Bongho, Lee

Data

Lazy Evaluation, 메모리 사용 및 계산을 최적화하기 위한 기법

Lazy Evaluation * Lazy evaluation은 프로그램 실행 중에 표현식의 평가를 그 값이 실제로 필요할 때까지 미루는 기법 * 프로그램에서 표현식의 결과가 필요하지 않다면, 해당 표현식의 계산을 미룹니다. 예를 들어, 조건문에서 특정 조건이 거짓으로 평가되어 다른 분기의 결과가 필요하지 않는 경우, 결과가 필요하지 않기 때문에 그 분기의 계산은 수행하지 않음 * 주로 함수형 언어에서

Data

📦 AI Model에서 AI System으로의 진화

1.Compound AI System is LLM의 대중화와 함께, AI Model은 Application의 주요 요소로써 빠르게 관심을 이끌고 있다. Compound AI System은 Traditional Software와 AI Model의 결합으로써 Google의 AlphaCode 2,  AlphaGeometry 등 빅테크의 LLM 모델은 Compound AI System의 효과성을 잘 보여주고 있으며, 모델과 엔지니어링의 조합을 통해서 보다 나은 성과를 만들 수도 있음을

Team

[데이터조직] 상대방 팀이 성공해야 우리 팀도 성공한다.

당연한 이야기이지만, 상대방 팀이 성공해야 우리 팀도 성공한다. 종종 팀의 리더로 일을 하다 보면, 상대방 팀을 업신여기거나, 상대방 팀을 이겨야 하거나, 업무를 모두 그 쪽으로 몰아버리는 것에 만족하는 사람들을 종종 본다.R&R에 기준해서 일을 잘 정리하는 방식일 수도 있지만, 나는 상대방 팀을 포함해서 우리 모두가 함께 성공하는 것이

Team

[데이터조직]어느날 직원이 그만두겠다고 하였다.

어느날 면담을 할 때였다. 평소대로 "요즘 컨디션을 묻는 질문"으로 1:1을 시작하였다. 그런데 웃으면서 구성원이 말하였다. 퇴사하려고 합니다. 퇴사할 수도 있지... 뭐가 문제인가 하면서도 우선은 이 친구를 붙잡으려는 시도는 해야 하지 않나 싶어서 이유를 물어보았다. 이래저래 이야기를 나눴고, 몇 번의 가벼운 티타임 끝에 원인은 굉장히 간단하였다. 첫째,

Team

[데이터조직]내가 하지 않는데 구성원에게 하라고 할 수는 없다.

제럴드 M 와인버그는 리더십이란 문제해결을 위한 최적의 환경을 구성해나가는 과정이라고 볼 수 있다고 정의한 바 있다. 처음 이 말을 들었으면 이해가 되는 것같으면서도 명확하게 상황이 그려지지는 않았다. 문제 해결을 위한 최적의 환경이라니, 환경의 범위는 어떻게 되고, 이 환경은 시스템을 언급하는 것만은 아닐텐데, 모든게 명확하지 않은, 뭔가 굉장히 광활한 정의를 가지고

Data

Quantile Loss는 Quantile Regression시 사용하는 Loss Function이다.

* Quantile Loss는 Quantile Regression처럼 Predicted Value의 Quantile을 구하고자 할 때 사용되는 Loss Function이다. * 변수의 75번째 Quantile을 예측하는 것이 목표인 문제를 예로 든다면, 이는  75%의 경우 예측 오차가 음수여야 하고 나머지 25%는 양수여야 한다는 말과 동일하다. * 기본적으로 이러한 경우 Quantile Loss 는 과소 추정된 예측에 대해 과대 추정된 것보다

가장 싫어하는 말 - "사실 한다고 하면, 다할 수 있어요"

다양한 직군의 개발자와 함께 일하다 보면 종종 이런 말을 들을 때가 있다. "사실 한다고 하면, 다할 수 있어요" 농담인 것은 알지 나는 이런 말을 주로 하지 말라고 한다. 일당백을 요구하는 스타트업이면 한 명의 개발자가 많은 일을 해야 하기 때문에 이런 말은 굉장히 적절한 수준의 참여도를 상징하는 말이라서 듣기

Data

Bayesian Modeling이 사회과학연구에 활용하면 좋은 6가지 이유

Coherence * 주관적 확률이 확률 계산의 일반적인 규칙/공리(이러한 규칙의 타당성은 방금 언급한 자기 일관성에 해당함)를 따르고 따라서 이러한 확률로부터 일관된 결정을 얻을 수 있다는 가정 Conditioning on Observed Data * 베이지안 통계학과 빈도주의 통계학 사이의 중요한 차이점은 관측 데이터가 매개변수 추정에서 수행하는 역할에 관한 것 * 구체적으로, 빈도주의 추론은 정확히

Team

축구에서 라인간격 조절은 회사의 커뮤니케이션 방식과 유사하다.

