Book

[책]쿨하게 생존하려면 삶에 대한 숙고와 정리가 필요하다, "쿨하게 생존하라"

직업에서 자신의 분야를 찾아내어 전문성을 쌓고(고), 그런 일을 오래하기 위해 놀이로 충전하며(플레이), 삶의 여정을 계속하기 위해서는 때때로 지도를 펼쳐보는 시간(스톱)이 필요합니다 이 문장이 적어도 저에게는 이 책 "쿨하게 생존하라"의  핵심이라고 생각했습니다. 이 책은 최근에 이 책을 쓴 김호작가님의 "왓두유원트"를 밀리에서

Team

시기별로 회사에 필요한 리더의 스타일은 다를 수 있다.

벌써 회사생활을 한지 두자릿수를 완연히 넘어서게 되었다. 처음 사회생활을 한 이후 어떻게 살아왔는지 기억조차 나지 않는데, 정말 빠르게 시간이 지났다. 그 사이 가족의 수도 늘어났다. 최근에 첫 회사에서 만났던 인턴이 결혼을 한다기에 만나서 이야기할 기회가 있었다. 그(그녀)는 회사에 대한 이런저런 이야기를 하면서 자신이 다녔던 회사의 리더와는 모든 면에서

Book

적절한 시점에 배움이 있던 책 “행복한 택배기사“

이 책은 아내로부터 소개를 받게 되었다. 업무차 저자를 만나게 된 아내는, 저자의 일생이 굉장히 흥미롭다고 하면서 이 책을 추천해준 것이다. ”행복한 택배기사“라는 제목부터 풍겨지는 이 책은 저자가 본인의 삶에 대해서 풀어놓은 하나의 에세이와 같은 책이었다. 저자는 주재원 시절을 기점으로 자신의 삶을 담담함게 풀어놓는다. 압축적이기에 정제된 듯하면서도, 다시 정되지 않은

Data

Pydantic, 데이터 서빙시, Interface Data Validation 관련 라이브러리

Motivation * Pydantic은 Validation Check를 위한 라이브러리로, 잘못된 데이터가 시스템에서 유입되고 운용되는 것을 막기 위한 라이브러리 * 비동기 웹 프레임워크인 FastAPI와 함께 많이 쓰임 @app.post("/items/") async def create_item(item: Item): # 비동기 처리를 포함한 작업 수행 return item Pros & Cons Pros * 데이터 모델을 정의 후에 자동으로 데이터

Data

당신이 AI(ML)팀과 대화가 안되는 3가지 이유

ChatGPT의 등장 이후, 학계에서나 들렸던 다양한 인공지능의 언어들이 사회 곳곳에서 들리기 시작한다. 굳이 인공지능과 관련없던 일을 하는 사람들도 지금은 인공지능을 삶의 곳곳에서 자연스럽게 쓰고 있다. 불과 몇년 사이에 벌어진 일이다. 자연스럽게 많은 회사에서 AI를 비즈니스 전면에 도입하는 모습도 심심치 않게 볼 수 있다. 하지만  아직은 비용측면보다는 (AI를 활요하는) 기술기업임을 과시하고

Team

리더로서 실무에서 손을 떼는데서 오는 두려움에 대해

실무를 하다가 엔지니어링 매니저로 일을 전환한지 2년이 넘었다. 매니저로 전환할 때는 인공지능의 홍수 속에서 의사결정을 하는 직업은 불확실성을 안고 책임을 져야 하기 때문에 인공지능에 의해 대체되기 어렵다라는 생각을 하고 의사결정을 하였다. 이 의사결정은 여전히 유효하고 자신감이 있다. 이에 반해 여전히 고민되는 부분이 있는데 바로 실무에서 손을 뗀다는 두렴이다. 실무에서 손을

Data

여러 분포를 결합하여 데이터의 분포를 모델링하는 Mixture Model

Mixture Model is * Mixture Model은 여러개의 분포를 결합하여 데이터의 전체 분포를 모델링함 * 이 때 각 분포는 Component라고 보통 불리며 데이터가 각 Component로부터 생성될 확률을 가중치로 갖음 * 통상 실무에서 Mixture Model이라고 하면 대체로 GMM(Gaussian Mixture Model)임 Motivation * 대부분의 현실 데이터는 단일 분포로 설명하기 어렵기 때문에 Mixture Model이 쓸모가 있음

Team

성장은 연속적이기 때문에 면담의 주제도 연속적이어야 합니다.

