Razelo 기술노트

주말 아침에 심심해서 포프님 영상을 몇개 봤다. 오래된 영상들이 몇 개 있긴 하지만 꽤나 재밌는 내용이 많다. 정자세로 시청하기보다는 영상을 틀어놓고 딴 짓을 하는데, 팟캐스트처럼 켜두고 시간 날때 들으면 나름 재밌다. 아침에 켜둔 영상 중 게임과 관련된 영상들이 있어서 간단한 내용 정리를 해봤다. 게임 판매량 성공하는 게임? 현실에서 게임의 성공요소는 그저 운이다. 출시 당시의 트렌드 덕분에 게임이 성공할 수 있는 거다. 시장을 읽는 눈을 가진 사람은 거의 없다. 아무리 성공한 게임도 후속작도 성공하는 경우는 드물다. 게임이 나왔을 때 처음 6주 간의 매출액이 이후 게임이 평생 팔릴 매출액의 절반이다. 게임은 처음 6주가 정말 중요하다. 그래서 마케팅 하는 분들이 이 부분에 돈을 퍼붓는다. 처음 6주 ..

킬러앱이 없기 때문이다. 또 하나의 이유 platform exclusivity -> 플랫폼 독점

클라우드는 전부터 있었다. 자꾸 클라우드가 새롭게 나왔다고 착각하는데 클라우드는 그냥 쉽게 말하면 내가 서버를 서비스로 제공하는거다. 내가 관리를 안하는거다. 예전에는 이런 서비스가 있었다. 큰서버가 있고 큰서버에 여러 개의 가상머신을 띄우거나 리눅스 서버에 여러 개의 폴더를 만들어서 인스턴스를 만드는 격이었다. 이게 어찌보면 클라우드의 전신이라고 볼 수도 있다. 클라우드는 개발의 편의성을 높여주는 것은 맞다. 다만 새로운 것은 아니라는 뜻이다. 싸다? 결론을 말하면 자체 서버를 가지는 것보다는 클라우드가 더 비싸다. 그런데 만약 낮에만 사용자가 들어온다? 밤에는 안들어오고? 그런면에서는 Azure가 더 싸다고 말할 수 있다. 그러나 페이스북 정도의 전세계 사용자가 있고 범위도 엄청나게 크다면 분명히 1..

모바일을 어떻게 생각하냐? 아니다. 모바일이 대세다라는 말이 유행어가 된것 같다. 그런데 절대 아니다. 웹이 미래다. 모바일앱니다 모바일게임이나 정말 모바일에서만 도는 건 거의 없다 대부분의 로직은 웹으로 갔다. 흔히 웹백엔드 혹은 API라고 한다. 이게 미래라고 생각한다. 결과적으로는 모바일만큼 발전을 하는게 데이터플랜이다. 데이터를 어떻게 처리하고 어떻게 활용할 지가 중요한 거다. 그래서 모바일인지 컴퓨터인지 태블릿인지 상관없이 모두 클라이언트라고 보면 된다. 결과적으로는 세상 모든 것이 웹으로 돌아가고 있다. 모바일이 미래라는 말은 사실 웹인데 그걸 모바일로 착각하는 거다. 앞으로 갈 미래는 웹이다. 단순히 웹페이지를 의미하는 것도 아니고 페이스북을 의미하는 것도 아니고 뭐가될진 모르겠지만 결과적으..

똘망똘망한 주니어 프로그래머는 이미 보는 순간부터 얘가 조만간 크겠구나 라는 것이 느껴진다. 회사에서 야근은 절대 하지마라. 야근은 하면 할 수록 실력이 줄어든다. 얻는게 없다. 결과적으로는 실력이 80프로이다. 즉 충분히 오히려 연수에 구애받지 않는 직급이 나을 수 있다. 나이가 들수록 세상과 타협하게 된다, 3년 안에만 잘하면 왠만한 프로그래머 누른다. 열심히 해라 야근하지 마라. https://www.youtube.com/watch?v=ie2epvAsAGE

