🎯 2025 완강 챌린지 🎯

블로그

Inje Lee (소플)

인프런 단일 강의로 수강생 만 명을 넘기기까지 (6년간의 기록)

(이 글은 제 웹사이트에 작성한 글을 그대로 가져온 것입니다.)원문 링크: https://www.soaple.io/post/9/%EC%9D%B8%ED%94%84%EB%9F%B0%20%EB%8B%A8%EC%9D%BC%20%EA%B0%95%EC%9D%98%EB%A1%9C%20%EC%88%98%EA%B0%95%EC%83%9D%20%EB%A7%8C%20%EB%AA%85%EC%9D%84%20%EB%84%98%EA%B8%B0%EA%B8%B0%EA%B9%8C%EC%A7%80안녕하세요, 소플입니다.기존 티스토리 블로그를 제 웹사이트로 통합하고 처음으로 이렇게 글을 남기네요ㅎㅎ이번 글에서는 저에게는 꽤 의미있었던,인프런 단일 강의로 수강생 만 명을 넘기기까지 6년 동안의 과정을 한 번 적어보려고 합니다.글이 꽤 길지만 관심을 갖고 재미있게 읽어주셨으면 좋겠고,개발관련 강의 제작이나 소프트웨어 교육에 관심이 있는 분들에게 조금이라도 참고가 되길 바랍니다 😀 '소프트웨어 교육'이라는 꿈먼저 잠시 제 어릴 때 이야기를 해보려고 합니다.저는 어릴 때부터 컴퓨터에 관심이 많았고, 일찍부터 프로그래밍을 배우고 싶어했습니다.하지만 지방에 살았기 때문에 당시 다녔던 동네 컴퓨터 학원에서는 프로그래밍을 제대로 배울 수 없었습니다.학원에는 컴퓨터 자격증 반이 대부분이었고 프로그래밍을 배우려고 하는 학생이 거의 없었기 때문이죠.그래서 제대로 된 교육 과정도 없었고 가르쳐 줄 선생님도 턱없이 부족했습니다.저에게는 당시 배우고 싶었던 것을 배우지 못한 상실감이 꽤 컸습니다.그래서 제가 나중에 어른이 되면, 프로그래밍을 배우고 싶어하지만 여건이 안되는 학생들에게 양질의 소프트웨어 교육을 제공해주고 싶다는 생각을 하게 됐습니다.그렇게 시작된 생각은 저에게 소프트웨어 교육이라는 꿈을 갖게 만들었습니다.그리고 그 꿈은 점점 더 커져서 현재 제 인생의 최종 목표인 소프트웨어를 전문적으로 교육하는 학교를 설립하는 것이 되었습니다. 첫 오프라인 강의 (2017년, feat. Python)때는 바야흐로 2017년 말이었습니다.우연한 기회로 대전에서 3일 과정으로 파이썬 입문 강의를 하게 되었습니다.제 인생 첫 오프라인 강의였기 때문에 정말 두렵고 떨리는 마음으로 강의를 준비했습니다.그래서 아래와 같이 열심히 강의 자료를 만들었고, 저 때 지금의 제 강의 템플릿이 완성되었습니다.강의를 하기 전날 대전에 내려가서 숙소에서 계속해서 강의 연습을 했던게 아직도 기억납니다.강의 당일에는 너무 긴장해서 일찍 잠에서 깼고, 이른 시간에 강의장에 도착해서 기념 사진을 찍었습니다.당시 전체 수강생은 약 20명 정도였습니다.수강생중에는 흰 머리의 나이 지긋하신 아버님도 계셨고,재수를 해서 수능을 마치고 온 학생도 있었습니다.그렇게 제 인생의 첫 오프라인 강의를 시작하게 되었고,3일 동안 하루 8시간씩 정말 열심히 강의를 진행했던 기억이 납니다.강의가 끝나고 수강생 분들에게 메일로 실습 코드를 보내드렸는데,답장으로 좋은 말씀들을 너무 많이 해주셔서 정말 보람을 느꼈던 것 같습니다.그렇게 저는 교육이라는 것이 정말 보람찬 일이라는 것을 몸소 깨닫게 되었고,제 꿈에 더 확신을 가지게 되었습니다. 우연히 찾아온 기회 (2018년)2018년에는 제가 본격적으로 프리랜서 개발자로 활동하기 시작했습니다.프리랜서 프로젝트를 구하고 있던 와중에, 제가 병역특례를 했던 회사 대표님의 소개로 N사의 모바일 앱 개발 프로젝트를 수행하게 되었습니다.당시 N사의 CTO님과도 미팅을 할 기회가 생겼는데, 소프트웨어 교육이라는 공통 관심사로 많은 이야기를 나눌 수 있었습니다.그리고 CTO님께서는 구름 류성태 대표님을 소개해주셨습니다.소프트웨어 교육에 관심이 많으니 아마 서로 도움이 될 수 있을 거라고 하시면서 말이죠.그렇게 처음으로 구름과의 인연이 시작되었습니다.2018년 한 해 동안 저는 프리랜서 프로젝트를 주로 하면서,가끔 오프라인 강의도 하고 틈틈이 유튜브에 동영상 강의를 올리면서 보냈습니다.  첫 동영상 강의를 제작하다 (2019년, feat. 구름 에듀)당시 구름에서는 구름 에듀라는 강의 플랫폼을 만들어서 한창 키워나가고 있었습니다.강의 플랫폼의 초기에는 다양한 컨텐츠를 확보하는 것이 중요합니다.그래야 많은 사람들이 들어와서 강의도 듣고 결제도 할 것이기 때문이죠.그렇게 시간이 될 때 한 번씩 구름과 미팅을 하면서,먼저 AWS 강의와 리액트 강의를 제작해보기로 결정을 하게 되었습니다.AWS 강의는 기존에 제가 오프라인에서 강의를 할 때 만들어둔 자료가 있었기 때문에 그걸 사용해서 조금 빠르게 제작할 수 있었고,리액트 강의는 커리큘럼부터 강의자료까지 다 처음부터 만들어야 했습니다.기존에 유튜브 채널에 강의 동영상을 가끔 올리긴 했지만,제대로 된(?) 동영상 강의 제작은 처음이었기 때문에 설레기도 하고 걱정이 되기도 했습니다.당시 제가 프리랜서 프로젝트를 하느라 바빴기 때문에 남는 시간에 틈틈이 강의 내용을 구성했고,본격적인 강의 제작은 2019년 중순이 되어서야 할 수 있었습니다.그렇게 약 2달 동안 강의 자료를 만들고 녹음하고 편집하는 과정을 계속 반복했습니다.(참고로 제 모든 강의는 스튜디오가 아니라 조용한 시간에 집에서 녹음합니다🤣)그리고 2019년 6월, 구름 에듀에 제 인생 첫 동영상 강의인 처음 만난 AWS와 처음 만난 리액트가 출시되었습니다.보시는 것처럼 강의를 처음 출시 했을 때는 비싸진 않지만 유료로 판매했었습니다.플랫폼 입장에서 무료 컨텐츠는 초기에 사람들을 끌어모으는 역할은 하지만, 직접적인 수입원이 되지는 못합니다.그래서 결국은 컨텐츠를 유료로 판매해야 플랫폼은 수수료를 가져갈 수 있고, 강의자는 강의로 인한 수익을 창출하면서 공생할 수 있는 것이죠. 유료에서 무료로하지만 당시 저는 유료 강의에 대해 조금은 부정적인 생각을 갖고 있었습니다.어릴 때의 제 모습을 계속 떠올리면서, 어린 친구들이나 학생들은 돈이 별로 없기 때문에 단돈 1~2만원의 강의료도 부담이 될 것이라고 생각했기 때문입니다.또한 저 스스로도 아직 강의 컨텐츠에 대해서 돈을 받고 팔 정도의 자신은 없었습니다.수강생과 입장을 바꿔서 '내가 학생이라면 이 정도 강의를 이만큼의 돈을 내고 들을 것인가?' 라고 생각해봤을 때,당시 제 마음속의 대답은 '아니요' 였습니다.그래서 유료 강의를 출시한 이후에도 계속 저런 생각들이 들었고,고민 끝에 구름측에 양해를 구하고 강의를 무료로 전환하게 되었습니다.많지는 않았지만 당시에 무료로 전환하기 전까지 강의를 구매해주신 분들이 계셨습니다.규정상 따로 환불을 해드리지는 못했는데, 만약 이 글을 보고 계신다면 제 메일(inje@soaple.io)로 연락을 주시기 바랍니다.늦었지만 제 인프런 강의를 무료로 수강하실 수 있도록 쿠폰을 보내드리겠습니다🥹그렇게 구름 에듀에 출시한 강의를 모두 무료로 전환하고나니 몇 가지 변화가 생겼습니다.먼저 구름에서 주최하는 개발 프로그램에 참여하는 분들에게 제 강의를 무료로 제공할 수 있게 되었습니다.그리고 그런 프로그램에 참여하는 분들을 포함해서 수강생이 빠르게 늘기 시작했습니다.수강생이 늘면서 강의에 대한 평가도 늘기 시작했고,그 과정에서 강의에 대한 수강생 분들의 긍정적인 피드백을 받으면서 저도 힘을 받을 수 있었습니다.그렇게 시간이 흘러 현재까지 구름 에듀에서 처음 만난 AWS 1,233명, 처음 만난 리액트(v1) 2,040명, 처음 만난 리액트(v2) 328명의 누적 수강생을 달성할 수 있었습니다. 영어로 만들어서 달러를 벌어보자 (2020년, feat. Udemy)수강생도 꽤 늘어나고 강의에 대한 긍정적인 평가들을 받다보니 제 강의에 대해 조금 자신감이 생겼습니다.그리고 저도 지속적으로 강의를 제작하기 위해서는 강의로 수익을 창출하는 것이 필요하다는 생각을 하게 되었습니다.하지만 그때까지도 한국에서 유료 강의를 판매하는 것에 대해서는 제 마음이 내키지 않았고,영문판을 제작해서 유데미(Udemy)에 올려보면 어떨까? 라는 생각을 하게 되었습니다.당시 유데미는 영어로 된 강의가 대부분인 전세계를 대표하는 강의 플랫폼이었기 때문에,인기 강의의 수강생 수나 매출이 한국 플랫폼들과는 비교도 안 될 정도로 컸습니다.그래서 제 강의가 아주 조금만 어필이 되어도 꽤 큰 돈을 벌 수 있을 것이라고 생각했습니다.그렇게 달러를 벌어들이는 꿈을 꾸며 처음 만난 리액트 강의의 영문판을 제작하기 시작했습니다.영문판을 제작하면서 가장 힘들었던 점은 역시 언어의 장벽이었습니다.한글로는 쉽게 설명할 수 있는 부분들을 영어로는 어떻게 설명해야 할지 몰라서 참 어려웠던 것 같습니다.그래서 번역기와 영어권에서 많이 사용하는 표현들을 찾아가며 꽤 오랜 기간에 걸쳐 강의를 완성했습니다.그리고 2020년 7월, 유데미에 처음 만난 리액트의 영문판인 First met React 강의가 출시되었습니다.(당시 유데미에 출시된 강의 이미지를 분명 캡처해뒀는데 못찾겠네요ㅠ)강의를 출시하고 처음에 수강생을 모으기 위해 레딧에 홍보를 해보기로 했습니다.그래서 레딧의 리액트 서브레딧에 3일 동안만 등록 가능한 무료 쿠폰을 뿌렸습니다.그랬더니 운좋게 아래와 같이 Upvote를 많이 받아서 Hot에 올라가게 되었습니다.그렇게 레딧 홍보를 통해 초기 수강생을 꽤 모을 수 있었습니다.하지만 무료 쿠폰으로 등록한 수강생들이 대부분이었기 때문에 수익은 거의 없었습니다 😂그러다가 어느 날 자려고 누워서 유데미 수강생을 확인하는데, 갑자기 새로고침 할 때마다 수강생이 50~70명씩 늘어났습니다ㄷㄷ그래서 깜짝 놀라서 이게 도대체 무슨 일인지 확인해봤더니, 인도에서 수강생들이 엄청나게 몰려오고 있었습니다.누군가가 인도의 유데미 무료 쿠폰 코드를 공유하는 사이트에 제가 레딧에 올린 쿠폰 코드를 올린 것이었습니다.그렇게 강의가 출시된 7월에만 6,243명이 등록했는데,그들은 대부분 무료 쿠폰을 통해 유입된 수강생이었고 인도 사람들이 아주 큰 비중을 차지하고 있었습니다.아래 그림에서 인도에 그려진 큰 원이 보이시나요?ㅎㅎ이후로는 거의 수강생이 늘지 않았고 가끔씩 유료로 강의를 구매하는 수강생들이 있긴 했지만 절대적인 수는 얼마 되지 않았습니다.이후 한 동안 강의를 관리하지 못했더니 약 2년 전쯤 강의가 내려가게 되었고,누적 수강생 7,434명과 누적 수익 $46.18를 끝으로 달러를 벌기 위한 여정이 마무리 되었습니다. 처음으로 개발 서적을 집필하다 (2021년, feat. 한빛미디어)유데미에서의 뼈아픈 실패(?)를 경험하고, 2021년에 저는 1인 법인을 설립하게 됩니다.소프트웨어 교육과 관련된 활동을 꾸준히 해왔지만 그게 저의 본업은 아니었습니다.본업은 프리랜서 개발을 하면서 동시에 저만의 서비스를 개발하는 것이었죠.개인사업자로 4년 동안 프리랜서 개발을 해왔었는데, 2021년에 여러가지 상황이 겹치면서 법인을 설립하게 되었습니다.법인은 소프트웨어 교육과 관련된 것은 아니었고, 온전히 저만의 서비스를 위한 것이었습니다.(이 부분도 스토리가 길어서 기회가 된다면 나중에 다른 글에서 다뤄보도록 하겠습니다😃)법인을 설립하고 정신없이 서비스를 개발하던 중에 아래와 같이 출판사로부터 메일을 받게 되었습니다.당시 구름 에듀에 있던 제 리액트 강의를 꽤 많은 분들이 수강해주셨는데,출판사에서도 제 강의에 관심을 가지고 연락을 주신 것이었습니다.메일을 받고 나서 저는 정말 큰 고민에 빠졌습니다.개발자로서 개발 서적을 집필하는 것은 제가 언젠가는 꼭 이뤄보고 싶은 일 중에 하나였기 때문에 설레기도 했지만,법인을 설립하고 본격적으로 판을 벌려놓은 상태라서 '과연 책을 집필할 시간이 될까?'라는 고민이 들었습니다.당시 제가 책을 집필해본 적은 없었지만, 주변에서 책을 쓰는게 정말 힘들고 고통스럽다는 이야기들을 꽤 많이 들어왔기 때문에 더 고민을 했던 것 같습니다.하지만 정말 좋은 기회라는 생각이 계속 들었고, 처음 만난 리액트는 이미 강의로 제작되어 있는 상태였기 때문에 '책을 집필하는 과정도 조금은 수월하지 않을까?'라는 무식한(?) 생각으로 출판사와 계약을 하게 되었습니다.그렇게 1년 동안 개발도 하면서 틈틈이 책을 썼는데, 강의 컨텐츠가 어느정도 있었지만 책을 쓰는 과정은 전혀 수월하지 않았습니다😂마지막에는 정말 남은 힘을 다해서 꾸역꾸역 한 글자 한 글자씩 써내려갔던 것 같습니다.그렇게 해서 2022년 5월에, 소문난 명강의 시리즈로 소플의 처음 만난 리액트가 출간되었습니다.약 1년 동안 책을 집필하면서 느낀 점은,정말 힘든 과정이라는 것과 스스로 동기부여가 되어야만 할 수 있는 일이라는 것입니다.사실 개발 서적은 트렌드도 빨리 바뀌고 독자층도 한정되어 있기 때문에 책으로 인해 큰 수입을 얻기는 어렵습니다.하지만 저자의 이름을 알리거나 오프라인/온라인 강의를 하는 경우에는 꽤 도움이 되는 것 같습니다.그만큼 책을 출간한다는 것 자체가 스스로에게 큰 동기부여가 되지 않으면, 다른 데서 집필을 무사히 마칠 정도의 동기를 얻기가 어렵습니다.그래도 저는 오래 전부터 제가 꼭 이루고 싶은 일 중에 하나였기 때문에 무사히 책을 집필할 수 있었던 것 같습니다.그렇게 출간된 제 책은 나름대로 자리를 잘 잡고 꾸준히 판매가 되었습니다.처음에는 1쇄만이라도 다 팔려서 재고는 안 남았으면 좋겠다고 생각했는데,출간된 지 1년 반이 지난 현재 3쇄까지 거의 다 판매되었고 현재 개정판 출간을 앞두고 있습니다. 드디어 인프런에 첫 강의를 업로드하다 (2022년, feat. 인프런)제 책은 이미 강의로 제작된 내용을 기반으로 하는 책이었기 때문에,처음 출판사와 계약을 할 때부터 책이 출간되는 시점에 맞춰서 강의도 새롭게 리뉴얼 하는 것으로 정했었습니다.그래서 책을 거의 다 집필한 시점에 처음 만난 리액트 v2 강의를 제작하기 시작했습니다.기존 강의가 2019년에 제작되었기 때문에 그 사이 리액트에도 많은 변화가 생겼습니다.클래스 컴포넌트를 주로 사용하던 방식에서 훅과 함께 함수 컴포넌트를 사용하는 방식이 사실상 표준으로 자리잡게 되었습니다.그래서 새로운 버전의 강의에서는 기존 강의의 내용을 업데이트 하는 것과 동시에 책에 들어간 내용과 동일하게 새로운 내용들도 추가하게 되었습니다.그리고 제가 말하는 속도가 느린편이라서 강의가 졸리다는 의견도 꽤 있었기 때문에,새로운 버전에서는 말을 의도적으로 빠르게 하게 되었습니다🤣(지금 강의 속도가 조금 빠르다고 느끼는 분들도 간혹 계시지만 대부분 만족하시는 것 같습니다ㅎㅎ)그렇게 열심히 새로운 버전의 처음 만난 리액트 강의를 제작하게 되었고,구름 에듀, 인프런, 유튜브 등에 모두 업로드 하게 되었습니다.특히 제가 인프런에는 강의를 처음으로 올리는 것이었는데,강의를 올리면서 '드디어 이제서야 인프런에 강의를 올리는구나.' 라는 생각을 하게 됐습니다.왜냐하면 과거에 인프런에서 저에게 먼저 강의 제작을 제안한 적이 있었기 때문입니다.당시 인프런도 본격적인 성장세를 타고 있었던 시점이라 아마 다양한 강의 컨텐츠들이 필요했을 겁니다.그래서 저에게 처음에 리액트를 주제로 유료 강의 제작을 제안해주셨는데,그때까지도 저는 한국에서 유료 강의를 출시하는 것에 대해 마음의 결정을 내리지 못한 상태였습니다.그래서 MD님께 그러한 제 가치관에 대해서 잘 말씀드리고,향후 기회가 된다면 무료 강의를 제작해보겠다로 말씀드렸습니다.그리고 당시 위 이메일 내용처럼 지식공유자 신청만 미리 해두었습니다.그렇게 시간이 흐르고 흘러 2년 가까이 지나서야 인프런에 첫 강의를 출시하게 된 것이죠.어찌됐든 늦었지만 인프런과의 약속은 지켰다고 생각합니다😀그렇게 인프런에 강의를 출시하고 메인 페이지에 꽤 여러번 노출이 되었습니다.그 덕분에 수강생 수도 굉장히 빠르게 증가하였고, 2022년 말에는 아낌없이 주는 나무상까지 수상하게 되었습니다.제 리액트 강의가 2022년에 수강신청 수가 가장 많은 무료 강의였다고 합니다.그렇게 책도 출간하고 강의도 많은 분들에게 사랑을 받으면서 정말 뿌듯하게 2022년을 마무리했던 기억이 납니다. 수강생 10,000명을 달성하다 (2023년, 현재)어느덧 시간이 흘러 인프런에 리액트 강의를 출시한지 거의 1년 반이 다 되었습니다.그 사이 제 책과 강의는 더 많은 분들에게 관심을 받게 되었습니다.그래서인지 구글과 네이버에서 '리액트 강의'라고 검색하면 제 강의가 가장 먼저 나오게 되었습니다.그리고 강의 컨텐츠가 여기저기 수출(?)되기 시작했습니다.특히 프론트엔드 개발에 입문하는 분들이 제 리액트 강의를 학습하면서 개인 블로그에 많이 정리하셨던 것 같습니다.(붕어빵 그림은 제가 정말 한땀한땀 그렸는데 수출되어서 뿌듯하네요ㅎㅎ)아무튼 그렇게 책을 통해서도 제 강의를 접하고 검색을 통해서도 제 강의를 접하는 분들이 늘어나면서,최근에 드디어 단일 강의로 수강생 10,000명을 달성하게 되었습니다 🎉당시 스스로 기념하기 위해서 화면을 캡처해두었습니다 😎어떤 분들에게는 별거 아닐 수도 있지만,저에게는 첫 오프라인 강의를 시작하고 지난 6년 동안의 노력이 점점 결실을 맺어가는 것 같아서 굉장히 큰 의미가 있었습니다.그리고 많은 수강생 분들께서 남겨주신 소중한 수강평 또한 큰 힘이 되었습니다.이 글을 통해서 수강생 분들에게 다시 한 번 감사의 말씀을 전합니다!😀(정말 재미있게 리뷰를 남겨주신 휴식중인 오리님ㅎㅎ 혹시 휴식 끝나셨나요?) 유료 강의를 출시하다책도 어느 정도 팔리고 무료 강의로도 꽤 많은 수강생을 달성하고 나니,제 강의 컨텐츠에 대한 자신감이 어느정도 생기게 되었습니다.그리고 무료 강의를 운영하면서 느꼈던 여러가지 장단점으로 인해,올해에는 유료 강의를 한 번 출시해보기로 결정했습니다.그래서 현재 처음 만난 리덕스와 엊그제 공개 된 따끈따끈한 처음 만난 AWS까지 총 2개의 유료 강의를 제작하게 되었습니다.강의가 아주 많이 판매되지는 않고 있지만,구매해주시는 분들이 있다는 사실에 감사함과 뿌듯함을 동시에 느끼고 있습니다 😀 강의를 제작하면서 얻은 것들이렇게 지난 6년 동안의 이야기를 한 번 정리해보았습니다.저는 교육에 꿈이 있었기 때문에 시작한 것이지만,전체 개발자 분들 중에서 교육에 관심을 갖고 뛰어드는 비율은 현저하게 낮은 것 같습니다.회사일만 제대로 하기에도 바쁘기도 하고, 강의를 제작하는 것이 생각보다 어렵고 시간이 많이 걸리기 때문입니다.제가 강의를 제작하면서 얻은 것들은 다음과 같습니다.흩어져 있던 지식들을 체계화 할 수 있는 기회헷갈렸던 개발 관련 지식을 다시 한 번 복습하며 이해할 수 있는 기회코드 리뷰를 하거나 다른 개발자에게 설명을 할 때 더 쉽게 설명할 수 있게 됨돈으로는 살 수 없는 아주 큰 보람과 성취감저는 기억력이 그리 좋지 않아서 정리를 하면서 지식을 익히는 타입인데,그래서인지 강의를 제작하는 과정이 저에게는 개발 지식을 습득하는데 큰 도움이 되었던 것 같습니다.앞으로 강의를 제작할 계획이 있거나 소프트웨어 교육에 관심이 있는 분들은 참고하셨으면 좋겠습니다😀 앞으로의 계획 (2024년 ~)이제 2023년이 2달도 채 남지 않았습니다.저는 내년 계획을 아직 제대로 세우진 않았지만,아마도 새로운 강의를 적어도 하나 정도는 제작하고 오프라인 강의도 한 번은 하지 않을까 싶습니다.그리고 무엇보다도 제가 개발하고 있는 서비스가 어느정도 자리를 잡았으면 좋겠네요ㅎㅎ여러분들도 내년에 어떤 걸 공부하고 어떻게 성장할 것인지,어떤 새로운 일들을 해볼지 지금부터 계획을 세워보시면 좋을 것 같습니다!👏긴 글을 모두 읽어주셔서 감사드리며, 마지막으로 강의 쿠폰과 약간의 홍보를 하면서 마무리 짓겠습니다ㅎㅎ 광고 (AD)강의 50% 할인 쿠폰 (~ 2023년 12월 31일 까지만 유효)처음 만난 리덕스 🔗쿠폰 코드: 13533-912257c568a9처음 만난 AWS 🔗쿠폰 코드: 13534-3be05f545ba4소플이 만든 프론트엔드 지식 포털 FrontOverflow 🔗소플 웹사이트 🔗 그리고 개발 공부를 하고 싶지만 어려운 환경에 있는 분들은,주저하지 마시고 언제든지 아래 제 이메일 주소로 연락주세요.제가 도움을 드릴 수 있는 부분이 있다면 적극적으로 도와드리겠습니다! 😀inje@soaple.io

