전체 글255 랜턴의 서비스 기획 야이기 8 첫번째 컨셉 디자인 그리고 나의 문제점 : 디자인에 대한 무지 8월말에 우리는 크게 3가지의 컨셉 디자인을 뽑을 수 있었다- 마케팅 커뮤니케이션 가이드에 의존한 디자인- 업체가 평소에 자주 하던 디자인- 3D 콘텐츠를 보여주는 시스템이라는 점을 최대한 UI적으로 부각한 디자인 차라리 어떤 것이 미학적으로 촌스러움이 확 부각되었다면 문제가 쉽게 풀렸을 터였다.하지만, 디자인을 하시던 분이 디자인 했으므로 기본적인 미학성은 보장되었다.그러니까, 나는 시안까지 제작을 시켰음에도 여전히 결정할 수 없었다. '무엇이 좋은가?' 선택하기도 중요했지만, 나는 그것보다 근원적인 문제가 있음을 알았다. '바로 왜 나는 결정할 수 없는가? '라는 문제였다. (쓰면서 느끼는 건데, 나는 확실히 스스로에게 어려운 질문을 .. 2024. 12. 18. 랜턴의 서비스 기획 야이기 7 돌아보았을 때 아쉬웠던 점 내가 IT 기술 조직이 있지 않았기 때문에,또 협력업체 역시 전문 PM 인력 구비가 안되었었기 때문에,산출물과 프로젝트 매니지먼트가 제대로 이뤄지지 않았다.가령, 이 단계에서 우리는 기획에 대한 보다 면밀한 조사 단계와RFP를 작성했어야 했다. 우리가 가진 것은, 본부장님 상대의 보고 자료와 그 보고자료를 만들기 사전에 나 홀로 파워포인트로 만든PPT에 가까운 요건 기획서가 있었다. 그것으로는 수개월 동안 지속해서 참조할 자료로는 역부족이었던 것이다. 당시에는 하지만 어떻게 해야 할 지 몰랐다. 내가 업무를 추진하는 방식과 스킬에 부족한 점이 있다는 것은 경험적 / 감각적으로 알고 있었다.다만, 팀 내에 나와 같은 생각과 시선을 공유할 사람이 없었다.그래서 어쩔 수 없이 나.. 2024. 12. 10. 자료구조 4. 배열기반 스택 Sukmin-LanternK/Data_Structure: 자료구조 개인 공부 GitHub - Sukmin-LanternK/Data_Structure: 자료구조 개인 공부자료구조 개인 공부 . Contribute to Sukmin-LanternK/Data_Structure development by creating an account on GitHub.github.com 배열 기반 스택을 공부해보았다. 자료구조에서 알고리즘 짜는 방식이 아직 익숙하지는 않다스택과 힙을 인지하면서 구성할 수 있게 된 점이 나에게는 장점이지만서도아직도 포인터의 포인터 개념이 익숙하지 않은 점도 있다. 그래도 나름 재미는 있다.실제 로우 코딩에서 이런 식으로 코드를 구성해서 관리한다는 것 자체가 다소 신비롭게 느껴지곤 한다 2024. 12. 9. 자료구조 3. 환형 링크드 리스트 환형 링크드 리스트는 Head와 Tail이 연결된 버전으로,더블 링크드 리스트의 변환된 버전이다. 장점으로는 바로, 테일 위치를 헤드에서 알 수 있다는 점이 있으며이를 통해 조회 과정에서 더 큰 이점을 얻는다. Sukmin-LanternK/Data_Structure: 자료구조 개인 공부 GitHub - Sukmin-LanternK/Data_Structure: 자료구조 개인 공부자료구조 개인 공부 . Contribute to Sukmin-LanternK/Data_Structure development by creating an account on GitHub.github.com 링크드 리스트 또는 더블 링크드 리스트에서 테일에 바로 접근 가능한 방법이 없을까? 이런 고민의 첫번째 해결책은 환형 링크드 리.. 2024. 12. 8. 자료구조 2. 링크드 리스트 리스트와 배열(C) 차이 - 크기 지정 여부가 다르다. 링크드 리스트 - 데이터 + 다음 노드에 대한 포인터 - 노드 생성 / 소멸 create / destroy - 노드 추가 append - 노드 탐색 GetNodeAt- 노드 삭제 Remove- 노드 삽입 Insert InsertNewHead 링크드 리스트의 장단점- 포인터 때문에, 추가적인 메모리 소요- 특정 위치에 있는 노드에 단방형 접근하여 시간도 소요가 많이됨 (N회의 조회 필요 / 반면 배열은 상수시간에 끝남- 노드의 추가 삽입 삭제가 쉽고 빠름 / 이 부분에서 배열보다 유리 - 현재 노드에서 다음 노드를 얻는데 비용이 발생하지 않음 더블 링크드 리스트의 장단점 - 추가적인 포인터로 메모리 소요 가중 - 양방향으로 접근할 수 있기 때문에, .. 2024. 12. 7. 