한 유튜버의 면접자가 실제로 썼던 코드라네요ㅋㅋ 창의성으로 통과시켜주고 싶었으나 hiring committee에서 탈락시켰다고...
😵‍💫😵‍💫

한 유튜버의 면접자가 실제로 썼던 코드라네요ㅋㅋ 창의성으로 통과시켜주고 싶었으나 hiring committee에서 탈락시켰다고...😵‍💫😵‍💫

Sleep Sort를 아세요??

이거 정렬이 되나요 😂
실행해도
실행해보니 현 배열 그대로인데 이해가 안되네요 ㅠ...

핵심은 아니지만 신경 쓰면 좋은 것들  이 글에 나오는 내용들이 협상에 크게 영향을 미치는 것은 아닐 수 있다. 하지만, 협상을 통해 좋은 결과를 얻어내는 데 도움이 된다면, 일단 알아두어서 나쁠 것은 없다. 때로는 아주 작은 차이 때문에 주도권을 잡기도 하고, 반대로 주도권이 넘어가기도 하는 게 협상이니 말이다. 사람을 대할 때, 아주 사소한 행동들이 일

23화 [Negotiation] 협상에 도움될 사소한 팁들

작은 차이가 때로는 결과를 달라지게 만든다.
#협상 #대화 #팁 #repost

https://brunch.co.kr/@drunkensky/67

작은 차이가 때로는 결과를 달라지게 만든다.#협상 #대화 #팁 #repost https://brunch.co.kr/@drunkensky/67

Brunch Story

협상에 도움될 사소한 팁들

최근의 AI와 로봇의 발전을 보면, 기술의 발전은 인재…가 아니라 기술의 한계를 돌파할 수 있는 수준의, 한계점이 넘는 막대한 돈을 밀도있게(빠르고 집중적으로) 투입(태우는)하는데 있는 것 같다. 갈수록 더 할 것 같고. 로켓이나 양자 컴퓨터 같은 건 말 할 것도 없으니.

최근의 AI와 로봇의 발전을 보면, 기술의 발전은 인재…가 아니라 기술의 한계를 돌파할 수 있는 수준의, 한계점이 넘는 막대한 돈을 밀도있게(빠르고 집중적으로) 투입(태우는)하는데 있는 것 같다. 갈수록 더 할 것 같고. 로켓이나 양자 컴퓨터 같은 건 말 할 것도 없으니.

그래서 아직 자율주행도 상용화 못 하고 있나요

직장 생활은 학교 생활과는 많이 다르죠. 익숙한 환경과 사람들을 떠나 새로운 환경에 적응하는 것은 쉬운 일이 아닙니다. 그런데, 그곳이 대가를 받고 일을 하는 곳이라면 어려움이 더 크죠. 이 브런치북은 그런 분들에게 도움이 되고자 기획하였습니다. 물론, 이 브런치북을 읽는다고 바로 직장생활의 프로가 되지는 않습니다. 하지만, 막막함을 느끼는 사람에게는 좋은 길잡이가 되어줄 것이고요. 이 브런치북의 작은 내용 하나가 여러분의 커리어에 큰 도움이 될 수도 있습니다. 크게 어려운 내용은 없기 때문에 편하게 읽어 보시면 됩니다. 아무쪼록 이 브런치북이 여러분의 직장생활에 좋은 길잡이가 되기를 바랍니다.

[브런치북] 직장인 1년차를 위한 안내서 1

그동안 발행한 글을 정리하여 새로운 브런치북을 발간하였습니다.
메리 크리스마스~
#직장인 #신입사원 #커리어

https://brunch.co.kr/brunchbook/newbie1

그동안 발행한 글을 정리하여 새로운 브런치북을 발간하였습니다.메리 크리스마스~#직장인 #신입사원 #커리어 https://brunch.co.kr/brunchbook/newbie1

최근에 회사에서 특정 프롬프트의 성능을 올리기 위해서
프롬프트 엔지니어링과 파인튜닝을 진행해보았습니다.

프롬프트 엔지니어링을 사용해서 모든 케이스를 커버하고 있었습니다만,
조금 더 성능을 높이고 싶은 욕심이 있었기에, Llama 3.3이 새로나왔다고 하여 70B(700억파라메터)모델을 파인튜닝 해보기로 하였습니다.

7B의 경우는 로컬머신으로도 간단하게 파인튜닝이 가능했습니다만,
70B부터는 많은 문제들이 생겼습니다. 메모리가 부족하여 Cuda Out of Memory 를 수도없이 보았습니다. 70B를 파인튜닝 하기위해서는 최소 160GB의 메모리가 필요했기 때문입니다.

그리고 같은 텐서가 다른머신에 들어가서 데이터가 꼬이는 일도 발생하였습니다.
다양한 버그와 에러들을 뚫고 겨우겨우 학습을 시도하는 창이 떴습니다만....
저는 여기서 포기할 수 밖에 없었습니다.

왜냐하면 학습하는데 332시간이 걸렸기 때문입니다.
클라우드에서 A100 16대를 사용하는 환경이었는데, 332시간이면 어림잡아
비용이 천만원이 나왔습니다.

그때 확실히 깨달았습니다. AI에는 돈이 많이 필요하구나...
심지어 가장 파라메터가 많은 405B모델도 아니었습니다.
405B모델은 4비트 양자화를 해서 파인튜닝 하는데에도 H100 8대가 필요했습니다.
서빙에는 H100 4대가 필했구요. Llama를 회사에서 서비스 하기위해 운영하는것은 참으로 가성비가 나오지 않는 일이었습니다.

AI학습이 조금 더 저렴해지는 시기가 곧 오겠지만...
아직은 너무 비싸네요.

최근에 회사에서 특정 프롬프트의 성능을 올리기 위해서프롬프트 엔지니어링과 파인튜닝을 진행해보았습니다. 프롬프트 엔지니어링을 사용해서 모든 케이스를 커버하고 있었습니다만, 조금 더 성능을 높이고 싶은 욕심이 있었기에, Llama 3.3이 새로나왔다고 하여 70B(700억파라메터)모델을 파인튜닝 해보기로 하였습니다. 7B의 경우는 로컬머신으로도 간단하게 파인튜닝이 가능했습니다만, 70B부터는 많은 문제들이 생겼습니다. 메모리가 부족하여 Cuda Out of Memory 를 수도없이 보았습니다. 70B를 파인튜닝 하기위해서는 최소 160GB의 메모리가 필요했기 때문입니다. 그리고 같은 텐서가 다른머신에 들어가서 데이터가 꼬이는 일도 발생하였습니다. 다양한 버그와 에러들을 뚫고 겨우겨우 학습을 시도하는 창이 떴습니다만....저는 여기서 포기할 수 밖에 없었습니다. 왜냐하면 학습하는데 332시간이 걸렸기 때문입니다. 클라우드에서 A100 16대를 사용하는 환경이었는데, 332시간이면 어림잡아 비용이 천만원이 나왔습니다. 그때 확실히 깨달았습니다. AI에는 돈이 많이 필요하구나...심지어 가장 파라메터가 많은 405B모델도 아니었습니다. 405B모델은 4비트 양자화를 해서 파인튜닝 하는데에도 H100 8대가 필요했습니다. 서빙에는 H100 4대가 필했구요. Llama를 회사에서 서비스 하기위해 운영하는것은 참으로 가성비가 나오지 않는 일이었습니다. AI학습이 조금 더 저렴해지는 시기가 곧 오겠지만... 아직은 너무 비싸네요.

Llama 3.3 70B를 파인튜닝하다 중단한 이야기

"힘 빼세요. 어깨도 힘 빼시고요. 다시 해볼게요."

어떤 운동이든 처음 배우면 듣는 이야기예요. 잘하려니 나도 모르게 힘이 들어가는 데 계속 힘을 빼라고 하니 미칠 노릇이죠.

여러 번 반복하다 보면 그제야 무슨 의미인지 알게 되죠. 내가 잘못된 곳에 힘을 주고 있었다는 사실을.

모든 일이 비슷한 거 같아요. 코딩도 그래요.

힘을 뺀 코드, 그냥 평범한 코드로 충분할 때가 많아요. 시간이 지날 수록 허튼 곳에 힘주지 않고 힘을 아껴 쓰게 돼요.

"힘 빼세요. 어깨도 힘 빼시고요. 다시 해볼게요." 어떤 운동이든 처음 배우면 듣는 이야기예요. 잘하려니 나도 모르게 힘이 들어가는 데 계속 힘을 빼라고 하니 미칠 노릇이죠. 여러 번 반복하다 보면 그제야 무슨 의미인지 알게 되죠. 내가 잘못된 곳에 힘을 주고 있었다는 사실을. 모든 일이 비슷한 거 같아요. 코딩도 그래요. 힘을 뺀 코드, 그냥 평범한 코드로 충분할 때가 많아요. 시간이 지날 수록 허튼 곳에 힘주지 않고 힘을 아껴 쓰게 돼요.

The allure of agility is strong, yet the actual implementation often falls short of true flexibility.

The Agile Illusion: Separating Fact from Fiction in Software Development

개발 업계에서 '애자일' 이제는 당연하다고 다들 느낄 것 같습니다. "소프트"웨어를 만드는 만큼 유연성있는 업무 환경을 강조하지만, 형업에서는 그 본질이 왜곡되는 경우도 종종 있는 것 같습니다. 특히 잘못된 스크럼의 도입은 오히려 애자일을 더 해치는 모습을 본 적 많으실텐데요. 이 글에서는 애자일과 스크럼 간의 괴리를 알아보고, 진정한 애자일 정신을 구현하기 위한 대안을 다루고 있습니다.