기술자로 남아라. 언제나 시작할때는 직장이 많다. 올라갈 수록 위치가 적어진다. 만약 내가 이사가 됬다면 내가 이사로 다니다가 다른 곳으로 옮겨갈 수 있는 기회가 얼마나 많냐라는 것이다. 본인이 이사로 다니다가 당장 이사로 들어가야 하는데 자리가 많지 않다. 또 하나의 문제는 다른 곳에서 볼때 이미 직장이 없는 사람을 볼때 기술자를 볼때와 이사 즉 개발에서 손뗀 사람(매니저)를 볼때 다르게 본다는 것이다. 어차피 매니저란 직종 자체가 뛰어난 리드가 없다. 사람관리하는 일이다. 정말 잘하는 매니저는 위아래 다 훑는다. 기술직이 아닌 곳은 사실 어떻게 판가름하기 어렵다. 그래서 기술직이 아니면 나이가 들어서 직장을 잃었을때 이직하기 힘들다. 반대로 개발자면 얘기가 달라진다. 개발자는 어찌되었든 기술로 먹고산..

본인의 불안함을 없애기 위해 질문하지는 마라. 내가 대답을 모르고 있는것에 대한 답을 구하는게 질문이다. 대답을 이미 알고 있는데 그냥 불안한거다. 그 대답대로 가기에는 노력이 너무 필요하고 잘못되는 어떡하는지에 대한 불안감이 있다. 다만 노력하고 있는 중인 경우가 잘못되지 않는 가능성이 더 적다. 투자한만큼 안나올까에 대한 두려움이 있는거다. 그냥 본인이 불안해서 질문하는 사람들이 있다. 잘하고 있지 않은 사람들한테 잘하고 있다고 절대 말하지 마라. 세상에서 가장 위험한 말이 good job이다. 그정도면 잘했지라는 말이라 만족을 하게 되고 안일하게 버티게 되는 것이다. 어느 정도는 동의한다. 그런 불안감을 없애기 위해 질문하지 마라. 입장만 바꿔서 생각해도 바로 해결되는 문제이다. 결과적으로는 삽질이..

김포프님 영상을 가끔씩 찾아보는데 꽤 재밌는 영상이 있어서 내용을 간략하게 정리해놨다. 별생각없이 봤지만 영상을 보고 나서 스스로 많은 고민을 해본 영상이다. 그만큼 반성도 했고 잘했다는 만족감도 느낀 내용이었는데 공감하는 부분이 많아서 기억에 꽤 남는다. 항상 좋은 말씀을 해주시는 분이다. 천부적으로 무언가를 잘하는 사람은 있다. 노력해서 늘리는 것을 수재라고 한다. 수재가 천재를 누를 수 있다? 80프로 맞는 말이라고 생각한다. 세상 사람들이 모든 여건을 갖추고 살지는 않는다. 세상은 어차피 공정하지는 않다. 단지 돈의 문제를 떠나서 타고난 재능은 다르다. 하지만 내가 재능이 없더라도 정말 노력을 한다면 어느 한 분야는 잘할 수 있게 된다. 천재가 노력을 하게 된다면 이길 수 없는 것은 맞다. 하지만..

사람들은 어떻게 컴퓨터를 사람처럼 똑똑하게 만들지에 대해 연구해왔다. 사실 컴퓨터를 어떻게 똑똑하게 만들 수 있을까에 대한 학문이다. 최근 알게 된 사실은 컴퓨터에게 모든 것을 알려주는 것이 좋은 방법은 아니라는 것을 알게 되었다. 스스로 배우게 하는 것이 가장 좋다. 훈련을 시킨다. 잘못 인식하면 조금씩 수정을 가한다. 다음에 봤을때는 올바른 결과물을 낼 수 있도록 하는 것이다. 이렇게 머신러닝 모델을 수정해가며 올바른 결과에 다가서는 것이다. 그 다음 단계는 추론이다. 이전에 보지 못했던 것을 통해 정답을 알아내는 것이다. 가장 많은 진보가 있는 곳이 있었다. 컴퓨터 비전이다. 음성과 언어 이해 분야에서도 큰 발전이 있었다. 구글은 텐서플로와 같은 오픈 소스 패키지를 제공하고 있다. 누구든 머신러닝을..