게임 개발 기타인프런지식공유10K강의리액트소프트웨어교육

에리얼

인프런 비즈니스 대시보드, 어떻게 써야할까? 100% 활용하기!

인프런 비즈니스 서비스, 어떻게 쓰고 있는지 궁금하신가요 ? 인프런 비즈니스에서는 IT에 특화된 강의 및 실무 강의들로 약 3,100개 이상의 콘텐츠를 제공하고 있으며, 한달 평균 65개의 강의가 새롭게 업로드 되어 최신 강의를 빠르게 필요한 실무자들에게 제공할 수 있습니다. 또한, 이미 누적 수강생 1,200만명이 인프런을 통해 학습하고 있습니다.오늘은 다양한 인프런 비즈니스 기능 중, '대시보드' 기능을 설명드리고자 합니다.대시보드 기능이란?- 학습자분들이 수강한 학습 현황, 학습 시간, 강의 평점, 인기 카테고리 및 인기 스킬태그를 관리자가 확인하기 쉬운 형태인 '대시보드' 로 제공하며,이에 맞춰 학습 독려 메일 발송 및 강의관리까지 연계 가능한 관리자 편의형 기능입니다.인프런을 사용하시는 비즈니스 관리자분들에게 받았던 피드백 중 바로 '어떤 강의를 선호하며, 어떤 데이터를 통해 강의를 제공해야 만족할까? '에 대한 부분이 유독 많았는데요.사실 관리자 분들께서도 교육 서비스 제공 시, 학습자분들에게 실질적으로 도움이 되는 강의 주제를 맞추기 어려우실 수 있을 것 같습니다. 많은 인터뷰를 듣고 난 뒤, 인프런에서 관리자님들의 편의를 위해  “대시보드” 기능을 새로 출시하였습니다! 대시보드 내 인기 카테고리 , 인기 스킬태그 등을 통해 실제로 학습하는 학습자분들의 강의 유형을 알고, 수강평을 통해 강의 만족도를 파악하여 추후 해당 카테고리의 강의들을 보강할 수 있는 중요한 역할을 하고 있습니다.TIP 하나 더!대시보드를 보고 나서, 더 자세히 “우리회사가 어떤 강의를 가장 많이 듣고 얼마나 듣지?”를 알고 싶으시다면, 담당 영업매니저에게 살짝 ‘이용보고서’를 문의해보세요! 빠르고 정확하게, 해당 기간 내 이용보고서를 공유드립니다 :) 우리 모두, 교육에 진심이니까!임직원들이 만족하고, 실제 역량에 도움이 되는 교육을 위해, 인프런 비즈니스는 계속해서 노력하겠습니다. 

업무 자동화대시보드업무자동화비즈니스교육사내교육IT교육DX교육비즈니스교육실무강의강의

셰리

인프런 유저는 어떤 사람들일까? 직접 만나봤습니다 🏃

인프런 유저가 벌써 120만 명을 앞두고 있습니다! 👏인프런은 항상 여러분들이 어떤 사람인지, 인프런을 어떻게 이용하고 있는지 항상 궁금했는데요.그래서! 여러분의 서비스 경험을 책임지는 CX 파트에서 인프런을 가장 꾸준히, 활발하게 이용하시는 유저 186분을 만나봤습니다.오늘은 그중 재밌는 내용 몇 가지를 여러분께 소개해 드릴게요. 🙂간단 요약! 인프런 유저 특징 인프런에서 가장 만족하는 부분1) 강의 2) 기능 (질문 & 답변 게시판 / 로드맵)질문 & 답변 게시판은 강의 수강생 누구나 지식공유자에게 질문을 남길 수 있는 게시판입니다. 서비스 상단 [커뮤니티]를 통하거나, 수강 중인 강의 페이지의 [커뮤니티]를 통해 진입할 수 있어요. 강의 수강 중 이해가 안 되는 부분이 생겼을 때, 질문 & 답변 게시판을 적극적으로 활용해 보세요! 실제로 입문자 혹은 독학하시는 분들이 많은 도움을 받은 기능이라고 합니다.질문 & 답변 게시판 구경하기 >>로드맵은 다양한 강의를 엮어 이상적인 학습 순서를 제안하는 기능입니다. 지식공유자 혹은 인프런이 직접 제작하는 로드맵은 학습의 방향성을 확인할 수 있다는 점에서 인프러너분들의 만족도가 높았다고 해요. 로드맵에만 쓸 수 있는 할인 쿠폰도 있답니다!로드맵 구경하기 >>CX 파트에서는 인터뷰를 통해 유저분들의 생각을 직접 들어볼 수 있어 의미 있었다고 말씀해 주셨는데요.인프런을 꾸준히, 열심히 이용해 주신 유저분들을 직접 인터뷰한 CX 파트의 간단한 소감을 들어볼까요? 💌 인프런을 열심히 그리고 꾸준히 이용하시고 애정해 주시는 유저들을 직접 만나보니 서비스 운영자로서 뿌듯함을 많이 느꼈고, 앞으로 인프런을 더 성장시키는 방향성을 알 수 있는 계기가 되었어요.특히나 평소 CS 업무를 하다 보면 불편하거나 아쉬운 부분에 대한 VOC를 많이 듣는 편인데, 이번 유저 인터뷰에선 전반적으로 서비스를 매우 만족스러워하시는 분들의 의견을 듣다 보니 서비스에 대한 중립적인 시야를 가질 수 있게 되었고요.또, 유저분들과 직접 많은 이야기들을 나누다 보니 콘텐츠, 기능 개선 등 인프런이 앞으로 나아가야 할 방향에 대해 더 구체적으로 고민해 볼 수 있는 시간이 되었던 것 같습니다.유저분들이 저희 서비스에 보여주신 애정과 관심만큼 앞으로도 인프런에서 유익한 시간을 보내실 수 있도록 노력하겠습니다. 앞으로도 인프런 서비스에 많은 사랑 부탁드립니다. 감사합니다 🥰 앞으로도 인프런 기능이나 강의 관련해서 새로운 제안이나 요청 사항이 있으시다면 언제든 알려주세요. 인프런은 여러분의 소중한 의견을 귀 기울여 듣겠습니다.인프런에 바란다 >>

인프런인프러너유저강의지식공유자로드맵질문답변

인공지능과 추천 시스템 - 마치며 - 2024. 12.

들어가며2024년 2학기 KAIST 경영대학원에서 Digital Finance MBA 과정에서 개설된 ‘인공지능과 추천시스템' 강의를 마쳤다. 3학점 16주의 일정이 끝났고, 작년에 강의를 끝냈을 때에 느꼈던 아쉬움에 더해서 두번째 기회였음에 따라 오는 추가적인 아쉬움들이 든다. 금융의 영역과 문제 풀이의 본질인 공학의 테두리 안에서, 인공지능과 추천이라는 주제를 다른 트랙처럼 운용하려 했고, 제품과 서비스로서의 문제 정의와 풀어 나가려는 접근 등을 같이 고민하려 했다. 과목의 이름이 주는 방대함과 위압감은 생각 이상이었고, 변화하는 시대의 이슈들을 따라가고자 하니, 구현에 대한 공통적인 실습을 줄이는 방식으로 타협을 하게 되었다. 준비한 것들교재 같이 읽기 - 박태웅의 AI 강의교재 같이 읽기 - 추천 시스템 입문 코드 따라 하기 - MovieLens , 추천 알고리즘 - 기본 구현들, openAI news creation추석 맞이 클립 모아 보기stateof.ai 2023, 2024 같이 보기특강 - Google(Playstore)에서 과제 런칭하기특강 - Search Quality with Google 특강 - Lessons from  Google Search특강 - Big Acquisitions / Nest / Subscriptions / US Life기말 발표 주제 선정, 발표 자료 리뷰, 발표 리뷰  준비했지만 못했던 것들교재 같이 읽기 - GPT-4 를 활용한 인공지능 앱 개발교재 같이 읽기 - 금융 전문가를 위한 머신러닝 알고리즘코드 따라 하기 - 추천 알고리즘 - 복잡한 구현들, Deep Learning 특강 - 인이지와 Digital Transformation with XAI Stat 들  77명의 수강생 ( 디지털금융MBA 46명, 정보경영 20명, 프로페셔널 MBA 6명, 카이스트MBA 3명,임팩트MBA 1명, 경영공학부 1명 )  4번의 remote 수업, 2번의 online 수업44개의 기말 과제 1번의 간담회 형식의 치맥   작년과 달랐던 점들 직장을 다니면서 주경야독을 하는 학생들과 전업 학생들이 완전하게 둘로 갈려 있었음.  기말 과제들에 공을 들여 이야기를 했는데, 학생들이 다른 과제의 이야기들에 관심을 가지지 않았음.  아무 주제로 면담 신청을 열어 놓았는데, 아무도 신청을 하지 않았음.  띄엄띄엄 학생들을 볼 수밖에 없는 제약이 있기도 했지만, 학기를 진행하며 작년과 너무 다른 분위기들에 많이 흠칫하게 되었다. 침체되어 있는 업권의 불편한 분위기가 그대로 내려오고 있는 게 아닌가 하는 생각이다. 마무리하며강의 평가 결과로는 타 과목 대비 낮은 점수가 나왔는데, 특히 작년보다 그다지 나아지지 못했다는 아쉬움이 있다. 전업으로 하시는 다른 과목 교수님들보다 높이 나올 수 없다는 결과는 여전히 당연하다 생각하고 있고, 특히 이 과목은 학생들이 금융과 IT의 양 극단에 있어서 적절한 강의 대상을 정하기 어려웠을 거라는 책임교수님의 예상과도 일치하는 많이 놀랍지는 않은 결과였다. 작년의 경험에 조금의 노력을 더했지만, 부족함이 많이 지적되는 결과라 하겠고, 모두를 만족시키지 못한 것에 대한 욕심, 너무 살살(?) 했던 것에 대한 아쉬움, 미안함 등이 있지만, 이 자료들이 쌓여서 올해도 내년 강의에 잘 이용이 되면 하는 바램으로 올해는 여기 까지로 마무리하자 싶다.여러 물리적인 제약들에도 불구하고, 개인적으로는 너무 소중한 경험이었고, 다시 한 번 기회를 더 주신 책임교수님과 학과 사무실 분들, 완벽했던 수업조교 들께 감사한 마음을 전한다. 수업 시간을 함께 한 학생들께도 고마움을 전하고 앞으로도 좋은 영향을 끼치기를, 그리고 인연이 계속되기를 기대한다. 

