강의자료를 먼저 한 번 슥 훑었는데.. 기술적으로나 인간적(?)으로나 정말 멋진분..
나중에 현업에서 만나뵙고 악수 한 번 청하고 싶다. :) 변성윤님. 팬입니다. :)
앞으로 더 공부하면 좋을 내용
-- 개발
-- 데이터 엔지니어링
-- Computer Science
-- Cloud, Infra
-- Database
-- Modeling
-- 추천 컨텐츠 - 기술 블로그 & 발표영상 & 논문
앞으로의 삶의 방향성
-- 취업, 데이터 업무, 방향성
-- 동기부여
-- 태도, 목적성
이 부분을 꼭 해야한다 ! X
앞으로 더 공부하고 싶은 경우에 이런 것들을 경험하면 좋겠다 -! 의 느낌.
AI Engineer, ML Engineer는 결국 "엔지니어"
코드레벨에서 깊은 이해, 고민이 필요함
Data Engineer도 데이터를 처리하기 위한 개발 학습이 필요
데이터 분석가에 가깝다고 하면 데이터 분석 역량에 집중해야 하지만, 코드 역량이 뛰어날수록 퍼포먼스가 높아짐
Python
우리는 파이썬을 잘 알고 있는가?
엄청 Low Level까진 필요하지 않을 수 있지만, 기본적으로 학습한 내용보단 한단계 더 학습하는 습관 가지기
Generator, Decorator, GIL 등
멀티프로세싱은 어떻게 동작하는가
메모리 영역에서 어떤일이 발생하는가
인프런 파이썬 중급 프로그래밍 강의 추천.
Linux
더 좋은 코드 퀄리티를 생산하기 위한 노력
AI Engineer는 데이터 모델링 + 데이터 개발 영역을 커버하길 원하는 추세
실시간 데이터 처리 : Kafka, Apache Spark Streaming ...
메세지 시스템 : Kafka, Redis, AWS SQS, GCP PubSub, Celery
분산 처리 : Ray, Apache Spark
데이터 웨어하우스: GCP BigQuery, AWS Redshift
캐싱 : Redis
BI(Business intelligence) : Superset, Redash, Metabase
ETL 파이프라인 : 어떻게 구성할 것인가?
Computer Science에 대한 이해
클라우드 환경 작업이 점점 익숙해지는 상황 (큰 회사의 경우 아니지만)
어느정도 인프라에 대한 이해가 있을수록 인프라 엔지니어와 이야기할 때 수월함
Docker를 넘어서 Kubernetes 학습!
CICD를 더 잘하기 위한 방법도 고민
IaaC
우리가 직접 클릭하면서 클라우드 서비스를 사용했으나, 인프라를 코드로 관리할 수 있는 Terraform
인프라 환경 설정할 경우 매우 유용
44bits의 Terraform 글
Monitoring
데이터를 저장하는 곳은 Object Storage, NoSQL도 있지만 여전히 RDB에 저장을 많이 함
효율적으로 저장하려면 어떻게 해야할까?
Index 전략 등
저장한 데이터를 추출할 수 있도록 SQL
데이터 웨어하우스로 데이터를 옮기기 위한 고민
개발자니까 인프라, 개발만 신경써야지! 보단
머신러닝 모델링에 대한 이해도 있고,
Researcher나 Scientist 분들에게 "이 부분 불편하니 이렇게 개선해보면 어떨까요?" 제안할 수 있는 사람
최근 논문의 방향성, SOTA 등을 어느정도 파악해두는 정도라도 !
공부할 때 "책", "강의"를 보는 방법을 이젠 넘어설 시기
발표 영상
기술 블로그와 마찬가지로 "왜?"를 고민하기
논문
취업
데이터 업무
방향성
회사에 들어간 이후에도 지속적인 동기부여, Refresh에 대해 생각하기
그동안 Product Serving 강의를 수강해주셔서 감사합니다 :)
너무 고생하셨고 여러분들은 모두 잘 성장하실거에요. 잘할 수 있어요.
조금씩 천천히 성장하는 여러분이 되길 현업에서 뵈어요 :)
눈물나는 변성윤님의 작별인사다.