ai는 general ai와 narrow ai로 나뉜다. 머신러닝은 ai를 가능하게끔 해주는 기술이다. 머신러닝에는 지도학습과 비지도 학습이 있다. 강화학습이 빠져있는 경우가 자주 있다. 빼놓을 수는 없다. 강화학습과 관련된 케이스가 상당히 많기 때문이다. 요즘 ai에는 reinforcement가 정말 중요시되고 있다. 머신러닝 이외에 ai를 가능하게끔 하는 기술은 무엇이 있을까? tree search라는 것이 있다. (딥블루가 사용한 기술이다.) 딥블루가 언급될때 같이 사용되는 용어가 슈퍼컴퓨터다. 지금의 ai는 소프트웨어에 맞춰서 만들었다면 그 당시는 하드웨어에 초점을 맞췄다고 보면 된다. 딥러닝은 머신러닝에 속하는 알고리즘 중 하나이다. 뉴럴네트워크는 이미 수십년전에 개발되었다. 이제 컴퓨팅파워가 ..

구글은 혁신적인 성과를 낸 엔지니어에게는 일반 엔지니어와는 다른 차별적인 대우를 해준다. 칼리코의 경우 인간영생을 위한 프로젝트로 2047년이 되어야 완제품이 나온다. 즉 일반적인 프로젝트와 다른 기준을 적용하게 된다. 또한 조직운영기법을 통해 목표를 공유하여 부서간 카니발을 막는다. 엔지니어의 신이라고 하는 제프딘이라는 분이 있다. 이분은 조직이 없다. 즉 소속없이 혼자 일하는 분인데, 구글에서는 이렇게 일할 수 있는 환경을 제공해준다. 천재적인 엔지니어는 코딩만 잘하는것이 아니라 굉장히 넓은 분야에 대해 관심을 가지고 있다. 구글의 천재 엔지니어는 어렸을 때 식사를 한 후 어머니와 함께 공원을 산책하며 궁금한 것을 물어보고 대화하고 스스로 공부하는 생활 패턴을 이어왔다고 한다. 그 기억이 자신을 이렇..

딥러닝은 과연 만능일까? 우선 결론은 딥러닝은 특화된 분야가 따로 있다. 자연어, 이미지, 비디오 데이터이다. 이런 데이터는 아무래도 변수가 굉장히 많기 때문이다. 딥러닝에 특화된 분야를 딥러닝이 아닌 다른 곳에 적용시키면 엄청난 시간이 걸릴 수 밖에 없다. 컴퓨팅파워가 받쳐주기 때문에 딥러닝이 진행되는거다. 뉴럴 네트워크가 이제 하드웨어의 지원으로 가능해졌기 때문이다. 트리모델에 비해서 딥러닝은 하나 하나의 연산은 사실 단순하다. 하지만 많은 양의 연산이 얽혀있다. CPU를 가지고 하면 굉장히 오래 걸리지만 GPU로 진행하면 빠르게 진행될 수 있다. Tabular데이터는? (엑셀같은 데이터 = 변수가 많지 않다. ) 굳이 딥러닝을 써야하나? 라는 의문 만약 GPU를 사용하지 않는다면 부스팅이 더 좋다...

software is eating the world 테크회사가 돈을 많이 벌고 있다. 가장 중요한 것은 개발자이다. 다른 산업군과는 다르게 개발자만 있으면 시장도 창출하고 서비스를 만들 수 있는 산업이다. 즉 개발자가 많이 부족하다. 모든 업종에서 sw전문가가 필요하다. 소프트웨어 회사뿐만 아니라 전 산업에서 필요해졌다. 예전엔 혼자서 다 만들던 시절이 있었는데 이제는 그렇지 않다. 서버 개발자, 프론트, 클라우드, ios 등등 각 직군 별로 다양한 전문가가 필요하다. 즉 sw전문화로 더 다양한 직무가 필요해졌다. 개발자 수요는 계속 늘고 있는데, 그렇다면 개발자 공급을 늘리면 되지 않을까? 중간에 포기하는 사람이 많다. 즉 개발을 배우는 것이 쉽지가 않다. 성향이 갈리는 분야라고 생각한다. 또한 기업이..

