진토끼

이직을 결심하게 되는 이유 - 일만 잘한다고 되는게 아니더라

2025-10-02T07:07:19Z

이직을 결심한 이유 회사에서의 스트레스는 사실 익숙하다. 업무량이 많다거나, 팀 분위기가 안 좋다거나... 그런 건 다들 한 번쯤은 겪는 일이다. 회사에 불만은 언제나 생기기 마련이고, 친한 동료들과 모여 회사 욕을 하다 보면 2박 3일도 부족하겠다는 생각이 들 때도 있다. 그럼에도 불구하고 퇴사하지 않고 계속 다니는 이유는 돈? 안정감? 혹은 아직 배

#10. 기획자에게 필요한 AI 감각은 어디까지일까?

2025-04-14T02:26:58Z

AI에 대해 공부를 시작할 때 한 가지 질문에 부딪히게 된다. 기획자가 이걸 얼마나 깊이 알아야 하지? 딥러닝 아키텍처? 파라미터 튜닝? 프레임워크..? 이런 건 데이터 분석가나 엔지니어의 영역 아닌가..? 맞다. 실제로 대부분의 기획자는 모델을 직접 구현하지 않는다.하지만 그건 <몰라도 된다>가 아니라, <어디까지 알면 되는지를 알아야 한다>는 의미다

#9. 모델은 왜 정답을 100% 확신하지 않는가?

2025-04-14T02:26:58Z

1. 모델은 왜 "정답" 대신 "확률"을 말할까? 모델이 출력하는 값이 꼭 Yes/No 가 아니고,0.83 / 0.47 / 0.68처럼 확률로 나오는 이유는? 그건 당연하게도 현실의 데이터가 애매한 경우가 많기 때문이다. 예) 이 유저, 내일도 앱스토어에서 결제할까? → 하지만... 갑자기 내일 갤럭시로 바꿀 수도..? → 확률로 표현 이 문장, 긍정일

#8. 벡터: AI가 이해하는 방식으로 데이터를 바꾸기

2025-04-14T02:26:58Z

1. 기획자가 말하는 “입력”과, 모델이 받는 “입력”은 다르다 이런 말을 듣는다고 생각해보자. 입력값으로는 시청 시간, 구매 이력, 선호 장르 같은 걸 넣으면 좋겠어요. 하지만 모델 입장에선 이건 아직 "그대로는 못 먹는 데이터"다. 모델이 이해할 수 있는 입력값은 오직 숫자이며, 그중에서도 ‘벡터(vector)’ 형태로 구조화되어야 한다. 즉,

#7. 모델은 무엇을 보고, 무엇을 판단해야 할까?

2025-04-14T02:26:57Z

1. 모델의 ‘입력’과 ‘출력’이란 무엇인가? AI 모델은 크게 보면 아래와 같은 구조로 작동한다. 입력값(Input) → 모델 구조(연산) → 출력값(Output) 입력값은 모델에게 제공되는 데이터 / 출력값은 모델이 예측하거나 분류한 결과이다. 이 구조는 기획자 관점에서 말하자면, “무엇을 보고 판단하게 만들고, 무엇을 판단하게 할 것인가?”에 해당한

#6. 데이터 전처리: 쓰레기 데이터를 줄이는 방법

2025-04-14T02:26:57Z

1. 왜 ‘전처리’가 필요한 걸까? 왜냐? 아무리 좋은 요리법을 따라도 썩은 재료로 만든다면 엉망인 요리가 된다! 데이터 전처리는 AI 모델이 학습을 제대로 할 수 있도록, 데이터를 정리하고 손질하는 사전 작업이다. AI는 사람이 보기엔 무시할 만한 잡음이나 오류도 그대로 받아들인다. 따라서 입력값이 엉망이면 아무리 좋은 모델도 성능이 엉망이 된다. 이를

#5. 모델이 학습한다는 건 정확히 무슨 뜻인가요?

