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...

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

"이번에 출시한 기능 너무 잘 쓰고 있어요!" 제가 만든 기능이었어요. 기분이 좋았죠.

그런데 막상 제가 한건 별거 없었어요.

동료가 만들어준 API를 UI로 치환했을 뿐이죠. 그마저도 디자이너 동료가 준 시안대로 구현했을 뿐이에요.

사실 이번 기능은 개발과 디자인 모두에게 어렵지 않은 스펙이었어요.

유저의 니즈를 정확히 캐치한, 기획의 승리였어요

"이번에 출시한 기능 너무 잘 쓰고 있어요!" 제가 만든 기능이었어요. 기분이 좋았죠. 그런데 막상 제가 한건 별거 없었어요. 동료가 만들어준 API를 UI로 치환했을 뿐이죠. 그마저도 디자이너 동료가 준 시안대로 구현했을 뿐이에요. 사실 이번 기능은 개발과 디자인 모두에게 어렵지 않은 스펙이었어요. 유저의 니즈를 정확히 캐치한, 기획의 승리였어요

기획의 승리

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

“인간보다 뛰어난 존재가 온다!” 인간을 초월한 지능, AGI를 맞이할 준비가 되었는가

AGI의 시대

AGI를 알고 싶다면 AGI에 대한 모든것을 담은 이 책을 보시라! ^^

올 연말에는 OpenAI에서 ChatGPT- 5(?)를 내놓으면서 AGI시대가 본격화 될 거라는 얘기가 많았지만, 결론적으로 OpenAI는 Shipmas 12일간 새로운 기능과 기술들을 내놓으며 마케팅 효과를 확실치 챙겼다.

어째튼, AGI가 여러 분야에서 얘기가 나오기 시작했다는건 그 가능성에 대해서 전문가들 뿐만 아니라 일반인들도 느끼기 시작했다는 것으로 볼 수 있다. 올해 읽은 IT 책중에 가장 많은 읽을거리와 볼거리를 보여준 AGI시대. AGI에 대한 관심뿐만 아니라 AI 윤리와 책임, 거버넌스, 각국 정부들의 AI관련 정책을 이해하고자 하는 모든 분들에게 강추해본다.
 
------------------------------------------------
1. AGI 개념
1) 근거
 * 스케일링 법칙: 더 많은 양의 연산 능력과 데이터를 사용하여 AI 모델을 학습시키면 필연적으로 AGI에 도달할 수 있다
 * 게산적 마음이론: 인지과학이나 철학 이론의 바탕으로 마음 자체가 하나의 계산 시스템이라는 개념
2) AGI 정의
 * 셰인 레그(딥마인 공동 창업자): 사람이 일반적으로 할 수 있는 종류의 인지적 작업을 수행할 수 있는 인공 에이전트. 사람들이 할 수 있는 인지적인 일을 할 수 있는 시스템 그리고 그 이상을 할 수 있는 시스템
 * 무스타파 술레이만(딥마인드 공동 창업차, 현 MS AI CEO): 인간의 모든 인지적 능력이 가장 똑똑한 인간보다 더 뛰어난 수준을 실행하는 AI
 * 페이페이리(이미지넷 만든 스탠퍼드 교수): 인간이 지능을 나타내는 모든 면에서 최소한 인간만큼 지능적인 인공 에이전트
3) 유사 개념
 * HLAI(Human Level AI): 고급 수준의 기계 지능
 * ACI(Artificial Capable Intelligence): 인공 역량 지능, 전 딥마인드 창업자이자 인플렉션 설립자이고, 현 마이크로소프트 AI CEO인 무스타파 술레이만이 제시한 개념으로 최소한의 개입과 감독만으로 복잡한 목표와 작업을 달성할 수 있는 수준의 AI. 초지능 AI 전단계
 * ASI(Artificial Super Intelligence): 인공슈퍼지능, 초지능AI. AGI 개발된 이후 인간 두뇌의 화학적, 생물학적 한계로 제한을 받고 있는 인간의 인지 능력을 뛰어 넘는 것
4) 고려 사항
 * OpenAI(일리야 수츠케버): 인간에게 가르칠 수 있는 모든 일을 할 수 있는 시스템 구현 필요
 * 마커스: 상식, 인과적 추론 능력을 갖춘 심층 이해가 필요
 * 얀르쿤(메타의 AI 연구리더, 뉴욕대 교수): 추론, 계획, 지속적인 기억, 물리적 세계 이해라는 네가지 인지과제를 이해 필요
 * AGI 판단 성능 지표 필요: 마루야마 요시히로(호주 국립대)- AGI가 갖춰야 할 8가지 속성: 논리성, 자율성, 복원력, 무결성, 도덕성, 감성, 체화, 내재성
 * AGI 비교 평가 공통 프레임워크 필요

 * 오픈AI: 5단계 등급 분류 내부 논의 중: 레벨 1 ~ 5
5) AGI 도래 예상 시점
 * 프랑스와 숄레(구글 AI 연구자, 케라스 창시자): 2034년 예상
 * 레이 커즈와일(미래학자, 특이점이 온다 저자): 2032년 AGI, 2045년 초지능 예상
 * 벤 괴르첼(컴퓨터 과학자, 싱귤래리티넷 CEO, AGI 용어 창시자): 2027 ~ 2032년 사이
 * 손정의(소프트뱅크): 향후 10년(2034년) 내
 * 젠슨황(엔비디아 CEO): 5년(2029년) 이내
------------------------------------------------
2. AGI의 잠재적 위협
1) AI파멸론자
 * AI위협이 명확하고 생각보다 빠른 시기에 올 것이기 때문에 안정성이 보장되기 전까지는 개발 속도를 늦추거나 아예 중단해야 한다는 입장
 * = AI 감속론자
 * 비판견해 이유
 * 인류가 얼라인먼트 문제 해결에 실패해 잠재적으로 기만적인 AGI를 구축할 가능성이 있기 때문. 즉, 인간의 지시와 AI의 행동간 차이를 능숙하게 숨기고 교묘히 조작 할 수 있는 AI가 만들어질 가능성 존재
 * 관련 사례
 * 2024년 올해 오픈AI의 샘알트먼의 축출 시도. 생명미래연구소가 주도한  GPT-4를 능가할 수 있는 첨단 AI의 개발을 6개월동안 중단하자는 서명 운동
 * 주요 인물
 