How I Learnt Machine Learning In 6 Steps (3 months) 가장 처음은 수학이다. 라이브러리가 있기에 상관은 없지만 어떻게 해결하는지는 알아야 한다. 수학전체를 끝내야겠다는 생각은 좋지 않다. 꾸준히 계속 수학을 공부하겠다는 생각을 하는게 맞다. 기본적인 머신러닝 알고리즘을 공부해라. 파이썬을 공부해라 머신러닝 라이브러리를 공부해라 -> 사이킷런을 공부해라 그리고 나서 딥러닝으로 이동해서 텐서플로우를 공부해라 이 둘을 아는 것이 중요하다 . 마지막은 계속해서 공부하고 반복하는 것이다. 캐글에 참여하거나 다른 사람들과 소통해라. 지루함을 참고 꾸준히 공부해라 쉬운길이 아니다. 누구나 얻을 수 있는 것이 아니다. 매일 모든 프로젝트를 해야 하는 것은 아니다. 공부를 해라. ..

돈이 없으면 우리나라에서는 대학원가서 일을 해야 한다. 근데 일을 하면 공부를 하기 어렵다. 대학원에 특별한 연줄이 없는 사람들은 교수한테 연락을 하는 우를 범한다. 이건 마케팅부서에 해당 회사 어떠냐고 물어보는 수준이다. 그 연구실의 석박학생들한테 물어보는게 훨씬 낫다. 좋은점은 딱 하나다. 연구할 수 있는 역량을 기를 수 있다. 기술을 가르쳐주거나 뭘 알려주는 곳이 아니라 스스로 새로운 이론을 만들고 증명하고 논문화할 수 있는 연구할 수 있는 기회를 주기때문에 이게 유일한 자산이다. 대학원의 역할이 뭐냐라고 했을 때 연구자들이 실패를 경험해볼 수 있는 마지막 공간이다. 단점은? 삶의 질이 낮아진다. 수입이 적고 그 나이 때의 사회적 지위보다 낮은 지위에서 살아간다. 주말에도 연구실 박혀서 커피만 마시..

데이터 엔지니어가 되기 위해 시스템 엔지니어를 준비 하는 상황에 대한 고민을 함께 생각해봅니다. (feat. 구독자님 고민 상담) 개발자는 말 그대로 코딩을 한다. 알고리즘을 채택해서 무언가를 만드는 사람이다. 인프라와 개발은 다르다. 인프라는 서버, 네트워크 이렇게 물리적인 장치를 의미한다. 근데 개발은 뭐냐면 카카오, 웹 브라우저 등등의 프로그램을 만드는 것을 의미한다. 근데 여기서 또 데이터 엔지니어는 다르다. 데이터 엔지니어는 네이버라고 가정하면 네이버의 수많은 키워드들 어떤게 많이 검색되는지 검색에 의해 어떤 뉴스가 연관관계가 있는지 분석을 할 수 있는데, 그걸 모아서 분석하고 보여줘야 한다. 그리고 이게 데이터엔지니어 쪽이다. 연관관계를 분석하고 하는 일이다. 코딩 = 개발자 라고 보면 된다...

시간압박주의40분) 빅데이터 분야 진로 고민 하시는 분께 빅데이터는 기본적으로 저장/처리/분석이 있다. 대표적인 공부가 이제 통계이다. 그리고 데이터 마이닝이 있다. 텍스트 마이닝도 있다. visuallization도 있다. 저장/처리는 -> Hadoop이다. datawarehouse는 hive, Tajo, shark 등이 있다. 클라우드기반의 빅데이터서비스가 이제 점점 떠오르고 있다. 하둡을 래핑해서 서비스로 제공한다. 하둡을 구축안해도 서비스로 이용할 수 있게 된다. 왜냐면 그 시스템을 전부 만들기는 힘들기 때문이다. 데이터분석가도 할 수 있는 레벨로써 서비스로 돌릴 수 있는 개념이 되는거다. 그러다 보니 그런 식의 방향으로 많이 갈것 같다. 데이터마이닝은 통계로 분석될 데이터들을 뽑아내는 것이다. ..

