내가 놓치고 있던 미래, 먼저 온 미래를 읽고

장강명 작가의 책은, 유학시절 읽고 처음이었다. 유학시절 "한국이 싫어서"라는 책은 동기부여가 상당히 되는 책이었다. 한국을 떠나 새로운 정채성을 학생으로서 Build up 해나가고 있던 상황에서 이 책은 제목부터 꽤 솔깃하였다. 물론 결말이 기억날 정도로 인상깊은 책은 아니었지만 말이다. 그렇게 시간이 흘러 장강명 작가의 책은 더 이상 읽지 않던

immich Docker Log

.env & docker-compose Download wget -O docker-compose.yml https://github.com/immich-app/immich/releases/latest/download/docker-compose.yml wget -O .env https://github.com/immich-app/immich/releases/latest/download/example.env Modification Log * .env에서 UPLOAD_LOCATION를 수정 * NFS로 처음에 진행하였으나 SMB로 수정 NFS Issue * UID/GID 불일치 문제이슈 발생 * 서버와

고객 경험이란 무엇일까?

고객경험이란 무엇일까? 1. 과거 어느 대형 프로젝트에서 있던 일이다. 신사업을 위해서 예측 모델 값을 제공해야 하는 상황이었다. 데이터도 없고,어느정도의 정확도를 제공해야 하는지 답이 없었다. 점추정을 할 것인가? 구간 추정을 할 것인가를 가지고 논의중이었다. Product Manager 줄기차게 고객경험을 내세우며 점추정으로 해야 한다고 주장하였다. 근거는 오롯이 "고객 경험"이었다.

수요예측, 수정구슬이 아닌 목표를 향한 냉정한 나침반

수요예측의 정의와 비즈니스에서의 중요성 기업의 성장과 운영 효율화를 위해 **수요예측(Demand Forecasting)**은 선택이 아닌 필수 요소로 자리 잡았다. 많은 경영진들이 수요예측을 미래 판매량을 정확히 맞히는 '예언'으로 기대하지만, 이는 수요예측의 본질을 오해하는 것이다. 수요예측의 진짜 의미: 미래를 점치는 수정구슬이 아니라, 우리가 도달해야 할 '목표'를

Agentic AI와 MSA, 그리고 회사의 미래

어딜 가도 AI Agent에 대한 이야기가 들리는 요즈음이다. 정말 안하는 회사가 없다. 사람과 다르게 24시간을 일해도 지치지 않고, 재사용성도 가능하니 비용절감측면에서도, 생산성측면에서도 이만한 솔루션이 없기는 하다. 이러한 Agent가 여럿 모여 인간의 개입없이 복잡한 기능을 수행하는 시스템이 이른바 Agentic AI다. Agentic AI를 보면 문득 개인적으로는 MSA(Micro Service Architecture)가 생각난다.

Beyond Static Responses: Multi-Agent LLM Systems as a New Paradigm for Social Science Research

Summary * 본 논문은 단순한 데이터 처리기부터 복잡한 다중 에이전트 시스템에 이르기까지 LLM 기반 에이전트의 다양한 응용 분야를 이해하기 위한 구조화된 프레임워크를 제시 * 프레임워크는 기능적 임계값(메모리 통합, 자율성, 조정, 학습)을 기준으로 LLM 기반 시스템의 복잡성과 자율성 증가를 포착하는 6단계 구조로 구성됩니다. 이 구조는 동적 환경에서 적응적 의사 결정을 위한

[책]운영의 소용돌이 속 성과를 내는 원칙, 성과를 내고 싶다면 실행하라

올 해 들어 두 번 이상 추천을 받은 책이었다. "성과를 내고 싶다면 실행하라"라는 당연한 책의 제목 속에 어떠한 것을 얻을 수 있는지 궁금하던 차에 가족 여행을 다녀와서 바로 읽었다. 책 내용의 핵심만 언급하라면 다음과 같이 정리가 가능하다. * 매일의 긴급한 업무(즉, "회오리바람")가 전략적 이니셔티브를

[책] 리더의 돕는 법, "관계"로써 도움을 바라보기.

리더로서 일을 다시 하게 됨에 따라서, 이런저런 책을 읽고 있다. 그런 와중에 AC2 커뮤니티에서 추천받았던 책이 기억났다. 바로 오늘 소개할 “리더의 돕는법”이라는 책이었다. 뭔가 한서의 제목이 이상해서 원서를 찾아보니 제목이 ”Helping”이다. 직역하면 ”도움을 구하는 법“이다. 이직 후 홀로서기를 해야 하는 나의 상황을 보면 괜찮은 책이라고 판단되어 읽기

AB테스트를 하지 않을 때 발생할 수 있는 실수

회사에서 실험의 중요성이 대두되고 있다. 여기서 실험은 A/B 테스트를 말한다. 이러한 실험이 중요시 되는 것은 바로 글로벌 기업이 되었기 때문이다. 글로벌 기업이 되면 각 지역별로 비슷한 서비스 하는 회사간 교류의 기회가 늘어난다. 그리고 서로간의 인사이트 또는 실적을 공유하게 된다. 이런 공유가 잘되려면 증거가 탄탄하고, 누가 봐도 신뢰할 수 있어야

MCP Server는 모델을 관리 및 서빙을 해주는 서버이다.

MCP(Model Context Protocol) Server * MCP Server는 이 Model Context Protocol을 기반으로 한 모델을 실제로 관리하고, 서빙하거나 호출 요청을 받아 처리하는 중앙 서버 MCP Server가 제공하는 기능 기능 설명 모델 로딩 및 등록 다양한 MCP 스펙으로 정의된 모델을 받아들이고 등록함 컨텍스트 관리 모델마다 필요한 입력/출력 타입, 버전 등을 정리해서

DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.

Pandera: 데이터프레임 검증에 최적화된 도구 주요 장점 * Pandas와 통합: Pandas 데이터프레임에 대해 스키마 기반 검증을 수행합니다. * 유연한 검증 조건: 열 데이터 타입, 값 범위, Null 여부 등 다양한 검증 조건을 정의할 수 있습니다. * 명확한 오류 메시지: 스키마 불일치에 대한 명확한 오류 메시지를 제공합니다. 단점 * 대용량 데이터 검증에서는 속도가 느릴 수

Docker 모니터링하면서 죽으면 재시작시키는 스크립트

Docker 재시작 스크립트 #!/bin/bash CONTAINERS=("container1_name" "container2_name") # 감시할 컨테이너 이름 입력 CHECK_INTERVAL=600 # 체크 주기 (초 단위) while true; do for CONTAINER_NAME in "${CONTAINERS[@]}"; do # 컨테이너 상태 확인 CONTAINER_STATUS=$(docker inspect -f '{{.State.Status}}' "$CONTAINER_