가 현타가 왔던 기억이 있네요 ㅋㅋ

외국에 와서는 직장에서 이런 일에 쓰는 시간이 확 줄어든 느낌인데요. 왜 그런걸까 저도 궁금해서 해외에서 다양한 직종에 종사하고 계신 한국인 분들과 이 것에 대해서 많은 대화를 나누어 보았습니다.

그 중 공통적으로 나왔던 얘기는 해외 직장에서는 중간 관리직이 이런 잡무가 아래로 내려오지 않도록 진짜 헌신적으로 일한다는 것입니다. 반면에 한국 직장에서는 상사가 일을 제대로 안 하거나 (또는 무지하거나 능력이 안 되서) 부하 직원들에게 그냥 떠 넘기는 경우가 많았다고 하시네요. 과잉 충성 때문에 오히려 불필요한 일이 생겨나기도 하고요. 이런 환경에서는 실무자들만 죽어나는 것 같습니다. ㅠㅠ

이러한 차이는 결국 연공서열에 따라 무조건 중간 관리직으로 승진시키는 한국의 기업 문화와 관련이 있지 않을까 생각해보았어요. 외국에서는 단순히 연차가 높다고 관리직에 앉히지는 않습니다. 관리직에 관심이 없는 직원들에게는 애초에 관리 업무를 주지도 않으며, 관리 역량을 성공적으로 수행할 수 있는 능력을 증명해야 관리직 역할을 유지할 수 있죠. 그래서 상대적으로 전문성을 보유한 중간 관리자가 많다고 느껴집니다.

어찌보면 우리가 직장 생활에서 원하는 것은 사실 뭐 그리 대단한 것이 아닐 수 있다는 생각이 들었습니다. 각 구성원이 자신의 역할에 맞는 일만 하게 해줄 수 있어도 훨씬 더 행복한 직장 생활이 될 수 있지 않을까요?

외국어를 사용해서? 돈을 더 많이 벌어서? 새로운 기회가 많아서? 글로벌 경력을 쌓을 수 있어서? 실제로 한국에서 일하시다가 외국으로 이직을 하신 분들께 뭐가 제일 좋으시냐고 여쭤보면 이런 답변을 자주 들어요. "제 할 일만 할 수 있어서 너무 좋아요!"💡 참 의외죠? 😯 돌아켜보면 저도 한국에서 직장을 다닐 때는 항상 제 직무에서 벗어나는 무언가를 하느라 바빴던 것 같아요. 신입 때는 회식, 단합 대회, 송년회 등 각종 행사를 챙기느라 정신이 없었고, 올라가니 뜬금없이 위에서 긴급으로 자료를 취합해 오라는 경우가 많아서 야근이 잦았습니다. 소프트웨어 개발자인데 하루 종일 코드 한 줄 못 쓰고 엑셀 작업만 하다가 현타가 왔던 기억이 있네요 ㅋㅋ 외국에 와서는 직장에서 이런 일에 쓰는 시간이 확 줄어든 느낌인데요. 왜 그런걸까 저도 궁금해서 해외에서 다양한 직종에 종사하고 계신 한국인 분들과 이 것에 대해서 많은 대화를 나누어 보았습니다. 그 중 공통적으로 나왔던 얘기는 해외 직장에서는 중간 관리직이 이런 잡무가 아래로 내려오지 않도록 진짜 헌신적으로 일한다는 것입니다. 반면에 한국 직장에서는 상사가 일을 제대로 안 하거나 (또는 무지하거나 능력이 안 되서) 부하 직원들에게 그냥 떠 넘기는 경우가 많았다고 하시네요. 과잉 충성 때문에 오히려 불필요한 일이 생겨나기도 하고요. 이런 환경에서는 실무자들만 죽어나는 것 같습니다. ㅠㅠ 이러한 차이는 결국 연공서열에 따라 무조건 중간 관리직으로 승진시키는 한국의 기업 문화와 관련이 있지 않을까 생각해보았어요. 외국에서는 단순히 연차가 높다고 관리직에 앉히지는 않습니다. 관리직에 관심이 없는 직원들에게는 애초에 관리 업무를 주지도 않으며, 관리 역량을 성공적으로 수행할 수 있는 능력을 증명해야 관리직 역할을 유지할 수 있죠. 그래서 상대적으로 전문성을 보유한 중간 관리자가 많다고 느껴집니다. 어찌보면 우리가 직장 생활에서 원하는 것은 사실 뭐 그리 대단한 것이 아닐 수 있다는 생각이 들었습니다. 각 구성원이 자신의 역할에 맞는 일만 하게 해줄 수 있어도 훨씬 더 행복한 직장 생활이 될 수 있지 않을까요?

🌎 해외에서 일하면 뭐가 좋을까요❓

AI 시대에는 개발자가 유리한가? 디자이너에게 좋은건가? 기획자는? 마케터는?

앱 개발 개척시대

AI 시대에는 개발자가 유리한가?
디자이너에게 좋은건가? 기획자는? 마케터는?

다 똑같다고 생각합니다. 모두가 같은 출발선.