최근에 아시안 컵이 끝났다. 이번에는 아내와 조용히 함께 봤다. 그런데 보다보면서 가장 많이 듣는 이야기 중 하나가 라인 조절을 잘해야 한다는 말이었다. 라인 조절을 하지 않을 경우 공간이 생기게 되고, 그 공간에 패스를 하면서 상대편이 공격할 수 있는 여지를 주게 된다. 실점으로 연결될 가능성이 있는 것이다. 이 이야기를 듣는데, 문득

Data

Missing Data Handling from a Bayesian Perspective

Missing Data Mechanism Classification * Missing Data가 어떠한 이유로 생겨나는지, Observed Data와의 관계는 어떠한지 등을 감안하여 분류할 수 있음 * $M$을 Missing Data Indicator라고 할 때 다음과 같이 분류 가능($M$은 Data가 있으면 1, 없으면 0) * Classification * MACR( Missing Completely at Random) * $f(M|y) = f(M|\phi)$ * MAR(Missing

Life

[책]“목차만 봐도 메세지는 뚜렷”, 최적의 뇌를 만드는 뇌과학자의 1분명상

개인적으로 명상에 정말 관심이 많다. 스트레스가 쌓일 수록, 뇌에게 리스타트를 해줄 수 있는 기회를 주지 않는 것과 진배 다를 바 없다고 생각하기 때문이다. 결국 최상의 컨디션으로 문제를 접근할 수 없게 된다. 그래서 명상이 중요하다. 그렇다면 뇌에게 어떻게 리스타트를 제공할 수 있을까? 명상에서는 호흡을 통해서, 또는 바디스캔을 통한 방법 등 다양한

Life

너무 많은 생산성 툴이 나오고 있고 여기에 휘둘려서는 안되는 이유

정말 수많은 생산성 도구가 범람하는 시대이다. 현재 쓰고 있는 옵시디안(Obsidian)도 PKM(Personal Knowledge Management) 관련 생산성을 늘리기 위한 목적으로 등장한 툴이고, 이 외에도 Roam Research, Reflect, UpNote 등 너무 많아서 정말 열거하기 어려울 정도로 지금도 끊임없이 나오고 있다. 여기에 AI가 접목되면서 새로운 생산성 도구의 출시 속도는 더욱 더

Team

조직간 R&R이 명확하지 않다고? - 커뮤니케이션이 안될 때 부작용에 대해서

조직의 R&R에 대해서 조직장간 싱크가 되지 않는 경우가 발생할 수 있을까? 실제로 그럴 수 있다고 본다. 경영환경이 급변할 떄는 커뮤니케이션이 매우 중요할 수 있는데, 비대면일 경우 커뮤니케이션이 어려워질 수 있기 때문에, 이런 현상이 생길 가능성이 증폭될 수 있다. 특히 최근 IT의 발달로 사업과 프로덕트간 업무 스킬이 겹쳐지는 부분들이

Team

리더의 한계와 리더의 의무

매순간 리더로서 어떤 커리어를 가져갈 수 있을지 고민할 때가 많다. 어렸을 때 무작정 대통령이 되고 싶었던 것과 달리 정확히 나의 능력을 보고 그 이상 올라가지 않아야할 필요가 있기 때문이다. 자신의 한계를 망각하고 상승하는 것은 조직에게도 큰 피해를 줄 수 있기 때문이다. 그래서 나는 리더의 잘 알려지지 않은 의무로, 적절한 포지션까지

Life

열정은 체력이 있을 때 유의미하다.

A sound mind in A sound body 어렸을 적 들었던 영어 속담이다. 이 말이 이전에는 그냥 속담으로만 와닿았다. 하지만 서른 후반에 몰입하게 되자, 상당히 와닿기 시작하고 있다. 체력이 없으면 정신도 흔들리는 것이다. 근지구력으로 버티는 부분도 조금씩 짧아지고 있는 것을 발견한다. 여기에 한가지 더 늘어난 부분이 있다. 바로 열정 역시 같은

Communication

맥락없이 공포를 유발하는 커뮤니케이션은 좋지 못한 방식이다.

작년 이야기이다. 아이가 세상에 태어난 이후, 처음 겪는 일을 홀로 헤쳐나가야 했다. 출생신고를 하고 어린이집을 등록하는 등 많은 일을 감당해야 했다. 어린이집도 그 중의 하나였다. 자연스럽게 사내 어린이집의 존재를 알게 되었고, 입소확정을 하게 되었다. 그런데 회사에서 집이 너무 먼탓에 이사를 하거나, 또는 집 근처의 어린이집을 수소문해야 했다. 그런데 이게 말처럼