기술노트 with 알렉 시간 압박주의43분) 빅데이터 전문가 진로를 고민하신다면 보세요. 빅데이터 분야에서 하는 일 (feat. 진로 고민 상담) 내용정리 데이터사이언티스트를 할거면 대학원을 가는게 좋다 대학원가서 통계를 전공하는게 좋다. 취업도 연구소에 하게 될거다. 프로젝트에 참여하는 실제 개발자가 되기는 어려울 거다. 때문에 취업하기가 생각보다 쉽지는 않을거다. 대학원정도는 가야 가능하다. 아키텍트의 경우 대학원은 비효율적이다. 하둡이나, 리눅스를 공부해야 하는데, 이건 그냥 알아서 혼자 공부하면 된다. 수학, 통계학 -> 데이터 사이언티스트 데이터사이언티스트를 하려면 이왕이면 연구소가 제일 좋고 포지션이 인정받을 수 있는 곳이 가장 좋다. 작은 회사를 가게되면 다른쪽으로 돌릴 수도 있게 된다. 아..

Techlead 20대에 알았으면 좋을 것들. 20대는 준비하고 능력을 길러야 한다. 모험하고 돌아다니고, 계획을 짜고 생각하는 것은 이쯤 그만둬야 한다. 싼 음식을 먹으며 여행하고 돌아다니는것 이런 것들은 정도가 있다. 시간, 에너지, 건강, 돈은 제한이 존재한다. https://www.youtube.com/watch?v=SXwGtZuNDO8

모바일이 미래인가? 모바일은 미래가 아니다. 머신러닝이 미래다. 모바일이 미래가 아니게 된 이유는 모바일 쪽에 투자자금이 쏠려있었는데, 모바일 시작 투자금과 회수금의 그래프를 볼 수 있는데 거기서 보면 매년마다 회수금금액이 나오는데 어느 순간부터 꺾였다. 즉 투자자들이 더 이상 모바일을 미래로 보지 않는다. 모바일이 미래처럼 확 바뀐 것도 아니다. 게임이 그랬던 것처럼 마찬가지로 모바일도 그렇다. 게임산업이 많이 죽은것처럼 모바일도 동일하게 적용될거다. 배터리문제도 있고, 여러 문제가 많이 있다. 모바일은 클라이언트중에 하나가 될 것이다. 다른 UI가 있고, 다른 스크린이 있을 뿐이다. 결과적으로 미래는 머신러닝이 될거다. 서버쪽이고 머신러닝쪽이 될 것이다. 클라우드의 경우 언어를 잘못쓰고 있어서 이 부..

프로젝트를 하면서 만든것... 과제를 하면서 만든 것을 내가 만들었다고 해서 자랑하는 것을 포트폴리오라고 한다. 내가 이력서에 써놓은 것의 결과물이라고 보면 된다. 요즘은 보통 웹사이트를 링크를 걸거나 첨부파일을 다운받을 수 있는 링크를 주는데 웹사이트 있는게 더 좋다. (첨부파일은 보안문제도 있기 때문에) 이게 과연 취업에 도움이 될까? 도움이 되긴한다. 하지만 포트폴리오만으로는 취업이 안된다. 다른게 필요하다. 단순히 그냥 학점과 학력으로 뽑는데도 있지만 아리까리할때는 포트폴리오를 보는거다. 그렇게 봐서 인사부를 통과하는거다. 포트폴리오는 딱 여기까지다. 이것만으로는 채용이 되진 않는다. 괜찮은 회사라면 이제 사람을 불러서 면접을 본다. 기술면접, 코딩면접을 본다. 잘한다고 말한 것에 대한 질문을 하..

vr은 대중성이 없다. 결과적으로 사람이 원하는건 그냥 편하게 사용하는거다. vr이 기술적으로 발전하긴했고, 분명히 용도가 있긴 하다. 군사훈련 좋다. 체험 좋다. 분명히 좋다. 문제는 그런데 이런 vr은 여태까지 있어왔다. 그런데 그때도 vr은 미래라고 얘기해왔다 지금도 똑같은 패턴이다. 왜 이러냐? 투자자들은 vr이 뭔지 잘 모른다. 근데 돈이 된다는건 안다. 문제는 게임도 이러했다. 게임이 영화산업을 대체한다고 말했다. 하지만 그렇게 못했다. 그래서 게임쪽이 침체됬고, 발전도 느려졌다. vr도 그런 길을 걸을거라고 생각한다. vr은 이미 예전에 있던거 다시 띄울려고 하는 것이다. vr보다는 ar이 미래다. ar은 실제 있는 세상을 조금 고치는 것이기에 ar은 모든 사람에게 유용성이 있다. 실제 bm..