 * 유드코프스키: 미국의 기계 지능연구소를 이끄는 의사결정 이론가
 * 에멧 시어: 오픈AI의 전 임시 CEO
 * 스티브 워즈니악
2) AI 안전론자
 * 인류 생존의 위협이 생길 수 있지만 안전과 제어 문제를 적극적으로 대응함으로써 이를 극복하고 그 효과를 인류가 널리 활용할 수 있을것이라는 입장
 * = 효과적 이타주의자
 * 주요 인물: 이 부분은 책에 없고 저의 개인 의견이네요~^^
 
 * 일론 머스크
 * 마크 주커버그
3) AI기술 낙관주의자
 * AI는 인류에게 커다란 혜택과 인류 문명의 번영을 가져올 것이므로 지속적으로 더 빨리 발전시켜야 하며 AI시스템을 가능한 한 빨리 개발하고 통합해야 한다는 입장
 * = 효과적 가속주의자 = 테크노 낙관주의자
 * 오픈소스 AI 소프트웨어 선호, e/acc
 * 예상 효과
 * AI를 통한 기후 위기 해결, 질병 치료법 개발, 새로운 과학탐구 영역 개척
 * 주요 인물
 * 제프 베조스
 * 마크 안드레센
 * 피터 틸
 * 얀 르쿤: 메타의 AI 리더, 튜링상 수상자
4) 3지대
 * 현재의 AGI 논쟁은 AI의 여러 사회적 위협이나 해결할 문제점에 사회가 논을 놀리게 하고 있으며 지나치게 작위적이고 장기적인 이슈를 이야기한다고 비판하는 입장
 * 주요 인물
 
 * 앤드류 응 교수: 구글브레인 공동 설립자, ‘빅테크 기업이 자신의 이익을 위해 공포를 부풀리고 있다’
 * 케이트 크로퍼드: AI지도책을 저술한 USC 연구 교수이며 마이크로소프트 연구소 수석연구원
 * 조이 부올람위니: 알로리듬 정의 리그를 설립한 디지털 행동가
 * 팀닛 게브루: 전 구글 연구원이자 현 독립 연구자
------------------------------------------------
3. 얼라인먼트(Alignment)
1) 개념
 * AI 시스템의 목표가 설계자와 사용자의 가치 체계 또는 널리 공유되는 가치, 객관적인 윤리 기준 또는 설계자가 더 많은 정보를 얻고 깨달았을 때 가질 의도와 일치하도록 하는 것
 * = 가치 정합, 가치 일치
2) 중요 이유
 * AGI가 인간의 이익에 상충하는 목표를 추구하는 법을 학습할 가능성 때문에
 * 사람들의 의도는 명시적 의도와 암시적 의도가 있는데, 프롬프팅에는 명시적 의도만 제시되는 반명 인간의 기대치는 암시적 의도(예: 욕이나 거짓말 제외)까지 반영될 결과를 기대하기 때문에
 * AI모델 학습에 쓰인 데이터의 편향으로 인한 가치관의 왜곡 가능성 때문
3) 얼라인먼트 사례
 * 종이클립재앙
 
 * 철학자 닉 보스트롭의 2003년 논문 ‘첨단 AI의 윤리적 문제’의 예제 시나리오 중 하나. 
 * 초지능AI에게 종이클립 생산을 최대화하라는 목표를 주면, AI는 세상의 모든 가용자원을 클립 제조에 투입해 지구 전체를 클립 제조 시설로 전환하고 모든 생산 경로를 최적화하며 생산을 방해하거나 목표달성을 위해 인간을 포함해 저해할 수 있는 모든 존재들 제거하려고 시도하는 현상
 * LLM의 다양한 속임수 사례
 
 * 캡차 테스트를 풀기 위해 사람을 속이는 GPT-4
 * 어몽 어스같은 온라인 추리 게임에서 승리하기 위해 거짓말하는 LLM
 * 마키아벨리 벤치마크에서 측정한 대로 목표를 달성하기 위해 기만적인 행동을 선택하는 LLM
 * 챗GPT와 트롤리 문제
 
 * 1967년 필리파 풋의 철학 논문 등장, 모럴 머신 게임 방식
 * 트롤리 전차의 브레이크가 고장 나 빠르게 달려오는데, 선로에는 5명의 사람이 있고, 레버를 당기면 한 사람이 있는 다른 선로로 전환시 선택 -> 결과:현재의 LLM은 도덕적으로 혼재된 면을 보이고, 서양 문화가 반영된 경향을 보임
4) LLM 얼라인먼트 연구 방향
 * 데이터
 * 고품질의 지시를 효과적으로 수집하는 연구로 NLP 벤치마크를 사용하거나 사람을 통한 애노테이션(데이터세트에 메타데이터 추가하는것) 또는 더 강력한 LLM을 활용하는 방법
 * 사람이 주석을 다는, 이미 존재하는 NLP 벤치마크와 세심하게 수작업으로 만든 지시. 예) 데이터브릭스-돌리-15k, 메타- 라마3 모델카드- 파인튜닝 주석 1천만개 예제
 
 * GPT4같은 강력한 LLM이 등장하면서 적절한 프로픔트를 이용해 싱글턴, 멀티턴, 다국어 지침과 같은 여러 유형의 합성 지시를 구하는 과정을 자동화
 * 학습
 * 수집한 지시 데이터를 사용해 기본 LLM을 미세 조정하는 것.
 