제가 공부한 모든 컴퓨터 공학 지식의 가치를 0으로 설정했습니다.
맘이 좀 아프지만 이렇게 생각하니 차라리 편하기도 합니다. (다른 직군도 마찬가지일 겁니다)

서부 개척시대에서 요이땅 하고 땅따먹기를 하러 가는 느낌입니다.
누구든 먼저 땅에다 깃발을 꼽으면 그 땅을 주었던 시대.
말 한 마리만으로 달려가던 사람도 있었고 전차를 만들어서 가기도 하고 연합을 하기도 했습니다.
마냥 좋지만은 않았을 겁니다. 옆에 달려가는 사람들을 죽이기도 하고, 미리 가서 기다리고 있다가 깃발을 꼽는 등 얍삽이가 수두룩했습니다. 그래도 기회의 시대였던 것은 분명합니다.

어쩌면 이게 제 개발자 경력의 마지막은 아닐까?
나이도 들었고 함께할 연합도 없지만 제가 가진 장점들이 분명히 있을 겁니다.
이 레이스를 즐겨보려 합니다. 😁

https://jeho.page/essay/2025/06/05/at-the-app-development-race.html

AI 시대에는 개발자가 유리한가? 디자이너에게 좋은건가? 기획자는? 마케터는? 다 똑같다고 생각합니다. 모두가 같은 출발선. 제가 공부한 모든 컴퓨터 공학 지식의 가치를 0으로 설정했습니다. 맘이 좀 아프지만 이렇게 생각하니 차라리 편하기도 합니다. (다른 직군도 마찬가지일 겁니다) 서부 개척시대에서 요이땅 하고 땅따먹기를 하러 가는 느낌입니다. 누구든 먼저 땅에다 깃발을 꼽으면 그 땅을 주었던 시대. 말 한 마리만으로 달려가던 사람도 있었고 전차를 만들어서 가기도 하고 연합을 하기도 했습니다. 마냥 좋지만은 않았을 겁니다. 옆에 달려가는 사람들을 죽이기도 하고, 미리 가서 기다리고 있다가 깃발을 꼽는 등 얍삽이가 수두룩했습니다. 그래도 기회의 시대였던 것은 분명합니다. 어쩌면 이게 제 개발자 경력의 마지막은 아닐까? 나이도 들었고 함께할 연합도 없지만 제가 가진 장점들이 분명히 있을 겁니다. 이 레이스를 즐겨보려 합니다. 😁 https://jeho.page/essay/2025/06/05/at-the-app-development-race.html

K리그 프로그래머

서버엔지니어의 시대적 고민변화 : 트래픽 증가대비 장애걱정 서버는 빵빵 -> 비용압박 인스턴스 다이어트하고 장애도 함께고민 -> 구축이던 아니던 LLM먹는 하마를 어딘에 둘지? + 장애안나고 비용도 최소화

다음은 실제 활용하고 적용된 서버엔지니어링을통한 비용절감사례고민 내용으로 이것이 실패하면 오버엔지니어링으로 불리기도합니다. - 커넥션수로 장사하는 사악한 클라우드 비용정책을 방지하는 팁 포함

https://chatgpt.com/share/6839d4bf-b270-8010-96a7-510b2ff63ec3

서버엔지니어의 시대적 고민변화 : 트래픽 증가대비 장애걱정 서버는 빵빵 -&gt; 비용압박 인스턴스 다이어트하고 장애도 함께고민 -&gt; 구축이던 아니던 LLM먹는 하마를 어딘에 둘지? + 장애안나고 비용도 최소화 다음은 실제 활용하고 적용된 서버엔지니어링을통한 비용절감사례고민 내용으로 이것이 실패하면 오버엔지니어링으로 불리기도합니다. - 커넥션수로 장사하는 사악한 클라우드 비용정책을 방지하는 팁 포함 https://chatgpt.com/share/6839d4bf-b270-8010-96a7-510b2ff63ec3

서버엔지니어의 시대적 고민

1. 진통제이면서 비타민이어야 한다.

2. ’비타민이냐, 진통제냐?‘라는 질문에 굳이 대답을 해야 한다면 습관을 형성시키는 상품은 두 가지 모두에 해당된다고 할 수 있다.

3. 이런 서비스들은, 처음에는 비타민처럼 꼭 먹어야 하는 것은 아니지만 먹으면 좋은 것이었다. 그러나 일단 습관으로 굳어져버리면 진통제처럼 꼭 필요한 것이 된다.

4. 모든 생명체에게는 즐거움을 추구하고 고통을 회피하려는 본능이 있기 때문에 이것이 어떤 행동의 주된 동기유발 요인으로 작용하는 경우가 많다.

5. 불편함을 느낄 때 우리는 그런 불편한 느낌에서 벗어나고 싶어한다.

6. 습관 형성 상품은 사용자의 머릿속에서 연상작용을 일으키고 사용자들은 당신의 상품에서 고통에 대한 해결책을 발견하게 될지도 모른다.