랜턴의 서비스 기획 이야기 6 공식적인 기획 보고 결국 웹 개발하는 것으로 큰 가닥을 잡고, 웹 리런칭을 추진하기로 하였다. 프로젝트 기획 보고를 해야했는데, 보고서를 쓰는 데만 1달이 걸렸다.그 때는 보고서가 무언지도 모르고, 작성해서 좌충우돌이 많았다. (한편, 내가 속한 부서가 IT부서가 아닌 것도 한 몫 했는데, 내 관점에서 유능하고 유의미함을 어필할 이야기들은 대개 기술적인 부분들이었기 때문이다.읽는 사람의 IT 지식 수준에 맞추어 작성해야 했고,아마 대부분의 PM이 작성하는 것과는 완전히 다른 구성과 내용이 되어야 했다.)나중에야 이전 실장님한테 이야기를 들었는데,내 보고서의 내용에 대한 추가 질문을 한참 답변하느라 진땀 좀 빼셨다고 들었다. 지금 생각해보면(그 때는 내 생각이 매우 옳았기 때문에, 모든 것이 괜찮다고만 .. 2024. 11. 30. 자료구조 1. 개요 내 성격이 그렇다.뭐가 되었던 겉핥기만 하는 걸 부끄러워한다. (참을 수는 있다) 어떻게 하다보니, 자동차 회사를 다님에도 불구하고 계속 IT 업무를 도맡게 되었다.AI의 대두 이후로, IT 서비스 산업이 한층 더 강화되면서 피할 수 없게 된 측면도 있을 테다. 그냥 뿌리부터 공부하는 IT 공부를 하고 싶은 욕심은 계속 잠재되었다.하지만, 몰려드는 업무를 처리하고 당장에 필요한 것들을 내 것으로 만드는 데 바쁜 나머지 계속 뒷편으로 미뤘던 게 사실이다. 10월부터, 대학원을 졸업한 친구가 알고리즘 공부를 제안하였고,이를 계기로 자료구조-알고리즘부터 공부를 제대로 착수하기로 했다. ADT ; 추상 데이터 형식 ; 데이터와 연산을 추상적으로 정의 자료구조를 공부하는 이유 1. 더 유리한 자료구조를 선택.. 2024. 11. 25. 랜턴의 서비스 기획 이야기 5 모바일 앱 통합에 대한 나의 직관 22년 상반기,단순하게 메뉴 추가를 통해서외관상 통합을 한다는 리더들의 의견을 제고시키고새롭게 서비스를 만들어서 통합하는 쪽으로 방향을 잡았다.B를 완벽하게 포용하기 위해서 A를 새롭게 런칭하자는 계획이었다 그리고 이윽고 두번째 문제가 덮쳤다.어떤 플랫폼으로 통합할 것인가? A웹은 사실 모바일 앱도 있었다.따라서, 웹으로 통합할지, 앱으로 통합할지가 문제였던 것이다. 나는 21년부터 앱 컨텐츠 기획/개발/운영을 이미 담당하고 있었다.따라서, 22년 상반기 시점에,나는 앱의 좋은 점과 웹의 한계를 꽤나 잘 알고 있는 편이었다. 웹 서비스 장점- 퍼블릭 네트워크를 통한 글로벌 런칭과 배포가 쉽다 - 컨텐츠별 URL을 달리하는 방법으로, 엔드컨텐츠 전달/배포가 쉽다- UR.. 2024. 11. 21. AWS AI Practitioner 취득 후기 시험 준비 계기 24년 상반기 드디어 Solution Architect를 취득한 이후, AWS 자격증을 추가로 취득하면서내가 PM으로 하고 있는 Application 쪽으로좀 더 역량 확장을 해나가야하겠다는 생각을 했었다.그래서 ML Speciallist나, Developer를 준비하면서간단한 백엔드 소규모 프로젝트를 진행해야겠다는 계획이었다. 하지만, 업무량 그리고 관리량이 풍선 부풀듯이 늘어나면서도무지 시도할 수 있는 상황이 아니었다. 노베에 가까운 나인지라 AWS SAA를 공부했던 때처럼, 매일매일 시간을 투자해야하는데,야근을 밥먹듯이 해야했었기 때문이다. 그러던 찰나에, AI 타이틀을 사용한 자격증이 practitoner lv로 생겼다는 이야기를 들었다. Associate LV 준비도 해보았.. 2024. 11. 10. AWS AI Practitioner 오답정리 SageMaker Model Monitor 생산 중인 기계 학습 모델을 지속적으로 모니터링하여 데이터 드리프트를 감지하고 새로운 데이터가 도입됨에 따라 모델의 예측이 계속해서 정확하도록 보장하는 데 특별히 설계되었습니다. SageMaker JumpStart는 사전 구축된 모델과 솔루션을 제공SageMaker Neo는 모델을 배포 최적화SageMaker Studio는 통합 개발 환경SageMaker Data Wrangler 데이터를 전처리 / 정확한 예측을 하는 데 직접적인 영향SageMaker Hyperparameter Tuning 기계 학습 모델의 성능을 최적화=최상의 하이퍼파라미터를 자동으로 검색SageMaker Processing은 대규모 데이터 모델 훈련을 위한 데이터 처리 및 피처 엔지니어링 작.. 2024. 11. 1. 이전 1 2 3 4 ··· 26 다음 반응형