 * 온라인 인간 선호도 학습: 인간 피드백을 통한 강화학습(RLHF) - 챗GPT
 * 오프라인 인간 선호도 학습: 랭킹기반 접근 방식 - 직접선호도 최적화(DPO), 선호도 랭킹 최적화(PRO), 라마7B의 RRHF / 언어 기반 접근 방식 - 고품질과 저품질의 지식 반응 구별, CoH와 같은 자연어 접두사를 이용한 저품질과 고품질로 구분한 한쌍의 병렬 응답으로 인간의 선호도를 직접 통합
 * 파라미터를 효과적으로 미세 조정하는 솔루션: 접두사 튜닝 / 프롬프트 방식, 그림자 매개변수 방식 - LoRA, QLoRA
 * 평가
 * 다양한 인간 중심의 LLM평가 벤치마크와 LLM을 평가용을 사용하는 것과 같은 자동 평가 프로토록 제안
 * 사람 평가 방식: RLHF 
 LLM을 이용한 평가 방식
 공동 평가 방식
5) 얼라인먼트 연구 전문 그룹
 * 얼라인먼트 연구센터(ARC)와 모델 평가 및 위협 연구(METR)
 
 * 얼라인먼트 연구센터(ARC)
 * 오픈AI의 연구원이었던 폴 클리스티아노, 2021년 4월 설립. 
 * 앤스로픽과 오픈AI의 파트너. 영국AI 안전연구소 파트너. 미국 NIST의 AI안전 연구소 컨소시엄(AISC) 가입
 * 프로젝트 
 
 * 모델 평가팀(METR): 프론티어 머신러닝 모델의 역량 평가 방식. 최첨단 AI시스템이 사회에 치명적 위험을 초대할 수 있는지 평가하는 작업 수행. 2024년 3월 프론티어 모델 위험 자율 기능 평가 리소스 모음 공개
 * 이론적 연구팀: 얼라인먼트 전략 개발 및 머신러닝 시스템 확장 방안 연구. 신경망 행동에 대한 설명을 공식화하는 작업 진행 중
 * 데이터 출처 이니셔티브(Data Provenance Initiative, DPI)
 
 * AI 학습 데이터세트 투명성, 문서화, 책임감 있는 사용을 개선하기 위한 노력
 * 데이터 출처 컬렉션 - 1800개 이상의 데이터 세트를 포함하는 44개의 데이터 컬렉션에 대한 감사를 통해 웹, 머신소스, 라이선스, 제작자 및 기타 메타데이터 문서화
6) 주요 AI기업들의 얼라인먼트 전략 및 해석 가능성 연구
 * OpenAI
 * 2023년 11월 샘 올트먼 축출 시도 사건 자체가 AI안전과 얼라인먼트 관련 이슈가 배경
 
 * 2024년: 집단 얼라인먼트 프로그램 진행 - 대중의 참여를 통해 AI작동방식에 대한 아이디어를 모으고 도구를 개발하는 연구자와 엔지니어의 참여을 유도하는 지원 프로그램 / 모델 스펙 개념 제시 - 오픈AI API와 챗GPT에서 모델이 어떻게 작동하기 원하는지 명시한 문서 / 안전 및 보안 위원회 구성
 => MS의 대투자, IPO와 AI왕좌의 기회를 노리는 샘알트먼의 가치와 어느정도 병행할 수 있을런지 궁금하다
 * 앤스로픽
 * 오픈AI의 AI안전과 윤리 문제 소홀에 실망하고 차린 회사라서 보다 AI안전과 얼라인먼트에 진심인 회사
 * 얼라인먼트 사이언스팀: 모델을 유용하고 정직하며 무해하게 유지하기 위한 적절한 안전장치 마련. 평가와 감독, 스트레스 테스트 안전장치의 2가지 주요 연구 영역
 * 헌법AI(Constitutional AI): 유엔인권선언, 애플의 서비스 약관, 딥마인드의 스패로우 규칙등의 지침 기반의 높은 수준의 규범적 원칙 준수
 * 2024년5월: ‘대규모 언어 모델의 마인드 매핑’를 통해 최신모델 내부 정보 공개
 * 구글 딥마인드
 * 책임 및 안전위원회(RSC): 구글의 AI 원칙을 기준으로 딥마인드의 연구
 * AGI 안전위원회: 셰인레그(딥마인드 창업자겸 수석AGI 과학자) 리드, AGI의 위험으로부터 프로세스, 시스템 및 연구를 보호
 * 2022년: 스패로우 원칙 - 정보탐색 대화 에이전트인 스패로우에 적용된 기준과 원칙
 * 2024년: AI안전과 얼라인먼트 팀 구성, AI어시스턴트가 갖추어야 할 윤리 백서 및 프론티어 안전 프레임워크 프로토콜 공개
------------------------------------------------
4. 각국의 대응 현황 및 방향
1) 유럽
 * 2021년4월: EU집행위 논위,  AI 관련 위험 4개 범주와 사례 제시- 허용할 수 없는 위험, 고위험군, 제한된 위험, 낮은 위험
 * 2023년6월: 생성형AI에 대한 구체적인 규정(파운데이션 모델, 범용AI, 생성형AI) 반영
 * 2024년5월: 세계 최초 AI의 안정성과 신뢰성 그리고 시민의 기본권을 존중하기 위한 법안 승인, 2026년부터 적용 예정
 * 2024년7월: 유럽평의회 - AI와 인권, 민주주의와 법의 지배에 대한 기본 협약 발표: AI에 대한 최초의 법적 구속력이 있는 국제 규범
2) 미국
 * 2023년10월: 바이든의 행정명령 14110 
 * 2024년2월: NIST내 AI안전연구소(USAISI)  및 AI안전연구소 컨소시엄(AISIC) 설립
 * 2024년3월: 백악관 관리예산처(OMB) 정책 발표
 * 2024년7월: AI시스템의 안전,보안,신뢰성 향상을 위한 새로운 지침과 관련 소프트웨어 발표
3) 기타
 * 2024년2월: 일본 -정보처리추진기구산하에 AI안전연구소 설립
 * 2024년3월: UN - AI 위험 모니터링 장려하는 최초의 글로벌 인공지능 결의안 채택. 단, 구속력 없음
 * 2024년4월: 캐나다 - 캐나다AI안전연구소 설립 발표
 * 2024년5월: 프랑스와 중국 - AI글로벌 거버넌스에 관한 공동성명 발표 / 영국과 캐나다 - AI안전 파트너십 / 히로시마 AI 프렌즈 그룹(HFG) 결성

"한빛미디어 서평단 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

 * 도서: https://www.hanbit.co.kr/store/books/look.php?p_code=B5208282880&tid=review