#훅 📚

1. 진통제이면서 비타민이어야 한다. ​2. ’비타민이냐, 진통제냐?‘라는 질문에 굳이 대답을 해야 한다면 습관을 형성시키는 상품은 두 가지 모두에 해당된다고 할 수 있다. ​3. 이런 서비스들은, 처음에는 비타민처럼 꼭 먹어야 하는 것은 아니지만 먹으면 좋은 것이었다. 그러나 일단 습관으로 굳어져버리면 진통제처럼 꼭 필요한 것이 된다. ​4. 모든 생명체에게는 즐거움을 추구하고 고통을 회피하려는 본능이 있기 때문에 이것이 어떤 행동의 주된 동기유발 요인으로 작용하는 경우가 많다. ​5. 불편함을 느낄 때 우리는 그런 불편한 느낌에서 벗어나고 싶어한다. ​6. 습관 형성 상품은 사용자의 머릿속에서 연상작용을 일으키고 사용자들은 당신의 상품에서 고통에 대한 해결책을 발견하게 될지도 모른다. #훅 📚

< 서비스를 중독성 있게 만드는 결정적 원리 >

This link will take you to a page that’s not on LinkedIn

LinkedIn

가트너 리포트 'Predicts 2025: Navigating the Rise of AI in Software Engineering'를 읽고 요약했습니다.

1️⃣ UX 채용 시장의 변화 | UX 리서치 채용공고 71%, UX 디자인 채용공고 70% 감소 (2022년 대비 Indeed 조사)

2️⃣ AI 도구의 접근성 향상 | Maze, UserTesting, Figma 등이 비전문가도 기본적인 UX 업무를 수행할 수 있게 지원

3️⃣ 개인화 기술의 발전 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술 등장

4️⃣ 팀 구성의 다변화 | 엔지니어, PM, 비즈니스 분석가가 교육을 통해 UX 업무를 병행할 수 있게 됨

5️⃣ 필연적인 UX 전문가 역할의 변화 | 깊이 있는 사용자 이해, 창의적 문제 해결, 윤리적 설계 판단, 전략적 UX 기획에 집중 필요

[ 큐레이터의 문장 🎒 ]

아래 첨부한 그래프는 AI에 대한 조직의 기대치와 현실적 효용, 그 사이의 간극을 잘 보여줍니다. 파랑색 선은 Gen AI에 대한 과대광고로 인해 가파르게 상승하는 기대치를 표현합니다. 주황색 선은 현실에서 실질적으로 효용을 주는 실현 가능한 가치로 파랑색 선과 비교하면 차이가 커집니다. 기대가 현실을 앞서는 상황입니다. 많은 조직이 AI를 도입하면 자연스럽게 혁신할 수 있다고 믿습니다. 도입하지 않으면 안 될 것 같은 부담은 개인이나 조직이나 마찬가지입니다. 그런데 왜 이런 현상이 나타날까요?

가트너 분석에 따르면 몇 가지 현실적인 이유들이 AI로 인한 성과 창출을 어렵게 만듭니다.

1️⃣ 조직 구조 자체가 AI를 활용할 수 있도록 바뀌어야 합니다.
2️⃣ AI를 현재 업무에 어떻게 적용하는 것이 효과적인지 교육해야 합니다.
3️⃣ 제품 개발 전 과정에 적용하는 대신 난이도는 낮고, 임팩트는 큰 영역에 선택적으로 적용해야 합니다.
4️⃣ AI로 인한 성과 창출이 가능한 도메인과 단계를 파악하고 적절한 지표를 설정해 관리해야 합니다.

UX 분야도 마찬가지입니다. 가트너 리포트에 따르면 2027년까지 제품팀 내 UX 디자이너 인력이 40% 줄어들 겁니다. Indeed 조사에 따르면 2022년 이후 UX 리서치 채용공고는 71%, 디자이너 채용공고는 70% 감소했습니다. 현재 UX 분야에서 AI 기술은 빠르게 업무의 진입장벽을 낮추고 있고 Figma도 적극적으로 AI 기능을 적용하고 있습니다.

무엇이 변하고 있는가?

1️⃣ UX 리서치 도구의 발전 | Maze, UserTesting 같은 플랫폼이 사용자 피드백을 분석하고 인사이트를 자동으로 생성합니다.
2️⃣ UX 디자인 도구의 지능화 | Figma, Uizard의 AI가 레이아웃을 제안하고, 개발자도 전문가 수준의 프로토타입을 제작할 수 있게 됐습니다.
3️⃣ 개인화 UI 자동 생성 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술이 등장했습니다.

이런 변화로 인해 엔지니어, 데이터 분석가들도 최소한의 교육만으로 쉽게 UX 리서치, 라이팅, 디자인까지 수행할 수 있는 환경이 조성되었습니다.

그래서 UX하는 사람들은 점점 줄어들까요?

여전히 인간이 고민을 주도해야 하는 영역이 있고 (AI를 활용하며) 더 효과적으로 고민할 지점이 있습니다.

1️⃣ 깊이 있는 사용자 이해 | 사용자의 말 뒤에 숨은 진짜 니즈와 맥락을 파악하는 일
2️⃣ 창의적 문제 해결 | 데이터만으로는 나올 수 없는 혁신적 솔루션을 찾는 일
3️⃣ 윤리적 설계 판단 | 기술적으로 가능해도 적용할 것인지 판단하는 일
4️⃣ 전략적 UX 기획 | 비즈니스 목표와 사용자 가치 사이의 균형점을 찾는 일

그렇다면 AI 시대에 살아남을 UX 전문가는 이런 사람들일 겁니다.

