프로덕트

아티클

전체 보기
lee

lee

AI 시대에서 LLM을 익히는 최고의 방법

요즘 AI를 접하는 대부분의 계기는 남의 경험을 보는 데서 시작된다. 처음엔 따라 해보며 감을 잡는 것도 나쁘지 않다. 하지만 남의 경험에만 지나치게 몰두하다 보면, 어느 순간 자신이 뭘 하고 있는지 모르게 된다. 결국 중요한 건 자기 경험에 집중하는 것이다.

X(구 트위터), 링크드인 같은 커뮤니티에 올라오는 개발자의 활동을 무턱대고 좇는 것도 경계해야 한다. 좋은 자극이 될 수는 있지만, 방향 감각 없이 따라가기만 하면 금세 번 아웃에 빠질 수 있다. 나와의 경험과는 너무 다르기 때문이다.

AI 시대의 흐름은 정말 빠르다. 그 속도 때문에 불안함이 생기고, 괜히 뒤처진 것 같은 느낌이 들기도 한다. 하지만 불안해 하기만 하는 건 결국 시간 낭비다. 직접 LLM을 이용해서 무언가 만들어 보는 것, 그게 훨씬 빠르고 효과적인 학습 법이다. 작더라도 내가 만든 서비스나 앱에서 얻는 경험과 인사이트가 훨씬 크다.

정보를 빠르게 아는 건 물론 중요하다. 하지만 그걸 놓치지 않으려는 강박에 사로잡힐 필요는 없다. 지금 잘나가는 모델들도 곧 낙후될 수 있다. 새로운 모델은 계속 등장하고, 혁신은 멈추지 않는다.

그렇다면 우리가 해야 할 일은 명확하다. 남의 흐름을 뒤쫓느라 바쁘기보다, 지금 이 시대의 도구들을 직접 써보고, 시행착오를 겪으며 자기만의 속도와 방향으로 익히는 것이다.

지금 이 시대에서 가장 중요한 건 본인만이 가지고 있는 경험이고, 남과 자신을 비교하지 않아야 한다.

2
0
lee

lee

작지만 강한 허깅페이스 모델 SmolVLM


온디바이스에서도 멀티모달 사용
진짜 놀랐던 게, 256M 파라미터로 이미지+텍스트 처리가 된다는 거예요. 그것도 1GB RAM도 안 되는 환경에서 브라우저에서도 돌아가고 그동안 멀티모달 AI 쓰려면 클라우드 API 써야 했는데, 이제 개인정보 걱정 없이 로컬에서 바로 가능해졌어요. 라즈베리로 테스트 한번 해보고 싶네요.

SmolVLM → SmolVLA: 로봇에 대한 관심이 진화
SmolVLM이 이제 SmolVLA로 넘어가면서, 단순히 “이미지를 보고 이해하는 AI”에서 → “실제로 로봇 팔을 움직이는 AI”로 진화했어요. 이건 그냥 VLM의 발전이 아니라, 로봇의 뇌가 진짜 작동하기 시작한 순간 같아요.

SmolVLM 데모 링크 : https://lnkd.in/g_WKMrAT

2
0
lee

lee

스타트업에서 갑자기 든 생각

스타트업의 가장 큰 이점으로 작은 규모의 기업으로

어떤 일이든 빠르게 도전하고 결과를 볼 수 있다는 것이다

하지만 스타트업에 들어와 단단하게 처음부터

계획대로 만들고 싶은 사람도 있지 않을까?

물론 나도 그것에 동의하지만 시간, 돈이 회사를

내버려두지 않는다는 것이 현실일 것이다

그러면 우리는 무엇에 집중 해야 할까

"시간을 단축시키고 돈을 벌어야하지 않을까?"

예전에는 스타트업에 다니면서 허황된 꿈들을 보며 큰 희망과 기대감에

부풀려져서 일을 했지만 지금은 조금 다른 것 같다

나와 비슷한 생각을 가지고 있는 사람을 어디에서 찾아야 할까

전적으로 저의 주관적인 생각이 담긴 글입니다

3
0
lee

lee

개발자의 DDDM

데이터 기반 의사 결정 (DDDM)

ai-image.jpg

첫째, 가설 만들기

올바른 가설을 만들어야 효율적인 데이터 수집과 분석이 가능

가설을 만들었다면 어떤 데이터가 필요한지 생각

둘째, 데이터 모으기

내부 데이터도 사용할 수 있지만 내부 데이터가 부족하다면

외부에 있는 데이터를 가공해서 사용할 수 있다 (수 작업 데이터 모으기, 크롤링)

셋째, 데이터 가공 및 데이터 분석

필요한 데이터 값의 형식을 만들고 가공

그리고 Tableau, Snowflake 같은 툴로 데이터 분석을 해서 결과 값을 도출

데이터가 이렇게 중요한지 몰랐지만 정보가 많고 데이터가 많은 이 시대에

더 중요한 것 같다 (아직은 미숙하지만 열심히 해보자!)

1
0
lee

lee

5 Whys

내가 문제라고 믿는 것이 아닌 진짜 고객의 문제를 찾고 싶다

5 Whys 기법

  1. 문제 식별: 먼저 해결해야 할 문제를 명확히 정의하기

  2. 반복적 질문: "왜?"라는 질문을 연속해서 5번 정도 던지기

  3. 원인 탐색: 각 질문에 대한 답변을 통해 더 깊은 원인을 찾기

  4. 근본 원인 도출: 마지막 답변에서 문제의 근본 원인을 파악

적용 예시

  1. 왜 고객 불만이 증가했는가? → 배송 지연이 늘어났기 때문

  2. 왜 신입 직원들의 업무 숙련도가 낮은가? → 체계적인 교육 프로그램이 부족하기 때문

  3. 왜 물류 센터의 처리 속도가 느려졌는가? → 신입 직원들의 업무 숙련도가 낮기 때문

오늘도 더 큰 문제를 찾아 떠나자

1
0

포스트

전체 보기