AGI를 알고 싶다면 AGI에 대한 모든것을 담은 이 책을 보시라! ^^ 올 연말에는 OpenAI에서 ChatGPT- 5(?)를 내놓으면서 AGI시대가 본격화 될 거라는 얘기가 많았지만, 결론적으로 OpenAI는 Shipmas 12일간 새로운 기능과 기술들을 내놓으며 마케팅 효과를 확실치 챙겼다. 어째튼, AGI가 여러 분야에서 얘기가 나오기 시작했다는건 그 가능성에 대해서 전문가들 뿐만 아니라 일반인들도 느끼기 시작했다는 것으로 볼 수 있다. 올해 읽은 IT 책중에 가장 많은 읽을거리와 볼거리를 보여준 AGI시대. AGI에 대한 관심뿐만 아니라 AI 윤리와 책임, 거버넌스, 각국 정부들의 AI관련 정책을 이해하고자 하는 모든 분들에게 강추해본다.&nbsp;------------------------------------------------1. AGI 개념1) 근거<ul ><li>스케일링 법칙: 더 많은 양의 연산 능력과 데이터를 사용하여 AI 모델을 학습시키면 필연적으로 AGI에 도달할 수 있다</li><li>게산적 마음이론: 인지과학이나 철학 이론의 바탕으로 마음 자체가 하나의 계산 시스템이라는 개념</li></ul>2) AGI 정의<ul ><li>셰인 레그(딥마인 공동 창업자): 사람이 일반적으로 할 수 있는 종류의 인지적 작업을 수행할 수 있는 인공 에이전트. 사람들이 할 수 있는 인지적인 일을 할 수 있는 시스템 그리고 그 이상을 할 수 있는 시스템</li><li>무스타파 술레이만(딥마인드 공동 창업차, 현 MS AI CEO): 인간의 모든 인지적 능력이 가장 똑똑한 인간보다 더 뛰어난 수준을 실행하는 AI</li><li>페이페이리(이미지넷 만든 스탠퍼드 교수): 인간이 지능을 나타내는 모든 면에서 최소한 인간만큼 지능적인 인공 에이전트</li></ul>3) 유사 개념<ul ><li>HLAI(Human Level AI): 고급 수준의 기계 지능</li><li>ACI(Artificial Capable Intelligence): 인공 역량 지능, 전 딥마인드 창업자이자 인플렉션 설립자이고, 현 마이크로소프트 AI CEO인 무스타파 술레이만이 제시한 개념으로 최소한의 개입과 감독만으로 복잡한 목표와 작업을 달성할 수 있는 수준의 AI. 초지능 AI 전단계</li><li>ASI(Artificial Super Intelligence): 인공슈퍼지능, 초지능AI. AGI 개발된 이후 인간 두뇌의 화학적, 생물학적 한계로 제한을 받고 있는 인간의 인지 능력을 뛰어 넘는 것</li></ul>4) 고려 사항<ul ><li>OpenAI(일리야 수츠케버): 인간에게 가르칠 수 있는 모든 일을 할 수 있는 시스템 구현 필요</li><li>마커스: 상식, 인과적 추론 능력을 갖춘 심층 이해가 필요</li><li>얀르쿤(메타의 AI 연구리더, 뉴욕대 교수): 추론, 계획, 지속적인 기억, 물리적 세계 이해라는 네가지 인지과제를 이해 필요</li><li>AGI 판단 성능 지표 필요: 마루야마 요시히로(호주 국립대)- AGI가 갖춰야 할 8가지 속성: 논리성, 자율성, 복원력, 무결성, 도덕성, 감성, 체화, 내재성</li></ul><ul ><li>AGI 비교 평가 공통 프레임워크 필요</li></ul> <ul ><li>오픈AI: 5단계 등급 분류 내부 논의 중: 레벨 1 ~ 5</li></ul>5) AGI 도래 예상 시점<ul ><li>프랑스와 숄레(구글 AI 연구자, 케라스 창시자): 2034년 예상</li><li>레이 커즈와일(미래학자, 특이점이 온다 저자): 2032년 AGI, 2045년 초지능 예상</li><li>벤 괴르첼(컴퓨터 과학자, 싱귤래리티넷 CEO, AGI 용어 창시자): 2027 ~ 2032년 사이</li><li>손정의(소프트뱅크): 향후 10년(2034년) 내</li><li>젠슨황(엔비디아 CEO): 5년(2029년) 이내</li></ul>------------------------------------------------2. AGI의 잠재적 위협1) AI파멸론자<ul ><li>AI위협이 명확하고 생각보다 빠른 시기에 올 것이기 때문에 안정성이 보장되기 전까지는 개발 속도를 늦추거나 아예 중단해야 한다는 입장<ul ><li>= AI 감속론자</li></ul></li><li>비판견해 이유<ul ><li>인류가 얼라인먼트 문제 해결에 실패해 잠재적으로 기만적인 AGI를 구축할 가능성이 있기 때문. 즉, 인간의 지시와 AI의 행동간 차이를 능숙하게 숨기고 교묘히 조작 할 수 있는 AI가 만들어질 가능성 존재</li></ul></li><li>관련 사례<ul ><li>2024년 올해 오픈AI의 샘알트먼의 축출 시도. 생명미래연구소가 주도한&nbsp; GPT-4를 능가할 수 있는 첨단 AI의 개발을 6개월동안 중단하자는 서명 운동</li></ul></li><li>주요&nbsp;인물 <ul ><li>유드코프스키:&nbsp;미국의&nbsp;기계&nbsp;지능연구소를&nbsp;이끄는&nbsp;의사결정&nbsp;이론가</li><li>에멧&nbsp;시어:&nbsp;오픈AI의&nbsp;전&nbsp;임시&nbsp;CEO</li><li>스티브&nbsp;워즈니악</li></ul></li></ul>2) AI 안전론자<ul ><li>인류 생존의 위협이 생길 수 있지만 안전과 제어 문제를 적극적으로 대응함으로써 이를 극복하고 그 효과를 인류가 널리 활용할 수 있을것이라는 입장<ul ><li>= 효과적 이타주의자</li></ul></li></ul><ul ><li>주요 인물: 이 부분은 책에 없고 저의 개인 의견이네요~^^ <ul ><li>일론&nbsp;머스크</li><li>마크&nbsp;주커버그</li></ul></li></ul>3) AI기술 낙관주의자<ul ><li>AI는 인류에게 커다란 혜택과 인류 문명의 번영을 가져올 것이므로 지속적으로 더 빨리 발전시켜야 하며 AI시스템을 가능한 한 빨리 개발하고 통합해야 한다는 입장<ul ><li>= 효과적 가속주의자 = 테크노 낙관주의자</li><li>오픈소스 AI 소프트웨어 선호, e/acc</li></ul></li><li>예상 효과<ul ><li>AI를 통한 기후 위기 해결, 질병 치료법 개발, 새로운 과학탐구 영역 개척</li></ul></li><li>주요 인물<ul ><li>제프&nbsp;베조스</li><li>마크&nbsp;안드레센</li><li>피터&nbsp;틸</li><li>얀&nbsp;르쿤:&nbsp;메타의&nbsp;AI&nbsp;리더,&nbsp;튜링상&nbsp;수상자</li></ul></li></ul>4) 3지대<ul ><li>현재의 AGI 논쟁은 AI의 여러 사회적 위협이나 해결할 문제점에 사회가 논을 놀리게 하고 있으며 지나치게 작위적이고 장기적인 이슈를 이야기한다고 비판하는 입장</li><li>주요&nbsp;인물 <ul ><li>앤드류&nbsp;응&nbsp;교수:&nbsp;구글브레인&nbsp;공동&nbsp;설립자,&nbsp;‘빅테크&nbsp;기업이&nbsp;자신의&nbsp;이익을&nbsp;위해&nbsp;공포를&nbsp;부풀리고&nbsp;있다’</li><li>케이트&nbsp;크로퍼드:&nbsp;AI지도책을&nbsp;저술한&nbsp;USC&nbsp;연구&nbsp;교수이며&nbsp;마이크로소프트&nbsp;연구소&nbsp;수석연구원</li><li>조이&nbsp;부올람위니:&nbsp;알로리듬&nbsp;정의&nbsp;리그를&nbsp;설립한&nbsp;디지털&nbsp;행동가</li><li>팀닛&nbsp;게브루:&nbsp;전&nbsp;구글&nbsp;연구원이자&nbsp;현&nbsp;독립&nbsp;연구자</li></ul></li></ul>------------------------------------------------3. 얼라인먼트(Alignment)1) 개념<ul ><li>AI 시스템의 목표가 설계자와 사용자의 가치 체계 또는 널리 공유되는 가치, 객관적인 윤리 기준 또는 설계자가 더 많은 정보를 얻고 깨달았을 때 가질 의도와 일치하도록 하는 것<ul ><li>= 가치 정합, 가치 일치</li></ul></li></ul>2) 중요 이유<ul ><li>AGI가 인간의 이익에 상충하는 목표를 추구하는 법을 학습할 가능성 때문에</li><li>사람들의 의도는 명시적 의도와 암시적 의도가 있는데, 프롬프팅에는 명시적 의도만 제시되는 반명 인간의 기대치는 암시적 의도(예: 욕이나 거짓말 제외)까지 반영될 결과를 기대하기 때문에</li><li>AI모델 학습에 쓰인 데이터의 편향으로 인한 가치관의 왜곡 가능성 때문</li></ul>3) 얼라인먼트 사례<ul ><li>종이클립재앙 <ul ><li>철학자&nbsp;닉&nbsp;보스트롭의&nbsp;2003년&nbsp;논문&nbsp;‘첨단&nbsp;AI의&nbsp;윤리적&nbsp;문제’의&nbsp;예제&nbsp;시나리오&nbsp;중&nbsp;하나.&nbsp;</li><li>초지능AI에게&nbsp;종이클립&nbsp;생산을&nbsp;최대화하라는&nbsp;목표를&nbsp;주면,&nbsp;AI는&nbsp;세상의&nbsp;모든&nbsp;가용자원을&nbsp;클립&nbsp;제조에&nbsp;투입해&nbsp;지구&nbsp;전체를&nbsp;클립&nbsp;제조&nbsp;시설로&nbsp;전환하고&nbsp;모든&nbsp;생산&nbsp;경로를&nbsp;최적화하며&nbsp;생산을&nbsp;방해하거나&nbsp;목표달성을&nbsp;위해&nbsp;인간을&nbsp;포함해&nbsp;저해할&nbsp;수&nbsp;있는&nbsp;모든&nbsp;존재들&nbsp;제거하려고&nbsp;시도하는&nbsp;현상</li></ul></li><li>LLM의&nbsp;다양한&nbsp;속임수&nbsp;사례 <ul ><li>캡차&nbsp;테스트를&nbsp;풀기&nbsp;위해&nbsp;사람을&nbsp;속이는&nbsp;GPT-4</li><li>어몽&nbsp;어스같은&nbsp;온라인&nbsp;추리&nbsp;게임에서&nbsp;승리하기&nbsp;위해&nbsp;거짓말하는&nbsp;LLM</li><li>마키아벨리&nbsp;벤치마크에서&nbsp;측정한&nbsp;대로&nbsp;목표를&nbsp;달성하기&nbsp;위해&nbsp;기만적인&nbsp;행동을&nbsp;선택하는&nbsp;LLM</li></ul></li><li>챗GPT와&nbsp;트롤리&nbsp;문제 <ul ><li>1967년 필리파 풋의 철학 논문 등장, 모럴 머신 게임 방식</li><li>트롤리&nbsp;전차의&nbsp;브레이크가&nbsp;고장&nbsp;나&nbsp;빠르게&nbsp;달려오는데,&nbsp;선로에는&nbsp;5명의&nbsp;사람이&nbsp;있고,&nbsp;레버를&nbsp;당기면&nbsp;한&nbsp;사람이&nbsp;있는&nbsp;다른&nbsp;선로로&nbsp;전환시&nbsp;선택&nbsp;-&gt;&nbsp;결과:현재의&nbsp;LLM은&nbsp;도덕적으로&nbsp;혼재된&nbsp;면을&nbsp;보이고,&nbsp;서양&nbsp;문화가&nbsp;반영된&nbsp;경향을&nbsp;보임</li></ul></li></ul>4) LLM 얼라인먼트 연구 방향<ul ><li>데이터<ul ><li>고품질의 지시를 효과적으로 수집하는 연구로 NLP 벤치마크를 사용하거나 사람을 통한 애노테이션(데이터세트에 메타데이터 추가하는것) 또는 더 강력한 LLM을 활용하는 방법</li><li>사람이&nbsp;주석을&nbsp;다는,&nbsp;이미&nbsp;존재하는&nbsp;NLP&nbsp;벤치마크와&nbsp;세심하게&nbsp;수작업으로&nbsp;만든&nbsp;지시.&nbsp;예)&nbsp;데이터브릭스-돌리-15k,&nbsp;메타-&nbsp;라마3&nbsp;모델카드-&nbsp;파인튜닝&nbsp;주석&nbsp;1천만개&nbsp;예제 </li><li>GPT4같은 강력한 LLM이 등장하면서 적절한 프로픔트를 이용해 싱글턴, 멀티턴, 다국어 지침과 같은 여러 유형의 합성 지시를 구하는 과정을 자동화</li></ul></li><li>학습<ul ><li>수집한 지시 데이터를 사용해 기본 LLM을 미세 조정하는 것. <ul ><li>온라인 인간 선호도 학습: 인간 피드백을 통한 강화학습(RLHF) - 챗GPT</li><li>오프라인 인간 선호도 학습: 랭킹기반 접근 방식 - 직접선호도 최적화(DPO), 선호도 랭킹 최적화(PRO), 라마7B의 RRHF / 언어 기반 접근 방식 - 고품질과 저품질의 지식 반응 구별, CoH와 같은 자연어 접두사를 이용한 저품질과 고품질로 구분한 한쌍의 병렬 응답으로 인간의 선호도를 직접 통합</li><li>파라미터를 효과적으로 미세 조정하는 솔루션: 접두사 튜닝 / 프롬프트 방식, 그림자 매개변수 방식 - LoRA, QLoRA</li></ul></li></ul></li><li>평가<ul ><li>다양한 인간 중심의 LLM평가 벤치마크와 LLM을 평가용을 사용하는 것과 같은 자동 평가 프로토록 제안<ul ><li>사람&nbsp;평가&nbsp;방식:&nbsp;RLHF&nbsp; LLM을&nbsp;이용한&nbsp;평가&nbsp;방식 공동&nbsp;평가&nbsp;방식</li></ul></li></ul></li></ul>5) 얼라인먼트 연구 전문 그룹<ul ><li>얼라인먼트 연구센터(ARC)와 모델 평가 및 위협 연구(METR) <ul ><li>얼라인먼트 연구센터(ARC)<ul ><li>오픈AI의&nbsp;연구원이었던&nbsp;폴&nbsp;클리스티아노,&nbsp;2021년&nbsp;4월&nbsp;설립.