1️⃣ AI를 도구로 삼아 더 높은 차원의 문제를 빠르게 해결하는 전문가
2️⃣ 데이터로 설명하기 어려운 인간적인 관점에서 출발하는 전문가
3️⃣ 개별 화면이나 UI가 아닌 전체 경험을 설계하는 전문가

https://lnkd.in/gP3g7P4i

가트너 리포트 'Predicts 2025: Navigating the Rise of AI in Software Engineering'를 읽고 요약했습니다. 1️⃣ UX 채용 시장의 변화 | UX 리서치 채용공고 71%, UX 디자인 채용공고 70% 감소 (2022년 대비 Indeed 조사) 2️⃣ AI 도구의 접근성 향상 | Maze, UserTesting, Figma 등이 비전문가도 기본적인 UX 업무를 수행할 수 있게 지원 3️⃣ 개인화 기술의 발전 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술 등장 4️⃣ 팀 구성의 다변화 | 엔지니어, PM, 비즈니스 분석가가 교육을 통해 UX 업무를 병행할 수 있게 됨 5️⃣ 필연적인 UX 전문가 역할의 변화 | 깊이 있는 사용자 이해, 창의적 문제 해결, 윤리적 설계 판단, 전략적 UX 기획에 집중 필요 [ 큐레이터의 문장 🎒 ] 아래 첨부한 그래프는 AI에 대한 조직의 기대치와 현실적 효용, 그 사이의 간극을 잘 보여줍니다. 파랑색 선은 Gen AI에 대한 과대광고로 인해 가파르게 상승하는 기대치를 표현합니다. 주황색 선은 현실에서 실질적으로 효용을 주는 실현 가능한 가치로 파랑색 선과 비교하면 차이가 커집니다. 기대가 현실을 앞서는 상황입니다. 많은 조직이 AI를 도입하면 자연스럽게 혁신할 수 있다고 믿습니다. 도입하지 않으면 안 될 것 같은 부담은 개인이나 조직이나 마찬가지입니다. 그런데 왜 이런 현상이 나타날까요? 가트너 분석에 따르면 몇 가지 현실적인 이유들이 AI로 인한 성과 창출을 어렵게 만듭니다. 1️⃣ 조직 구조 자체가 AI를 활용할 수 있도록 바뀌어야 합니다. 2️⃣ AI를 현재 업무에 어떻게 적용하는 것이 효과적인지 교육해야 합니다. 3️⃣ 제품 개발 전 과정에 적용하는 대신 난이도는 낮고, 임팩트는 큰 영역에 선택적으로 적용해야 합니다. 4️⃣ AI로 인한 성과 창출이 가능한 도메인과 단계를 파악하고 적절한 지표를 설정해 관리해야 합니다. UX 분야도 마찬가지입니다. 가트너 리포트에 따르면 2027년까지 제품팀 내 UX 디자이너 인력이 40% 줄어들 겁니다. Indeed 조사에 따르면 2022년 이후 UX 리서치 채용공고는 71%, 디자이너 채용공고는 70% 감소했습니다. 현재 UX 분야에서 AI 기술은 빠르게 업무의 진입장벽을 낮추고 있고 Figma도 적극적으로 AI 기능을 적용하고 있습니다. 무엇이 변하고 있는가? 1️⃣ UX 리서치 도구의 발전 | Maze, UserTesting 같은 플랫폼이 사용자 피드백을 분석하고 인사이트를 자동으로 생성합니다. 2️⃣ UX 디자인 도구의 지능화 | Figma, Uizard의 AI가 레이아웃을 제안하고, 개발자도 전문가 수준의 프로토타입을 제작할 수 있게 됐습니다. 3️⃣ 개인화 UI 자동 생성 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술이 등장했습니다. 이런 변화로 인해 엔지니어, 데이터 분석가들도 최소한의 교육만으로 쉽게 UX 리서치, 라이팅, 디자인까지 수행할 수 있는 환경이 조성되었습니다. 그래서 UX하는 사람들은 점점 줄어들까요? 여전히 인간이 고민을 주도해야 하는 영역이 있고 (AI를 활용하며) 더 효과적으로 고민할 지점이 있습니다. 1️⃣ 깊이 있는 사용자 이해 | 사용자의 말 뒤에 숨은 진짜 니즈와 맥락을 파악하는 일 2️⃣ 창의적 문제 해결 | 데이터만으로는 나올 수 없는 혁신적 솔루션을 찾는 일 3️⃣ 윤리적 설계 판단 | 기술적으로 가능해도 적용할 것인지 판단하는 일 4️⃣ 전략적 UX 기획 | 비즈니스 목표와 사용자 가치 사이의 균형점을 찾는 일 그렇다면 AI 시대에 살아남을 UX 전문가는 이런 사람들일 겁니다. 1️⃣ AI를 도구로 삼아 더 높은 차원의 문제를 빠르게 해결하는 전문가 2️⃣ 데이터로 설명하기 어려운 인간적인 관점에서 출발하는 전문가 3️⃣ 개별 화면이나 UI가 아닌 전체 경험을 설계하는 전문가 https://lnkd.in/gP3g7P4i

lnkd.in

⟪UX 디자이너가 사라지고 있다⟫

하나부터 열까지 리더가 상세히 설명해 주길 바라는 구성원이 있습니다. 반대로 큰 얼개만 듣고 나머지는 ...