애자일과 스크럼의 괴리
 * 스크럼의 경직성: 스크럼은 짧은 스프린트와 엄격한 일정에 집중하여, 변화하는 요구사항에 유연하게 대응하기 어렵게 만든다.
 * 과도한 회의: 백로그 정리, 스프린트 계획, 일일 스탠드업 등 빈번한 회의는 개발자들의 실제 개발 시간을 잡아먹는다.
 * 단기 성과 압박: 지속적인 스프린트는 개발자들에게 과도한 압박을 주어, 장기적인 품질보다 단기적인 완료에 집중하게 만든다.
진정한 애자일 구현을 위한 대안
 1. 자연스러운 작업 분할: 프로젝트의 필요에 따라 작업을 자연스러운 단위로 나누고, 각 작업의 크기와 소요 시간을 유연하게 설정한다.
 2. 유연한 우선순위 설정: 상황 변화에 따라 작업의 우선순위를 조정하고, 필요 시 새로운 방향으로 즉시 전환한다.
 3. 적절한 시점에 리뷰: 일정에 구애받지 않고, 적절한 시점에 클라이언트 이해관계자의 피드백을 받아 작업을 조정한다.
 4. 지속적 배포 고려: 각 작업이 완료될 때마다 프로덕트를 배포하여, 사용자에게 빠르게 가치를 제공한다.

여러분들의 팀은 애자일한가요? 유연한 스크럼이 진행되고 있나요?

https://medium.com/majordigest/the-agile-illusion-separating-fact-from-fiction-in-software-development-6933e7b0417a

개발 업계에서 '애자일' 이제는 당연하다고 다들 느낄 것 같습니다. "소프트"웨어를 만드는 만큼 유연성있는 업무 환경을 강조하지만, 형업에서는 그 본질이 왜곡되는 경우도 종종 있는 것 같습니다. 특히 잘못된 스크럼의 도입은 오히려 애자일을 더 해치는 모습을 본 적 많으실텐데요. 이 글에서는 애자일과 스크럼 간의 괴리를 알아보고, 진정한 애자일 정신을 구현하기 위한 대안을 다루고 있습니다. 애자일과 스크럼의 괴리<ul ><li>스크럼의 경직성: 스크럼은 짧은 스프린트와 엄격한 일정에 집중하여, 변화하는 요구사항에 유연하게 대응하기 어렵게 만든다. </li><li>과도한 회의: 백로그 정리, 스프린트 계획, 일일 스탠드업 등 빈번한 회의는 개발자들의 실제 개발 시간을 잡아먹는다. </li><li>단기 성과 압박: 지속적인 스프린트는 개발자들에게 과도한 압박을 주어, 장기적인 품질보다 단기적인 완료에 집중하게 만든다.</li></ul>진정한 애자일 구현을 위한 대안<ol ><li>자연스러운 작업 분할: 프로젝트의 필요에 따라 작업을 자연스러운 단위로 나누고, 각 작업의 크기와 소요 시간을 유연하게 설정한다. </li><li>유연한 우선순위 설정: 상황 변화에 따라 작업의 우선순위를 조정하고, 필요 시 새로운 방향으로 즉시 전환한다.</li><li>적절한 시점에 리뷰: 일정에 구애받지 않고, 적절한 시점에 클라이언트 이해관계자의 피드백을 받아 작업을 조정한다.</li><li>지속적 배포 고려: 각 작업이 완료될 때마다 프로덕트를 배포하여, 사용자에게 빠르게 가치를 제공한다.</li></ol> 여러분들의 팀은 애자일한가요? 유연한 스크럼이 진행되고 있나요? https://medium.com/majordigest/the-agile-illusion-separating-fact-from-fiction-in-software-development-6933e7b0417a

Medium

애자일의 환상: 소프트웨어 개발에서 사실과 허구를 구분하기

Author: Trix Cyrus  [Try My], Waymap Pentesting tool: Click Here [Follow] TrixSec Github: Click...

Part 14: Building Your Own AI - Current Trends in AI/ML

1. AutoML: 머신러닝의 민주화
 * AutoML(Automated Machine Learning)은 다음과 같은 작업을 자동화하여 ML 모델 개발 과정 단순화
   * 데이터 전처리
   * 특성 선택
   * 모델 선택
   * 하이퍼파라미터 튜닝
 * 중요성
   * 접근성: 비전문가도 효과적인 모델 개발 가능
   * 효율성: 모델 개발 시간 단축
 * 주요 AutoML 도구
   * Google AutoML: 클라우드 기반의 엔드투엔드 모델 개발 플랫폼
   * H2O AutoML: 풍부한 기능을 갖춘 오픈소스 도구
   * Auto-sklearn: Python 기반 자동 ML 파이프라인 라이브러리
   
   
2. 연합 학습(Federated Learning): 프라이버시를 보장하는 협업
 * 원시 데이터를 공유하지 않고 여러 기기나 조직이 협력하여 모델 훈련
   * 데이터 프라이버시: 민감한 정보는 로컬에 존재
   * 확장성: 다양한 데이터 소스를 활용하여 모델 성능 향상
 * 응용 분야
   * 의료: 병원이 환자 데이터를 공유하지 않고도 AI 모델을 공동 훈련
   * 스마트폰: Google 어시스턴트 같은 AI 비서의 개인화
   
   
3. AI 윤리와 책임 있는 AI
 * AI 시스템이 보편화되면서 다음을 보장하는 것이 필수
   * 공정성: 의사결정의 편향 방지
   * 투명성: AI 시스템의 설명 가능성
   * 책임성: AI 기술 남용 방지
 * 주요 과제
   * 훈련 데이터의 편향
   * 사용자 데이터의 프라이버시 보호
   * 규제: 혁신과 윤리적 기준 간 균형 유지
 * 이니셔티브
   * AI 윤리 프레임워크: IEEE, EU 위원회 등이 개발
   * 윤리적 AI 팀: Microsoft와 Google 같은 기업에서 전담 팀 운영
   
   
4. 의료 분야의 AI
 * 주요 응용
   * 의료 영상: X-ray와 MRI에서 질병(예: 암) 탐지
   * 예측 분석: 전자의료기록(EHR)을 활용하여 만성질환 위험 환자 식별
   * 약물 개발: ML 알고리즘을 통해 신약 개발 가속화
 * 사례
   * DeepMind AlphaFold: 단백질 구조를 정확히 예측하여 의학 분야에 혁신 제공
   
   
5. 자율주행차
 * 자율주행차는 ML 알고리즘을 활용해 환경을 인식하고 의사결정 내림
 * 핵심 기술
   * 컴퓨터 비전: 보행자, 차량, 도로 표지판 탐지
   * 강화 학습: 최적의 운전 전략 개발
   * 센서 융합: LiDAR, 레이더, 카메라 데이터 결합
 * 주요 기업
   * Tesla: 완전 자율주행 기술 선도
   * Waymo: Google의 자율주행차 부문
   * Cruise: GM이 지원하며 도심 주행 초점

6. 기후변화를 위한 AI
 * AI는 기후변화 문제를 해결하는 강력한 도구로 떠오르고 있음
 * 응용 사례
   * 배출 모니터링: 위성 이미지를 활용한 온실가스 추적
   * 에너지 최적화: 산업 및 가정의 에너지 소비 절감
   * 자연재해 예측: 데이터 분석을 통한 허리케인, 홍수, 산불 조기 탐지
 * 사례
   * Google의 Project Sunroof: AI를 사용해 주택별 태양광 에너지 잠재력 평가
   * 구글 딥마인드의 AI 기반 기상 예보 모델 GraphCast: 지구의 위도와 경도를 0.25˚ 간격으로 세분화하여 기상 예측 진행, 기계학습 예보 모델

7. AI 도구와 프레임워크의 진보
 * 새로운 프레임워크
   * PyTorch 2.0: 동적 계산 그래프와 분산 훈련 강화
   * TensorFlow Extended (TFX): 프로덕션 ML 파이프라인 지원
 * 신규 도구
   * Hugging Face Transformers: NLP 모델 구현 간소화
   * DALL·E: 텍스트 입력으로 이미지를 생성하는 OpenAI 도구
 * 트렌드
   * 로우코드/노코드 플랫폼: 비프로그래머도 AI 모델 개발 가능(DataRobot 등)
   * 엣지 AI: 스마트폰, IoT 기기에서 실시간 처리 가능

8. 산업별 AI 응용
 * 의료
   * 유전자 데이터를 활용한 맞춤형 의학
   * NLP 기반 가상 건강 비서
 * 금융
   * 이상 탐지 알고리즘을 통한 사기 탐지
   * 최적화된 투자를 위한 알고리즘 거래
 * 리테일
   * NLP를 활용한 고객 감정 분석
   * AI 기반 추천 시스템

9. 미래 방향
 * AI-보강 창의성: 음악, 예술, 문학 생성 도구
 * 양자 AI: 양자 컴퓨팅을 활용한 복잡한 AI 문제 해결
 * AI를 통한 글로벌 선행: 지능형 튜터링 시스템을 통해 교육 격차 해소

 * source: https://dev.to/trixsec/part-14-building-your-own-ai-current-trends-in-aiml-40oj