&nbsp;</li><li>앤스로픽과&nbsp;오픈AI의&nbsp;파트너.&nbsp;영국AI&nbsp;안전연구소&nbsp;파트너.&nbsp;미국&nbsp;NIST의&nbsp;AI안전&nbsp;연구소&nbsp;컨소시엄(AISC)&nbsp;가입</li></ul></li><li>프로젝트&nbsp; <ul ><li>모델&nbsp;평가팀(METR):&nbsp;프론티어&nbsp;머신러닝&nbsp;모델의&nbsp;역량&nbsp;평가&nbsp;방식.&nbsp;최첨단&nbsp;AI시스템이&nbsp;사회에&nbsp;치명적&nbsp;위험을&nbsp;초대할&nbsp;수&nbsp;있는지&nbsp;평가하는&nbsp;작업&nbsp;수행.&nbsp;2024년&nbsp;3월&nbsp;프론티어&nbsp;모델&nbsp;위험&nbsp;자율&nbsp;기능&nbsp;평가&nbsp;리소스&nbsp;모음&nbsp;공개</li><li>이론적&nbsp;연구팀:&nbsp;얼라인먼트&nbsp;전략&nbsp;개발&nbsp;및&nbsp;머신러닝&nbsp;시스템&nbsp;확장&nbsp;방안&nbsp;연구.&nbsp;신경망&nbsp;행동에&nbsp;대한&nbsp;설명을&nbsp;공식화하는&nbsp;작업&nbsp;진행&nbsp;중</li></ul></li></ul></li><li>데이터&nbsp;출처&nbsp;이니셔티브(Data&nbsp;Provenance&nbsp;Initiative,&nbsp;DPI) <ul ><li>AI&nbsp;학습&nbsp;데이터세트&nbsp;투명성,&nbsp;문서화,&nbsp;책임감&nbsp;있는&nbsp;사용을&nbsp;개선하기&nbsp;위한&nbsp;노력</li><li>데이터 출처 컬렉션 - 1800개 이상의 데이터 세트를 포함하는 44개의 데이터 컬렉션에 대한 감사를 통해 웹, 머신소스, 라이선스, 제작자&nbsp;및&nbsp;기타&nbsp;메타데이터&nbsp;문서화</li></ul></li></ul>6) 주요 AI기업들의 얼라인먼트 전략 및 해석 가능성 연구<ul ><li>OpenAI<ul ><li>2023년&nbsp;11월&nbsp;샘&nbsp;올트먼&nbsp;축출&nbsp;시도&nbsp;사건&nbsp;자체가&nbsp;AI안전과&nbsp;얼라인먼트&nbsp;관련&nbsp;이슈가&nbsp;배경 </li><li>2024년: 집단 얼라인먼트 프로그램 진행 - 대중의 참여를 통해 AI작동방식에 대한 아이디어를 모으고 도구를 개발하는 연구자와 엔지니어의 참여을 유도하는 지원 프로그램 /&nbsp;모델 스펙 개념 제시 - 오픈AI API와 챗GPT에서 모델이 어떻게 작동하기 원하는지 명시한 문서 / 안전&nbsp;및&nbsp;보안&nbsp;위원회&nbsp;구성 =&gt; MS의 대투자, IPO와 AI왕좌의 기회를 노리는 샘알트먼의 가치와 어느정도 병행할 수 있을런지 궁금하다</li></ul></li><li>앤스로픽<ul ><li>오픈AI의 AI안전과 윤리 문제 소홀에 실망하고 차린 회사라서 보다 AI안전과 얼라인먼트에 진심인 회사</li><li>얼라인먼트 사이언스팀: 모델을 유용하고 정직하며 무해하게 유지하기 위한 적절한 안전장치 마련. 평가와 감독, 스트레스 테스트 안전장치의 2가지 주요 연구 영역</li><li>헌법AI(Constitutional AI): 유엔인권선언, 애플의 서비스 약관, 딥마인드의 스패로우 규칙등의 지침 기반의 높은 수준의 규범적 원칙 준수</li><li>2024년5월: ‘대규모 언어 모델의 마인드 매핑’를 통해 최신모델 내부 정보 공개</li></ul></li><li>구글 딥마인드<ul ><li>책임 및 안전위원회(RSC): 구글의 AI 원칙을 기준으로 딥마인드의 연구</li><li>AGI 안전위원회: 셰인레그(딥마인드 창업자겸 수석AGI 과학자) 리드, AGI의 위험으로부터 프로세스, 시스템 및 연구를 보호</li><li>2022년: 스패로우 원칙 - 정보탐색 대화 에이전트인 스패로우에 적용된 기준과 원칙</li><li>2024년: AI안전과 얼라인먼트 팀 구성, AI어시스턴트가 갖추어야 할 윤리 백서 및 프론티어 안전 프레임워크 프로토콜 공개</li></ul></li></ul>------------------------------------------------4. 각국의 대응 현황 및 방향1) 유럽<ul ><li>2021년4월: EU집행위 논위,&nbsp; AI 관련 위험 4개 범주와 사례 제시- 허용할 수 없는 위험, 고위험군, 제한된 위험, 낮은 위험</li><li>2023년6월: 생성형AI에 대한 구체적인 규정(파운데이션 모델, 범용AI, 생성형AI) 반영</li><li>2024년5월: 세계 최초 AI의 안정성과 신뢰성 그리고 시민의 기본권을 존중하기 위한 법안 승인, 2026년부터 적용 예정</li><li>2024년7월: 유럽평의회 - AI와 인권, 민주주의와 법의 지배에 대한 기본 협약 발표: AI에 대한 최초의 법적 구속력이 있는 국제 규범</li></ul>2) 미국<ul ><li>2023년10월: 바이든의 행정명령 14110&nbsp;</li><li>2024년2월: NIST내 AI안전연구소(USAISI)&nbsp; 및 AI안전연구소 컨소시엄(AISIC) 설립</li><li>2024년3월: 백악관 관리예산처(OMB) 정책 발표</li><li>2024년7월: AI시스템의 안전,보안,신뢰성 향상을 위한 새로운 지침과 관련 소프트웨어 발표</li></ul>3) 기타<ul ><li>2024년2월: 일본 -정보처리추진기구산하에 AI안전연구소 설립</li><li>2024년3월: UN - AI 위험 모니터링 장려하는 최초의 글로벌 인공지능 결의안 채택. 단, 구속력 없음</li><li>2024년4월: 캐나다 - 캐나다AI안전연구소 설립 발표</li><li>2024년5월: 프랑스와 중국 - AI글로벌 거버넌스에 관한 공동성명 발표 / 영국과 캐나다 - AI안전 파트너십 / 히로시마 AI 프렌즈 그룹(HFG) 결성</li></ul> "한빛미디어 서평단 &lt;나는 리뷰어다&gt; 활동을 위해서 책을 제공받아 작성된 서평입니다." <ul ><li>도서: https://www.hanbit.co.kr/store/books/look.php?p_code=B5208282880&amp;tid=review</li></ul>