다양한 구성원을 하나로 모으고 싶다면 - 리더가 가져야 할 모순

하나부터 열까지 리더가 상세히 설명해 주기를 바라는 구성원이 있습니다. 반대로 큰 얼개만 듣고 나머지는 자율적으로 하고 싶어 하는 경우도 있죠. 회식에 참여하는 것을 너무나 힘겨워 하는 구성원이 있는 반면, 동료들과 함께 시간을 보내며 가까워지는 것을 원하는 구성원도 있습니다.

주기적인 회의를 통해 서로의 업무현황을 공유하고 파악하길 원하는 경우도, 굳이 모일 필요성을 느끼지 못하는 구성원도 있고요. 문제는 이렇게 제각각인 구성원을 리더가 하나로 모아야 한다는 것입니다. 누구 한쪽을 편들지 않으면서도 한 방향으로 이끌기 위해서는 리더가 ‘따뜻한 아이스 아메리카노’가 되어야 합니다. 이게 무슨 뜻일까요?

최근 필자는 뉴질랜드 여행을 다녀왔습니다. 이 나라는 섬의 고유한 자연환경 보전을 위해 농산물 등 식품 반입에 매우 엄격한데요, 그래서 그런지 공항 곳곳에 안내 및 경고 문구가 붙어있었습니다. 필자 역시 이것을 잘 알고 있었기에 충실하게 신고서를 작성했죠.

그런데 마지막 관문에서 적발되고 말았습니다. 아침에 아이의 비상식량으로 챙겨온 사과의 존재를 까맣게 잊고 있었던 것입니다. 가방 속 사과를 발견한 세관 직원은 우리 일행을 어디론가 데려갔습니다. 무슨 일이 벌어질까 불안과 초조함을 느끼고 있을 때, 친절한 미소를 띤 직원이 다가왔습니다.

“뉴질랜드에 휴가를 보내러 왔냐?”며 말을 건네네요. 생각보다 부드러운 분위기에 “아이가 사과를 좋아해서 가방에 넣어뒀는데 깜빡 잊었다”며 선처를 바라는 눈빛을 보냈습니다. 하지만 돌아온 반응은 “안타깝다. 많이 당황스러울테니 천천히 안내문을 읽어보고 어떻게 할 건지 알려달라”는 것 뿐이었습니다.

안내문은 심플했습니다. 세관에 메일을 보내서 사정을 설명하거나, 억울하면 소송을 해도 되고, 그렇지 않으면 벌금을 내라는 것이었습니다. 더불어 실수라고 해도 고려 대상은 아니라는 말도 적혀 있었죠. 결국 현장에서 벌금을 납부하는 것으로 약 20여 분의 해프닝을 마쳤습니다.

부끄러운 경험담을 이렇게나 구구절절하게 소개하는 이유는, 이들이 보여준 모습에서 리더가 갖춰야 할 2가지를 발견했기 때문입니다. 함께 살펴볼까요?

1️⃣원칙
신고되지 않거나 허가되지 않은 품목에 대해서는 어떠한 예외도 없습니다. 이것을 비행기를 타고 내릴 때는 물론, 공항에 도착해서도 ‘눈과 귀에 박히도록’ 알려줍니다.

다양한 개성과 사고방식을 지닌 구성원들을 이끌기 위해서는 리더도 이러한 원칙을 가져야 합니다. 우리 조직의 구성원이라면 예외 없이 지켜야 하는 것이 무엇인지 정리해보세요. 함께 일하는 방식일 수도 있고, 업무 정보 공유 형태에 대한 것일 수도 있습니다.

빠른 일 처리를 중시하는 직원은 전화 통화가 당연하다고 생각할 수 있습니다. 히스토리를 남기는 것이 중요하다 여기는 직원은 문자나 이메일 소통을 선호하죠. 이건 옳고 그름의 문제가 아닙니다. 우리 조직의 업무 속성에 맞는 공동의 규칙을 갖는 게 필요합니다.

그리고 이런 원칙은 구성원들과 ‘함께’ 만드는 것이 좋습니다. 우리 조직의 ‘어떤 특성’ 때문에 이런 일하는 방식, 소통하는 방식을 운영하는지 구성원들이 납득할 수 있어야 하기 때문입니다.

그리고 이렇게 정해진 내용은 리더가 지속적으로 알려야 합니다. 잘 지키는 직원에겐 어드밴티지를, 반대의 경우엔 페널티를 주는 등 함께 만든 ‘원칙’이 문서로만 남아있지 않도록, 행동으로 옮기려는 시도를 꾸준히 하는 게 필요합니다.

2️⃣친절함
뉴질랜드 세관 직원들이 가방을 하나하나 검사하는 것은 그들의 일이기에 냉정한 태도로 할 수밖에 없습니다. 하지만 문제가 발견된 후 처리 과정에선 전혀 ‘위압감’을 느끼지 못했습니다.

사실 그들 입장에서 필자는 ‘룰을 위반한 사람’이기에 차갑게 대한들 딱히 불평할 입장은 못 되는데요. 하지만 당황한 마음을 다스릴 수 있도록 미소와 함께 말을 건네고, 일행들과 함께 대응 방법을 상의하도록 시간을 충분히 줬던 것이 참 고마웠습니다.

규칙은 지키라고 있는 것이니 이를 어기는 사람을 처벌하는 것이 당연합니다. 하지만 이때의 태도가 어떨 때는 상대의 마음을 닫아 버리기도 합니다. 그래서 리더 또한 친절할 필요가 있습니다.