1. AutoML: 머신러닝의 민주화<ul ><li>AutoML(Automated Machine Learning)은 다음과 같은 작업을 자동화하여 ML 모델 개발 과정 단순화<ul ><li>데이터 전처리</li><li>특성 선택</li><li>모델 선택</li><li>하이퍼파라미터 튜닝</li></ul></li><li>중요성<ul ><li>접근성: 비전문가도 효과적인 모델 개발 가능</li><li>효율성: 모델 개발 시간 단축</li></ul></li><li>주요 AutoML 도구<ul ><li>Google AutoML: 클라우드 기반의 엔드투엔드 모델 개발 플랫폼</li><li>H2O AutoML: 풍부한 기능을 갖춘 오픈소스 도구</li><li>Auto-sklearn: Python 기반 자동 ML 파이프라인 라이브러리</li></ul> </li></ul>2. 연합 학습(Federated Learning): 프라이버시를 보장하는 협업<ul ><li>원시 데이터를 공유하지 않고 여러 기기나 조직이 협력하여 모델 훈련<ul ><li>데이터 프라이버시: 민감한 정보는 로컬에 존재</li><li>확장성: 다양한 데이터 소스를 활용하여 모델 성능 향상</li></ul></li><li>응용 분야<ul ><li>의료: 병원이 환자 데이터를 공유하지 않고도 AI 모델을 공동 훈련</li><li>스마트폰: Google 어시스턴트 같은 AI 비서의 개인화</li></ul> </li></ul>3. AI 윤리와 책임 있는 AI<ul ><li>AI 시스템이 보편화되면서 다음을 보장하는 것이 필수<ul ><li>공정성: 의사결정의 편향 방지</li><li>투명성: AI 시스템의 설명 가능성</li><li>책임성: AI 기술 남용 방지</li></ul></li><li>주요 과제<ul ><li>훈련 데이터의 편향</li><li>사용자 데이터의 프라이버시 보호</li><li>규제: 혁신과 윤리적 기준 간 균형 유지</li></ul></li><li>이니셔티브<ul ><li>AI 윤리 프레임워크: IEEE, EU 위원회 등이 개발</li><li>윤리적 AI 팀: Microsoft와 Google 같은 기업에서 전담 팀 운영</li></ul> </li></ul>4. 의료 분야의 AI<ul ><li>주요 응용<ul ><li>의료 영상: X-ray와 MRI에서 질병(예: 암) 탐지</li><li>예측 분석: 전자의료기록(EHR)을 활용하여 만성질환 위험 환자 식별</li><li>약물 개발: ML 알고리즘을 통해 신약 개발 가속화</li></ul></li><li>사례<ul ><li>DeepMind AlphaFold: 단백질 구조를 정확히 예측하여 의학 분야에 혁신 제공</li></ul> </li></ul>5. 자율주행차<ul ><li>자율주행차는 ML 알고리즘을 활용해 환경을 인식하고 의사결정 내림</li><li>핵심 기술<ul ><li>컴퓨터 비전: 보행자, 차량, 도로 표지판 탐지</li><li>강화 학습: 최적의 운전 전략 개발</li><li>센서 융합: LiDAR, 레이더, 카메라 데이터 결합</li></ul></li><li>주요 기업<ul ><li>Tesla: 완전 자율주행 기술 선도</li><li>Waymo: Google의 자율주행차 부문</li><li>Cruise: GM이 지원하며 도심 주행 초점</li></ul></li></ul> 6. 기후변화를 위한 AI<ul ><li>AI는 기후변화 문제를 해결하는 강력한 도구로 떠오르고 있음</li><li>응용 사례<ul ><li>배출 모니터링: 위성 이미지를 활용한 온실가스 추적</li><li>에너지 최적화: 산업 및 가정의 에너지 소비 절감</li><li>자연재해 예측: 데이터 분석을 통한 허리케인, 홍수, 산불 조기 탐지</li></ul></li><li>사례<ul ><li>Google의 Project Sunroof: AI를 사용해 주택별 태양광 에너지 잠재력 평가</li><li>구글 딥마인드의 AI 기반 기상 예보 모델 GraphCast: 지구의 위도와 경도를 0.25˚ 간격으로 세분화하여 기상 예측 진행, 기계학습 예보 모델</li></ul></li></ul> 7. AI 도구와 프레임워크의 진보<ul ><li>새로운 프레임워크<ul ><li>PyTorch 2.0: 동적 계산 그래프와 분산 훈련 강화</li><li>TensorFlow Extended (TFX): 프로덕션 ML 파이프라인 지원</li></ul></li><li>신규 도구<ul ><li>Hugging Face Transformers: NLP 모델 구현 간소화</li><li>DALL·E: 텍스트 입력으로 이미지를 생성하는 OpenAI 도구</li></ul></li><li>트렌드<ul ><li>로우코드/노코드 플랫폼: 비프로그래머도 AI 모델 개발 가능(DataRobot 등)</li><li>엣지 AI: 스마트폰, IoT 기기에서 실시간 처리 가능</li></ul></li></ul> 8. 산업별 AI 응용<ul ><li>의료<ul ><li>유전자 데이터를 활용한 맞춤형 의학</li><li>NLP 기반 가상 건강 비서</li></ul></li><li>금융<ul ><li>이상 탐지 알고리즘을 통한 사기 탐지</li><li>최적화된 투자를 위한 알고리즘 거래</li></ul></li><li>리테일<ul ><li>NLP를 활용한 고객 감정 분석</li><li>AI 기반 추천 시스템</li></ul></li></ul> 9. 미래 방향<ul ><li>AI-보강 창의성: 음악, 예술, 문학 생성 도구</li><li>양자 AI: 양자 컴퓨팅을 활용한 복잡한 AI 문제 해결</li><li>AI를 통한 글로벌 선행: 지능형 튜터링 시스템을 통해 교육 격차 해소</li></ul> <ul ><li>source: https://dev.to/trixsec/part-14-building-your-own-ai-current-trends-in-aiml-40oj</li></ul>

DEV Community

[Dev] 자체 AI 구축 - AI/ML의 현재 동향

2024 was insane, and many things happened around AI and software development in general. I believe...

25 top open-source tools for building web apps you can't afford to miss in 2025🎉 🚀

여기 2024년에 가능성을 보여주었고, 2025년에 더욱 빛날 것으로 보이는 25개의 오픈소스 웹앱개발도구를 소개합니다. 보다 상세한 사용법과 내용은 원문을 참고해주시기 바랍니다~^^

1. AI 및 LLM 도구
 * Composio
   * https://composio.dev/
   * AI 에이전트 통합 플랫폼
   * 250개 이상의 애플리케이션을 지원하며, GitHub, Jira, Salesforce, Gmail 등 다수의 SaaS 앱 연결 지원
 * Vercel AI SDK
   * https://sdk.vercel.ai/
   * TypeScript로 AI 웹 앱 빌드
   * React, Next.js, Vue, SvelteKit 등을 지원하며, 반복적인 설정을 단순화하고 대화형 UI 기반 구축
 * LangGraph JS
   * https://www.langchain.com/langgraph
   * 그래프 기반 에이전트 워크플로우 구축
   * 상태 머신 개념을 사용하여 복잡한 AI 워크플로우를 그래프 방식으로 쉽게 구축
 * CopilotKit
   * https://www.copilotkit.ai/
   * 웹 앱에 AI 코파일럿 추가, GitHub Copilot과 같은 기능을 앱에 쉽게 추가
 * LanceDB
   * https://lancedb.com/
   * AI 앱을 위한 고성능 벡터 데이터베이스
   * 벡터 임베딩을 효율적으로 저장하고 쿼리할 수 있는 SQLite와 유사한 빠른 데이터베이스

2. 프레임워크 및 빌드 도구
 * Encore
   * https://encore.dev/
   * 자동화된 인프라가 포함된 백엔드 프레임워크
   * 클라우드 서비스를 단순화하여 일관된 API와 DevOps 자동화 제공
 * HTMX
   * https://htmx.org/
   * JavaScript 없이 동적 웹 앱 개발
   * HTML만으로도 모던한 웹 앱을 구축
 * Val Town
   * https://www.val.town/
   * 서버리스 JavaScript 실행 플랫폼
   * GitHub Gist와 서버리스 함수의 결합처럼 작동하며 JavaScript 코드 공유와 실행 방식 혁신
 * Deno 2
   * https://deno.com/
   * TypeScript 지원을 내장한 안전한 런타임
   * Node.js의 창시자인 Ryan Dahl의 새로운 프로젝트로, 현대적인 기능과 내장된 보안 제공
 * Turborepo
   * https://turbo.build/
   * 고성능 JS 모노레포 빌드 시스템
   * 지능형 캐싱과 병렬 실행을 통해 모노레포 관리의 빌드 시간 단축

3. 실시간 및 이벤트 기반 시스템
 * Socket.io
   * https://socket.io/
   * 웹 앱용 양방향 실시간 통신 라이브러리
   * 실시간 기능을 추가할 때 복잡한 통신 문제를 손쉽게 처리
 * Feather.js
   * https://feathersjs.com/
   * 실시간 API 프레임워크
   * REST API와 실시간 업데이트를 모두 지원하는 프레임워크
 * Deepstream.io
   * https://deepstream.io/
   * 확장 가능한 실시간 데이터 동기화 엔진
   * 협업 편집기나 멀티플레이어 게임 구축에 적합
 * Serverless Framework
   * https://www.serverless.com/
   * 클라우드 애그노스틱 서버리스 앱 개발
   * AWS, Azure, Google Cloud 등 다양한 클라우드 환경에서 서버리스 애플리케이션을 배포
 * RabbitMQ
   * https://www.rabbitmq.com/
   * 분산 시스템을 위한 강력한 메시지 브로커
   * 신뢰할 수 있는 메시지 전달을 지원하며 Node.js 애플리케이션에 필수

4. 개발자 경험 및 테스트 도구
 * Vitest
   * https://vitest.dev/
   * Vite 통합 차세대 테스트 프레임워크
   * 빠른 속도로 테스트를 실행하며, 개발 서버의 성능을 테스트 환경에서도 제공
 * Playwright
   * https://playwright.dev/
   * AI 기반 E2E 테스트 생성 도구
   * 믿을 수 있는 QA 엔지니어처럼 작동하며, 앱을 클릭하면 테스트 코드 자동 생성
 * Prettier
   * https://prettier.io/
   * 코드 포맷터
   * 세미콜론이나 줄바꿈과 같은 논쟁을 끝내주는 일관된 코드 포맷터
 * Jest
   * https://jestjs.io/
   * 스냅샷 지원을 갖춘 JavaScript 테스트 프레임워크
   * 단위 테스트부터 스냅샷까지 모두 지원하는 만능 도구
 * Puppeteer
   * https://pptr.dev/
   * 모던 웹 테스트를 위한 헤드리스 Chrome 자동화
   * 크롬 자동화, 웹 스크래핑, PDF 생성 등 다양한 작업 수행

5. 디자인 컴포넌트 및 UI
 * Shadcn-UI
   * https://ui.shadcn.com/
   * 복사-붙여넣기 구현을 지원하는 접근성 컴포넌트 라이브러리
   * 스타일링 제한 없이 컴포넌트를 완전 제어할 수 있는 접근 방식 제공
 * Radix Themes
   * https://www.radix-ui.com/themes/docs/components/theme
   * Radix Primitives를 위한 프로덕션 준비 테마 시스템
   * Radix Primitives의 장점을 테마 시스템에 통합하여 쉽게 활용
 * Daisy UI
   * https://daisyui.com/
   * Tailwind 기반 컴포넌트 라이브러리
   * Tailwind의 클래스를 간소화하여 코드가 더 깔끔하게 유지
 * Vanilla Extract
   * https://vanilla-extract.style/
   * 실행 시간 없는 타입이 적용된 CSS-in-JS 솔루션
   * TypeScript의 강력함과 실행 시간 없이 순수 CSS 제공
 * Ark UI
   * https://ark-ui.com/
   * 프레임워크에 구애받지 않는 헤드리스 UI 컴포넌트
   * React, Vue, Solid에서 일관된 컴포넌트 제공