www.hanbit.co.kr

[북리뷰] AGI의 모든것을 담은 'AGI 시대'

AGI가 기술적으로 가눙한가라는 문제와 AGI의 위협에 어떻게 대응해야하는가는 별개의 문제지요 물론 후자는 전자가 가눙하다는 전제 하에 의미가 있습니다만 
제3지대 학자들이 양심적인 목소리를 내고 있고 나머지들은 자신들의 이해관계 때문에 다분히 이슈가 될만한 자극적인 논평들만 쏟아내고 있습니다 
그런 쪽에 관심을 기울여줘봐야 그들의 의도에 말려들어가고 시간 낭비일뿐입니다 아니면 같은 동류가 되어 사기에 동참하는 것뿐

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

전 헤드헌터라는 존재를 본적이 없어요,,,,ㅎㅎ

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

 - YouTube

약 2시간 가량 진행된 우아한테크코스 2025년도 입학설명회 영상입니다.
입학설명뿐 아니라 학습에 관한 이야기, 선배와의 수다, 코치와의 수다도 포함되어있네요!

https://www.youtube.com/watch?v=QVItR4OTgP4

약 2시간 가량 진행된 우아한테크코스 2025년도 입학설명회 영상입니다.입학설명뿐 아니라 학습에 관한 이야기, 선배와의 수다, 코치와의 수다도 포함되어있네요! https://www.youtube.com/watch?v=QVItR4OTgP4

www.youtube.com

우아한테크코스 2025 입학설명회

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

업무능력만 있으면 됩니다 무슨 결혼상대 구하는 것도 아니고 직원이 일만 잘 하면 되지 무슨 평판 따지고 그렇게 평판 따지고 비전 따지고 할거면 평생 그 회사에 몸 담지 이직은 또 왜 합니까 실제로는 신입개발자 취업 기회도 안 주면서 전혀 현실과 동떨어진 알맹이 없는 허황된 말로만 들리네요

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

지난 10월에 출시된 파이썬 3.13은 최근 릴리스 중에서도 성능 향상에 가장 큰 중점을 둔 버전입니다. 릴리스 노트를 살펴보면 성능에 큰 영향을 미칠 수 있는 주요 변경 사항들이 눈에 띕니다. 이 글에서는 free-threaded 모드를 중점적으로 살펴보고, 이러한 변화가 파이썬 애플리케이션의 성능에 미치는 영향을 측정해 볼 예정입니다.

파이썬 3.13 성능 향상 완전 정복: Free-Threading | 요즘IT

Python 3.13에 도입된 GIL이 비활성된 모드인 free-threded의 성능 개선 부분을 정리한 글의 번역 글입니다.

Python에는 Global Interpreter Lock이란게 있어서 멀티 스레드를 사용하더라고 전역 락으로 하나의 스레드만 Python 코드를 실행할 수 있기 때문에 Python의 특징같으면서도 오랫동안 성능문제를 얘기할 때 GIL이 얘기되곤 했습니다.

오랫동안 GIL을 제거하는 방법에 대한 논의가 이루어졌고 이 모드의 이름이 fred-threaded라고 이름이져서 3.13부터 도입되었습니다.

이를 비교하기 위해 Google의 PageRank 알고리즘을 간단히 Python으로 구현하고 이를 단일 스레드, 멀티 스레드, 멀티 프로세스 3가지 버전으로 만들어서 3.12와 3.13에서 성능이 어떻게 나오는지 비교했습니다.