2025-04-14T02:26:57Z

AI가 학습한다는 말, 사실 많이 들어봤지만 정확히 뭐가 어떻게 된다는 걸까? 1. AI 모델은 어떻게 '배우는'가? 정답이 있는 데이터를 반복해서 보여주면서, 맞추는 방법을 점점 더 잘 익히게 만드는 것이다. 예시) 우린 ‘고양이’를 어떻게 배웠을까? 우리가 처음 고양이를 봤을 때는 그게 고양이인지 몰랐다. - “이게 고양이야”라고 누군가 알려줬고

#4. 활성화 함수란? 그리고 기획자가 알아야 할 이유

2025-04-14T02:26:57Z

딥러닝 모델에서 퍼셉트론은 입력값을 받아 계산한 뒤, 하나의 출력값을 낸다. 하지만 이 계산 결과는 매우 크거나 작을 수 있고, 경우에 따라선 음수로 나올 수도 있다. 이 상태로 다음 단계에 전달하면 모델이 불안정하게 학습되거나, 아예 학습 자체가 안 될 수도 있다. 활성화 함수란? 그래서 계산된 결과값을 모델이 해석하고 활용하기 좋은 형태로 변환해

#3. 다층 퍼셉트론: 더 똑똑해지려면 층을 쌓자 - AI는 처음이라 - 기획자의 정리 노트 (3)

2025-04-14T02:26:57Z

단층 퍼셉트론은 선형 문제만 해결할 수 있다. 선형 문제란 쉽게 말해 직선 하나로 분류가 가능한 문제다. 예를 들어 키와 몸무게를 기준으로 운동선수와 일반인을 구분한다면, 어느 정도 직선 형태로 나눌 수 있다. 하지만 현실의 많은 문제는 그렇게 간단하지 않다. 이미지 인식, 음성 인식, 감정 분석처럼 수많은 특성과 맥락이 얽힌 데이터는 선형 경계로 구분할

#2. 퍼셉트론: 딥러닝의 근본(?)

2025-04-14T02:26:57Z

우리가 AI 모델이라고 부르는 것의 가장 작은 단위는 뭘까?수천 개의 데이터를 처리하고, 아주 복잡한 판단을 내리는 그 안쪽을 들여다보면, 맨 바닥에는 마치 ‘뇌세포처럼’ 작동하는 작은 구조가 있다. 그게 바로 퍼셉트론(perceptron)이다. 퍼셉트론이란? 딥러닝의 핵심은 퍼셉트론이라는 구조다. 퍼셉트론은 한마디로, 여러 개의 입력값을 받아서 하나

#1. 인공지능, 머신러닝, 딥러닝의 구조와 차이

2025-04-14T02:26:57Z

먼저 인공지능(AI), 머신러닝(ML), 딥러닝(DL)은 서로 다른 기술이 아니라 계층 구조처럼 포함 관계를 가지고 있다. 인공지능(AI)- AI는 사람처럼 사고하거나 행동하는 모든 기술을 통칭하는 가장 큰 개념이다. 그 안에 ML이 포함되고, ML 안에 DL이 들어있는 구조다. - AI는 단순한 if-then 규칙 기반 시스템도 포함할 수 있다. 예를

조직에서 만나는 다양한 사람들 - Giver, Matcher, Taker. 당신은 어떤 유형인가요?

2025-03-31T08:11:55Z

조직생활을 하다 보면, 일이 어려운 게 아니라 사람이 어려운 순간을 더 자주 겪게 된다. 같은 일을 해도 누구와 하느냐에 따라 완전히 다른 결과가 나오고, 일을 잘하고 싶어도 팀 안의 에너지 흐름이나 협업 방식이 방해가 될 때가 많다. "이제는 그냥 일만 하게 해주세요"라는 말이 나오는 것도 그런 맥락일 것이다. 얼마 전, 아담 그랜트(Adam Grant

규모있는 회사가 신사업에 실패하는 이유 - 스타트업이 아닌데 어떻게 스타트업처럼 일하란거예요

2025-05-11T13:57:04Z

"이 팀은 스타트업처럼 일해주셨으면 좋겠어요." 규모가 있는 회사에서 새로운 사업을 시작할 때는 새로운 팀을 꾸린다. 그리고 그 팀의 구성원들은 이런 말을 흔히 듣곤 한다. 하지만 현실에서는 정반대의 일이 벌어진다. "이건 우리 브랜드에 맞지 않아." "이렇게 허술한 서비스를 내놓으면 안 되지." "언제쯤 매출이 날 거야? 1년 안에 수익 안 나면 접자

프로젝트가 산으로 가지 않게 하는 Scope 설정법 - "하는 김에 이것도 추가해주세요"에 흔들리지 않도록

2024-11-14T07:19:23Z

서비스 기획 또는 PM을 하다 보면 한 번쯤은 들어본 말이 있다. “이왕 하는 김에 이 기능도 넣어주세요!” 가벼운 요청 같지만, 기획자나 PM 입장에서는 적지 않은 부담이 되는 말이다. 듣는 순간 속으로 깊은 한숨을 내쉬며(...) 추가 작업의 파급효과를 설명해야 한다. 자칫하면 프로젝트가 산으로 갈 수도 있는 요청이기 때문이다. 사실 이런 요청이 반