대학 교육 기타인공지능추천강의

[강의 정리][1편] 스프링 DB 1편 데이터 접근 핵심 원리 by 김영한

JDBC자바의 데이터베이스 표준 인터페이스DB 벤더 회사의 jdbc 드라이버와 함께 어떤 DBMS와도 사용 가능Sql MapperjdbcTemplate, Mybatis : sql 전달, 응답을 객체로 편리하게 변환 가능, jdbc의 반복 코드 제거ORM코드만으로 가능하다객체지향적으로 작성할 수 있으며, 동적인 쿼리의 재활용에 있어서 편리하다.Sql mapper에 비해 DB에 종속적이지 않다.JPA같은 경우 기본적인 쿼리는 자동 생성해주기 때문에 반복적인 sql 제거가 가능하다.  * 내부에서는 모두 Jdbc 기반이다.  DriverManagerJdbc 연결 관리각각의 DB드라이버들에게 url 정보를 체크해서 처리할 수 있는지 확인한다. Connection Pool필요한 만큼 커넥션을 미리 확보 & 커넥션 재사용대표적인 커넥션 풀 - HikariCPDataSource 인터페이스를 통해 커넥션풀에 직접 접근 없이 커넥션 획득이 가능하다DriverManager에서 DataSource를 사용하려면 DriverManagerDataSource라는 구현 클래스를 통해야한다.DriverManager은 커넥션을 위한 정보 파라미터 계속 넘겨줘야하고, DataSource는 getConnection로 커넥션을 가져온다.설정과 사용의 분리   트랜잭션데이터 베이스 작업단위원자성(all or nothing)모든 작업이 성공했을 때 commit하고, 하나라도 실패한다면 rollback-> 데이터의 일관성 유지 가능 격리성격리수준READ UNCOMMITEDREAD COMMITTED 기본REPEATABLE READ - update x, insert oSERIALIZABLE - select for updateDB 세션이 트랜잭션을 관리자동 커밋은 각각의 쿼리가 트랜잭션 단위이기 때문에 원하는 단위로 묶을 수 없다트랜잭션의 범위를 지정한다는 것은 수동 커밋을 의미한다  

데이터베이스강의

자바 ORM 표준 JPA 프로그래밍 기본편(김영한) 2

프로젝션 JPQL의 경우 패키지명까지 참조해서 생성자 매핑시켜주기 ex) select com.myproject.myapp.dto.MemberDto(m.id, m.name) ... result class 또한 DTO로 매핑 querydsl의 경우 @QueryProjection을 통해 querydsl용 생성자를 만들어서 매핑 가능 이 경우, select절에 Projections.constructor(Dto.class, ...)로 매핑 Projections.bean과 Projections.field에 비해 연쇄 수정이 적어지는 장점이 있음   페치 조인 페치 조인은 연관관계 엔티티까지 한 번에 불러오는 것 일대일 연관관계에서 주로 사용 일대다 컬렉션 페치 조인은 한 번만 지원되며,사용 시 중복조회가 일어나기 때문에 select distinct 사용하여야함 @BatchSize() 또는 hibernate.default_batch_fetch_size 사용해서 fetch join으로 불러올 엔티티 개수 지정 가능 원하는 필드만 조회하거나 연관관계가 조건절에만 필요한 경우 fetch join이 아닌 일반 조인 사용할 것.   다형성 쿼리 상속 연관관계 SINGLE_TABLE 타입의 경우type(i) in (Book, Movie) 또는 treat(i as Book).author = 'kim' 으로 사용   정적 재사용 쿼리 @SqlResultSetMapping(name = "NamedQuery 이름",entities = {    @EntityResult(entityClass=Member.class,                                   fields = { @FieldResult(name = 'id', column = 'order_id') }                                   column이 실제 테이블 컬럼명, 타입도 지정 가능                                  )           },columns = {@ColumnResult(name = 'item_name')}이것을 통해 projection 필드(가공한 필드)를 가져올 수 있음) NamedQuery 재사용 가능한 정적 쿼리 - 파라미터도 전달 가능 어플리케이션 로딩 시점에 쿼리 검증함 @Query도 NamedQuery @NamedQuery(name = "", query = "") NamedNativeQuery name, query, resultClass   벌크연산 변경감지만으로 데이터 수정하면 업데이트 쿼리가 남발됨. update, delete, insert select 사용 execute하면 영향받은 엔티티수 반환 벌크 연산은 DB에 직접 쿼리 날리기 때문에 영속성 컨텍스트 초기화가 필요@Modifying 또는 em.flush(); em.clear();        

JPA강의김영한프로젝션페치조인다형성쿼리Named쿼리벌크연산

<강의정리> 따라하며 배우는 도커와 CI환경(John Ahn) 1 - 도커 개념 정리

도커의 장점 일반적으로 프로그램을 다운받을 경우, installer 또는 io(file archive) 이용 -> 에러가 날 수 있음도커를 이용한 프로그램 다운 docker run -it redis -> 간편   도커 개념 서버에서의 컨네이터는 spring, mysql, react, redis ... 도커 이미지 - 프로그램을 실행하는데 필요한 설정과 종속성을 갖고있음 도커 컨테이너 - 이미지의 인스턴스이며, 프로그램을 실행함다양한 프로그램을 컨테이너로 추상화함으로써 어떠한 클라우드에서도 동일한 인터페이스 제공   도커 흐름 도커 클라이언트 -> 도커 서버 -> 캐시에서 이미지 반환 또는 도커허브에서 이미지 반환 기존의 가상화 기술은, 하이퍼 바이저를 통해 다수의 게스트 OS를 구동하고 호스트 OS와 하드웨어를 게스트 OS에 에뮬레이트(복제)함 도커 컨네이터 가상화 기술은 하이퍼바이저와 게스트 OS없이 호스트 OS위에서 커널을 공유하여 애플리케이션 실행 패키지(이미지)를 배포만 하면 됨. 경량화독립적인 컨테이너이기 때문에 하드 디스크 상에서도 격리됨; 프로세스를 작동시키는데 필요한 리소스 포함 도커 작동 원리; 리눅스 기능 1. Cgroup(control groups) - 시스템 리소스 사용량을 관리, 어플리케이션 cpu memory 제한 가능 2. 네임스페이스 - 프로세스를 격리시킬 수 있는 가상화 기술 프로그램 -> 리눅스 커널(이미지의 파일 스냅샷 전달) -> 리눅스 VM -> OS -> 하드웨어(프로그램 실행)

docker강의docker-container

spring mvc 2(김영한) - 메세지 소스, 검증, 로그인

메세지 소스 변수 사용 가능, 점(.)으로 이름 나눌 수 있음, default message 제공 가능   검증 bindingResult -> addError() rejectValue() FieldError() 파라미터 값도 재전달 가능 bindingResult에서도 message source 사용 가능 spring.messages.basename=messages,errors -> errors.properties에서 사용 단계적 메세지 처리 가능; 자세한 값, 기본값 순으로 메세지 반환함 code.objectName.fieldName 식으로 값 설정하면됨(typeMismatch.user.age) implements Validator, @Override supports(Class<?> clazz), @Override validate(Object target, Error errors)   검증2 - Bean Validation @NotNull @Email @Range(min, max) @Max(int) @Pattern(regexp="") 상황에 따라 제한조건이 다름 - null 또는 not null 이 경우, @NotNull(groups={SaveCheck.class, UpdateCheck.class}) 설정 후 @Validated(SaveCheck.class)로 사용하거나 dto 분리해서 사용하면 됨   로그인 처리 Cookie or @CookieValue() 초기화 시 null값 넣어주고, setMaxAge(0) (public static final == interface 일반 변수) HttpSession or @SessionAttribute   필터 웹과 관련된 공통관심사는 AOP보다 서블릿 필터 또는 인터셉터로 해결하기 Http 요청 -> WAS -> 필터 -> 서블릿 -> 컨트롤러 Filter 사용하고 chain.doFilter()해줘야 그 다음 단계로 넘어감 FilterRegistrationBean<Filter> setFilter() addUrlPatterns() 필터 조건에 맞지 않는 경우 거를 때는 sendRedirect로.   인터셉터 서블릿 필터는 서블릿이 제공, 스프링 인터셉터는 스프링이 제공 Http 요청 -> WAS -> 필터 -> 서블릿 -> 스프링 인터셉터 -> 컨트롤러 HandlerInterceptor, preHandle(), postHandle(), afterCompletion() ModelAndView 사용 가능 webConfig 빈등록 addInterceptors(InterceptorRegistry registry) registry.addInterceptor(new CustomInterceptor()) addPathPatterns("/**"), excludePathPatterns("/css/**", )    

강의김영한

spring mvc 2(김영한) - 오류처리, 컨버터, 파일업로드

오류 처리 response.sendError(404, "404오류"); extends webServerFactoryCustomizer<ConfigurableWebServerFactory> void customize(ConfigurableWebServerFactory factory) new ErrorPage(status, path) factory.addErrorPages(); 예외 발생 시 WAS로 다시 가서 필터 서블릿 인터셉터 컨트롤러를 재호출한다.   필터 오류 처리 add DispatcherType ERROR(서버 오류 반환) 기본값은 REQUEST(클라이언트 요청)   인터셉터 오류 처리 excludePathPatterns 에서 error 페이지 경로 추가하기 오류 발생 시, after completion 호출 후 에러 페이지로 이동 추가 안 한다면, post handler 거쳐서 이동   스프링 기본 에러 반환 return /error 경로 지정하면 생성한 오류 페이지 자동 반환 우선순위는 templates(500, 5xx) -> static(500, 5xx) -> templates(error.html) API 에러 처리는 @RequestMapping에 produces = MediaType JSON으로 처리 BasicErrorController에서는 produces 자동 구현되어있음(/error)   HandlerExceptionResolver implements HandlerExceptionResolver e instanceOf IllegalArgumentException response.sendError() || ModelAndView || response.getWriter().println() 으로 json 반환도 가능 WAS로 안 돌아감 webConfig에 extendHandlerExceptionResolvers 빈등록 필요 CustomException에 @ResponseStatus 지정 가능, reason 속성으로 메세지 지정도 가능return ResponseStatusException으로 바로 반환도 가능   컨버터 implements Converter interface <S, T> @Override convert() ConversionService DefaultConversionService, addConverter(new CustomConverter()) 등록 후, 서비스 의존주입 받아서 service.convert("10", Integer.class) 뷰 템플릿에서는 ${{}} 또는 th:field로 컨버터 적용가능   Formatter Formatter<Number> 확장받아서 parse 메서드 오버라이드; NumberFormat.getInstance(locale), return numberFormat.parse(변수) print 메서드 오버라이드 numberFormat.format(변수) 컨버전 서비스 등록 시 포맷터 추가 가능(addFormatter()) 스프링 기본 제공 포맷터@NumberFormat, @DateTimeFormat 등   파일 파일업로드 multipart/form-data 타입으로 전송 서로 다른 타입의 테이터를 한 번의 form 전송으로 전송 spring.servlet.multipart.max-file-size 또는 max-request-size 설정 file.dir 파일 저장할 주소를 변수로 생성한 후 @Value("${file.dir}")로 가져와서 사용가능 MultiPart(Part) -> part.write(fileDir + part.getSubmittedFileName()); MultipartFile로 파라미터 받고 !file.isEmpty()일 경우에 file.transferTo(new File(fileDir + file.getOriginalFilename())) 업로드 시 확장자 분리 -> originalFilename.substring(lastIndexOf(".") + 1)새로운 파일 저장경로에 확장자 붙여서 저장   첨부 이미지 다운로드 @ResponseBody로 반환 + return new UrlResource("file:" + file~.getFullPath(filename)); 첨부파일 다운로드 시에는 UrlResource + header 설정해주고 넘겨줘야함 contentDisponsition = "attachment; filename=\"" + UriUtils.encode(uploadFileName, StandardCharsets.UTF-8) + "\"" .header(HttpHeaders.CONTENT_DISPOSITION, contentDisposition)    

김영한강의

인공지능과 추천 시스템 - 기말 과제 자료 모음 - 2024. 12.

한 학기 동안 기말 과제로 아래의 방식으로 학생들에게 발표를 내어 주었다. 대부분 회사 업무와 병행하기에 각각의 일정이 있을 것이라 생각해서 16번의 수업 중 편한 시간에 발표하기를 기대했고, 자유 주제이지만 과목의 취지와 맞게 금융 / 공학 / AI 가 포함된 키워드를 가지고 이야기 나누기를 바랬고, 한 학기가 지나며 다양한 이야기들을 모아 주었다. 각 주제들이 정해질 때 발표 내용의 방향과 문제점들에 대해 피드백을 주고, 발표 자료를 1주 전에 리뷰해서 피드백을 주는 방식으로 운영하였다. 개인적으로 시간 배분에 애를 꽤 먹었지만, 매 번 강의 내용을 준비한다 생각했고, 각각 내용들이 깊어지는 데 조금의 기여를 할 수 있었던 거 같다.  실제 발표하는 일정들에 대해서는 작년의 사례들과 비교해서 실제 발표는 강의실의 시설을 이용하는 것이 음향 상태가 보장이 되어 좋았다.여러 번 주의를 주었음에도 현장 발표의 경우 시간 조절이 힘들었다.사전 녹화를 하는 경우 조금 더 짜임새 있는 운영이 가능했었다. 제목만으로는 발표 시의 디테일들이 전해지지 못하는 아쉬움이 있지만, 몇몇 특수한 과제를 제외하고는 public 하게 접근이 가능한 내용들로 모이기를 이야기했고, 혹시 관심 있는 주제가 있거나 해당 내용들에 대해 follow-up 이 필요할 경우 필자에게 연락 주시기를 바란다. Reducing AI Footprint: Multimodality for TikTok Viral Prediction - 김가온한국어 기반 금융 분야 BERT 기반 LLM 비교AI를 활용한 기업 신용평가 - 홍다은,이영훈,김윤아생성형 AI시대의 Mobile 플랫폼 추천 시스템 - 김성민,이재훈,이종연콴다(교육에서의 AI 활용 방안) - 강혜정,김민수,김민지FASHION CURATION OMNI CHANNEL STRATEGY OFFLINE FOCUSED SERVICE - 신경철Assimilating the Recommendation eXperience - 김세환디지털마케팅플랫폼(DMP)을 통한 상품 추천 사례 소개 - 김지연, 전진솔, 심윤찬인공지능을 활용한 기업 재무등급 자동산정 시스템 - 방준영, 김동혁, 임도형추천시스템을 활용한 맞춤 이동수단 추천 서비스 - 나문정, 이혜진AI로_투자하는_국내외_ETF_비교 - 이하준, 황신형통신 3사 AI 전략 - 최혁균,이왕희,이종한논문 - 현실적인 오더북 시뮬레이션 하에서 멀티 에이전트 강화학습 - 박상우카드사 매입 데이터를 활용한 연체여부 예측과 신용관리방안 추천 - 신기원,최원준,최지영루닛의 의료 AI 제품의 추천 시스템과 AI 개발을 위한 데이터 라벨링 과정 - 김서진, 심혜민AICC의 현황과 도메인별 적용 사례-김영근,유주희인공지능과 추천 시스템을 활용한 개인화 패션 플랫폼 - 김소라,홍희윤,손새암CNN기반 주가 예측 논문 스터디-신민석증권사 주식매매 시스템 비교 분석-윤유동추천을 위한 컨텐츠 피처 도출 관점에서 분석한 Spotify 프로덕트 - 강예슬논문분석 - LLM과 추천 시스템을 결합한 대화형 추천 에이전트 분석 - 임혜원ChatGPT를 활용한 영어학습과 활용서비스-진승환,송민지Inside copilot - 인프라 이야기 - 박찬욱, 성민지Cursor IDE 차세대 AI 기반 코딩 환경의 시작-강범준논문 분석 - Dynamic hedging of KOSPI200 barrier options using machine  learning based price and delta predictions-이지훈금융사에서 쓰는 AICC(AI Contact Center)의 문제점과 개선방안 - 김민정, 박정환, 정한라당신을 위한 맞춤 부동산 경매 - 추천 시스템으로 만드는 사용자 경험 - 이송희메타버스 기반의 로보어드바이저 자산관리 서비스-김수현Intraday Prediction for the Korean Futures Market: Meta-model Stacking of Attention-based CNNs and Reinforcement Learning-이동원Job Recommendation Chatbot-박현진,이이담,홍성근Direct Indexing, 초개인화 시대의 새로운 투자 패러다임-차혜민금융기관의 AI를 활용한 디지털 전환 소개-김영진카카오뱅크  ‘오늘의 mini 일기’ 서비스-김민석온라인 쇼핑 큐레이팅 모델의 한계 분석과 해결방안 제시-박종훈XBRL 공시 솔루션 - 최근일"Attention Is All You Need" - The Dawn of a New Era in AI : Before & Beyond-김동호,노대일,임윤호기업정보 텍스트를 활용한 산업분류체계 개발-박신식,장우제GPT를 활용한 가상화폐 투자 정보 요약 서비스-강상훈,권기빈,신서윤기업 매출/매입 내역을 활용한 온라인 제조 B2B 플랫폼 기획-정상원외국인을 위한 라이프스타일  맞춤형 부동산 추천 서비스 기획-이동수음악 추천 시스템의 편향성 문제 해결방안-이효태사례연구 : 기업용 AI 시장-송한상논문 리뷰-“Multimodal Optimal Transport Knowledge Distillation for Cross-domain Recommendation”-서현희ERP 기반 AI 서비스 분석-김지웅,김성기,박성진

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (16/16) - 2024. 12. 20.