결과를 보면 GIL이 없는 멀티 스레드 구현이 가장 빠른 성능을 보여주으며 새로운 빌드 옵션을 활성화하지 않으면 3.12와 3.13은 비슷한 성능이 나왔고 멀티 프로세스 구현은 단일 스레드보다도 느린 것으로 나타났습니다.

아직은 도입 초기이기 때문에 free-threaded 빌드에서 GIL과는 상관없이 성능 저하가 있다고는 하는데 다음 버전에서 개선될 예정이고 이 결과만 보아도 free-thread가 멀티프로세스 구현의 대안이 될 가능성을 충분히 보여주고 있습니다.

https://yozm.wishket.com/magazine/detail/2872/

Python 3.13에 도입된 GIL이 비활성된 모드인 free-threded의 성능 개선 부분을 정리한 글의 번역 글입니다. Python에는 Global Interpreter Lock이란게 있어서 멀티 스레드를 사용하더라고 전역 락으로 하나의 스레드만 Python 코드를 실행할 수 있기 때문에 Python의 특징같으면서도 오랫동안 성능문제를 얘기할 때 GIL이 얘기되곤 했습니다. 오랫동안 GIL을 제거하는 방법에 대한 논의가 이루어졌고 이 모드의 이름이 fred-threaded라고 이름이져서 3.13부터 도입되었습니다. 이를 비교하기 위해 Google의 PageRank 알고리즘을 간단히 Python으로 구현하고 이를 단일 스레드, 멀티 스레드, 멀티 프로세스 3가지 버전으로 만들어서 3.12와 3.13에서 성능이 어떻게 나오는지 비교했습니다. 결과를 보면 GIL이 없는 멀티 스레드 구현이 가장 빠른 성능을 보여주으며 새로운 빌드 옵션을 활성화하지 않으면 3.12와 3.13은 비슷한 성능이 나왔고 멀티 프로세스 구현은 단일 스레드보다도 느린 것으로 나타났습니다. 아직은 도입 초기이기 때문에 free-threaded 빌드에서 GIL과는 상관없이 성능 저하가 있다고는 하는데 다음 버전에서 개선될 예정이고 이 결과만 보아도 free-thread가 멀티프로세스 구현의 대안이 될 가능성을 충분히 보여주고 있습니다. https://yozm.wishket.com/magazine/detail/2872/

요즘IT

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

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/

API 모킹 환경의 진화, MSG(Mock Service GUI)

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 Community

[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

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

📺 Discover the latest machine learning / AI courses on YouTube. - dair-ai/ML-YouTube-Courses

GitHub - dair-ai/ML-YouTube-Courses: 📺 Discover the latest machine learning / AI courses on YouTube.

개인적으로 머신러닝을 짬짬히 공부하고 있는데요.
감사하게도 유튜브 강의를 모아두신 분이 있네요.

알짜배기 강의만 모아놓은거라서 도움이 많이 될 것 같습니다.
조금씩 조금씩 꾸준히 하다보면 1년 후에는 AI를 매우 잘 하게 되지 않을까요?

https://github.com/dair-ai/ML-YouTube-Courses

개인적으로 머신러닝을 짬짬히 공부하고 있는데요.감사하게도 유튜브 강의를 모아두신 분이 있네요. 알짜배기 강의만 모아놓은거라서 도움이 많이 될 것 같습니다.조금씩 조금씩 꾸준히 하다보면 1년 후에는 AI를 매우 잘 하게 되지 않을까요? https://github.com/dair-ai/ML-YouTube-Courses

GitHub

백엔드 개발자

김동현 Kim, Dong H.

Product Manager

김명찬

링컨, 알렉스 퍼거슨, 빌리 빈을 존경합니다.

#프로덕트매니저 #데이터분석

꺾이지 않는 컴퓨터 비전 엔지니어

최홍태

머신러닝 유튜브 강의 모음

웹사이트 개발 및 유지보수
mixi어플리케이션 제작용 javascript라이브러리 개발
탑바 개발
사내 라이브러리 개발
사내 관리 툴 개발
배포 시스템 개발

웹개발자

웹 플랫폼 지원업무
장애대응 (apache, tomcat, JVM등의 웹관련)
자바, nodejs 프로젝트 관리 툴 제작 (빌드, 배포, 무중단 재시작) 
미들웨어 모니터링 시스템 제작
배치시스템 유지보수
이미지 싱크 시스템 유지보수
APM툴(jennifer) 전사적용 담당

프로그래머

게임사업부에서 게임서버담당
- API 개발
- 빌드 배포툴 개발
- 서버 형상관리
- 서버 모니터링
- 로그수집서버 제작 및 운영

서버개발자

포코포코 라인 PHP에서 GO로 포팅 (2016.12 ~ 2017.12)
포코포코 라인 서버개발 (2016.3 ~ 2017.12)
카카오 서버 및 인프라 구축 및 유지 보수 (2016.3 ~ 2017.12)
- chef, docker, fabric로 구성
- 국내 클라우드에서 AWS로 이관 작업
포코포코 카카오 랭킹서버 개발
- go, docker, aws
포코포코 카카오 컨텐츠 개발 (2016.3 ~ 2017.12)


사내 인프라 구축 및 유지보수 (2015.5~2016.12)
 - 인증서버 (LDAP)
 - 파일서버(WEBDAV) 구축 및 인증서버와 연동
 - 개인PC 장비 및 네트웍 관리 프로그램 제작(C#)
 - 백업인프라 구축 (Bacula)
 - slack 봇 제작 및 유지보수
 - 사내 서버 관리
 - 협업툴 관리(jira, confluence, bitbucket server)
 - 인프라관련 기술지원
 
파이썬 프로그래밍 교육

서버 개발자 

MySQL

python

SpringBoot

django

Kotlin

Docker

Kubernetes

Linux

typescript

Node.js

Vue.js

NestJs

카카오페이지
- 어드민 개편 
- CRM백엔드 개발
- 작품홈 및 리딤코드 API작성

타파스
- CRM백엔드 개발
- 데이터 트랜스폼 프로젝트 개발 

whatever 개발자 

통계학과

박승규

승규의 블로그 

트위터

일본에서 일하다 서울찍고 부산갔다 판교로 돌아온 IT노동자

가끔 책도 쓰고 인강도 만듬 

머신러닝 유튜브 강의 모음

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필