오늘도 공부

Andrew Ng의 AI Engineering Skills Map ① — Building and Deploying AI ApplicationsAI 애플리케이션 개발은 기존 소프트웨어 개발과 상당히 다릅니다.전통적인 프로그램에서는 같은 입력을 넣으면 대부분 예상 가능한 결과가 나옵니다.하지만 LLM이나 머신러닝 모델은 그렇지 않습니다.같은 프롬프트를 사용하더라도 답변이 달라질 수 있고, 새로운 데이터에 대해 어떤 결과가 나올지 완벽하게 예측하기도 어렵습니다.그래서 AI 엔지니어링에서 중요한 것은 단순히 LLM API를 호출하는 능력이 아닙니다.예측하기 어려운 AI 컴포넌트를 이용해 신뢰할 수 있는 시스템을 만드는 능력Andrew Ng는 이를 위해 필요한 역량을 다음 6가지로 정리합니다.LLM Foundat..

Andrew Ng의 「AI Engineering Skills Map」이 말하는 개발자의 새로운 기준AI가 소프트웨어를 만드는 방식을 완전히 바꾸고 있습니다.불과 몇 년 전만 해도 개발자의 핵심 역량은 프로그래밍 언어, 프레임워크, 데이터베이스, 서버 아키텍처 등을 얼마나 잘 다루느냐에 집중되어 있었습니다.하지만 생성형 AI와 코딩 에이전트가 빠르게 발전하면서 상황이 달라졌습니다.이제 중요한 것은 단순히 코드를 얼마나 잘 작성하는가가 아닙니다.AI를 이용해 무엇을 만들 것인지 결정하고, AI가 제대로 만들도록 설계하고 검증하는 능력이 점이 점점 더 중요해지고 있습니다.Andrew Ng는 최근 **「The AI Engineering Skills Map」**을 공개하면서 앞으로 개발자에게 중요한 AI 엔지니어..

파일 하나 열어 분석하던 DuckDB가 이제 PostgreSQL과 S3, 서버의 영역까지 넘보고 있다데이터 분석을 하다 보면 항상 비슷한 고민을 하게 된다.CSV 파일 몇 개를 분석하기 위해 데이터베이스 서버를 구축하기에는 너무 무겁다.그렇다고 Python과 Pandas만으로 처리하기에는 데이터가 커지면서 메모리와 성능이 부담스럽다.이 사이에서 빠르게 성장한 데이터베이스가 DuckDB다.DuckDB는 별도의 데이터베이스 서버를 운영하지 않고도 애플리케이션 프로세스 안에서 SQL 분석을 수행할 수 있는 데이터베이스다.그런데 2026년 가을 출시가 예정된 DuckDB 2.0에서는 이 정체성이 꽤 크게 확장된다.DuckDB 개발팀은 이번 버전을 설명하면서 이렇게 방향을 잡았다.지난해가 Lakehouse의 해였..

X의 Karan🧋님(@kmeanskaran)System Design for Agent Systems (Part 1)x.com 디자이너의 머릿속을 복제해 누구나 90점 이상의 UI를 만들게 한다핵심 아이디어를 한 문장으로 정리하면 다음과 같습니다.“디자이너가 직접 모든 화면을 만드는 대신, 디자이너의 판단 기준과 작업 프로세스를 코드·문서·디자인 시스템으로 구조화하고 AI가 이를 매번 참조하도록 만든다.”즉, 단순한 AI UI 생성기가 아니라 ‘디자이너의 사고 과정 자체를 시스템화’한 것입니다.1. 왜 이런 시스템을 만들었나기존 NEWT 개발 조직은 대략 다음과 같았습니다.Before3개 팀팀마다PM 1명엔지니어 약 3명디자이너 1명그런데 AI 도입 이후 개발 속도가 빨라지고 엔지니어의 풀스택화가 진행되..

아래 내용은 원문을 기준으로 번역·정리한 것입니다. X의 Chris님(@everestchris6)how to build a reddit sales system (FULL GUIDE)x.com Reddit Sales System 전체 구조이 글의 핵심은 Reddit에서 직접 자동으로 글을 올리는 봇을 만드는 것이 아니라, Reddit을 계속 읽고 분석해서 “사람이 최종 클릭·게시만 하는 영업 시스템”을 만드는 것입니다.전체 구조는 2개의 에이전트로 나뉩니다.Reddit ↓RSS 수집 ↓게시글/댓글 DB ↓Subreddit별 사용자 프로필 ↓┌──────────────────────┐│ Agent 1 ││ 시장/문제/상품 발굴 │└──────────────────────┘ ..