들어가며계엄, 탄핵 정국의 중심에 있는 여의도는 매일 여러 업데이트가 있는 등 어수선하지만, 막상 마지막 수업은 괜히 온라인으로 했나 싶을 정도로 조금 허무한 상황이었다. 탄핵 의결 후 당장이라도 여러 일이 일어날 거 같은 상황이었지만, 아무 일 없이 시간이 지나가고, 다행히 다친 사람들도 없지만, 그렇다고 뭔가 해결이 되고 있는 거 같지도 않은... 결과적으로 학생들과 얼굴을 한 달 동안 못 본 채 끝내게 되는 상황이 되어 버렸다. 작년에는 수업 후에 1:1 신청도 꽤 했었고, 다른 이야기거리들이 많았는데, 올해는 딱 수업과 학점 매기는 이후에는 아무 interaction이 없게 되는 게 여러 모로 아쉬움이 있다.  16주) 강의 update구글의 동영상 생성 서비스인 veo 가 Sora 를 비롯한 다른 엔진들을 데차게 저격하는 것으로 건재함을 알렸고, OpenAI 는 12개의 서비스를 런치하는 중 자동 응답 전화 시스템인 1-800-ChatGPT 를 런치함으로써 미국에서 더욱 저변을 넓혀 가고 있다. 저물어 가는 서비스를 이용해서 새로운 사용자들을 모을 수 있을까에 대한 개인적인 호기심이 크다. 기말 과제들 "Attention Is All You Need" - The Dawn of a New Era in AI : Before & Beyond-김동호,노대일,임윤호이제는 교과서처럼 되어 버린 역사적인 논문에 대해 조금 깊은 분석과 산업 전반에 미친 영향들에 대해 정리한 내용들. 이후 Transformer 와 infrastructure / resource 들의 전쟁터가 되어 버렸지만, 약간은 교과서 혹은 역사서에 해당하는 이야기들과 조금 고전적인 language model 에서부터의 분석들 정리. C. 2018년의 GPT 1 과 이후의 GPT 들은 많이 다르니 구분을 해 주세요.Q. 특히 GPT-3 이후에 변화들의 중심이 되었는데, 구글의 open source로의 release 가 영향을 준 것일까요 ?Q. 이후 학계는 LLama 의 open 이 더 큰 영향을 준 건 아닐까요 ? 기업정보 텍스트를 활용한 산업분류체계 개발-박신식,장우제기업 정보를 산업 분류 체계로 나눔에 있어 여러 생기는 문제들을 clustering 으로 풀고자 한 접근들.실제 여러 embedding 과 clustering 기법들을 시도해 보며 유의미한 분류를 찾아 나가는 노력들. Q. 기존의 문제는 taxonomy 의 문제인지, 실제 분류 방법의 문제인지 ? Q. 하나의 기업이 여러 곳에 들어가고 싶은 경우는 어떻게 하면 좋을까요 ?Q. 기존의 분류 방법들과 비교되는 사례가 있을까요 ?Q. 키워드는 해당 group 에서 추출된 건가요 ?Q. 총 기업 수가 국내 2,300 , 해외 23,000 , 총 25,200 인가요 ? 나중에 숫자 더해보면 좀 안 맞는 거 같은데요..C. 수집된 데이터에 대해 한 번 훑어 주시겠어요 ? 기업별 정보가 균등(?)하게 들어 있는지,Q. 2개의 layer 로 ? 3,989 는 어디로 ? 기타로 놓게 될까요 ? '기타' 가 어떻게 쓰이면 좋을까요 ?Q. 건설 1516  vs 광고 30 차이가 많이 나는데, 분류해서 적용해 보기에 괜찮을까요 ?  GPT를 활용한 가상화폐 투자 정보 요약 서비스-강상훈,권기빈,신서윤.pptx투자 정보들을 모아서 요약해 주는 봇 서비스를 만듦. 가상화폐라는 조금 아슬아슬한 영역의 주제이지만, 일반적인 로직으로도 쓰임직한 요약 서비스로 유의미한 방법론. 서비스를 만들고, 사용자 인터뷰를 통해 피벗을 준비하는 잘 정의된 사이클을 만들어 가고 있었음. Q. '실시간' 에 대해서는 어떤 가정을 하고 있나요 ? 새로운 뉴스가 온 것을 알아채는 로직이 있는지 ? 그 시점 기준으로 얼마나 window 를 넓게 가져야 하는지..?Q. p4 의 서로 다른 유저의 니즈를 하나로 담는 건 과한 욕심이 아닐까요 ?Q. 하나의 content 를 만들고 나면 그게 telegram 이나 Youtube shorts 등의 다양한 폼으로 표현된다고 하면, 거래량 top 5 는 어지간하면 안 바뀌는 거 아닌가요 ?Q. 생성된 content 가 얼마나 만족스러운가..? 를 정량적으로 풀 수 있어야 할텐데요...  몇몇 버그 처럼 보이는 것을 조절한다고 하지만 어디선가 복붙해 온 another copied contents 로 읽히는 건 아닐까 ?  사용자 인터뷰 정도가 만족도를 알 수 있는 1차적인 방법이겠지만... 이후에 prompt 를 바꾸어 나갈 때 어떻게 track 할 수 있을까요 ? 기업 매출/매입 내역을 활용한 온라인 제조 B2B 플랫폼 기획-정상원.pptx기업들끼리 주고 받는, 특히 제조업 쪽에서 오가는 B2B 거래 정보를 바탕으로 플랫폼을 만들고자 하는 내용들. 온라인 쇼핑몰 만큼의 사연이 있겠냐마는, 제조업에서 필요한 부품이나 자재들의 수요 공급이 제한적이었다는 점을 개선하고자 하는 노력들.  Q. '제조' 라고 도메인을 꽤 충분히 좁혔지만, B2C 를 참조하는지라 눈높이가 쿠팡 정도에 와 있는데, 비교될 수 있을까요 ? Q. 이 도메인에 1300만개의 기업이 있는 건가요..? 다른 숫자여야 할 거 같은데요.. Q. 기업의 정보는 상대적으로 쉽지만, 제품의 정보는 어떨까요 ? p7 에서의 문제가 address 되나요 ? Q. 플랫폼으로 자리잡으려면 공급자와의 관계들도 중요할텐데, 예를 들자면 수수료 같은 문제들은 어떻게 풀 수 있을까요 ? 외국인을 위한 라이프스타일  맞춤형 부동산 추천 서비스 기획-이동수.pptx조금은 특이한 한국에 사는 외국인들을 위한 부동산 시장에 대한 접근들. 극초반의 스타트업이 뾰족한 고객군을 대상으로 문제를 풀어 나가려고 함. 잠재적인 고객의 입장에서 알게모르게 응원을 하게 됨. (  https://www.getnews.co.kr/news/articleView.html?idxno=702128  ) Q. 출장, 단기임대의 경우 지역 따라서 몇몇 매력적인 서비스, 심지어 에어비엔비 등이 겹치는 거 같은데..Q. 서비스의 마지막은 중개사무소와 연결인가요 ? 아니면 부가적인 게 있나요 ? 언어 문제는 사용자쪽과 공급자쪽도 풀어야 할 문제가 있는 게 아닐까요 ?C. 국제학교와 각 나라 별 마트 정보 이외에는 '외국인' specific 한 것보다는 '실거주 공통'에 해당되겠네요.Q. 실 서비스를 생각한다면 p11 의 타사 크롤링은 아슬아슬한데요.. 이건 제대로 하려면 업체들로부터 공급받게 되는 걸까요 ?  음악 추천 시스템의 편향성 문제 해결방안-이효태.pptx음악 추천 시스템이 ‘편향되어 불편하다’ 라는 문제 정의에서 시작한 제안들. 개인적으로는 가정에 적극적인 동의가 되지는 않지만, 최대한 빙의를 해 봄. 예를 들면 Kpop 듣는 중에 임영웅의 노래가 나온다면..? 이라는 부분에 대해서 어떤 접근들을 할 것인가 같은 문제들이라면..? 아래는 같이 고민했으면 하는 내용들. Q. 고민하는 신선도와 다양성 지표는 그 자체로 의미가 있다 하겠지만, 그게 Spotify 사례들의 목적함수였다는 이야기는 없지 않나요 ? Q. 마찬가지로 사용자가 보기에 단지 섞여 보이는 것이 사용성을 증가시켰다는 것에 대한 연결도 비약이 아닐까요 ? Q. 신인 아티스트의 곡 노출에 해당하는 건 공급자 중심의 접근이 아닐까요 ? 이게 사용자에게도 도움이 된다는 연결이 있을까요 ? 사례연구 : 기업용 AI 시장-송한상.pdf여러 기업들에서 다양한 노력들로 AI 를 현업에 적용해 나온 사례들에 대한 연구들. 풀고 싶은 문제와 해결 방법 등을 나열해 온 노력들을 정리했음. 대기업들 위주로 아이템들이 선정된 건 조금 아쉬운 부분이지만, 대표적인 사례들이 레퍼런스로 자리잡으면 하는 작은 바램. C. 사례들을 이야기하고 정리하는 건 좋은 내용인데, 제목이 꽤 어색하네요.. 조금 더 나은 이름이 없을까요 ? '사례 연구:' 로 시작해도 좋겠습니다.Q. 기업들이 각자 문제를 정의하고 푸는 데 AI 를 사용하는 것들은 좋은 사례들인데, 정부 정책이랑은 연관성을 억지로 찾기 힘들지 않을까요 ? C. 개인적으로 MLOps 는 새로운 직군을 정의하고 싶어 하는 사람들의 말장난이라는 꽤 삐딱한 시각을 가지고 있는데요.. 예를 들면 p12 그림은 제대로 뭘 하기 위해서 ML 밖에서 할 일이 많다의 의미로 쓰이는 그림이지, MLOps 의 필요성/역할에 인용되려는 그림은 아닌데요... 논문 리뷰-“Multimodal Optimal Transport Knowledge Distillation for Cross-domain Recommendation”-서현희.pdf서로 다른 도메인에 있는 정보들을 가지고 추천 셋을 꾸릴 수 있을까에 대한 이야기들. 읽은 책들이 겹치면 영화를 추천해도 될까? 라는 고민에서 시작한 방법들과 그에 관련된 질문들. Q. 한편으로는 광범위한 정보가 있으면 큰 틀에서 되겠지만, 숫자가 작은 경우 괜찮을까 ? Q. 도메인 별로 호불호가 많이 다르지 않을까 ? 정말 영화와 도서의 취향이 겹쳐야 하는 걸까 ?  ERP 기반 AI 서비스 분석-김지웅,김성기,박성진SAP의 ERP 에 AI 들이 접목되는 과정과 그 기능들을 강화하기 위한 SAP 의 노력들. 아직 1년이 넘었지만, 한국에서 Joule 을 직접 쓰는 사례들을 찾기는 어려웠고, MS copilot 등에서 사용할 수 있게 여러 방법론들을 마련해서 진행 중. ERP 에서 시작하는 제품과 고객들 사이에서, 이를 강화하는 건 자연스러운 정책. Q. SAP 툴에 보이는 각종 도움 기능은 SAP joule 을 이용하고 있고, 더 많은 기능들을 넣어 가고 있다. ERP 자체가 한편으로는 잘 정의되어 버린 프로세스라... 도움을 주는 용도로 잘 쓰이고 있나요 ?C. 가장 최근에 본 내용으로는 Microsoft 365 Copilot 에서 SAP Joule 을 사용 가능하게 한다는 걸 보았습니다.Q. 기업용 보안을 고려하는 시각에서 https://openai.com/chatgpt/pricing/ 의 team plan, enterprise plan 에서는 안 쓴다고 하고, 유명 LLM 회사들은 같은 식의 approach 를 하곤 하는데, 고객 입장에서는 여전히 '못믿겠다' 가 장벽이 되는 걸까요 ? 한편으로 무조건 믿으라.. 라고 하는 것도 설득이 쉽지 않아 보이는데요..? 맺으며겸임교수로 수업을 진행함에 있어서, 수업 외의 본업들에 시간들과 에너지를 어떻게 써야 하는가 등은 여전히 어려운 일들이고, 작년보다 올해는 훨씬 정신 없이 지나가게 되었는데, 이는 수업 바깥의 변화에서 기인한 것이겠다 싶다. 강의 평가 결과가 많이 나쁘지 않게 나와서 내년에 또 기회가 된다면 어떻게 해야 할까 고민을 꽤 해 본다. 주제는 어차피 절반 이상은 새로운 것일 거고, 내년에는 미국에서 더 많은 시간을 보내야 할 거 같은데, 리모트로는 전하고 싶은 이야기들에 한계가 생기게 되니, 이를 커버하기 위해서는 조금 더 많은 숙제들 연계시키는 방법을 찾아 보아야 할 것 같다. 내년에는 여의도 IFC의 강의 층이 사무실 없이 운영이 된다고 하는데, 아래에 이 공간에서의 사진들을 몇 개 남겨 본다. 한 학기동안 금요일 오후 시간을 여의도에서 보내면서 행정을 봐 주시는 선생님들과 조교들의 도움을 많이 받았고, 한편으로는 이삿짐 빼는 시간과 겹쳐 불쑥 작별을 고하게 되었지만, 여러 면에서 감사의 마음이 전해지면 하는 바램이다. 야무지면서 꼼꼼한, 그리고 빠른 대응들이 많은 힘이 되었고, 덕분에 1주일에 반나절 선생님으로 살기 프로젝트를 2024년 2학기에도 마무리 할 수 있을 거 같다. 아직 학점 제출과 이의제기, 평가 분석 등 연말까지 한두주 더 챙겨야 할 일들이 남아 있겠다.     출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/101 ( 2024. 12. 20. )

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (15/16) - 2024. 12. 13.