원칙에 예외를 두는 방식의 관용이 아닌, 이를 지적하고 피드백하는 모습에서의 따뜻함이 중요하다는 뜻입니다. 그런데 이게 말처럼 쉽진 않습니다. 잘못을 지적하다 보면 생각보다 말이 세게 나오거나 상대를 비난하는 투가 되기 때문입니다.

이를 들은 상대방은 어떨까요? ‘내가 잘못했으니 어쩔 수 없지’라고 생각할 수도 있지만, ‘이게 그렇게까지 잘못한 건가?’라는 억울함, ‘내가 일부러 그런 것도 아닌데 너무하네!’라는 서운함이 생길지도 모릅니다. 상대가 이렇게 느끼면 피드백의 목적인 ‘행동 개선’도 어려워집니다.

필자가 이 경험을 웃으며 얘기할 수 있는 이유도 마찬가지입니다. ‘뭘 이런 것까지 잡아내 벌금을 매길까?’라는 억울함보다는, 최선을 다해 자신의 역할을 수행하면서도 당황해하는 나의 마음을 읽어줬던 뉴질랜드 세관 직원에 대한 고마움이 더 컸기 때문이 아닐까 합니다.

구성원을 대하는 리더의 태도 역시 그랬으면 좋겠습니다. 리더는 모르는 구성원 만의 속사정이 있을지도 모릅니다. 본인도 룰을 어겼다는 것을 알고 누구보다 당황하고 있을 수도 있죠. 원칙에는 엄격하되 태도는 부드러운 것.

이것이 다양한 성향의 구성원을 이끌어야 하는 ‘좋은 리더’가 갖춰야 하는 태도 아닐까요? 기준에 대한 차가움과 사람에 대한 따뜻함을 함께 가진 ‘따뜻한 아이스 아메리카노’ 같은 리더가 되시기 바랍니다.

