나는 어떻게 메모하는가?
한가지 방식으로만 메모를 작성하지 않는다. "어떻게 메모하는?"라는 여전히 어려운 질문이다. 어떤 메모가 최선일지에 대해서는 스스로에게 여전히 지금도 매일 던지는 질문이기 때문이다.
한가지 방식으로만 메모를 작성하지 않는다. "어떻게 메모하는?"라는 여전히 어려운 질문이다. 어떤 메모가 최선일지에 대해서는 스스로에게 여전히 지금도 매일 던지는 질문이기 때문이다.
Intro 데이터 팀이 아무리 좋은 분석을 하더라도 비즈니스 팀과 경영진과 공유되지 않으면데이터 팀의 성공은 보장할 수가 없다. 그래서 효과적인 커뮤니케이션은 데이터 팀이 성공하기 위한
지금의 회사에서도 일한 지도 벌써 2년이 되어간다. 데이터엔지니어부터 시작해 마케팅 기획을 거쳐 분석가로 정착하나 싶었는데 한발 더 나아가 사업관리까지 한다. 감사하게도 2년 동안 데이터
1.Compound AI System is LLM의 대중화와 함께, AI Model은 Application의 주요 요소로써 빠르게 관심을 이끌고 있다. Compound AI System은 Traditional Software와 AI Model의
당연한 이야기이지만, 상대방 팀이 성공해야 우리 팀도 성공한다. 종종 팀의 리더로 일을 하다 보면, 상대방 팀을 업신여기거나, 상대방 팀을 이겨야 하거나, 업무를 모두 그
어느날 면담을 할 때였다. 평소대로 "요즘 컨디션을 묻는 질문"으로 1:1을 시작하였다. 그런데 웃으면서 구성원이 말하였다. 퇴사하려고 합니다. 퇴사할 수도 있지.
제럴드 M 와인버그는 리더십이란 문제해결을 위한 최적의 환경을 구성해나가는 과정이라고 볼 수 있다고 정의한 바 있다. 처음 이 말을 들었으면 이해가 되는 것같으면서도 명확하게
* Quantile Loss는 Quantile Regression처럼 Predicted Value의 Quantile을 구하고자 할 때 사용되는 Loss Function이다. * 변수의 75번째 Quantile을 예측하는 것이 목표인 문제를 예로 든다면, 이는 75%
다양한 직군의 개발자와 함께 일하다 보면 종종 이런 말을 들을 때가 있다. "사실 한다고 하면, 다할 수 있어요" 농담인 것은 알지 나는
Coherence * 주관적 확률이 확률 계산의 일반적인 규칙/공리(이러한 규칙의 타당성은 방금 언급한 자기 일관성에 해당함)를 따르고 따라서 이러한 확률로부터 일관된 결정을 얻을
최근에 아시안 컵이 끝났다. 이번에는 아내와 조용히 함께 봤다. 그런데 보다보면서 가장 많이 듣는 이야기 중 하나가 라인 조절을 잘해야 한다는 말이었다. 라인 조절을
Missing Data Mechanism Classification * Missing Data가 어떠한 이유로 생겨나는지, Observed Data와의 관계는 어떠한지 등을 감안하여 분류할 수 있음 * $M$을 Missing Data Indicator라고 할
개인적으로 명상에 정말 관심이 많다. 스트레스가 쌓일 수록, 뇌에게 리스타트를 해줄 수 있는 기회를 주지 않는 것과 진배 다를 바 없다고 생각하기 때문이다. 결국
정말 수많은 생산성 도구가 범람하는 시대이다. 현재 쓰고 있는 옵시디안(Obsidian)도 PKM(Personal Knowledge Management) 관련 생산성을 늘리기 위한 목적으로 등장한 툴이고, 이
조직의 R&R에 대해서 조직장간 싱크가 되지 않는 경우가 발생할 수 있을까? 실제로 그럴 수 있다고 본다. 경영환경이 급변할 떄는 커뮤니케이션이 매우 중요할