 * 원문: https://dev.to/composiodev/25-top-open-source-tools-for-building-web-apps-you-cant-afford-to-miss-in-2025-5005

여기 2024년에 가능성을 보여주었고, 2025년에 더욱 빛날 것으로 보이는 25개의 오픈소스 웹앱개발도구를 소개합니다. 보다 상세한 사용법과 내용은 원문을 참고해주시기 바랍니다~^^ 1. AI 및 LLM 도구<ul ><li>Composio<ul ><li>https://composio.dev/</li><li>AI 에이전트 통합 플랫폼</li><li>250개 이상의 애플리케이션을 지원하며, GitHub, Jira, Salesforce, Gmail 등 다수의 SaaS 앱 연결 지원</li></ul></li><li>Vercel AI SDK<ul ><li>https://sdk.vercel.ai/</li><li>TypeScript로 AI 웹 앱 빌드</li><li>React, Next.js, Vue, SvelteKit 등을 지원하며, 반복적인 설정을 단순화하고 대화형 UI 기반 구축 </li></ul></li><li>LangGraph JS<ul ><li>https://www.langchain.com/langgraph</li><li>그래프 기반 에이전트 워크플로우 구축</li><li>상태 머신 개념을 사용하여 복잡한 AI 워크플로우를 그래프 방식으로 쉽게 구축</li></ul></li><li>CopilotKit<ul ><li>https://www.copilotkit.ai/</li><li>웹 앱에 AI 코파일럿 추가, GitHub Copilot과 같은 기능을 앱에 쉽게 추가</li></ul></li><li>LanceDB<ul ><li>https://lancedb.com/</li><li>AI 앱을 위한 고성능 벡터 데이터베이스</li><li>벡터 임베딩을 효율적으로 저장하고 쿼리할 수 있는 SQLite와 유사한 빠른 데이터베이스</li></ul></li></ul> 2. 프레임워크 및 빌드 도구<ul ><li>Encore<ul ><li>https://encore.dev/</li><li>자동화된 인프라가 포함된 백엔드 프레임워크</li><li>클라우드 서비스를 단순화하여 일관된 API와 DevOps 자동화 제공</li></ul></li><li>HTMX<ul ><li>https://htmx.org/</li><li>JavaScript 없이 동적 웹 앱 개발</li><li>HTML만으로도 모던한 웹 앱을 구축</li></ul></li><li>Val Town<ul ><li>https://www.val.town/</li><li>서버리스 JavaScript 실행 플랫폼</li><li>GitHub Gist와 서버리스 함수의 결합처럼 작동하며 JavaScript 코드 공유와 실행 방식 혁신</li></ul></li><li>Deno 2<ul ><li>https://deno.com/</li><li>TypeScript 지원을 내장한 안전한 런타임</li><li>Node.js의 창시자인 Ryan Dahl의 새로운 프로젝트로, 현대적인 기능과 내장된 보안 제공</li></ul></li><li>Turborepo<ul ><li>https://turbo.build/</li><li>고성능 JS 모노레포 빌드 시스템</li><li>지능형 캐싱과 병렬 실행을 통해 모노레포 관리의 빌드 시간 단축</li></ul></li></ul> 3. 실시간 및 이벤트 기반 시스템<ul ><li>Socket.io<ul ><li>https://socket.io/</li><li>웹 앱용 양방향 실시간 통신 라이브러리</li><li>실시간 기능을 추가할 때 복잡한 통신 문제를 손쉽게 처리</li></ul></li><li>Feather.js<ul ><li>https://feathersjs.com/</li><li>실시간 API 프레임워크</li><li>REST API와 실시간 업데이트를 모두 지원하는 프레임워크</li></ul></li><li>Deepstream.io<ul ><li>https://deepstream.io/</li><li>확장 가능한 실시간 데이터 동기화 엔진</li><li>협업 편집기나 멀티플레이어 게임 구축에 적합</li></ul></li><li>Serverless Framework<ul ><li>https://www.serverless.com/</li><li>클라우드 애그노스틱 서버리스 앱 개발</li><li>AWS, Azure, Google Cloud 등 다양한 클라우드 환경에서 서버리스 애플리케이션을 배포</li></ul></li><li>RabbitMQ<ul ><li>https://www.rabbitmq.com/</li><li>분산 시스템을 위한 강력한 메시지 브로커</li><li>신뢰할 수 있는 메시지 전달을 지원하며 Node.js 애플리케이션에 필수</li></ul></li></ul> 4. 개발자 경험 및 테스트 도구<ul ><li>Vitest<ul ><li>https://vitest.dev/</li><li>Vite 통합 차세대 테스트 프레임워크</li><li>빠른 속도로 테스트를 실행하며, 개발 서버의 성능을 테스트 환경에서도 제공</li></ul></li><li>Playwright<ul ><li>https://playwright.dev/</li><li>AI 기반 E2E 테스트 생성 도구</li><li>믿을 수 있는 QA 엔지니어처럼 작동하며, 앱을 클릭하면 테스트 코드 자동 생성</li></ul></li><li>Prettier<ul ><li>https://prettier.io/</li><li>코드 포맷터</li><li>세미콜론이나 줄바꿈과 같은 논쟁을 끝내주는 일관된 코드 포맷터</li></ul></li><li>Jest<ul ><li>https://jestjs.io/</li><li>스냅샷 지원을 갖춘 JavaScript 테스트 프레임워크</li><li>단위 테스트부터 스냅샷까지 모두 지원하는 만능 도구</li></ul></li><li>Puppeteer<ul ><li>https://pptr.dev/</li><li>모던 웹 테스트를 위한 헤드리스 Chrome 자동화</li><li>크롬 자동화, 웹 스크래핑, PDF 생성 등 다양한 작업 수행</li></ul></li></ul> 5. 디자인 컴포넌트 및 UI<ul ><li>Shadcn-UI<ul ><li>https://ui.shadcn.com/</li><li>복사-붙여넣기 구현을 지원하는 접근성 컴포넌트 라이브러리</li><li>스타일링 제한 없이 컴포넌트를 완전 제어할 수 있는 접근 방식 제공</li></ul></li><li>Radix Themes<ul ><li>https://www.radix-ui.com/themes/docs/components/theme</li><li>Radix Primitives를 위한 프로덕션 준비 테마 시스템</li><li>Radix Primitives의 장점을 테마 시스템에 통합하여 쉽게 활용</li></ul></li><li>Daisy UI<ul ><li>https://daisyui.com/</li><li>Tailwind 기반 컴포넌트 라이브러리</li><li>Tailwind의 클래스를 간소화하여 코드가 더 깔끔하게 유지</li></ul></li><li>Vanilla Extract<ul ><li>https://vanilla-extract.style/</li><li>실행 시간 없는 타입이 적용된 CSS-in-JS 솔루션</li><li>TypeScript의 강력함과 실행 시간 없이 순수 CSS 제공</li></ul></li><li>Ark UI<ul ><li>https://ark-ui.com/</li><li>프레임워크에 구애받지 않는 헤드리스 UI 컴포넌트</li><li>React, Vue, Solid에서 일관된 컴포넌트 제공</li></ul></li></ul> <ul ><li>원문: https://dev.to/composiodev/25-top-open-source-tools-for-building-web-apps-you-cant-afford-to-miss-in-2025-5005</li></ul>

[Dev] 2025년에 놓쳐선 안 될 25가지 오픈소스 웹 앱 개발 도구

지난 8월말부터 12월 중순까지 17주간 SJSU(San Jose State University) Applied Data Science 석사과정에서 "Data Warehouse and Pipelines"라는 과목을 가르치며 느낀 점을 복기해보고자 한다.

 * 실리콘밸리내에서 취업률이 높기로 유명한 학교지만 IT 기업의 특히 주니어 채용이 여전히 낮다보니 오피스 아워에 찾아오는 학생들은 대부분 취업은 둘째치고 인턴자리도 없다는 하소연을 했다. 미국 경기가 좋다고 하지만 개발자나 IT쪽은 분명 아니다.
 * 위의 이유는 코딩 관련 AI 기술의 괄목할 만한 발전 때문임을 이제는 부인할 수 없다고 보여진다. 함수 레벨의 코딩은 이제 개인이 직접할 이유는 없어 보인다. 프롬프트를 잘 작성하고 검증 케이스만 만들면 충분한 정도로 코딩봇은 발전했다. 당장은 주니어 개발자들에게 영향을 주겠지만 혼자서 코딩에만 열을 올리는 개발자들에게도 곧 부정적인 영향을 주리라 믿는다. 좋은 평판을 만들고 의사 소통이 가능하며 나만이 아니라 내가 속한 그룹에 좋은 영향력을 가진 사람이 되려 할 필요가 더욱 있다.
 * 그룹 프로젝트, 랩 등 여럿이 공동으로 하는 작업의 경우 peer review를 이번에도 하기는 했지만 다음에는 성실성과 기여도에 따라 배점을 확실히 다르게 바꿔볼 예정이다. 이번에는 모든 팀원들이 가장 낮게 배점을 준 개인에게는 점수를 확실히 낮게 주었는데 다음 학기에는 이를 분명히 공표하고 팀웍을 강조할 예정이다.
 * 매주 나가는 숙제와 4주에 한번씩 본 퀴즈의 경우 배점 비율이 10%씩으로 낮았는데 이를 높이고 중간고사/기말고사/그룹 프로젝트의 비율을 상대적으로 낮출 생각이다.
 * Data Warehouse로 Snowflake를 사용하고 Visualization Tool로 Tableau를 사용하는 것을 제외하고 나머지 실습은 모두 Docker과 Google Colab으로 진행하도록 커리큘럼을 수정할 예정이다.
 * 숙제와 랩의 채점 기준도 이번 한번 하면서 어느 정도 명확해졌고 결국 어떤 조교를 채용하느냐가 가장 중요하다는 점도 깨달았다. 조교 채용을 회사에서 채용하듯이 잘 따져보려고 채용 기준을 만들었다.
 * 학생들과 소통에 대해서도 많이 배웠는데 반복해도 안 듣는 학생들이 있었고 이런 학생들까지 구제해주기 보다는 출석 열심히 하고 잘 따라오는 학생들이 더 유리한 형태로 깜짝 퀴즈등도 고려해볼 생각이다.