OpenAI의 GPT 모델을 API로 서비스에 적용할 때 가장 고민되는 부분은 결국 두 가지다.“어떤 모델이 가장 성능이 좋은가?”그리고“그 성능에 얼마를 지불해야 하는가?”현재 OpenAI의 GPT-5.6 계열은 크게 Luna, Terra, Sol 세 가지 모델로 나뉜다.단순하게 정리하면 다음과 같다.Luna = 저렴한 대량 처리 모델Terra = 가격과 성능의 균형 모델Sol = 최고 수준의 복잡한 추론 모델특히 세 모델 모두 추론 강도를 조절할 수 있기 때문에 서비스의 성격에 따라 상당히 세밀한 비용 최적화가 가능하다.이번 글에서는 GPT-5.6 Luna, Terra, Sol의 API 가격, 추론 성능, 벤치마크, 그리고 실제 서비스에서 어떻게 모델을 선택하면 좋은지 정리해본다.1. GPT-6이 아..

2026년 8월 14일 18:11 KST 기준으로 다시 확인했습니다. 환율·채권·주식은 오늘 시장 데이터, CDS는 8월 13일 최신치, 부동산은 8월 10일 기준 주간통계, 가계부채는 최신 공식 총액과 7월 대출 흐름을 사용했습니다.🇰🇷 현재 한국 경제 위기 신호등지표판정현재 확인값핵심 해석💵 원/달러 환율🟡 주의 ↓ 개선1,418.3원 8/14 종가6월 1,561.5원까지 갔던 극단적 원화 약세에서는 크게 회복🛡️ 한국 CDS🟢 정상5년물 22.63bp현재 가장 중요한 긍정 신호. 국가 신용위험 급등은 관찰되지 않음📈 국고채 금리🔴 위험10년 4.31%, 30년 4.66%현재 6개 중 가장 주의해야 할 지표 중 하나🌏 외국인 자금🟡 주의 ↑ 회복7월 주식 -62.6억 달러, 8/14..

AI 코딩 도구가 빠르게 발전하면서 소프트웨어를 만드는 속도는 이전과 비교하기 어려울 정도로 빨라졌다.Cursor, Claude Code, Codex와 같은 도구를 사용하면 개발자는 몇 시간 만에 기능을 구현하고, 화면을 만들고, 테스트 코드까지 작성할 수 있다. 예전에는 며칠 걸리던 작업이 몇 시간 안에 끝나는 경우도 이제 낯설지 않다.그런데 여기서 새로운 문제가 생긴다.코드를 만드는 속도는 빨라졌지만, 좋은 소프트웨어를 지속적으로 배포하는 속도까지 같은 비율로 빨라진 것은 아니다.AI가 만들어내는 코드가 많아질수록 리뷰해야 할 코드도 늘어난다. 품질 편차도 커지고, 어느 순간부터는 사람이 전체 시스템을 제대로 이해하지 못하는 상황까지 발생한다.결국 AI 개발의 다음 경쟁력은 ‘코드를 얼마나 빨리 생성..

웹이나 모바일 앱 하나를 만들 때 실제로 필요한 백엔드 기능은 생각보다 많다.회원가입과 로그인, 데이터베이스, 파일 업로드, 권한 관리, 서버 함수, 실시간 통신, 이메일과 푸시 알림, 웹훅, 배포 환경까지 준비해야 한다.개별 서비스를 조합해 직접 만들 수도 있지만, Appwrite는 이 영역을 하나의 개발 플랫폼으로 묶으려는 오픈소스 프로젝트다.Appwrite는 공식 README에서 자신을 웹·모바일·AI 애플리케이션을 위한 오픈소스 개발 플랫폼으로 설명한다. Auth, Databases, Storage, Functions, Messaging, Sites, Realtime 등을 하나의 플랫폼에서 제공하며, Appwrite Cloud를 이용하거나 직접 서버에 Self-hosting할 수 있다.하지만 Ap..

1. 공부부터 하지 말고, 프로젝트부터 시작한다무언가를 처음부터 끝까지 체계적으로 전부 공부한 뒤 시작하려 하지 않는다.대신 구체적인 프로젝트 하나를 정하고 직접 완성해본다.진행하다가 모르는 것이 나오면 그때 필요한 내용을 배운다.Project → 문제 발생 → 필요한 공부 → 해결 → 다음 문제즉, 너비 우선 학습(Breadth-first)보다 깊이 우선 학습(Depth-first)이다.예를 들어 웹 개발을 배운다면,HTML → CSS → JS → React → DB → 서버...를 모두 공부하고 프로젝트를 시작하는 것이 아니라,내가 만들고 싶은 서비스 시작 → 로그인 필요 → 인증 공부 → DB 필요 → DB 공부 → 배포 필요 → 배포 공부처럼 필요할 때 배우는 On-demand Learning을 ..