실무엔 없던 ‘문제-가설-검증’, 경력기술서엔? - 모든 회사가 ‘문제-가설-검증’ 방식으로 일하진 않으니까요

2025-02-22T14:32:48Z

경력기술서나 포트폴리오를 문제 정의-가설 수립-액션 및 검증-결과 순서로 작성해 주세요 요즘 채용공고에서 많이 보이는 문장이다. 이 문장은 토스에서 시작된 후 여러 IT 기업들이 채용 공고에 많이 포함하게 된 문구이다. 구직자 입장에서는 반갑기도 하지만, 의문도 생길 수 있다. 반가운 이유는 경력기술서의 작성 방향성이 명확히 정해진다는 점이고, 의문이 드는

기획자는 방향없는 프로젝트에서 어떻게 해야 할까 - 기획자 권태기, 기태기(?)가 와버린 걸까요?

2024-11-04T07:42:09Z

요즘 따라 업무가 권태롭게 느껴진다. 프로젝트의 방향성이 명확하지 않은 상황이 계속되고, 기획자를 비롯한 메이커들의 주도권 역시 점점 사라지는 듯하다. 사실 이런 상황이 한두 번이 아니다. 몇 번이나 사업적 방향성을 설정하려고 설득해봤지만, 일관성 없는 마이크로매니징과 그때그때 달라지는 의사결정이 동기부여에 자꾸 제동을 건다. 기획자는 기능만 설계

CI와 DI, 비슷해보이지만 다른 두 인증 정보 - CI, DI의 차이점과 활용 사례

2024-11-06T06:55:25Z

인증 시스템을 설계하다 보면 CI(Connecting Information)와 DI(Duplicate Information)라는 용어를 자주 접하게 된다. 특히 본인인증 과정에서 이 두 가지 값이 많이 나오는데, 처음 접하면 조금 헷갈릴 수 있다. 그래서 오늘은 실무자들이 알아두면 유용한 CI와 DI의 차이를 쉽게 설명해보려고 한다. 두 정보 모두 본인인

본인인증과 점유인증, 두 가지 방식의 특징과 차이 - 흔히 보이는 인증 절차. 언제 어떻게 쓰는 걸까?

2025-05-08T05:22:09Z

온라인 서비스를 이용하다보면 회원 가입, 또는 무언가를 구매하기 전에 인증 절차를 접할 수 있다. 대표적인 인증 방식으로는 본인인증과 점유인증이 있으며, 이 두 가지는 유사해 보이지만 각기 다른 목적과 역할을 가지고 있다. 이 포스팅에서는 본인인증과 점유인증이 무엇인지, 각 인증 방식이 어떤 상황에서 사용되는지 알아보고, 실무에서 인증 방식을 선택할 때 고

도서산간 추가 배송비는 어떻게 자동으로 계산될까? - "제주 추가 3,000원 / 제주 외 도서지역 추가 5,000원"

2024-09-20T02:21:35Z

온라인에서 상품을 주문할 때, 도서산간 및 제주 지역은 추가 배송비가 부과된다는 안내문구를 흔히 볼 수 있다. 해당 지역에 살고 있지 않는다면 별로 신경 쓰지 않고 지나쳤을 수도 있지만, 이 시스템이 자동으로 어떻게 작동하는지 생각해본 적 있는가? (전 없었어요..) 나는 주로 무형의 콘텐츠나 서비스를 제공하는 프로덕트를 담당하다보니, 실물 상품 배송

무신사의 대대적 개편, 환영받지 못한 이유는? - 우리 무신사 UIUX가 달라졌어요

2024-09-08T05:58:31Z

최근 무신사를 이용해본 사람들이라면 아마 깜짝 놀랐을 수 있다. 최근 무신사가 UI/UX를 대대적으로 개편했는데, 이 변화에 대한 사람들의 반응이 꽤나 부정적이다. 기존의 익숙한 인터페이스에서 갑자기 전혀 다른 디자인으로 바뀌었으니, 혼란스러울 법도 하다. 나 역시 프로덕트 매니저로서 이 변화를 지켜보면서 여러 가지 생각이 들었는데, 이번 글에서는 무신사가