한 학기지만 학생들을 가르치며 취업의 어려움과 교육과 현실 사이의 거리를 느끼게 된 것은 큰 깨달음이 아닌가 싶다. AI 시대에 맞는 교육은 어떤 모양일까?

지난 8월말부터 12월 중순까지 17주간 SJSU(San Jose State University) Applied Data Science 석사과정에서 "Data Warehouse and Pipelines"라는 과목을 가르치며 느낀 점을 복기해보고자 한다. <ul ><li>실리콘밸리내에서 취업률이 높기로 유명한 학교지만 IT 기업의 특히 주니어 채용이 여전히 낮다보니 오피스 아워에 찾아오는 학생들은 대부분 취업은 둘째치고 인턴자리도 없다는 하소연을 했다. 미국 경기가 좋다고 하지만 개발자나 IT쪽은 분명 아니다.</li><li>위의 이유는 코딩 관련 AI 기술의 괄목할 만한 발전 때문임을 이제는 부인할 수 없다고 보여진다. 함수 레벨의 코딩은 이제 개인이 직접할 이유는 없어 보인다. 프롬프트를 잘 작성하고 검증 케이스만 만들면 충분한 정도로 코딩봇은 발전했다. 당장은 주니어 개발자들에게 영향을 주겠지만 혼자서 코딩에만 열을 올리는 개발자들에게도 곧 부정적인 영향을 주리라 믿는다. 좋은 평판을 만들고 의사 소통이 가능하며 나만이 아니라 내가 속한 그룹에 좋은 영향력을 가진 사람이 되려 할 필요가 더욱 있다.</li><li>그룹 프로젝트, 랩 등 여럿이 공동으로 하는 작업의 경우 peer review를 이번에도 하기는 했지만 다음에는 성실성과 기여도에 따라 배점을 확실히 다르게 바꿔볼 예정이다. 이번에는 모든 팀원들이 가장 낮게 배점을 준 개인에게는 점수를 확실히 낮게 주었는데 다음 학기에는 이를 분명히 공표하고 팀웍을 강조할 예정이다.</li><li>매주 나가는 숙제와 4주에 한번씩 본 퀴즈의 경우 배점 비율이 10%씩으로 낮았는데 이를 높이고 중간고사/기말고사/그룹 프로젝트의 비율을 상대적으로 낮출 생각이다.</li><li>Data Warehouse로 Snowflake를 사용하고 Visualization Tool로 Tableau를 사용하는 것을 제외하고 나머지 실습은 모두 Docker과 Google Colab으로 진행하도록 커리큘럼을 수정할 예정이다.</li><li>숙제와 랩의 채점 기준도 이번 한번 하면서 어느 정도 명확해졌고 결국 어떤 조교를 채용하느냐가 가장 중요하다는 점도 깨달았다. 조교 채용을 회사에서 채용하듯이 잘 따져보려고 채용 기준을 만들었다.</li><li>학생들과 소통에 대해서도 많이 배웠는데 반복해도 안 듣는 학생들이 있었고 이런 학생들까지 구제해주기 보다는 출석 열심히 하고 잘 따라오는 학생들이 더 유리한 형태로 깜짝 퀴즈등도 고려해볼 생각이다.</li></ul> 한 학기지만 학생들을 가르치며 취업의 어려움과 교육과 현실 사이의 거리를 느끼게 된 것은 큰 깨달음이 아닌가 싶다. AI 시대에 맞는 교육은 어떤 모양일까?

SJSU 강의 회고

매년 이맘때면 연락이 와요. 회사는 어떤지, 하는 일은 마음에 드는지 안부를 묻죠. 헤드헌터예요.

이직 생각이 없더라도 헤드헌터와 알고 지내는 건 제법 괜찮은 선택이에요. '정보의 비대칭성'을 해소할 수 있으니까요.

구체적으론 세 가지 좋은 점이 있었어요.

1. 채용 시장의 분위기를 파악할 수 있어요
2. 서류 전형에 대한 부담이 낮아져요
3. 연봉 계약도 혼자 하는 것보단 유리해져요

여러분이 생각하는 헤드헌터를 알고 지내면 좋은 이유는 무엇인가요? 혹시 단점도 있었나요?

매년 이맘때면 연락이 와요. 회사는 어떤지, 하는 일은 마음에 드는지 안부를 묻죠. 헤드헌터예요. 이직 생각이 없더라도 헤드헌터와 알고 지내는 건 제법 괜찮은 선택이에요. '정보의 비대칭성'을 해소할 수 있으니까요. 구체적으론 세 가지 좋은 점이 있었어요. 1. 채용 시장의 분위기를 파악할 수 있어요2. 서류 전형에 대한 부담이 낮아져요3. 연봉 계약도 혼자 하는 것보단 유리해져요 여러분이 생각하는 헤드헌터를 알고 지내면 좋은 이유는 무엇인가요? 혹시 단점도 있었나요?&nbsp;

헤드헌터와 알고 지내면 좋은 점

저는 멘토링을 할 때 개발뿐만 아니라 문제 정의부터 시작해 기획, 커뮤니케이션, 팀 문화, PPT, 발표 등 사이드 프로젝트를 만드는데 도움을 줄 수 있는 전과정에 관한 피드백을 드립니다.

특히, 개발자분들만 모여 있는 경우 발표와 관련된 부분을 굉장히 어려워하는 것을 많이 봤습니다.
발표 자료 구성, 전달력 있는 말하기 방법, 톤, 말할 때의 습관 등 다양한 부분에 피드백을 드리는 것이 중요하다고 생각합니다.

오늘은 사이드 프로젝트 발표에서 PPT를 어떻게 구성하는지에 대한 피드백을 공유해보겠습니다.
기초적인 내용이 많지만, 실제로 도움을 드렸던 부분을 중심으로 정리해봤습니다.

---
1. 발표는 설득이 목적입니다

- 여러분은 프로젝트의 기능과 목적 등 모든 것을 이미 알고 있지만, 발표를 듣는 분들은 대부분 처음 프로젝트를 접하는 분들입니다.

- 따라서 발표 자료는 매우 친절하게 구성하고, 설득을 목적으로 만들어야 합니다.

- "왜 이 서비스를 만들었지?" "왜 해당 기능을 넣었을까?"와 같은 질문에 충분히 답할 수 있도록 자료를 준비하세요.

- 문제 정의 - 기획 소개 - 기능 소개 - 시연 - 마무리로 이어지는 흐름을 방해받지 않도록 구성하세요.

---
2. '3의 법칙'

- 문제 정의, 특징, 기능 등을 소개할 때 숫자 3을 기억하세요.

- 정보를 제시하거나 설득의 근거를 제시할 때 3개로 구성하면 효과적입니다.

- 1~2개의 경우 부족하다는 느낌을 주고, 4개 이상은 복잡하다는 인상을 줄 수 있습니다.

- 기획 및 컨설팅 업계에서는 숫자 3을 적음의 끝이자 많음의 시작이라고 표현합니다. (출처 - 시선의 발견)

- PPT에서도 숫자 3을 적절히 활용하세요.

---
3. 너무 많은 텍스트를 자료에 넣지 마세요

- 발표 자료는 발표자를 돕는 도구입니다.

- 발표 중 청중의 시선은 발표 자료가 아니라 발표자에게 머물러야 합니다.

- 하지만 PPT를 만드는 입장에서는 최대한 많은 정보를 담고 싶어 하죠.

- 이로 인해 가독성이 떨어지고, 청중이 장문의 텍스트를 읽느라 시선이 분산될 수 있습니다.

- PPT에는 중요하고 수치적인 텍스트만 간결하게 정리하고, 부연 설명은 발표자가 직접 하는 것이 좋습니다.

---
4. 최종 시연은 영상으로 진행하세요

- 시연 방법은 크게 두 가지가 있습니다.
1. 직접 웹이나 앱을 띄워놓고 시연하는 방법
2. 미리 녹화한 영상을 PPT에 삽입해 진행하는 방법

- 저는 필수가 아닌 이상 두 번째 방법을 추천합니다.

- 라이브 시연은 생생함과 어필력을 제공하지만, 시간 조절이 어렵고 실수의 가능성이 있으며, 발표 흐름이 끊길 수 있는 단점이 있습니다.

- 미리 녹화한 영상은 시간 활용이 정확하고 편집이 가능해 청중이 이해하기 쉽습니다.

- 때문에 가능하면 녹화된 시연 영상을 활용하시기를 권장합니다.