하나부터 열까지 리더가 상세히 설명해 주기를 바라는 구성원이 있습니다. 반대로 큰 얼개만 듣고 나머지는 자율적으로 하고 싶어 하는 경우도 있죠. 회식에 참여하는 것을 너무나 힘겨워 하는 구성원이 있는 반면, 동료들과 함께 시간을 보내며 가까워지는 것을 원하는 구성원도 있습니다. 주기적인 회의를 통해 서로의 업무현황을 공유하고 파악하길 원하는 경우도, 굳이 모일 필요성을 느끼지 못하는 구성원도 있고요. 문제는 이렇게 제각각인 구성원을 리더가 하나로 모아야 한다는 것입니다. 누구 한쪽을 편들지 않으면서도 한 방향으로 이끌기 위해서는 리더가 ‘따뜻한 아이스 아메리카노’가 되어야 합니다. 이게 무슨 뜻일까요? 최근 필자는 뉴질랜드 여행을 다녀왔습니다. 이 나라는 섬의 고유한 자연환경 보전을 위해 농산물 등 식품 반입에 매우 엄격한데요, 그래서 그런지 공항 곳곳에 안내 및 경고 문구가 붙어있었습니다. 필자 역시 이것을 잘 알고 있었기에 충실하게 신고서를 작성했죠. 그런데 마지막 관문에서 적발되고 말았습니다. 아침에 아이의 비상식량으로 챙겨온 사과의 존재를 까맣게 잊고 있었던 것입니다. 가방 속 사과를 발견한 세관 직원은 우리 일행을 어디론가 데려갔습니다. 무슨 일이 벌어질까 불안과 초조함을 느끼고 있을 때, 친절한 미소를 띤 직원이 다가왔습니다. “뉴질랜드에 휴가를 보내러 왔냐?”며 말을 건네네요. 생각보다 부드러운 분위기에 “아이가 사과를 좋아해서 가방에 넣어뒀는데 깜빡 잊었다”며 선처를 바라는 눈빛을 보냈습니다. 하지만 돌아온 반응은 “안타깝다. 많이 당황스러울테니 천천히 안내문을 읽어보고 어떻게 할 건지 알려달라”는 것 뿐이었습니다. 안내문은 심플했습니다. 세관에 메일을 보내서 사정을 설명하거나, 억울하면 소송을 해도 되고, 그렇지 않으면 벌금을 내라는 것이었습니다. 더불어 실수라고 해도 고려 대상은 아니라는 말도 적혀 있었죠. 결국 현장에서 벌금을 납부하는 것으로 약 20여 분의 해프닝을 마쳤습니다. 부끄러운 경험담을 이렇게나 구구절절하게 소개하는 이유는, 이들이 보여준 모습에서 리더가 갖춰야 할 2가지를 발견했기 때문입니다. 함께 살펴볼까요? 1️⃣원칙신고되지 않거나 허가되지 않은 품목에 대해서는 어떠한 예외도 없습니다. 이것을 비행기를 타고 내릴 때는 물론, 공항에 도착해서도 ‘눈과 귀에 박히도록’ 알려줍니다. 다양한 개성과 사고방식을 지닌 구성원들을 이끌기 위해서는 리더도 이러한 원칙을 가져야 합니다. 우리 조직의 구성원이라면 예외 없이 지켜야 하는 것이 무엇인지 정리해보세요. 함께 일하는 방식일 수도 있고, 업무 정보 공유 형태에 대한 것일 수도 있습니다. 빠른 일 처리를 중시하는 직원은 전화 통화가 당연하다고 생각할 수 있습니다. 히스토리를 남기는 것이 중요하다 여기는 직원은 문자나 이메일 소통을 선호하죠. 이건 옳고 그름의 문제가 아닙니다. 우리 조직의 업무 속성에 맞는 공동의 규칙을 갖는 게 필요합니다. 그리고 이런 원칙은 구성원들과 ‘함께’ 만드는 것이 좋습니다. 우리 조직의 ‘어떤 특성’ 때문에 이런 일하는 방식, 소통하는 방식을 운영하는지 구성원들이 납득할 수 있어야 하기 때문입니다. 그리고 이렇게 정해진 내용은 리더가 지속적으로 알려야 합니다. 잘 지키는 직원에겐 어드밴티지를, 반대의 경우엔 페널티를 주는 등 함께 만든 ‘원칙’이 문서로만 남아있지 않도록, 행동으로 옮기려는 시도를 꾸준히 하는 게 필요합니다. 2️⃣친절함뉴질랜드 세관 직원들이 가방을 하나하나 검사하는 것은 그들의 일이기에 냉정한 태도로 할 수밖에 없습니다. 하지만 문제가 발견된 후 처리 과정에선 전혀 ‘위압감’을 느끼지 못했습니다. 사실 그들 입장에서 필자는 ‘룰을 위반한 사람’이기에 차갑게 대한들 딱히 불평할 입장은 못 되는데요. 하지만 당황한 마음을 다스릴 수 있도록 미소와 함께 말을 건네고, 일행들과 함께 대응 방법을 상의하도록 시간을 충분히 줬던 것이 참 고마웠습니다. 규칙은 지키라고 있는 것이니 이를 어기는 사람을 처벌하는 것이 당연합니다. 하지만 이때의 태도가 어떨 때는 상대의 마음을 닫아 버리기도 합니다. 그래서 리더 또한 친절할 필요가 있습니다. 원칙에 예외를 두는 방식의 관용이 아닌, 이를 지적하고 피드백하는 모습에서의 따뜻함이 중요하다는 뜻입니다. 그런데 이게 말처럼 쉽진 않습니다. 잘못을 지적하다 보면 생각보다 말이 세게 나오거나 상대를 비난하는 투가 되기 때문입니다. 이를 들은 상대방은 어떨까요? ‘내가 잘못했으니 어쩔 수 없지’라고 생각할 수도 있지만, ‘이게 그렇게까지 잘못한 건가?’라는 억울함, ‘내가 일부러 그런 것도 아닌데 너무하네!’라는 서운함이 생길지도 모릅니다. 상대가 이렇게 느끼면 피드백의 목적인 ‘행동 개선’도 어려워집니다. 필자가 이 경험을 웃으며 얘기할 수 있는 이유도 마찬가지입니다. ‘뭘 이런 것까지 잡아내 벌금을 매길까?’라는 억울함보다는, 최선을 다해 자신의 역할을 수행하면서도 당황해하는 나의 마음을 읽어줬던 뉴질랜드 세관 직원에 대한 고마움이 더 컸기 때문이 아닐까 합니다. 구성원을 대하는 리더의 태도 역시 그랬으면 좋겠습니다. 리더는 모르는 구성원 만의 속사정이 있을지도 모릅니다. 본인도 룰을 어겼다는 것을 알고 누구보다 당황하고 있을 수도 있죠. 원칙에는 엄격하되 태도는 부드러운 것. 이것이 다양한 성향의 구성원을 이끌어야 하는 ‘좋은 리더’가 갖춰야 하는 태도 아닐까요? 기준에 대한 차가움과 사람에 대한 따뜻함을 함께 가진 ‘따뜻한 아이스 아메리카노’ 같은 리더가 되시기 바랍니다.

네이버 블로그 | HSG 휴먼솔루션그룹

하나부터 열까지 리더가 상세히 설명해 주기를 바라는 구성원이 있습

AWS는 어쩌다가 클라우드 서비스를 시작하게 되었을까
Git은 어떻게 만들어졌을까
19금 사이트 개발은 어떤 사람들이 하는 걸까

개발자로 살면서, 한번쯤 들었을 법한 의문들에 대해서 팟캐스트를 만들어서 올려보고 있습니다 (AI로...)

많은 관심 부탁드립니다! 🤗
https://www.youtube.com/@Beedio_pyeongbee

AWS는 어쩌다가 클라우드 서비스를 시작하게 되었을까 Git은 어떻게 만들어졌을까 19금 사이트 개발은 어떤 사람들이 하는 걸까 개발자로 살면서, 한번쯤 들었을 법한 의문들에 대해서 팟캐스트를 만들어서 올려보고 있습니다 (AI로...) 많은 관심 부탁드립니다! 🤗https://www.youtube.com/@Beedio_pyeongbee

개발자 교양 팟캐스트

With the design overhaul that's coming this year, Apple plans to rename all of its operating systems, reports Bloomberg. Going forward, iOS,...