최근 들어 1:1 면담에 대한 다양한 책을 읽어보고 있다. 그러면서 공통적으로 떠오른 질문이 있었다. "3년뒤의 나, 5년 뒤의 나"를 면접 때 물어보는데 이러한 질문을 도와줄 수 있는 리더가 되려면 어떻게 해야할 것인가였다. 회사의 업무에 치이다보면 이런 사이클은 생각하지도 못한 상황에서 반복된 운영업무로 치일 수도 있는 것이

Data

학습시 "존재"하는 고유범주값을 고유정수값으로 치환하는 Label Encoder

Background * 가게별로 예측치를 제공할 때 가게에 대한 식별자를 어떻게 전달할 것인가에 대해서 고민한 적이 있고, Label Encoder를 사용했던 적이 있다. Label Encoder is. * Label Encoder는 범주형 데이터를 수치형으로 변환하는 Encoder Motivation * Categorical Data를 ML이 이해할 수 있는 형태인 Numeric으로 변경 Pros & Cons Pros * 매우 구현이 간편하다. * 데이터셋이 크더라도 빠르게

Book

[책]성장의 과정을 신경쓰는 리더가 되야한다, "평가보다는 피드백"

팀 리더로서 나는 격주로 1:1을 진행하는 편이었다. 그리고 그 때 가장 많이 언급한 말이 있었다. 법인은 하나의 법적인 인간라는 것이다. 그리고 인간으로서 비전, 미션으로 시작해서 지금의 하는 업무까지 하나의 거대한 스토리텔링을 한다는 관점으로 바라보라고 권한다. 결국 이 스토리를 이해하고 무대에 함께 설 수 있는 사람이 좋은 배우로서 살아남는다는 말과

Data

ReLU의 대안, Leaky ReLU

사실 너무나도 오래된 Activatio Function이지만, 복기 차원에서 정리해보았음 Leaky ReLU is * Leaky ReLU(Leaky Rectified Linear Unit)는 ReLU(Rectified Linear Unit)의 변형으로, ReLU의 단점을 보완하기 위해 고안 $$ \text{Leaky ReLU}(x) = \begin{cases} x & \text{if } x > 0 \ \alpha x & \text{if } x \leq 0

Team

현상만 해결하려고 하면 문제의 수는 많아지고 해결은 안된다.

회사의 규모가 커지게 되면 부서가 많아진다. 전문화라는 측면에서 부서가 많아지는 이유가 설득이 된다. 하지만 부서가 많아지면 얻게 되는 문제도 있다. 바로 고객과의 커뮤니케이션이 파편화될 수 있다는 것이다. 그리고 각 부서는 각 부서의 목표를 챙기는 상황이 되면서 파편화된 커뮤니케이션으로부터 문제를 분석해서 지표상에서 어떠한 변화를 주려고 시도한다. 분명 어떤 근본적인 원인으로 인해서

[책]휴직 중 위로가 되었다, "구글 임원에서 실리콘밸리 알바생이 되었습니다"

육아 휴직 이후에, 반복적인 삶의 패턴 속에 잠시 몸을 맡기다보니 시간이 2개월이나 흘러버렸다. 처음에는 돌아갈 직장도 있기에 그리 걱정할 것이 없어보였다. 하지만 의외로 스스로에게 많은 질문을 던지는 시간이 되어가고 있다. 아이와 함께 있다면 두 손은 오롯이 아이에게 가있기에 머리 혼자 생각을 굴리는 때가 많기 때문이다. 펜이라도 쥐어보고 싶었지만, 아이가 뺏으려고

Data

이상치에 덜민감한 L1+L2 = Huber Loss

Why Huber Loss * 주요 모델링 업무 중 하나로 배달시간을 예측하다보면, Long Tail Distribution 형태의 모습을 자주 보게 된다. 이 부분에 대응하기 위해 Doordash도 비슷한 고민을 하는 과정에서 Loss Function을 수정하는 모습을 보여주었는데, 그외 Alternative로서 Huber Loss에 대해서 공부하고 적용해본 기억이 있다. 이에 대해서 정리해본다 Definition * Huber Loss는 평균 제곱 오차(

Data

ONNX, 다양한 ML 프레임워크 간 모델의 상호운용 및 배포를 도와주는 프레임워크

Onnx is * Open Neural Network Exchange의 약자로 Pytorchs나 Tensorflow 등 다양한 Framework를 통해 생성된 모델을 결합하여 사용할 수 있도록 일관성과 상호 운용성을 보장하는 오픈소스 프레임워크 * ONNX는 표준화된 연산자 및 데이터 타입을 활용하여 다양한 플랫폼에서 호환성을 보장함 Motivation * Interoperability: 다양한 ML 프레임워크 간 모델을 호환해서 사용할 수 있도록 지원 * Standardization: 표준화된

Career

지속가능한 개발팀 리더로 성장하기 위한 7가지 팁

개발자로 계속 일을 하고 싶어하는 이가 있는가 하면, 개발팀의 리더로서 성장하고 싶은 이가 있다. 나는 후자였던 것같다. 최근 육아휴직을 하면서 지난 2년간 개발팀 리더로 버티고 지속가능하게 일해오는데 도움이 되었던 몇가지 팁에 대해서 정리해보고자 한다. 첫 번째로 커뮤니케이션 스킬은 너무나도 중요하다. 의사결정을 하는데 있어 팀에게 지시를 하기 보다는 좋은 질문을 던질