저는 멘토링을 할 때 개발뿐만 아니라 문제 정의부터 시작해 기획, 커뮤니케이션, 팀 문화, PPT, 발표 등 사이드 프로젝트를 만드는데 도움을 줄 수 있는 전과정에 관한 피드백을 드립니다. 특히, 개발자분들만 모여 있는 경우 발표와 관련된 부분을 굉장히 어려워하는 것을 많이 봤습니다.발표 자료 구성, 전달력 있는 말하기 방법, 톤, 말할 때의 습관 등 다양한 부분에 피드백을 드리는 것이 중요하다고 생각합니다. 오늘은 사이드 프로젝트 발표에서 PPT를 어떻게 구성하는지에 대한 피드백을 공유해보겠습니다.기초적인 내용이 많지만, 실제로 도움을 드렸던 부분을 중심으로 정리해봤습니다. ---1. 발표는 설득이 목적입니다 - 여러분은 프로젝트의 기능과 목적 등 모든 것을 이미 알고 있지만, 발표를 듣는 분들은 대부분 처음 프로젝트를 접하는 분들입니다. - 따라서 발표 자료는 매우 친절하게 구성하고, 설득을 목적으로 만들어야 합니다. - "왜 이 서비스를 만들었지?" "왜 해당 기능을 넣었을까?"와 같은 질문에 충분히 답할 수 있도록 자료를 준비하세요. - 문제 정의 - 기획 소개 - 기능 소개 - 시연 - 마무리로 이어지는 흐름을 방해받지 않도록 구성하세요. ---2. '3의 법칙' - 문제 정의, 특징, 기능 등을 소개할 때 숫자 3을 기억하세요. - 정보를 제시하거나 설득의 근거를 제시할 때 3개로 구성하면 효과적입니다. - 1~2개의 경우 부족하다는 느낌을 주고, 4개 이상은 복잡하다는 인상을 줄 수 있습니다. - 기획 및 컨설팅 업계에서는 숫자 3을 적음의 끝이자 많음의 시작이라고 표현합니다. (출처 - 시선의 발견) - PPT에서도 숫자 3을 적절히 활용하세요. ---3. 너무 많은 텍스트를 자료에 넣지 마세요 - 발표 자료는 발표자를 돕는 도구입니다. - 발표 중 청중의 시선은 발표 자료가 아니라 발표자에게 머물러야 합니다. - 하지만 PPT를 만드는 입장에서는 최대한 많은 정보를 담고 싶어 하죠. - 이로 인해 가독성이 떨어지고, 청중이 장문의 텍스트를 읽느라 시선이 분산될 수 있습니다. - PPT에는 중요하고 수치적인 텍스트만 간결하게 정리하고, 부연 설명은 발표자가 직접 하는 것이 좋습니다. ---4. 최종 시연은 영상으로 진행하세요 - 시연 방법은 크게 두 가지가 있습니다.1. 직접 웹이나 앱을 띄워놓고 시연하는 방법2. 미리 녹화한 영상을 PPT에 삽입해 진행하는 방법 - 저는 필수가 아닌 이상 두 번째 방법을 추천합니다. - 라이브 시연은 생생함과 어필력을 제공하지만, 시간 조절이 어렵고 실수의 가능성이 있으며, 발표 흐름이 끊길 수 있는 단점이 있습니다. - 미리 녹화한 영상은 시간 활용이 정확하고 편집이 가능해 청중이 이해하기 쉽습니다. - 때문에 가능하면 녹화된 시연 영상을 활용하시기를 권장합니다.

사이드 프로젝트 발표 피드백

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

 - YouTube

최근 프론트엔드 개발에서 API 모킹의 중요성이 점점 커지고 있습니다. 서버 개발이 완료되지 않은 상태에서도 Mock 데이터를 이용해 프론트엔드 개발을 진행하고, 독립적인 테스트를 수행할 수 있기 때문인데요. 이와 관련하여, 개인적으로 우아한형제들이 개발한 MSG(Mock Service GUI)관련 소프트웨어를 관심있게 지켜보고 있습니다.

MSG(Mock Service GUI)란?
MSG는 기존의 모킹 방식처럼 코드를 수정하는 번거로움 없이, 브라우저에 표시되는 UI를 통해 모킹 데이터를 제어할 수 있는 도구입니다. MSW(Mock Service Worker)를 기반으로 개발되었으며, 브라우저 확장 프로그램이 아닌 프로젝트에 디펜던시로 설치해 사용합니다.

MSG의 주요 기능
 * UI 기반 제어: API 모킹 데이터를 코딩하지 않고 UI에서 직접 선택 및 수정할 수 있습니다. 이를 통해 API 응답 데이터를 실시간으로 변경하며 화면 전환 결과를 바로 확인할 수 있습니다.
 * 로컬스토리지 활용: 각자의 브라우저 로컬스토리지에 개인 맞춤형 API 모킹 설정을 저장하고 관리할 수 있습니다. 팀원 간 설정 충돌을 방지하며 작업 효율성을 높입니다.
 * 프로젝트 통합성: MSG는 API 모킹 데이터를 프로젝트 내 여러 API와 쉽게 매핑할 수 있어, 신규 프로젝트 셋업 시에도 빠르고 효과적으로 활용할 수 있습니다.
MSG의 활용 사례
 * 우아한형제들은 MSG를 주문, 결제, 회원 도메인 프로젝트에 적용했으며, 특히 배민클럽 구독 서비스 프로젝트에서는 초기 셋업부터 MSG를 적극적으로 활용해 다량의 모킹 데이터를 효율적으로 관리했습니다.
 * 최신 버전인 MSG 2.0은 기능이 더욱 강화되어, 팀 내 다양한 프로젝트에서 사용 사례가 점차 확대되고 있다고 합니다.

현재 MSG는 오픈소스 전환을 목표로 개발되고 있습니다. 만약 공개된다면, QA, 기획자, 개발자 모두가 실시간으로 데이터를 확인하고 테스트하면서 더욱 원활하고 신속한 협업이 가능해질 것으로 보입니다. 오픈소스로 공개된다면 안쓸 이유가 없어보이고 여러 부서와 팀에 긍정적인 변화를 가져올 것으로 보이는만큼 빨리 공개되었으면 좋겠네요 :)

https://www.youtube.com/watch?v=dDAfG4fe4do
https://techblog.woowahan.com/20154/

최근 프론트엔드 개발에서 API 모킹의 중요성이 점점 커지고 있습니다. 서버 개발이 완료되지 않은 상태에서도 Mock 데이터를 이용해 프론트엔드 개발을 진행하고, 독립적인 테스트를 수행할 수 있기 때문인데요. 이와 관련하여, 개인적으로 우아한형제들이 개발한 MSG(Mock Service GUI)관련 소프트웨어를 관심있게 지켜보고 있습니다. MSG(Mock Service GUI)란?MSG는 기존의 모킹 방식처럼 코드를 수정하는 번거로움 없이, 브라우저에 표시되는 UI를 통해 모킹 데이터를 제어할 수 있는 도구입니다. MSW(Mock Service Worker)를 기반으로 개발되었으며, 브라우저 확장 프로그램이 아닌 프로젝트에 디펜던시로 설치해 사용합니다. MSG의 주요 기능<ul ><li>UI 기반 제어: API 모킹 데이터를 코딩하지 않고 UI에서 직접 선택 및 수정할 수 있습니다. 이를 통해 API 응답 데이터를 실시간으로 변경하며 화면 전환 결과를 바로 확인할 수 있습니다.</li><li>로컬스토리지 활용: 각자의 브라우저 로컬스토리지에 개인 맞춤형 API 모킹 설정을 저장하고 관리할 수 있습니다. 팀원 간 설정 충돌을 방지하며 작업 효율성을 높입니다.</li><li>프로젝트 통합성: MSG는 API 모킹 데이터를 프로젝트 내 여러 API와 쉽게 매핑할 수 있어, 신규 프로젝트 셋업 시에도 빠르고 효과적으로 활용할 수 있습니다.</li></ul>MSG의 활용 사례<ul ><li>우아한형제들은 MSG를 주문, 결제, 회원 도메인 프로젝트에 적용했으며, 특히 배민클럽 구독 서비스 프로젝트에서는 초기 셋업부터 MSG를 적극적으로 활용해 다량의 모킹 데이터를 효율적으로 관리했습니다.</li><li>최신 버전인 MSG 2.0은 기능이 더욱 강화되어, 팀 내 다양한 프로젝트에서 사용 사례가 점차 확대되고 있다고 합니다.</li></ul> 현재 MSG는 오픈소스 전환을 목표로 개발되고 있습니다. 만약 공개된다면, QA, 기획자, 개발자 모두가 실시간으로 데이터를 확인하고 테스트하면서 더욱 원활하고 신속한 협업이 가능해질 것으로 보입니다. 오픈소스로 공개된다면 안쓸 이유가 없어보이고 여러 부서와 팀에 긍정적인 변화를 가져올 것으로 보이는만큼 빨리 공개되었으면 좋겠네요 :) https://www.youtube.com/watch?v=dDAfG4fe4dohttps://techblog.woowahan.com/20154/

www.youtube.com

API 모킹 환경의 진화, MSG(Mock Service GUI)

[Dev] 2025년에 놓쳐선 안 될 25가지 오픈소스 웹 앱 개

우아콘에 나온 데이터분석 챗봇 '물어보새!'
이거 보고 저도 만들고 있어요!
(재밌는데 AI 엔지니어로 전향을...)

연휴에 널널한데 재밌게 좋네요 :) 다들 업무에 적용해보세요!

https://youtu.be/_QPhoKItI2k?si=X7-bDz4IGqJx0NDc

우아콘에 나온 데이터분석 챗봇 '물어보새!'이거 보고 저도 만들고 있어요!(재밌는데 AI 엔지니어로 전향을...) 연휴에 널널한데 재밌게 좋네요 :) 다들 업무에 적용해보세요! https://youtu.be/_QPhoKItI2k?si=X7-bDz4IGqJx0NDc

youtu.be

랭체인+RAG으로 text to SQL 만들기

React 19가 얼마 전 정식 버전으로 출시되었는데요, 혹시 React 19 업그레이드를 고려하고 계신가요? 공식 문서의 업그레이드 가이드를 한글로 번역해두었으니 참고하시면 도움이 될 것 같습니다 😊

[번역] 리액트 19 업그레이드 가이드

오늘은 라인플러스의 김은빈님이 번역해주신 글입니다.

리액트 19가 정식 버전으로 출시되면서 많은 변화와 개선사항들이 있었습니다. 특히 메이저 업데이트인 만큼 호환성이 깨지는 변경사항들이 있어 업그레이드 시 주의가 필요한데요.

이 가이드에서는 설치부터 시작해 코드 자동 변환(Codemods), 호환성 이슈, 지원 중단되는 기능들까지 상세히 다루고 있습니다. 특히 실제 마이그레이션 과정에서 발생할 수 있는 이슈들과 해결 방법에 대해 자세히 설명하고 있으니, 리액트 19 업그레이드를 계획하고 계신 분들에게 꼭 필요한 내용이 될 것 같습니다.