들어가며마지막 두 주는 한국에서 대면으로 진행해야 겠다 싶어 한국에 들어왔지만, 계엄/탄핵 정국에 여의도에 in-person 수업이 어떤 의미가 될 것인가 등의 고민 끝에 남은 두 주는 아래의 결정들을 하였다.      수업 진행은 여의도 강의실에서 조교와 진행하지만, 학생들은 온라인 혹은 녹화 시청 허용.    기말 과제 발표 내용들은 사전 녹화한 내용을 취합해서 강의실에서 플레이  월요일부터 공지를 했지만, 갑작스런 변화에 발표하는 학생들이 혼란을 같이 나눠 준비하는 상황이 되었고, 연말 연시에 일정 조절은 이래저래 많이 어려운 상황이다. 녹화된 영상들로나마 학생들이 수업을 통해서 같이 고민 거리들을 나눌 수 있으면 하는 바램이다. 15주) 강의 update구글 딥마인드가 에이전트 시대에 ‘제대로’ 반격해 보겠다는 메시지와 전방위적으로 12개의 토픽을 announce 하기 시작하는 openAI. 비슷한 듯 다른 여러 개의 새롭고 끊임없는 메시지들. 아울러 각각의 비지니스들은 아랑곳하지 않고 고유한 부분에서 혁신과 발전을 이루어 나가고 있겠다. 기말 과제들 당신을 위한 맞춤 부동산 경매 - 추천 시스템으로 만드는 사용자 경험 - 이송희https://madangs.com/ 부동산 경매 물건 맞춤추천 서비스가 기획 및 개발된 과정과 개선 과정 등에 대한 내용들을 설명. 유료 구독 사용자들을 계속 유지할 수 있으려면 어떤 추천 로직들이 유의미할까에 대한 안팎의 다양한 고민들. Q. 한 번 구매한 사용자가 다시 오게 되는 제품일까요 ? Q. 구매까지 이루어지기를 기대하는 건 너무 끝까지 가는 걸 원하는 게 아닐까요 ? 그 이전의 이벤트들로 의미를 찾아야 할 거 같은데요..Q. Interaction 에서 보여 주었는데, 클릭을 받지 못한 것들에 대한 처리가 필요해 보이는데요. 보여 주었지만 사용자가 관심 없어 하는 것들을 찾아서 모아야 하지 않을까요?Q. 추천의 정확도를 어떻게 정의하고 구현하고 싶을까 문제가 일단 거리가 많이 멀어 보이는데… 정확도로 나와 있는 21%는 어떤 식으로 구했을까요 ? 설문조사의 별점인가요 ? 메타버스 기반의 로보어드바이저 자산관리 서비스-김수현메타버스도, 로보어드바이저도 쉽지 않은 주제이지만, 이 둘이 합쳐지면 어떨까 하는 것에 대한 과감한 기획서. 질문들이 조금 공격적인 거 같아서 미리 양해를 구함. C. 로보어드바이저도 레벨이 있었던 거 같은데요.. 돈을 알아서 굴려주는 서비스부터 그냥 정보들만 전해 주는 것까지.. ETF 가 아니고서는 거의 모든 경우 rebalancing 에서 승부가 나게 되고, 이들과 차별이 필요하거나 될까요 ?Q. P10 의 로보어드바이저 업체들은 괜찮나요 ? AIM, Fount 등은 잠깐 반짝 하다 심하게 사라졌고, 금융권에서는 보이지 않게 숨어 있는 기능 정도의 위치일 텐데요…Q. 한계점을 이야기할 때 현재 시점으로 메타버스도, 로보어드바이저도 각각 한계가 있는 서비스이고, 서로가 킬러 케이스가 되지 못하면 상상 속에서의 one-of-them 이 되기 쉬운데, 개인적인 의견으로 tipping point 가 있을까요 ?Q. 메타버스는 매일 보고 싶은 성격의 서비스이고, 로보어드바이저는 아주 가끔 생각나는 서비스라 시너지가 쉽지 않아 보입니다. 어떻게 극복할 수 있을까요 ?Intraday Prediction for the Korean Futures Market: Meta-model Stacking of Attention-based CNNs and Reinforcement Learning-이동원.pdf코스피200 지수선물 예측 시스템 기획. 사람이 지표를 시각적으로 보고 예측하는데에 기반해서 ML 에서 시각적으로 접근하려는 노력을 코스피200 지수선 예측에 적용해 보는 구현과 논문. 상승 혹은 하락만을 예측해서 강화학습으로 보강하는 방법론. 불확실한 미래와 over-fitting 과의 싸움. Q. 지난 주에 보았던 과제와 비슷한 접근이네요.  그래프 하나만 놓고 잘라서 분석해서 예측하는 건가요 ?Q. 5분 후를 예측하는데, Accuracy 를 어떻게 구하는 건가요 ? 높음과 낮음만 챙기는 건가요 ? 그 경우 0.5 가 random 이고, 0.7 정도가 쓸만한 예측이라 하는데…Q. P19 이후에 강화학습, Meta-model Stacking 등으로 비약이 있어 보이는데, Meta-model Stacking 에 대해서 간단히 소개 해 주시겠어요 ? Q. P22 에 사용한 데이터들은 pure random 인가요 ? 아니면 KOSPI200 과거의 데이터들인가요 ? 너무 한쪽의 데이터들을 쓰고 있는 건 아닐까요 ? 그래도 시나리오별로의 예상 수익들이 높아진 게 확인되면 괜찮은 걸까요 ?  Job Recommendation Chatbot-박현진,이이담,홍성근Indeed 의 내용들을 이용해서 custom 으로 RAG 를 만들어서 운용해 보면서 실제적인 내용들을 담는데, 자연어를 입력으로 하는 서비스를 만들어 보는 내용들. 서비스 초기의 MVP 를 만들어 보는 것으로 발표 내용들 정리. Q. indeed 의 내용들을 무단으로 가지고 오는 모습인데 테스트 정도로는 괜찮았을까요 ? Q. RAG 이, vectorDB 가 말을 잘 듣던가요 ? Q. Accuracy 는 무엇을 어떻게 판단한 건가요 ?Q. 챗봇에서 사용자의 질문은 어떻게 파악하게 되나요 ? 질문 자체가 친절하지 않을텐데요.. Direct Indexing, 초개인화 시대의 새로운 투자 패러다임-차혜민투자자 및 개인이 본인의 투자철학을 반영. 테마, 업종, 지수 등을 대상으로 지수(포트폴리오)를 직접 구성하는 것을 다이렉트 인덱싱이라고 정의하고, 이를 어떻게 만들면 좋을지에 대한 여러 고민들. Q. 개개인이 각자의 포트폴리오를 나름대로 꾸미는 것과 차이점이 있을까요 ? 기존의 ETF 같은 상품들과 차별화되는 부분들이 있을 수 있을까요 ?  e.g. 내가 짠 포트폴리오를 남과 공유할 수 있다거나..?Q. 포트폴리오를 구성할 때  '가장 좋은 주식들은' 은 초개인화와는 반대 방향의 것이 아닐까요 ? 금융기관의 AI를 활용한 디지털 전환 소개-김영진도메인을 책임지는 제품의 관점에서 다양한 AI 의 시도를 해 보려는 노력들. 특히 잘 보이지 않지만, 산업은행의 최근 OpenAI 와의 MOU 에서 보듯 업무 수행의 도구로서 사용하는 내용들에 대한 다양한 접근들. Q. p6,7에 지금 핫한 주제로 'AI agent' 가 보이지 않는 아랫단에서 일들을 막 시작하기 시작하지만, p8-p10 의 사례들은 꽤 오랫동안 써 오던 persona 를 약간 심은 말 잘 듣는 챗봇에 해당해서 아직 AI agent 라 불리기 이전 시기의 제품들인 거 같습니다.Q. 뒷부분의 사례는 아주 좋네요. 도구로서의 역할을 제대로 해 주는 걸로 좋은 사례로 읽힙니다.Q. 산업은행에서 ChatGPT를 열심히 쓴다는 이야기는 꽤 전부터 들어 왔었는데, 최근에 보도된 OpenAI 와의 MOU 도 관련이 있는 것일까요 ?  카카오뱅크  ‘오늘의 mini 일기’ 서비스-김민석카카오뱅크에서 10대들에게 어필하는 제품인 ‘mini 일기 서비스 기획 및 개발기 소개. 여러 생성형 AI 를 이용해서 일기를 자동으로 만들어 주는 것에 대한 노력들. 실제 사용자 수까지 늘었다니 좋은 제품의 사이클인 듯하고.. 생성형 도구가 제대로 된 역할을 하는 것인 듯. Q. 데이터 전처리 과정에서 결제 분류, 내역 등이 주는 모호함 때문에 사례 같은 많은 엉뚱함이 생길텐데, 이 부분은 가맹점 이름과 분류를 보완하는 방식으로 수행하신 건가요 ? 이 노력 자체가 비단 이 제품보다 더 많은 곳에 쓰일 수 있을 거 같은데요..Q. 동일한 프롬프트에 두 다른 모델을 성능으로 비교하는 건 비교가 잘 되는데, 생성된 일기의 품질은 어떻게 비교를 한 것일까요 ?Q. DAU , 카드 결제 건수 증가의 모수는 이 카드 사용 대상일까요 ? 아니면 전체 사용자 숫자일까요 ? 카드 결제 증가까지 연결되는 게 설명이 되는 거면 좋은 사례네요.온라인 쇼핑 큐레이팅 모델의 한계 분석과 해결방안 제시-박종훈쇼핑 몰에서의 각종 개인화 시도를 문제점으로 정의하고, 정보 과잉에 따른 쇼핑 피로도 증가 등을 풀어야 할 문제로 정의. MD 혹은 큐레이터들의 도움을 제품에 선택 가능한 영역으로 놓아 초개인화의 반대로 접근하려는 노력들. C. 아슬아슬하군요. Curation block 이 가지는 한계 ( business vs 광고 ) 를 극대화하는 느낌이긴 하네요. 마치 코스트코가 생각나는 전략입니다.C. 예전 구글 플레이 때 경험으로는 소위 ‘선택되지 않은’ 업체의 입장에서 여지를 피할 수 있는 친절한 블럭 설명이 생각보다 많이 중요했던 거 같습니다.  XBRL 공시 솔루션 - 최근일기업들의 공시제도에 XBRL 을 의무적으로 이용하도록 되어 있는데, 이 자료들의 생성이 여러 모로 어려워서 이를 풀려는 노력들. 실제 동작하는 제품을 만들어서 공시 자료를 만드는 데 도움을 주려는 제품. Q. 기업의 규모와 업종에 따라 공시의 의무들이 다르고, reporting language 라고 하지만 어마어마한 legacy 와의 싸움에 검수하는 노력들도 만만치 않을텐데..의무화로 해결이 될까요 ?Q. 상장 기업 정도의 큰 회사는 이미 다른 자료들이 많을테고, 작은 규모의 기업들은 그림의 떡에 해당하지 않을까요 ?  맺으며저녁 내내 들리던 집회 소리들과 때마침 울려 퍼지기 시작하는 이승환의 탄핵 콘서트. 수업이 끝난 10시 이후 멀리 보이는 국회와 모여 있는 사람들. 복잡한 생각이 드는 하루하루인데, 다음 주는 마지막 수업 시간이라 조금 더 복잡하다. 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/100 ( 2024. 12. 13. ) 

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (14/16) - 2024. 12. 6.

들어가며이번 주는 오롯이 학생들의 과제들로만 채워지는 시간이다. 이후에 두 번 남은 시간에 생각보다 많은 과제들이 몰려서 조치를 취해야 할 듯하고, 주중에 reinvent 에 참석한 후에 북가주로 돌아온 후 새벽에 진행을 하게 되었고, 그 와중에 한국에서는 큰 일이 일어나서 한 치 앞을 내다볼 수 없는 상황이 되었다. 개인으로서 한국에 입국이 가능한가 질문부터 학생들의 안전과 현업에서의 영향 등 불확실함의 연속이지만, 발표하는 학생들은 일단 강의장에서 발표를 진행하게 되었다. 14주) 강의 update한 달에 200불을 달라고 하는 ChatGPT pro. 개인적인 생각으로는 해도 너무하는군… 의 생각이고, AWS reinvent 에서 발표된 Amazon 의 foundation model 참전 소식. 써 본 사람들 말로는 은근히 성능이 괜찮아서 머리가 많이 아프다고들 한다. 비슷한 성능이면 한푼이라도 싸지 않을까 혹은 싸 지지 않을까 하면서 옮겨갈 거라고들 하는데... 종속된다는 게 이런 건가 싶다고들 한다. 기말 과제들논문분석 - LLM과 추천 시스템을 결합한 대화형 추천 에이전트 분석 - 임혜원논문 : Recommender AI Agent: Integrating Large Language Models for Interactive  지금의 RAG 이 대세가 되기 이전에 비지니스 문제를 LLM + 에이전트 방식으로 풀고자 했던 노력들. 대화형으로 가게 되면 어떻게 문제를 정의하고 풀어야 하는지에 대한 논문 분석과 해설들. C. AI Agent 들에 대해서는 여러 개념적인 이야기들이 여전히 다양하게 논의되고 있는 거니 간단(?)하게 진행해 봐 주시구요.Q. 이 논문에서 쓴 방법론에 대해 설명을 해 주세요. 이게 많이 복잡하네요…C. 각각의 dataset 들을 가지고, fine tuning 된 RecLlama 를 이용하는 것으로 보이는데, InteRecAgent 가 simulate 하면서 케이스들을 구체화시키는 과정이 키포인트일 거 같은데요.. 논문에 사용되는 prompt 들을 같이 읽어 봐 주세요. prompt 들과 request / response 들을 이해하는 게 여러 면에서 도움이 되더군요.Q. 테스트 시에는 같은 질문을 다른 시스템에게 던지면서 얼마나 잘 따라오는지를 비교하게 될텐데.. LLM 의 일반론에 context window 를 많이 늘리는 건 도움이 되지 않을까요 ? ChatGPT를 활용한 영어학습과 활용서비스-진승환,송민지교육을 주도하는 선생님, 학교의 시각에서 Gen AI 를 어떻게 써야 하는지에 대한 이야기와 실제 상용 서비스로 호평을 얻고 있는 스픽 서비스에 대한 분석과 설명들. 타 제품 대비 압도적인 ‘말시킴’으로 호평을 얻고 있다는데.. . 아래는 comment 들. 공교육이 제약과 규제가 필연적인 부분이 있다면, 스픽 같은 서비스는 더 자유로운 상상을 할 수 있는 상황에서 여러 방식으로 사용자들을 모으고 있는 부분에 대한 설명과 해석들. Q. p15 의 '1위'는 조금 구체적으로 설명해 주세요. 장르라든지.. 객관적인 수치들이 있을까요 ? Q. Speak 은 얼마인가요 ?Q. Spaek 의 경우 기술적인 면에서 OpenAI 이외의 다른 모델을 쓴다고 생각하면 다른 차이들이 있을까요 ? e.g. 구글 Gemini 나 네이버 혹은 자체 모델이나 데이터라든지.Q.  한국에서 폭발적인 사용자 수 증가에 비해 글로벌 런치 후 숫자는 그리 놀랍지 않은데, 어떻게 해석하면 될까요 ? 마케팅(이효리)의 힘이었을까요 ?  Inside copilot - 인프라 이야기 - 박찬욱, 성민지MS 의 Azure / Copilot 을 다루는 학생과 Hynix 에서 메모리를 다루는 학생들이 M365 Copilot 이 더 널리 쓰이게 될 때 맞이하는 여러 챌린지들을 잘 설명해 줌. MS 가 야심찼지만  BignChat 의 실패 이후 Office 에 더 집중하게 된 상황, 여전히 쓰면 쓸 수록 손해인 이 상황을 헤쳐나갈 수 있을까…? 그와 관련된 질문들.. Q. Github Copilot 은 다른 model 을 쓸 수 있게 바뀌는데, 다른 copilot 들도 implicit / explicit 하게 그런 일이 벌어질 수 있을까요 ?Q. 몇몇 선택된 회사들만 training 을 scratch 부터 할 수 있고, 나머지는 inference 를 위한 cost인데요.. 둘 다 중요한 관점이고 이슈인데, 이 두 환경이 태생적으로 처한 상황이 다를텐데, 나누어서 챙겨 봐 주시겠어요 ?Q. 빅테크 이외의 회사들에게 기회가 있을까요 ?  Cursor IDE 차세대 AI 기반 코딩 환경의 시작-강범준최근에 각광받는 코딩을 도와 주는 도구인 cursor 에 대한 이야기. 신가한 제품의 소개보다 한 발 더 나아가면, 누구에게 어떤 도움이 되는가? 에 대한 질문들. Q. P6에서 “카드” 는 VsCode 인가요 ?C. 제가 숙련된 VsCode 사용자여서 그런지 사용자 접근성에서 난이도는 공감이 안 되고, 코드 자동완성 부분은 우열을 가리기가 힘든데요..Q. 자연어 처리’ 라고 되어 있는 항목이 일단 차이를 보일 수 있는 부분인데, 실제 사용 예를 보여 줄 수 있을까요 ? 스크린샷 정도면 괜찮을 거 같습니다. 새로운 사용법을 익히는 거라 호불호가 있더군요.Q. 팀 단위의 실시간 협업은 VsCode 의 다른 plugin 이랑 비교하는 모습이겠군요.Q. AI를 리뷰어로 놓는 건 어떤가요 ?  회사 분들께서는 여기에 호불호가 있었습니다.C. 리팩토링의 경우 VsCode 는 다른 플러그인의 도움을 받는 형태일 테고, Github의 repository를 최대한 많이 넣어 놓으면서 이득을 기다리는 것일텐데, 이른바 '초보용'은 아니기에 비교를 해 본 사례가 없긴 합니다. Q. 회사에서 GitHub와 비교해서 Cursor를 쓴다고 하면 초보용인가 전문가용인가 따라서 전략이 많이 헷갈려 하고 있습니다. 이 경우 가격은 USD 40 vs USD 19 입니다. Justify 해 줄 수 있는 부분이 있을까요 ?  논문 분석 - Dynamic hedging of KOSPI200 barrier options using machine  learning based price and delta predictions-이지훈KOSPI200 Barrier Option을 다양한 ML 방식으로 분석해서 선물을 예측하는 방법들에 대한 연구와 분석들 Q. 저 MC(Monte Carlo) 방식의 simulation 은 엔트로피 같은 걸 가정한 궁극의 random 들을 실현하는 거 아닌가요 ? Q. p11 에서 각각 약어들의 뜻을 간단하게 먼저 풀어 주세요..Q. 사용된 변수는 종목의 가격만일까요 ? Q. RMSE 의 경우 + 와 - 를 같은 가중치를 주는데, 이로 인한 영향은 없을까요 ? Q. 예측이 아니라 소위 후행 ( 오늘의 값을 내일 예측 값으로 쓰는 ) 의 경우를 baseline 으로 놓는다 치면 방향이 훨씬 가중치가 높은 게 아닐까요 ?  금융사에서 쓰는 AICC(AI Contact Center)의 문제점과 개선방안 - 김민정, 박정환, 정한라KB금융 미래컨택센터( https://www.etnews.com/20230810000152 )와 한국투자증권 MTS 챗봇 ( https://economist.co.kr/article/view/ecn202311140007 ) 의 실제 사례 이야기. AICC 들을 replace 하는 게 단골 메뉴인데, 이게 잘 되고 있는가 ? 에 대한 현업에서의 문제 인식들. 완성된 제품으로 운용하기가 얼마나 어려운가에 대한 반증이 되기도 하는 듯.. 사용자와 상담원 모두 혹은 한쪽이라도 만족하는가 ?  Q. 사용자측의 불만 같은 이슈도 있지만, AI 통합 이후의 상담원들 쪽에서의 변화나 난이도 등도 있을까요 ? Q. 간단하게 inbound의 경우 질문들이 달라지거나 진상 손님을 만날 확률이 늘어난다든지 등이 예상이 되는데, 전체 재교육 등과 연관이 될까요 ? Q. 같은 KB 인지는 모르겠고, 관련 이슈인지 잘 모르지만, KB 노사 고용 이슈들이 연초에 꽤 있었던 걸로 알고 있습니다. AICC 의 품질이 높아지면 언젠가는 다시 겪게 될 사회의 문제일 거 같은데... 조심스러운 제안이 있을까요 ? Q. 상대적으로 한국의 CC 품질이 월등히 높아 왔었어서 더 어려운데, 다른 나라의 사례들을 참조할 때 어떤가요 ?  출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/99 ( 2024. 12. 6. )