No iOS 19: Apple Going Straight to iOS 26

매년 iOS 버전은 하나씩 업데이트 되고 있습니다.
그러다보니 현재는 iOS 18이 최신인데, 올해부터는 연도를 나타내는 iOS 26으로 바뀔거라는 소식이 있어요 😃

사실 연도를 따라가면 헷갈리지 않아서 좋긴한데, 조금 더 나아가서 Xcode, iPhone OS 버전들도 같이 통일해주면 더 헷갈리지 않을것 같습니다.
개발할 때 매번 이 세가지의 버전이 늘 헷갈리더라구요.

그러면, Xcode 몇 버전에서는 최신 iOS 몇 버전까지 지원되고 그런것들에서 해방될 수 있지 않을까 생각해봅니다 ☺️

매년 iOS 버전은 하나씩 업데이트 되고 있습니다.그러다보니 현재는 iOS 18이 최신인데, 올해부터는 연도를 나타내는 iOS 26으로 바뀔거라는 소식이 있어요 😃 사실 연도를 따라가면 헷갈리지 않아서 좋긴한데, 조금 더 나아가서 Xcode, iPhone OS 버전들도 같이 통일해주면 더 헷갈리지 않을것 같습니다.개발할 때 매번 이 세가지의 버전이 늘 헷갈리더라구요. 그러면, Xcode 몇 버전에서는 최신 iOS 몇 버전까지 지원되고 그런것들에서 해방될 수 있지 않을까 생각해봅니다 ☺️

MacRumors

iOS 19가 아니라 이제 iOS 26?

들어가며 안녕하세요. AI Services Lab 팀의 ML 엔지니어 박희웅입니다. 저희 팀에서는 오픈챗과 관련해 다양한 AI/ML 모델을 개발하여 서빙하고 있습니다. 일전에 머신...

오프라인과 온라인 A/B 테스트를 통해 오픈챗 추천 모델 개선하기

 * 라인의 기술 블로그 URL이 변경되었네요!
 * 새로운 블로그에 올라온 글입니다. 오프라인과 온라인 A/B 테스트를 통해 오픈챗 추천 모델 개선하기
 * 라인에서 오픈챗이란 기능이 있는데(일본, 태국, 대만 서비스) 여기서 오픈챗 메인 페이지에 노출되는 추천 서비스에 대한 내용을 다룹니다
 * 추천 시스템에서 널리 사용하는 2 단계 프레임워크 적용
   * 후보 선정(Candidate Selection)
   * 랭킹(Ranking)
 * 온라인 AB 테스트의 지표
   * CPI : 가입 수 / 노출 수
   * UU CPI : 가입자 수 / 노출된 사용자 수
   * CTR : 커버 뷰 횟수 / 노출 수
   * CVR : 가입 수 / 커버 뷰 횟수
   * Request CPI / 가입 신청 수 / 노출 수
 * 최소 1주(2주 이상 권장)을 테스트해야 함
 * 필터 버블 : 사용자의 히스토리를 기반으로 제공하는 개인화 알고리즘의 결과가 거품 안에 갇힌 것처럼 사용자가 선호하는 관점으로만 구성되는 현상
 * 오프라인과 온라인 테스트의 간극을 확인 -> 이게 점점 심해지곤 함
   * Adhoc AB 테스트

https://techblog.lycorp.co.jp/ko/improve-openchat-recommendation-model-with-offline-and-online-ab-test

<ul><li>라인의 기술 블로그 URL이 변경되었네요!</li><li>새로운 블로그에 올라온 글입니다. 오프라인과 온라인 A/B 테스트를 통해 오픈챗 추천 모델 개선하기</li><li>라인에서 오픈챗이란 기능이 있는데(일본, 태국, 대만 서비스) 여기서 오픈챗 메인 페이지에 노출되는 추천 서비스에 대한 내용을 다룹니다</li><li>추천 시스템에서 널리 사용하는 2 단계 프레임워크 적용<ul><li>후보 선정(Candidate Selection)</li><li>랭킹(Ranking)</li></ul></li><li>온라인 AB 테스트의 지표<ul><li>CPI : 가입 수 / 노출 수</li><li>UU CPI : 가입자 수 / 노출된 사용자 수</li><li>CTR : 커버 뷰 횟수 / 노출 수</li><li>CVR : 가입 수 / 커버 뷰 횟수</li><li>Request CPI / 가입 신청 수 / 노출 수</li></ul></li><li>최소 1주(2주 이상 권장)을 테스트해야 함</li><li>필터 버블 : 사용자의 히스토리를 기반으로 제공하는 개인화 알고리즘의 결과가 거품 안에 갇힌 것처럼 사용자가 선호하는 관점으로만 구성되는 현상</li><li>오프라인과 온라인 테스트의 간극을 확인 -&gt; 이게 점점 심해지곤 함<ul><li>Adhoc AB 테스트</li></ul></li></ul> https://techblog.lycorp.co.jp/ko/improve-openchat-recommendation-model-with-offline-and-online-ab-test

LY Corporation Tech Blog

머신러닝 개발자

konny

변성윤

경영학을 전공하고 데이터 분석, 머신러닝/데이터 엔지니어링을 경험했습니다. 

데이터 분석/데이터 엔지니어링/팀장(피플 매니징)/성장과 관련된 내용들을 주로 소개드릴게요 :)
#개발자 #그로스마인드셋 #끊임없이배우기 #데이터사이언스 #독서 #문제를해결하는 #블로거

오프라인과 온라인 A/B 테스트를 통해 오픈챗 추천 모델 개선하기

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필