업그레이드 과정에서 어려움을 겪지 않도록, 목차에 있는 내용들을 차근차근 살펴보시는 것을 추천드립니다! 😊

글 링크: https://velog.io/@eunbinn/react-19-upgrade-guide

오늘은 라인플러스의 김은빈님이 번역해주신 글입니다. 리액트 19가 정식 버전으로 출시되면서 많은 변화와 개선사항들이 있었습니다. 특히 메이저 업데이트인 만큼 호환성이 깨지는 변경사항들이 있어 업그레이드 시 주의가 필요한데요. 이 가이드에서는 설치부터 시작해 코드 자동 변환(Codemods), 호환성 이슈, 지원 중단되는 기능들까지 상세히 다루고 있습니다. 특히 실제 마이그레이션 과정에서 발생할 수 있는 이슈들과 해결 방법에 대해 자세히 설명하고 있으니, 리액트 19 업그레이드를 계획하고 계신 분들에게 꼭 필요한 내용이 될 것 같습니다. 업그레이드 과정에서 어려움을 겪지 않도록, 목차에 있는 내용들을 차근차근 살펴보시는 것을 추천드립니다! 😊 글 링크: https://velog.io/@eunbinn/react-19-upgrade-guide

velog.io

리액트 19 업그레이드 가이드

내 커리어 30년을 돌이켜보면 초반에 많이 했던 실수 중의 하나가 내가 있는 현재 환경에 대한 부정적인 시각을 갖고 있었던 것이었다. 좋은 점은 눈에 안 들어오고 나쁜 점만 부각되는 형태였는데 그러면서 왠지 다른 회사나 경쟁사는 우리보다 훨씬 더 완벽한 환경이란 착각을 하는 모양새였다.

큰 기대를 가지고 다른 환경에 가서 일하면서 여기는 여기대로 또 다른 문제점들이 존재한다는 것을 깨닫는데 오랜 시간이 걸리지는 않았다. 중요한 포인트는 안 좋은 점 하나에 꽂혀 버리는 것이 아니라 균형 잡힌 시각을 갖는 것이다.

 1. 긍정적인 부분의 합이 부정적인 부분의 합보다 크다면 괜찮은 환경이다. 여기서 합을 할 때 중요한 포인트는 가중치를 분명하게 주어야 한다는 점이다. 사람이 좋은 곳인지 특히 내 상사가 좋은 사람인지 여부에는 높은 가중치를 주어야 한다. 회사의 비전과 미션이 내 개인적인 관심사와 일치하는지도 중요한 포인트다.
 2. 다른 환경은 완벽할 것이라는 기대는 충족될 수 없는 기대다. 다른 환경으로 이동할 때 기대 수준 관리를 할 필요가 있다. 기대가 크면 실망도 크다.

완벽한 환경은 존재하지 않지만, 균형 잡힌 시각을 바탕으로 긍정적인 부분의 합이 부정적인 부분의 합보다 큰지를 바라봄으로써 계속 있는 것이 맞는지 아니면 다른 환경을 찾아가는 것이 맞는지 결정할 수 있었다. 그리고 어디에 있건 언젠가는 떠나겠지만 현재에 최선을 다하는 모습을 보이는 것은 중요하다. 이게 평판에 영향을 끼치며 좋은 평판 없이 커리어 후반기 이직은 쉽지 않다.

내 커리어 30년을 돌이켜보면 초반에 많이 했던 실수 중의 하나가 내가 있는 현재 환경에 대한 부정적인 시각을 갖고 있었던 것이었다. 좋은 점은 눈에 안 들어오고 나쁜 점만 부각되는 형태였는데 그러면서 왠지 다른 회사나 경쟁사는 우리보다 훨씬 더 완벽한 환경이란 착각을 하는 모양새였다. 큰 기대를 가지고 다른 환경에 가서 일하면서 여기는 여기대로 또 다른 문제점들이 존재한다는 것을 깨닫는데 오랜 시간이 걸리지는 않았다. 중요한 포인트는 안 좋은 점 하나에 꽂혀 버리는 것이 아니라 균형 잡힌 시각을 갖는 것이다. <ol ><li>긍정적인 부분의 합이 부정적인 부분의 합보다 크다면 괜찮은 환경이다. 여기서 합을 할 때 중요한 포인트는 가중치를 분명하게 주어야 한다는 점이다. 사람이 좋은 곳인지 특히 내 상사가 좋은 사람인지 여부에는 높은 가중치를 주어야 한다. 회사의 비전과 미션이 내 개인적인 관심사와 일치하는지도 중요한 포인트다.</li><li>다른 환경은 완벽할 것이라는 기대는 충족될 수 없는 기대다. 다른 환경으로 이동할 때 기대 수준 관리를 할 필요가 있다. 기대가 크면 실망도 크다.</li></ol> 완벽한 환경은 존재하지 않지만, 균형 잡힌 시각을 바탕으로 긍정적인 부분의 합이 부정적인 부분의 합보다 큰지를 바라봄으로써 계속 있는 것이 맞는지 아니면 다른 환경을 찾아가는 것이 맞는지 결정할 수 있었다. 그리고 어디에 있건 언젠가는 떠나겠지만 현재에 최선을 다하는 모습을 보이는 것은 중요하다. 이게 평판에 영향을 끼치며 좋은 평판 없이 커리어 후반기 이직은 쉽지 않다.

모든 일에는 명암이 있다

A few points that I want to mention after working in Coupang for 6 months as a Recommender system software engineer

Review - 6 Months in Coupang

쿠팡에서 추천 시스템 백엔드 엔지니어로 조인한지 6개월 차가 되었습니다.
다음 분기를, 내년을 준비하고자 지난 기간을 되돌아봅니다.

문화
자신의 상황에 따라 많이 차이가 있을 수 있으나, 제가 경험하고 느낀 바는 아래와 같습니다.

 * 사용자 문제에 기반
대부분의 주요 프로젝트는 사용자 문제에 기반하여 주도됩니다. 여러 데이터를 참조하여 문제를 정의하고, 해결하고자 하는 바를 기술하며, 성공과 실패(롤백)은 어떤 기준일지를 작성한 1-pager를 통해 변경 프로젝트가 시작되고 팀이 구성됩니다.

 * 실험 주도
문제 정의부터 성공과 실패의 정의 및 판단까지 모든 것은 데이터와 A/B 테스트를 기반으로 진행됩니다. 고도화되어 구현에 큰 비용이 발생하지 않는 A/B 테스트 플랫폼과 프로세스는 중요 핵심 자산으로 보이며, 그렇기에 모든 변경은 검증되어 개선이 인정될 때만 반영되고 그렇지 않다면 폐기됩니다.
(관련해 좋은 책, Ron Kohavi의 Trustworthy Online Controlled Experiments)

 * 문제를 소유하지, 도메인을 점유하지 않음
주로는 도메인 오너가 도메인에 대한 변경을 진행하게 되지만, 리소스가 없다면 도메인 오너의 가이드 하에 특정 문제를 해결하기 위해 도메인 오너가 아닌 컨트리뷰터가 기여하기도 합니다. 물론, 특정 도메인 서비스에 대한 운영, oncall 등은 도메인 오너가 진행합니다.

하지만, 어떤 문제를 어떤 구성원이 P0로 해결하는 중이라면 그 문제를 위한 변경은 도메인에 구애받지 않고 '급한 구성원'이 해결할 수 있는 기회가 비교적 열려 있습니다.

Self AAR (Review)
추천 시스템은 다른 백엔드 시스템과는 조금 다르게 내부적으로 헤비한 데이터(Data-Intensive) 처리가 존재하고, 그 데이터 처리에 기반한 모델을 서빙한다는 특징이 있습니다. 유사한 도메인으로는 검색, ML 서빙 플랫폼와 같은 것들이 생각되는데요.

그렇기에 엔지니어로 관여하는 부분은 모델링, 파이프라이닝, 서빙, 그리고 기본적인 운영과 같은 4가지로 구분할 수 있습니다.

저는 지난 160일간 대략적으로 파이프라이닝, 서빙, 그리고 운영에 관여하였습니다.

 * 파이프라이닝
특정 유저에 대해 특정 추천상품이라는 후보군들을 뽑아내기 위해 Offline으로 준비되는 데이터에 해당됩니다. Java, Scala, Python 등에 기반한 Spark으로 되어 있어, 일부 데이터를 추가하는 작업을 진행하였습니다.

 * 서빙
실시간으로 추천 위젯과 위젯의 상품 리스트를 응답하는 서비스입니다. 주로 다양한 업스트림을 Aggregate하는 패턴으로 다양한 아규먼트를 받을 수 잇는 GRPC 엔드포인트를 제공합니다.

 * 운영
모델링, 파이프라이닝, 서빙에 대한 유지와 모니터링이 해당됩니다. Spark 버젼을 마이그레이션하거나, AWS LB와 내부 클러스터 설정 구조를 변경하거나, CICD에 사용되는 서비스를 전사 정책에 따라 마이그레이션 하는 등의 작업을 진행합니다.

특징적으로는 Oncall이 일주일씩 로테이션이 되기에, Grafana alert에 따라 전화가 오면 핸들링하는 Oncall 프로세스를 진행하기도 합니다.