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (13/16) - 2024. 11. 29.

들어가며작년과 다르게 강사인 내가 리모트로 수업을 진행하게 되더라도 과제 발표하는 학생들은 강의실에서 좋은 마이크로 하기를 이야기했고, 오늘 처음 시도해 보는 방식의 수업이 진행이 되었다. 때마침 한국에서는 폭설이 있어 출퇴근, 통학에 난이도가 훨씬 높아졌다 했고, 미국에서는 daylight saving이 끝나서 새벽 2시 - 5시까지의 수업을 진행했다. 작년보다 발표의 과정은 자연스러웠고, 녹화된 내용들도 나아졌지만, 여전히 현장 반응이 잘 안 보이는 것도 이슈이고, 발표가 길어질 경우 끊거나 하는 방식을 바로 적용할 수 있었던 게 아니어서 몇몇 발표에는 아쉬움이 있다. 게다가 몇몇 학생들이 한학기 내내 공지하는 시간 조절에 대한 숙지가 적은 경우 더 아쉬움이 생기게 된다. 아마 강의 평가 때도 부정적인 의견으로 오겠다 싶고, 내년에도 같은 과목을 맡는다면 리모트를 더 오래 해야 할텐데, 전하고 싶은 내용을 잘 정리하고 있는가 하는 생각을 해 본다. 준비한 내용들13주) 강의 update굵직한 이슈들로 금융 쪽 이야기 하나, 조금 뜬금 없는 산업은행과 OpenAI 의 전략적 제휴, 갑작스럽기도 한 Perplexity 의 쇼핑 진출까지.. 블랙프라이데이가 끼어 있는 주라 시기 상 나빠 보이지는 않지만, 개인적으로는 생각으로는… 전선을 구글에서 아마존으로 바꾼 것일까 ?  Big Acquisitions / Nest / Subscriptions / US Life한국은 회사를 잘게 잘라서 상장의 route 로 가고, 미국은 하나의 회사 안에 포함시키는 형태로 M&A 들이 진행된다. 지주회사의 영향이 두 나라가 매우 다르고, 들여다 보면 볼 수록 기존의 상도덕으로 이해가 가지 않는 구석들이 있는데, 오늘 30분 정도 스토리는 네스트 랩스의 제품과 서비스를 중심으로 해서 Acquisition 이야기와 구독형 서비스들의 운영에 대한 이야기. 한국에는 구글 스피커가 네스트라는 이름을 잡고 있고, 다른 장치들이 사용 가능하지 않아서, 두 나라에서 ‘네스트’라고 부르는 것이 주는 차이가 주거 문화 이상의 차이이라 하겠다. 기말 과제 발표AICC의 현황과 도메인별 적용 사례-김영근,유주희CC 를 운영하는 혹은 필요로 하는 회사들을 위한 상품과 내부 구성에 대한 이야기. 수동적인 단순한 콜센터가 아니라 다양한 대응들과 다양한 채널의 운영을 담당하는 조직으로 이미 진화하고 있고, AI agent 와 경쟁하면서 사용하는 역할을 나누어 해야 하는 서비스로 자리잡아 있음. Q. 적당히 작은 서비스의 경우는 전담 직원이 나을 수도, 또 아주 규모가 커 버리면 전용 솔루션을 아예 구축하는 게 낫다든지 등의 고민거리가 있겠습니다. 특히 매뉴얼을 만들어서 공급해야 하는 상황에서 그 난이도가 가늠이 잘 안 되는데.. as a service 로 고려할 때 주목할 만한 부분이 있을까요 ?Q. 24시간 서비스는 교대가 아니라 밤시간대는 챗봇이 기본 응대를 하는 것으로 대처하는 건가요 ? Q. 초개인화 혹은 개인화는 이 제품 바깥에서 풀어야 하지 않을까요 ? 허가된 개인 정보 열람을 통한 대응 등은 괜찮지만, 개별 고객 맞춤형 대응 같은 건 너무 멀리 가거나, 기본적으로 고객 상담이 많이 이용된다는 건 그 자체가 바람직한 방향이 아닌 거 같습니다. 인공지능과 추천 시스템을 활용한 개인화 패션 플랫폼 - 김소라,홍희윤,손새암.pdf가상의 서비스를 기획해서 피치하듯 만든 과제. 옷장에 있는 옷들을 추천해 주는 시스템을 기획한 것에 대한 내용들. 몇몇 기획을 이야기하는 과제들이 아무말 대잔치가 되던 사례들이 있어 우려가 있었지만, 고민과 문제를 잘 정의한 잘 만든 기획서. 실제로 잘 될 지 안 될 지 등은 상상의 영역이지만, 사용자 혹은 공급자의 문제를 정의하는 것이 의미를 주면 하는 바램이다. 가상의 서비스 기획에 해당하는 이야기이다 보니 리뷰할 때 내가 어떤 역할을 했었어야 하나 등에 다소 혼란이 있었다. Q. 옷장의 옷들을 인벤토리로 넣고 관리하는 게 난이도가 상당히 높아 보입니다. 실제 사용자들이 자기 옷들을 쉽게 앱에 등록하는 방법들을 고민하고, 등록된 옷들의 속성들이 잘 정리되어 쌓이는 바코드가 있는 기성품들로 시작해 보는 건 어떨까요 ?Q. 아울러 공급 업체의 솔루션으로부터 진행되는 모습도 좋아 보이기는 합니다.저 상품 등록들을 개개인이 하는 게 아니라 공급업체들이 미리 해 주는 모습에서 말이지요. Q. 긍부정의 피드백 루프는 어떻게 ?? 사용자가 오늘은 좋았어 혹은 아니야 등의 피드백 정보들이 쌓여야 초개인화가 가능할 거 같은데요.. - 실제 비지니스는 개개인으로부터 시작하는 게 아니라 공급 업체의 솔루션으로부터 진행되는 모습도 좋아 보이기는 합니다. 개개인이 하는 게 아니라 전문가들의 도움을 받는 모습은 어떨까 합니다. CNN기반 주가 예측 논문 스터디-신민석주가 예측을 하면서 숫자 대신 그림으로 표현해서, 그리고 CNN을 이용해서 예측을 해 보자는 논문 분석. 논문의 제목이 이중적이어서 그 의미를 해석하려는 노력이 나름 재미가 있었음.  (Re-)Imag(in)ing Price Trends  Q. 논문 제목의 괄호 부분의 함의에 대해 설명해 주세요.Q. Train 은 예전 것으로 하고, 테스트를 최근 것으로 한 것인데, 차이가 많이 나 보이는 과거가 이용된 것에 대한 이야기는 없을까요 ?Q. 1993-2000 년의 내용으로 training 해서 2020년 내용을 예측한다는 게 어색하기도 해서요..Q.Transfer learning 쪽에 대해서 조금 더 설명을 좀 더 해 주세요. base model 을 어떻게 이용해서 판단에 쓰겠다는 것인지 정도면 괜찮을 거 같습니다.Q. 왜 한국은 잘 안 될까요 ?  증권사 주식매매 시스템 비교 분석-윤유동.pdfHTS, MTS, WTS 까지 주식 매매 시스템들을 망라하는 잘 정리된 서베이 논문. 오래된 시장에서 비슷비슷한 제품들로 굳어 있던 한편으로 서로 제로섬 게임을 하는 모습이지만, 최근 해외주식으로 전선이 넓어지는 상황에서 새로운 플레이어들에게 여지가 생기게 되었고, 나스닥 이외에도 여러 기회들이 생기고 있음. Q. P14 그림은 미래가 키움으로 , 지금은 군웅할거의 시대라는 표현일까요 ?Q. 일거래대금이 전체 투자금이랑 일치하지는 않을텐데.. 의미가 어떤 걸까요 ? Q. ‘해외’ 주식이라고 하면 나라 별로 또 많은 편차들이 있을 거 같은데.. 이쪽 상황들은 대개 어떤가요 ? 예를 들면 사람들은 나스닥만 관심 있어 한다거나, 어떤 증권사가 베트남 주식이 효자 상품이라거나..Q.. P17 토스 본사의 IPO 시도는 비결이라기보다는 과정에 가깝지 않을까요 ? IPO 를 가기 위한 수익 창출의 도구 같은..?  추천을 위한 컨텐츠 피처 도출 관점에서 분석한 Spotify 프로덕트 - 강예슬.pdf화장품을 판매하는 사이트 입장에서 추천 시스템을 구하는데, 극단적인 형태의 cold start 이슈를 겪고 있는데, 이를 spotify 의 접근으로 풀어보고자 하는 분석, 제안 리포트. 뷰티 제품과 산업에 대한 설명, spotify 의 곡에 대한 메타 정보들 구축에 대한 이야기, 이 둘을 합쳐 보려는 노력 등이 담긴 조금은 생각보다 커져버린 내용.  C. 뜨끔하네요.. 저도 구글에서 같은 과제 했는데, 기능은 혹하지만 그래서 어디서 어떻게 뭐 이런 제품 상의 질문을 풀지 못했더랬습니다. 당시 입력기로서 렌즈보다는 유튜브 앱에서 파워 유튜버와의 콜라보 등에서 쓰임이 더 좋아서 여러 의미로 난감해 했었습니다.Q. 뷰티 쇼핑 상품의 경우 결재, 배송 후 피드백들이 잘 쌓여야 할텐데요..Q. 추천 리스트의 품질이 애플 뮤직이랑 비교한 것이 조금 아쉽긴 하네요.Q.  스포티파이가 한국에서 점유율이 잘 안 잡히는 것에 대해서는 따로 언급 해 주세요. 요새 열심히 하긴 하네요. ( https://www.hankyung.com/article/202410156254i ) 아마 유튜브 끼워팔기에 당했다는 설과 리스트가 주욱 흘러갈 때 뒤에 튀는(?) 곡들 때문에 차이가 있다는 설도 있었더랬습니다. 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/95 ( 2024. 11. 29. )

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (12/16) - 2024. 11. 22.

들어가며과제들이 본격적으로 진행되고 있고, 발표 자료를 정리하느라 주중에 일이 좀 더 많아졌다. 학기 초에 준비했던 것들 중에서 디테일한 내용들을 학기 말까지 커버하지 못하게 될 거 같고, 대신 과제들 피드백을 신경을 더 써 뭐라도 배워 가면 좋겠다는 바램이다. 다음 주부터의 리모트 수업이 조금 걱정이 된다. 준비한 내용들12주) 강의 update궁금해 하는 수학 문제 풀이 대신 언어 영역 문제가 예상보다 많이 높은 점수가 나왔고, 이는 객관식 시험의 한계일 수도, 우리네 고등 교육, 입시 교육의 한계일 수도 있겠다는 생각을 하게 되었다.  https://www.reddit.com/r/singularity/comments/1gv8b8t/top_ai_key_figures_and_their_predicted_agi/그리고 AGI 를 예견하는 여러 현자 or 이야기꾼들의 이야기. 여전히 AGI 가 무엇일까에 대한 생각들이 거리가 있겠지만, 개인적인 bias 는 노벨상을 수상하신 두 분의 의견에 있음. 그래도 노벨상인데…  Lessons from  Google Search ( part 3 )구글 검색과 관련해서 알고 있던 것들을 털어 놓는 마지막 이야기. 지금 보아도 놀라운 구글 스케일의 무지막지한 접근들부터, 지금의 deep-linking 을 이루게 한 App indexing 과제까지. 다른 자리에서면 거기에 맞는 나름의 서사가 있는 스토리인데, 수업 내용이랑 멀어질 수 있는 내용이겠다 싶어 짧게 마무리. Search console 도 준비한 것들이 있었는데, 이는 강의장 컴퓨터에 계정을 다른 것들로 로그인하는 바람에 핀트를 많이 놓치게 되었고,  Acquisition - Nest - Subscription 으로 이어지는 약 30분 정도의 이야기 관련 내용들을 준비했으나 자료가 꼬여 다음으로 미루게 되었다.  기말 과제 발표통신 3사 AI 전략 - 최혁균,이왕희,이종한국내 통신 3사의 AI 주제에 대한 전략. 아주 일목요연한 정리들. 최근에 KT 가 MS 랑 너무 붙으면서 B2B 고객들은 헷갈려 하고, 여전히 B2C 에서 사업을 잘 이어 나가고 싶어 하는 3사의 고군분투 이야기들Q. 통신 회사(들)은, AI 를 이용해서 어떤 문제를 풀고 싶을까 ?Q. 유선망 사업은 따로 운영되나 아니면 같이 포함되어 진행이 될까 ?Q. 통신사들의 기본 value 는 회선을 늘리거나 안테나를 더 많이 설치하게 하는 데 있지 않은가 ?Q. B2C 의 경우 4G -> 5G 로 가면서 추가적인 bandwidth가 주는 이득이 없어 여러 문제들이 있어 왔는데, 이 문제가 address 될 수 있을까 ? 그렇다면 그게 통신사의 영역일까 대용량 데이터를 필요로 하는 서비스( e.g. Netflix ) 의 역할일까 ?Q. 많이 멀지 않은 과거에 Edge environment 등으로 꽤 홍보를 했더랬는데, 이는 서비스 업체와의 강한 연대가 있어야 해당이 되는 것이었을까 ? Q. KT가 MS 와 너무 가까워지면, 믿음과 kt-cloud 는 어떤 상황이 되는 걸까 ?  논문 - 현실적인 오더북 시뮬레이션 하에서 멀티 에이전트 강화학습 - 박상우기관이 대량주문을 하게 될 때 어떤 전략을 피는 것이 유용할 것인가 ? 에 대한 연구 논문. 아주 오래전 데이터를 가지고 지금을 예측하는 것에 대한 우려는 있지만, 꽤 설득이 되는 잘 정리된 논문 분석.Q. 가격이 변동이 심할(?) 때 효력이 셀 텐데, 얼마나 짧은 단위의 주문이 필요할까요 ? 30초면 괜찮을까요 ?Q. NASDAQ 만의 특수성이 있을까요 ? 예를 들면, 미국에서는 물리적인 거리를 줄이기 위해 거의 모든 증권 관련 회사나 서비스는 뉴욕 근처에 있습니다만..Q. CSCO, IBM, INTC, MSFT, YHOO 등의 업종이 조금 쏠려 보이는데, 이게 주는 시사점은 없을까요 ?  카드사 매입 데이터를 활용한 연체여부 예측과 신용관리방안 추천 - 신기원,최원준,최지영카드사에서 실제 데이터들을 가지고 연체 고객을 다양한 방법으로 찾아 보고 예측해 보는 실습 결과. 전체 숫자가 많지만 10배 이상의 성능 차이에도 같은 정확도라면 그 방향으로도 유의미한 접근Q. 오차행렬이 random forest 랑 XG boost 랑 차이가 꽤 나 보이는데, 전체 숫자는 FF 가 너무 많아서 차이가 안 나 보이는 걸까요 ? 오차 행렬의 숫자만 설명 부탁드릴께요.Q. 한편으로는 알고리즘들 사이에 우열이 잘 보이지 않으니 자원을 아끼게 하는 결과물로도 괜찮아 보이네요..Q. 연체자의 경우 특정 달에 연체가 시작되기 시작할텐데요… mark 된 이후의 소비들도 영향을 준다고 생각할 수 있을까요 ? 아니면 이후의 것은 제외해야 하는 걸까요 ?Q. 선제적으로 action 을 취할 수 있는 거라고 하면 false alarm 도 어느 정도 감내할 수 있고, 보수적인 접근도 유의미하겠네요.Q. 대개 한국인의 경우 카드를 여럿 사용하기에 전체 시장의 일부만으로 판단을 하게 되는 상황이 될텐데, 그에 따르는 부작용이나 해석은 없을까요 ? 예를 들면 현대카드가 점유율이 2등이던가 큰 부분을 차지하지만, 내역들만으로 광고를 운영한다거나 한다면 전체를 볼 수 없어 애로사항이 많았더랬습니다.  루닛의 의료 AI 제품의 추천 시스템과 AI 개발을 위한 데이터 라벨링 과정 - 김서진, 심혜민AI 의료 기업으로 분류되는 루닛 이야기. 레이블링에 들어가는 노동 혹은 비용을 최소화하려는 잘 정의된 제품 기획부터의 사이클. 추천이라는 기능은 조심스럽지만, 사례를 펼쳐 놓고 의사들에게 도움을 주는 1차적인 도구로써 기능은 훌륭하게 수행할 듯.Q. 사전적 의미로 추천은 안해도 그만에 가까운 내용들이라는 점이 의료정보쪽의 엄격함과 살짝 거리가 있어 보이기는 합니다.Q. 프라이버시의 경우 병원 밖을 나오지 못하거나 병원들 혹은 의료보험 체인을 벗어나지 못해 의외로 유의미한 모수를 모으는 데 애로사항들이 많다 들었습니다. Q. 다양한 표본들을 모으려는 노력들에 대해 이야기해주실 수 있으실까요 ? Q. 여전히 '특정 질병에 대한' 판단과 '모든 잠재적인 질병'에 대한 판단은 다른 이슈일 거 같은데요..Q. 전문 의사들이 labeler 역할을 하게 되고, 교차 검증으로 부작용을 최소화하려는 부분이긴 한데, 수많은 데이터가 될 때 이를 scalable 하게 풀 수 있을까요 ? 의사의 레이블링을 일반인들이 하기 힘들다는 점이 가장 풀어야 할 부분인 거 같습니다만..출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/94 ( 2024. 11. 22. )