(원본: https://kadensungbincho.com/blog/backend/review-6-months-in-coupang)

쿠팡에서 추천 시스템 백엔드 엔지니어로 조인한지 6개월 차가 되었습니다. 다음 분기를, 내년을 준비하고자 지난 기간을 되돌아봅니다. 문화자신의 상황에 따라 많이 차이가 있을 수 있으나, 제가 경험하고 느낀 바는 아래와 같습니다. <ul ><li>사용자 문제에 기반</li></ul>대부분의 주요 프로젝트는 사용자 문제에 기반하여 주도됩니다. 여러 데이터를 참조하여 문제를 정의하고, 해결하고자 하는 바를 기술하며, 성공과 실패(롤백)은 어떤 기준일지를 작성한 1-pager를 통해 변경 프로젝트가 시작되고 팀이 구성됩니다. <ul ><li>실험 주도</li></ul>문제 정의부터 성공과 실패의 정의 및 판단까지 모든 것은 데이터와 A/B 테스트를 기반으로 진행됩니다. 고도화되어 구현에 큰 비용이 발생하지 않는 A/B 테스트 플랫폼과 프로세스는 중요 핵심 자산으로 보이며, 그렇기에 모든 변경은 검증되어 개선이 인정될 때만 반영되고 그렇지 않다면 폐기됩니다. (관련해 좋은 책, Ron Kohavi의 Trustworthy Online Controlled Experiments) <ul ><li>문제를 소유하지, 도메인을 점유하지 않음</li></ul>주로는 도메인 오너가 도메인에 대한 변경을 진행하게 되지만, 리소스가 없다면 도메인 오너의 가이드 하에 특정 문제를 해결하기 위해 도메인 오너가 아닌 컨트리뷰터가 기여하기도 합니다. 물론, 특정 도메인 서비스에 대한 운영, oncall 등은 도메인 오너가 진행합니다. 하지만, 어떤 문제를 어떤 구성원이 P0로 해결하는 중이라면 그 문제를 위한 변경은 도메인에 구애받지 않고 '급한 구성원'이 해결할 수 있는 기회가 비교적 열려 있습니다. Self AAR (Review)추천 시스템은 다른 백엔드 시스템과는 조금 다르게 내부적으로 헤비한 데이터(Data-Intensive) 처리가 존재하고, 그 데이터 처리에 기반한 모델을 서빙한다는 특징이 있습니다. 유사한 도메인으로는 검색, ML 서빙 플랫폼와 같은 것들이 생각되는데요. 그렇기에 엔지니어로 관여하는 부분은 모델링, 파이프라이닝, 서빙, 그리고 기본적인 운영과 같은 4가지로 구분할 수 있습니다. 저는 지난 160일간 대략적으로 파이프라이닝, 서빙, 그리고 운영에 관여하였습니다. <ul ><li>파이프라이닝</li></ul>특정 유저에 대해 특정 추천상품이라는 후보군들을 뽑아내기 위해 Offline으로 준비되는 데이터에 해당됩니다. Java, Scala, Python 등에 기반한 Spark으로 되어 있어, 일부 데이터를 추가하는 작업을 진행하였습니다. <ul ><li> 서빙</li></ul>실시간으로 추천 위젯과 위젯의 상품 리스트를 응답하는 서비스입니다. 주로 다양한 업스트림을 Aggregate하는 패턴으로 다양한 아규먼트를 받을 수 잇는 GRPC 엔드포인트를 제공합니다. <ul ><li>운영</li></ul>모델링, 파이프라이닝, 서빙에 대한 유지와 모니터링이 해당됩니다. Spark 버젼을 마이그레이션하거나, AWS LB와 내부 클러스터 설정 구조를 변경하거나, CICD에 사용되는 서비스를 전사 정책에 따라 마이그레이션 하는 등의 작업을 진행합니다. 특징적으로는 Oncall이 일주일씩 로테이션이 되기에, Grafana alert에 따라 전화가 오면 핸들링하는 Oncall 프로세스를 진행하기도 합니다. (원본: https://kadensungbincho.com/blog/backend/review-6-months-in-coupang)

Kaden Sungbin Cho

쿠팡에서의 6개월 회고

남이 짠 코드를 읽는 건 재미없는 일입니다. 가끔 잘 짜인 코드를 볼 때면 기분이 좋았지만… 그런 일이 많지는 않았습니다. 잘 짠 코드라 하더라도 코드 타래를 끝도 없이 따라가며 의도를 파악하기까지의 순간은 고통 그 자체였습니다. 내가 코딩할 때나 재미를 느끼는 것입니다.

코드를 짜는 재미

남이 짠 코드를 읽는 건 재미없는 일입니다.
가끔 잘 짜인 코드를 볼 때면 기분이 좋았지만… 그런 일이 많지는 않았습니다.
잘 짠 코드라 하더라도 코드 타래를 끝도 없이 따라가며 의도를 파악하기까지의 순간은 고통 그 자체였습니다.
내가 코딩할 때나 재미를 느끼는 것입니다.

남의 코드를 많이 읽어야 실력이 빨리 향상된다고 합니다. 동의합니다.
저도 공부를 위해 가끔 오픈 소스 코드를 다운로드해서 읽어 보려 시도했지만…
번번이 포기했습니다. 너무 어렵고 재미없고 고통스러워서.
20년 동안 코딩을 했지만 실력이 이 모양인 건 남의 코드를 많이 안 읽어서 아닐까?

요즘 다시 남의 코드를 읽고 있습니다.
다 Cursor 덕분입니다.
Cursor에게 부탁하고 Accept를 누르다 보면 코드를 하나도 모른 채 프로그램이 동작하게 됩니다.
분명 내 프로젝트인데 어떤 파일에 어떤 코드들이 있는 건지 나도 모르겠어.

할 수 없이 잠시 멈추고 꾸역꾸역 코드를 읽습니다.
남이 짠 코드. 역시나 재미없고 스트레스를 받습니다.
그래도 읽어 나갈 수밖에 없습니다. 내 프로젝트니까.

이렇게라도 남의 코드를 읽으며 배울 수 있으니 좋은 거 아닐까?
그런 생각이 들면서도 이게 뭐 하는 짓인가 현타가 오는 건 어쩔 수 없습니다. 코딩을 하는 재미를 빼앗기고 있는 것 같습니다.

바둑을 두던 사람들도 이런 기분이었을까요?

https://jeho.page/essay/2024/12/23/writing-code.html

남이 짠 코드를 읽는 건 재미없는 일입니다. 가끔 잘 짜인 코드를 볼 때면 기분이 좋았지만… 그런 일이 많지는 않았습니다. 잘 짠 코드라 하더라도 코드 타래를 끝도 없이 따라가며 의도를 파악하기까지의 순간은 고통 그 자체였습니다. 내가 코딩할 때나 재미를 느끼는 것입니다. 남의 코드를 많이 읽어야 실력이 빨리 향상된다고 합니다. 동의합니다. 저도 공부를 위해 가끔 오픈 소스 코드를 다운로드해서 읽어 보려 시도했지만… 번번이 포기했습니다. 너무 어렵고 재미없고 고통스러워서. 20년 동안 코딩을 했지만 실력이 이 모양인 건 남의 코드를 많이 안 읽어서 아닐까? 요즘 다시 남의 코드를 읽고 있습니다. 다 Cursor 덕분입니다. Cursor에게 부탁하고 Accept를 누르다 보면 코드를 하나도 모른 채 프로그램이 동작하게 됩니다. 분명 내 프로젝트인데 어떤 파일에 어떤 코드들이 있는 건지 나도 모르겠어. 할 수 없이 잠시 멈추고 꾸역꾸역 코드를 읽습니다. 남이 짠 코드. 역시나 재미없고 스트레스를 받습니다. 그래도 읽어 나갈 수밖에 없습니다. 내 프로젝트니까. 이렇게라도 남의 코드를 읽으며 배울 수 있으니 좋은 거 아닐까? 그런 생각이 들면서도 이게 뭐 하는 짓인가 현타가 오는 건 어쩔 수 없습니다. 코딩을 하는 재미를 빼앗기고 있는 것 같습니다. 바둑을 두던 사람들도 이런 기분이었을까요? https://jeho.page/essay/2024/12/23/writing-code.html

K리그 프로그래머

군대에서, 아마 내가 상병 정도였을 때가 아닐까 싶다. 당시, 선임들의 주도로 소대 문화를 바꾸어 나가고 있었다. 예를 들어, 이등병도 점심시간에 누워서 잘 수 있게 하고, 책을 보거나 매점을 가는 것도 자유롭게 하도록 했다. 지금은 당연해 보일지 모르겠지만, 20년 전의 군대에서는 나름 파격적인 시도였다. 그러던 어느 날, 선임들 사이에서 '청소 평등화'

좋은 환경

좋은 환경은 좋은 말보다 사람을 더 잘 움직인다.
#리더십 #조직관리 #환경

https://brunch.co.kr/@drunkensky/566

좋은 환경은 좋은 말보다 사람을 더 잘 움직인다.#리더십 #조직관리 #환경 https://brunch.co.kr/@drunkensky/566

LG 유플러스 프론트엔드 개발자

윤재원

#개발자 #프론트엔드 #vue개발자

GreenNarae

프로그래머

여러 캐주얼 게임, 웹보드 게임 개발 및 유지보수

프로그래밍 팀장

일본 서비스 유지보수 by 프로그래밍 팀장
2.5D 캐주얼 게임 개발 및 서비스 by 프로그래밍 팀장
3D 엔진 API 개발 by 프로그래밍 팀장
타회사 게임 분석 by 게임분석팀 팀원
퍼즐버블 온라인 프로젝트 관리 by PM

프로젝트 매니저, 프로그래밍 팀장

'고로캣' 개발 및 런칭
여성 플레이어를 위한 고양이 수집 소셜 네트워크 게임

프로듀서

글로벌 소셜 카지노 게임 개발 및 서비스
Seastar Casino(글로벌)
피망 슬롯: 카지노 로얄(한국)
Slots Island(북미)

제작실장(PD)

python

글쓰기

논리적 사고

데이터 분석

리더십

문제 정의하기

커뮤니케이션

프로젝트 매니징

AI 개발자

전기공학부 학사

게임 프로그래머로 시작해서, 게임 분석가, 프로젝트 매니저, 프로젝트 리더를 거쳐 지금은 게임에 AI를 적용하는 연구를 하고 있는 직장인 20년차입니다. 글 쓰는 것을 좋아해서 브런치에서 '취한하늘'이라는 이름으로 작가 활동을 하고 있습니다.

이재호

브런치북, '호모 라보란스를 위한 에세이'

브런치

직장 생활을 하면서 생각할만한 것들에 대한 짧은 글들

브런치북, '직장인을 위한 에세이'

브런치북, '시작하는 리더들을 위해'

링크드인 프로필

저서 '일 잘하는 팀장'

브런치북, '좋은 프로젝트를 만들어 봅시다'

책 <일 잘하는 팀장>을 집필하였습니다. 게임 프로그래머, 게임 분석가, 프로젝트 매니저, 프로젝트 리더를 거쳐 지금은 게임 AI 연구를 하고 있는 직장인 23년차입니다. 글 쓰는 것을 좋아해서 브런치에서 '취한하늘'이라는 이름으로 작가 활동을 하고 있습니다.

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필