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (11/16) - 2024. 11. 15.

들어가며수능이 끝나며 갑자기 추워진 11월. 기말 과제들을 리뷰하면서 시간 분배를 잘 하기 어려운 일들이 생기고 있었다. 아직 못 전한 싶은 내용들이 많이 남아 있는 거 같기도 하고, 가끔은 같은 말을 반복하는 거 같은 조금 모호한 감정이 드는 시기인 거 같다. 개인적인 일정 + 회사 일정으로 미국에서 원격 수업을 두어번 더 잡아야 할 것인데, 한 학기 16주를 꾸준하게 다 가지고 가는 것에 대해 더 현명한 결정들이 있어야 하지 싶고, 다행히 기말 과제들은 아직까지는 잘 distribute 되고 있다. 준비한 내용들11주) 강의 update나를 잊지 말아 달라는 듯한 Anthropic 의 팟캐스트.. 무려 5시간짜리라니… 그래도 꽤 잘 들리는 아젠다 선정, 알아 들을 만한 대화들. 이어서는 MS 의 이후 agent 에 대한 아젠다 선정까지.지난 주 발표했던 콴다와 GPT 간의 수능 수학 문제 풀이 배틀을 기대했지만, 언어 영역에 지문으로 diffusion 이 나오는 일이 일어났다. 모든 사람의 기초 상식에까지 내려가고 있는 건가 싶어 다행이다 싶으면서도 입시에 이용되었어야 하는가에 대한 씁쓸함이 있다. Lessons from  Google Search ( part 2 )지난 주 검색 결과 페이지에 있던 component 들을 지나 이번 시간에는 한 단계 더 들어간 구글 검색의 내용들을 다루었다. 인덱싱, 관련 검색, suggest, auto completion 등의 과제들과 점점 더 극단으로 crazy 하게 흘러가던 과제들을 몇 개 다루었다. GWS rewrite, universal search, 순간 검색 ( instant search ) 까지 공개된 자료들을 중심으로 이야기들을 나누었는데… 너무 예전의 이야기들이라 별 도움이 되지 않았을 수 있겠다는 생각이 조금 들기도 했다.  기말 과제 발표디지털마케팅플랫폼(DMP)을 통한 상품 추천 사례 소개 - 김지연, 전진솔, 심윤찬농협을 비롯한 금융앱들이 자사 상품들을 판매하기 위한 많은 노력들. 팔기 힘든 금융 상품을 팔기 위해 여러 노력들을 담담하게 설명해 주었음. 마이데이터와 중개 플랫폼들 사이에서 고뇌하는 금융 슈퍼앱들은 같은 운명이리라.- 플랫폼의 입장에서 볼 때 저축 은행 계죄 개설과 '보험 가입' 은 적당한 상품인가요 ? - 신규 가입 / 개설의 모양일까요 기존 고객에게 하나 더 권하는 모습일까요 ? 둘은 아예 집단이 달랐더랬는데요..- 체리피커들은 어떤 영향을 주나요 ? - 다양한 일을 하는 네이버 등과 다르게 금융앱 내에서 하는 행동 정보들이 신규 상품 추천에 도움이 될까요 ?- 과연 사용자들의 경우 '연이율', '혜택' 을 이길 수 있는 조건이 있을까요 ?  인공지능을 활용한 기업 재무등급 자동산정 시스템 - 방준영, 김동혁, 임도형KIS Value, 연합 인포맥스 등 데이터들을 모으고, FinBert 등으로 실제 EDA 까지 실습해 본 내용들 정리. 데이터 수집과 분석 시간을 단축시키며 초기 등급 판단에 걸리는 시간을 단축시키는 효과가 있음.-.분기/반기 보고서가 매번 발행되지 않고, 뉴스들도 균일하게 분포하지 않을텐데, 이를 사심 없이 적용할 수 있는 방법이 있을까요 ?- 감성지수 ( sentinent analysis ) 에서 기사의 긍부정과 함께 인용되는 조합들의 match 부분에서 정확도가 차이가 많이 나는데요. 회사 이름이 모호하다거나 하는 업이 바뀐다거나 등... 뉴스의 양도 차이가 많고 해서 진지한 세상에서는 가중치를 가지고 매번 고민하게 될텐데.. 몇 번 돌려 본 결과라면 예제들이 있을까요 ?- 상장사나 공시 등은 잘 정의된 양질의 정보들인데, 비는 부분은 혹은 새로 들어오는 기업들은 어떻게 준비를 해야 할까요 ? e.g. default padding 전략 ?  추천시스템을 활용한 맞춤 이동수단 추천 서비스 - 나문정, 이혜진https://www.kakaomobility.com/service-kakaot카카오 T 가 택시인 줄 알았는데, Transportation 이었고, 20개 이상의 서비스들이 공존하는 슈퍼앱인데, 모두 택시만 알고 쓰는 모순이 있는 앱. - 우버의 경우는 택시 내의 제품군을 여러 개로 나누어서 접근하는 것을 하고 있고, 드라이버들을 다양하게 운용하는 방식으로 사업확장이 일어나고 있습니다. - 택시 탑승을 유도하지 않으면 '손해 보는 제품'이 되는 건 아닌가요 ? 이 경우 판매하는 상품을 선택하지 않았음을 알 수 없으니 feedback loop 로 다루기가 어려울 거 같은데... - 사용자의 앞 퍼널인 카카오맵에 조금 더 어울리는 서비스일 수 있겠는데, 어떻게 섞을 수 있을까 ?- 사용자의 마음에 들려면 “택시 많이 막히니까 몸이 조금 고생해도 대중 교통으로 가고 10,000원 아껴라” 라고 이야기할 수 있어야 하는데, 제품으로 이게 설명이 될까요 ? - 기차 예약은 SRT / Korail 앱보다 훨씬 더 쾌적하군요. AI투자하는국내ETF비교 - 이하준, 황신형ETF 들 중에서 AI 를 쓴다고 주장하는 제품들에 대한 분석과 성적, 그리고 AI washing 이라 부르는 내용들까지. 개인적으로는 전설적인 투자자들에 대한 내용을 학습시켜 종목을 선정하게 하는 ETF가 관심이 갔음.- 상장사들은 이래저래 자료들이 많으니 도움이 되겠군요.- 일반 문서들의 경우 이름만으로 인용된 회사들이 실제 어느 회사로 매핑되는지가 sentiment analysis 보다 난이도가 훨씬 높았습니다. 특히 계열사의 영향은 어떠할까요 ? 특히 한국의 증시의 경우 비슷한 이름의 회사가 여럿이고, 미국의 경우 다 퉁쳐서 구글/MS 등이 되는 서로 다른 영향일텐데요..- 국내 ETF 상품 이름에 AI 가 포함되는 건 어떤 의미일까요 ? AI washing 일까요 ?- AI 상품들의 경우 영업비밀에 해당하는 것일까 아니면 신뢰도를 얻으려는 노력일까 ?- ETF 와 로보어드바이저를 구별해서 설명해 주시겠어요 ? Q&AQ.발표하면서 여쭤봐야지 했다가 까먹고 질문 남기게 되었습니다.. 디지털마케팅플랫폼의 기본데이터를 행동데이터로 사용하기로 하고.구글의 AD-ID를 수집, 분석하여 활용하는 방향으로 개발하고 있었는데 ADID를 조만간 대체할 ‘프라이버시 샌드박스’를 도입하겠다고 발표해서 내부적으로 많은 혼란이 있었다가 구체적인 내용이 전부 미정으로만 알려져서 기존대로 진행해서 사용했었는데 내부적으로 진행 중인 사안인지? 아니면 기타 사유로 보류 또는 중지된 것인지 궁금합니다.참고 기사:https://www.digitaltoday.co.kr/news/articleView.html?idxno=527230 A. 이게 용어들이 많이 복잡하기도 해서… 먼저 AD-ID 는 Android 용, IDFA 는 iOS 용 device tracker 였을 거고.. Chrome 이 없애겠다고 하는 건 3rd party cookie tracking 이겠는데, 크롬에서 구글에 검색 몇 번 하고 나서 페이스북에 들어가면 그 물건의 광고가 뜨는 게 여기에 해당하겠습니다. 광고 플랫폼이 Chrome 에 3rd party 로 뭔가를 설치하고 그걸 facebook 에게 파는 모양인 거죠.. 사용자의 동의를 받은 경우 해당 앱을 사용하는 사용자의 상태 변환을 보는 것은 문제가 되지 않으나 이를 서로 다른 사이트나 앱들 사이에 공유하는 것을 막는 게 큰 골자로 이해하고 있습니다. 이들을 이용해 온 광고 중개업 등이 사태를 주의깊게 보고 있고, 애플의 IDFA 처럼 갈 것이라는 게 중론이긴 했더랬습니다. 제가 active 하게 다니던 시절에도 이슈가 있어 왔었고, 법령에서의 문구는 사용자가 하기 싫다고 하면 하지 마라.. 라는 거라 개인적인 견해로는 유럽 때문에 가긴 갈 거다 라는 생각입니다. 저도 구글과 인연을 끊은 지는 꽤 되어서… :) 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/93 ( 2024. 11. 15. )

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (9/16) - 2024. 11. 1.

들어가며지난 주의 중간 고사 즈음으로 조금 쉬어 간 이후 이번 주는 여러 개의 토픽들을 돌아가며 중간정리를 해야 했어서 context 가 많이 튀었다. 검색의 품질에 대한 이야기, 추천 시스템 결과를 비교할 수 있는 실제 코딩, OpenAI API 를 이용할 수 있는 기본적인 코딩까지. 추천 시스템 코딩 따라하기가 여러 면에서 가장 생뚱맞아서 튀게 되었다.  준비한 내용들9주) 강의 updateSearchGPT 가 출시되었지만, 모두가 써 본 건 아니고, 현재까지는 기존의 ChatGPT 보다 썩 더 나아졌나 궁금한 정도의 사용성이고, 한편으로는 MS / Github / OpenAI 가 오랫동안 파트너를 할 것처럼 했지만, Claude 가 Github 에서 사용 가능하겠다 하였으며, 미 대선 결과 발표 전인데 빅테크들은 건실함을 자랑하고 있는 듯했다. brunch: AI 들에게 물어보기 - '단백질 음료수 추천'SearchGPT 를 써 보진 않았지만, 얼마전에 Perplexity 가 한국에 도전장을 내밀며 예제로 든 쿼리가 '단백질 음료수 추천'인데, 나름 PR 팀이 고르고 고른 쿼리이겠지만, 이게 결과가 더 나은가? 라는 질문의 기록이다. 구글의 검색 퀄리티에 대한 노력을 너무 허투로 보고 있는 건 아닌가 하여 offline human evaluation 에 대해 소개하였다.  public link : Guide to Search Quality Rating ProgramEWOK 으로 불리던 사람들이 결과를 내는, 요즘에 RLHF 혹은 cloud sourcing 으로 읽히는 10여년전부터 구글이 검색 품질에 들이는 노력에 대한 공개 자료이다. 실제 엄청나게 디테일한 가이드라인을 담고 있고, 새로운 이벤트를 진행하게 될 때 이정도의 촘촘한 설명이 필요해서 고생했던 기억들도 난다.추천시스템 - 추천 알고리즘 상세 ( part 2 )추천 시스템의 몇몇 주요 알고리즘을 코드를 이용해서 따라가지 않은 게 여전히 찜찜하게 나타나 있지만, MovieLens 데이터를 이용해서 random , popular , association , user-2-user memory collaboration filter 등의 내용을 담은 링크들이다. Colab : openai API test-1101Colab : openai API - for news creation위의 코딩보다는 실제 OpenAI API 를 등록해서 써 보는 테스트를 해 보았다. 이미 잘 하는 친구들도 있겠지만, 뭔가 시도해 보기 힘든 벽을 처음에 가진 학생들에게 조금의 용기라도 주었으면 한다. 에러가 나는 환경, 모델을 바꾸어 가면서 혹은 prompt / instruction 을 바꾸어 가면서 글 혹은 뉴스를 만들어 내는 기본적인 prompt 사용하는 법들을 훑어 보았다. $10 의 credit 으로 시작하지만, 공짜가 아니어서 몇 개 해 보지 않아도 금방 quota 가 소진된다. 기말 과제 발표한국어 기반 금융 분야 BERT 기반 LLM 비교ChatGPT 가 나오기 이전 LM 의 1-2위를 다루던 BERT 의 금융계 도전에 대한 논문 survey 였다. KB은행에서 주도한 https://github.com/KB-AI-Research/KB-ALBERT 과 카카오뱅크에서 이후에 주도한 https://huggingface.co/kakaobank/kf-deberta-base 과 관련해서 발표되었던 몇몇 논문들을 잘 요약해 주었다. 한글이라서, 금융 도메인이라서 라는 제약을 추가적인 데이터를 가지고 pretraining 하는 접근 방법들인데, 아래는 몇가지 질문들.- 테스트 셋으로 외국 테스트의 번역본을 썼는데, 이걸로 충분한가 ? 오염이나 bias 는 ? - 부족한 데이터들을 모으기 위해 앞은 syntetic creation 으로 접근했고, 후자는 권위 있는 데이터의 조합으로 접근했음. 후자로 가야 하는 게 아닐까 ? - 점수의 차이가 실제 사용하는 입장에서 어떤 의미가 있을까 ? accuracy 가 90점이나 92점이나 10-11번 당 1번씩 잘못 판단하는 건 제품 입장에서 큰 차이 없는 것 아닌가 ? 맺으며준비한 내용들로는 2시간 약간 넘은 정도만 커버할 수 있어서 예상보다 많이 일찍 끝난 수업이었다. 멀리까지 시간 내어 온 학생들에게 미안한 상황이 되었는데, 교재로 준비한 책들의 내용이 끝나는 상황이 될 때 transition 이 매끄럽지 못한 것에 대해서는 더 준비가 필요하겠다.출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/91 ( 2024. 11. 1. ) 

대학 교육 기타인공지능추천강의

인공지능과 추천 시스템 강의 노트 - (10/16) - 2024. 11. 8.

들어가며이번 주는 기말 과제 발표가 4개 이상 잡혀 있는 일정이었다. 작년에 기말 과제들에 일정이 휘둘리며 하려 했던 구글 검색 심층 이야기들을 마저 못했던 게 마음에 걸려서 오늘 그 구글 검색 이야기를 시작했다. 제품 측면이나 기술적인 측면이나 이야기거리가 많은 내용인데 이른바 성장기의 구글 검색과 수성기의 구글 검색의 차이가 많이 큰 부분에 대해서는 너무 옛날 이야기가 아닐까 아쉬움이 있다. 준비한 내용들10주) 강의 updateAnthropic 에서 API 사용료를 올린다는 조금은 충격적인 뉴스가 있었지만, 미 대선 결과에 묻혀 버렸다. Lessons from  Google Search지금의 시장의 절대적 지배자가 되기 전까지 구글이 이루어 냈던 여정들에 대해서 같이 했던 내용들에 대한 직간접적인 기록들에 대해 이야기를 나누기 시작했다. 지금은 업계에 표준처럼 되어 버린 여러 방식들이지만, 검색의 기본기에 대한 이야기, 검색 결과 페이지를 구성하는 요소들에 대한 내용들을 오늘 다루었고, 한발 안으로 들어가서 infrastructure 에 해당하는, software development 에 대한 이야기, 그리고 내가 직접 했던 과제들에 대한 이야기들을 다음 주와 그 다음 주에 다뤄 보려 한다.  기말 과제 발표AI를 활용한 기업 신용평가 - 홍다은,이영훈,김윤아단골 주제인 비정형 데이터를 기업의 평가에 쓰고 있다는 이야기의 신용 평가 내리는 이야기.정성적인 부분을 더하고 싶어하는 예제를 논문에서는 스페인 증시를 가지고 접근해 왔음.- 상장사의 경우 감사 보고서 등은 이미 bias 되는 내용이지 않을까 ? - 뉴스의 양은 그 자체가 비대칭이고, 보도 자료는 회사가 보여주고 싶은 내용들을 이야기할텐데, 그 자체로 오염된 내용은 아닐까 ? - 사람이 잘 하고 있는 걸 시간을 줄여주는 용도일까? 아니면 사람이 하지 못했던 것들의 새로운 가치를 주고 있는 것일까 ?   생성형 AI시대의 Mobile 플랫폼 추천 시스템 - 김성민,이재훈,이종연모바일 플랫폼(Android / iOS)에서의 앱 액션 추천 시스템에 좀 더 가까운 제안. 플랫폼을 직접 운영하는 곳에서 프로젝트 제안으로 삼을만한 이야기들. LLM 이 없던 시절에 몇몇 노력들이 있었지만 설익은 채 지나 버렸고, 다시 여러 형태로 제안이 되고 있는 주제. 이를 RTB 의 예를 들어 비교하며 제안. 개인적으로 설득이 되진 않지만, 그래도 참신한 아이디어.- privacy 가 점점 강화되는 상황에서 화면을 읽는 정도의 것을 사용자가 허락할 것인가 ? - 사용자가 시키지 않았는데, 알아서 뭔가를 하고 싶을 때 가능한 이야기가 있을까 ? - 앱들이 할 수 있는 action 들은 이미 충분한데, 여전히 조건을 정하는 데에서 문제가 있는데, ondevice 가 해결할 수 있는 부분이 있을까 ? - 장악력이 강한 플랫폼에서 bonding 을 더 강하게 하는 용도로 생각나는데, 카카오나 위챗 등이 이게 더 필요할까 ?  콴다(교육에서의 AI 활용 방안) - 강혜정,김민수,김민지매스프레소의 대표 제품인 콴다의 제품으로서의 여정에 대한 이야기. - 문제를 풀어주는 제품일까 문제은행일까 ? 둘은 아주 거리가 먼 조합일텐데.- Poly 는 뜬금없지만, 이는 어떤 제품을 지향하는가 ?- Google Lens 시절, Photomath 와 Work mode 가 문제를 읽어는 주는데, 이보다는 나은가 ? - 2023년 수능을 GPT 3.5 와 비교했을 때는 우위에 있었지만, GPT-4o 가 추월했다는 보고가 있었는데, 2024년에는 어떤 결과일까 ? FASHION CURATION OMNI CHANNEL STRATEGY OFFLINE FOCUSED SERVICE - 신경철띠어리 라 불리는 의류 서비스의 온오프 매장 연동에 대한 이야기. 의류 판매의 난이도와 온오프 경험을 섞는 것에 대한 이슈들과 매장 스태프들의 역량을 어떻게 내재화할 것인지 등에 대한 고민들.- 옷의 경우 입어 보고 사는 걸 좋아하는 사람은 온라인에서 절대 만족을 못 주고 있을 텐데, 같이 놓는 게 의미 있을까?- 추천은 오프라인의 영역이지만, 사진을 찍은 후 style 검색은 꽤 오래전부터 잘 되던 영역이었다..- 여러 온라인 회사들 중에 무신사가 제일 괜찮은 비교일까 ? 무신사는 명품 혹은 중고 명품과 거리가 좀 있는 브랜드이지 않을까 ?  Assimilating the Recommendation eXperience - 김세환[보도자료] 쿠팡, 럭셔리 뷰티 버티컬 서비스 ‘R.LUX’ 론칭…“품격과 편리함 갖춘 쇼핑 경험 선사”앞의 패션 주제와 같이 이야기할 수 있는 쿠팡 - 파페치 - R-Lux 이야기. 한창 진행형이기에 결과를 평가하기보다는 쿠팡의 도전이 궁금하고 도전 자체를 응원하는 마음이다. - 국내에 서비스하고 있는 쿠팡의 제품군을 넓히기 위해 해외에서 운영하고 있는 서비스를 사 왔다..?  왜 ?- 국내의 명품 시장의 경쟁자로 서고 싶은 걸까..? 의류는 쿠팡이 잘 못 하고 있지 않나..?- 커지지고 있다지만, 발란, 트렌비, 머스트잇 등의 곳들, SSG-네타포르테 같은 조합 ?- 전통적인 추천이 통하지 않는 업의 특징이 많을텐데... 맺으며검색의 안쪽으로 한 발 더 들어가기도 했지만, 기말 과제들이 유익하다. 금요일이 되기 전에 학생들의 과제들을 리뷰할 때의 난이도도 상당하지만, 서로 전달하는 내용들이 도움이 많이 된다. 매주 추가적인 시간들을 과제 리뷰에 쓰고 있는데, 질문들이 서로 공감되며 나누어지기를 바라는 마음이다.출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/92 ( 2024. 11. 8. )

대학 교육 기타인공지능추천강의

스프링 핵심원리 기본편(김영한) 1 - 객체지향 DIP와 스프링 DI, IoC

  객체는 객체와 끊임없이 상호작용한다. 그렇기에 유연한 변경이 가능해야한다. 예를 들어, 자동차라는 상위 클래스를 다양한 자동차 브랜드로 구현될 수 있고, 운전자가 변화해도 자동차는 영향을 받지 않는다. 사용자, 주문, 할인 등 여러 독립적인 특징을 가진 기능은 클래스로 분리하여 각 클래스에서만 수정 및 사용한다.   역할과 구현을 분리 - 인터페이스와 콘크리트 클래스 인터페이스는 안정적이게, 확장이 무한대로 가능하게 설계해야한다.   SOLID 객체지향 설계 원칙 1. SRP 단일책임원칙 - 변경이 용이한 단위적 책임인가2. OCP 개방폐쇄원칙 - 코드의 변경 없이 확장이 가능한가(조립만으로 변경)3. LSP 리스코프 치환 원칙 - 하위 클래스는 인터페이스(상위 클래스)를 위반하지 않아야한다4. ISP 인터페이스 분리 원칙 - 여러 개의 인터페이스를 통해 명확한 기능을 갖고 있고, 대체 가능성이 높은 환경을 구현할 것5. DIP 의존관계 역전 원칙 - 추상화에 의존할 것, 인터페이스(역할)가 중심이 되어야한다. 구현체에 의존하면 다형성을 잃는다(재활용성을 잃는다) 스프링 컨테이너에 객체 지향 적용 객체를 생성하는 역할과 객체를 실행하는 역할을 분리.의존은 인터페이스로 하고, 설정 파일을 통해 구체적인 구현체를 의존 주입구현체 변경 시 설정 파일만 변경하면 된다.(조립)=> 제어의 역전; 어떤 구현체를 사용할 것인지 AppConfig(Spring)가 결정한다. 동적인 인스턴스 의존관계    

객체지향javaSOLIDspringDIIoCDIP강의김영한

객체 지향 프로그래밍 입문(최범균) 2 - 다형성, 추상화, 조립

  다형성이란, 여러 모형으로 변화하는 것이다. 하나의 객체가 여러 타입을 갖는 것이다. 추상화란, 특정한 성질(interface) 또는 공통 성질(abstract, 일반화)을 뽑아내는 과정이다. 추상화를 통해 객체는 다형적인 모형을 변화 가능하다   <추상화 시점> 추상화는 의존 대상이 변경하는 시점에 추가한다. 실제 변경 및 확장이 일어날 때 공통점을 파악하고 뽑아낸다.   <추상화 예시> 클라우드 파일 관리 기능이 있고, 대상 클라우드의 종류가 n가지일 경우.클라우드 종류에 따라 if문으로 분기하는 로직이 아닌 공통기능인 클라우드 파일 시스템을 추상화한다.클라우드 파일 시스템에서는 파일 목록과 관련된 CRUD 기능을 추상화하고,클라우드 파일에서는 개별 파일의 CRUD 기능을 추상화한다. 특정 클라우드 구현체에서는 추상 클래스를 상속받아서 기능을 재정의한다. 추상화가 진행되면, 구현 클래스의 변경은 있더라도(조립) 서비스 로직은 바뀌지 않는다.   <상속보다는 조립> 상속을 통해서 재사용을 하게 된다면,1. 상위 클래스의 변경이 어렵고2. 기능과 확장이 필요한 만큼 클래스가 증가하고3. 상속을 오용하게 된다.(비슷한 메서드 착오) 상속은 하위타입일 경우에 진행하고, 보통의 경우 객체를 참조하는 방식으로 진행할 것.    

java객체지향최범균강의추상화다형성조립객체참조

객체 지향 프로그래밍 입문(최범균) 3 - 분리, 의존 주입, DIP

<역할과 기능 분리 방법> 1. 패턴 적용 전형적 분리(아키텍처, 디자인패턴) 2. 계산 분리 로직의 기능화 3. 연동 분리 클래스 분리 4. 연속적인 if-else는 추상화 고민할 것   적절한 역할 분리는 테스트도 용이하게 한다.사용자와 직접적으로 관련된 기능은 내부 메서드로, 간접적으로 관련있는 기능은 별도의 클래스로 분리한다.   <의존> 순환 의존은 변경이 연쇄적으로 전파된다. 기능 변경의 파장이 커지면 안 좋기 때문에 의존은 적을수록 좋다. 의존대상의 기능이 많은 경우 클래스로 분리하거나 단일 기능으로 묶을 수 있는지 확인하라. 예를 들어 민원팩토리, 민원리포지토리를 민원등록으로 묶기   <스프링 의존 주입> 추상적 인터페이스를 의존하고, 의존 주입은 보통 생성자 방식으로 외부(스프링)에서 진행한다. 내부에서 new()로 생성하는 것과 반대이다. 1. 의존 대상이 바뀌면 그 대상을 조립하는 부분만 수정하면 됨 2. 대역 객체를 통해 테스트가 가능하다   <DIP 의존 역전 원칙> 고수준 모듈(기대수준), 저수준 모듈(단위적 실제 행위) 고수준 모듈을 의존해야한다. 반대로 고수준 모듈이 저수준 모듈을 의존하는 경우, 저수준 모듈이 변화할 때 고수준 모듈에 영향을 끼침 (목표를 향해 개발하는 것이 아닌, 개발에 따라 목표가 변하는 현상)고수준 모듈을 구현한 추상타입(인터페이스)을 저수준 모듈이 의존하는 방식을 추구해야한다.    

java강의최범균DIPDIinterface분리객체지향

객체 지향 프로그래밍 입문(최범균) 1 - 객체지향, 캡슐화

좋은 코드란, 낮은 비용으로 변화할 수 있는 코드이다 이것은 1. 캡슐화 2. 추상화(다형성 지향)로 이루어낼 수 있다.   절차지향적 코드는 진행될수록 여러 조건문으로 복잡해질 수 있다. 객체지향적 코드는 객체가 제공하는 기능(메서드)이 중심이 되어 설계하는 것이다.  - 호출, 리턴, 익셉션 등의 메세지의 교환 - 데이터 클래스(VO, DTO)는 객체가 아니다. 객체의 기능이 없이 값에만 접근하기 때문이다.   캡슐화는 데이터와 관련된 기능을 묶는 것이다. 데이터의 상세 내용을 외부에 감추고, 외부와 무관하게 객체 내부의 구현 변경이 가능하다. 객체의 기능을 비즈니스 로직이 아닌 객체 내부의 메서드로 구현하면, 기능에 변화가 요구될 때 해당하는 내부 기능을 변경하면 캡슐화를 사용한 곳에 별도의 수정이 필요하지 않다.   캡슐화의 규칙 1. 데이터를 요구하는 것이 아닌 데이터의 처리를 요구할 것if(member.getAge() > 19) Xif(member.isAdult()) O 2. 메서드에서 생성한 객체의 메서드만 호출할 것파라미터로 받은 객체의 메서드만 호출할 것필드로 참조하는 객체의 메서드만 호출할 것 >> 연속적인 메서드 호출이 아닌 객체에 있는 하나의 메서드로 처리member.isAdult() + member.isVIP() + member.addCoupon()으로 하나씩 처리하는 것보다member.receiveBenefits()로 위 세 개 기능 묶기     객체는 속성과 기능으로 구성되어있다. 객체의 여러 기능을 참조하고 묶어서 새로운 기능에 사용하는 것은 객체 지향적인 방식이다.        

java객체지향최범균강의캡슐화DDD

<강의>따라하며 배우는 도커와 CI환경(John Ahn) 4 - 운영환경(aws eb)

전체 프로세스로컬 -> 깃허브 -> travis CI -> AWS EB (AWS S3 -> AWS ECS(ec2 컨테이너 인스턴스)에서 도커 이미지 생성 및 배포   운영환경을 위한 Nginx- 리액트 컨테이너 안의 서버로 엔진엑스 사용- 빌드 파일에서 엔진엑스가 정적파일 찾아서 반환- Dockerfile에 Nginx 이미지 추가 FROM nginx COPY --from=builder /usr/src/app/build /usr/share/nginx/html builder 스테이지에서 생성된 빌드 파일을 엔진엑스가 사용하는 경로(기본값)에 복사함   .travis.yml 파일 sudo: required language: generic services: - docker before_install: - docker build -t <이미지 이름> -f <dockerfile명> script: - docker run -e CI=true <이미지 이름> docker run test -- --coverage after_success:   AWS- ec2는 컴퓨터를 임대하는 개념 -> OS, 웹서버, DB 설치해서 사용- EB(Elastic Beastalk) -> 서버, 언어, 도커와 함께 개발된 서비스를 배포 및 확장- eb는 ec2, db, 보안 그룹 등을 컨트롤함(eb가 더 넓은 개념)   AWS EB 환경구성브라우저 -> eb의 로드발란서가 ec2 인스턴스들에게 분산시   .travis.yml 파일에 배포 설정 추가script 아래에 deploy: provider: elasticbeanstalk region: ap-northeast-2 app: docker-react-project <앱이름> env: DockerReactProject-env <환경이름> bucket_name: elasticbeanstalk-ap-northeast-2-234234235 <자동 생성 s3 버킷 이름> bucket_path: docker-react-project <앱이름> on: branch: master <git 배포용 branch 선택>   travis ci에 aws 접근 권한 설정아이엠 사용자 생성 후 트래비스 환경 변수에 AWS_ACCESS_KEY, AWS_SECRET_KEY 값 추가.travis.yml 파일에도 deploy 부분에access_key_id: $AWS_ACCESS_KEYsecret_access_key: $AWS_SECRET_KEY   엔진엑스 포트 매핑Dockerfile에 FROM nginx 밑에 EXPOSE 80 추가

docker강의docker-nginxdocker-travisdocker-awsdocker-aws-eb

채널톡 아이콘