이 글은 아직 초안입니다.


꾸준히 프리렌서를 해보기도 하고 일을하기도 하고 
다른분야를 공부해보기도 하며 시간을 보냈다.

시간이 지날수록 AI연구자나 개발자로서의 정체성은 약해져가고 
기획자나 프로덕트메니저, 얼리어답터, 강사로서의 정체성이 강해져가고있어서 
내 자신이 어색하게 느껴지기도 하고 이전으로 되돌아가고싶은 마음도 든다.

이전의 내 정체성을 유지해주던 분야는
- 개발에 대한 깊은이해
- 프로토타입 개발 및 연구 개념의 개발
- 웹 프론트엔드, 웹 서버에 대한 얕지 않은 수준의 이해와 경험
- 매우 독특한 아이디어와 일반적으로 다뤄지지 않는 개발 분야 및 시뮬레이터
- AI 모델(GAN, Transformer, StyleTransfer, LLM finetuning, AI를 활용한 시스템, RAG
- 창업과 제품 탐색, 시장조사
다음과 같다. 아마 2024년 까지는 그러했다.

그 이후 관심있게 한 분야는 다음과 같다.
- 바이브코딩과 자동화 소프트웨어에 대한 학습과 강의제작
- 바이브코딩 방법론과 자동화 방법론에 대한 팔로우업
- 새로운 창업 프로덕트 탐색과 POC, MVP 제작
- 마케팅에 대한 이해, 뉴미디어(이제는 뉴가 아니긴하다)
- 클라우드와 인프라 활용

분명 공부를 멈추지 않았지만,
내 스스로 정체되었음을 확실히 느끼고 있다.

그 이유로 3가지 정도를 뽑을 수 있을 것 같다.
1. 지식의 가치 하락
내가 가진 러프한 경험에서 우러나오는 지식은 이미 모두가 아는 지식이 되었고,
나를 포함한 소수만 아는 세세하고 디테일한 지식은 사용자도모르게 AI가 적용해버리는 지식이 되었다.
그냥 이것은 나만이 아니라 많은 학문을 공부하는 사람들에게도 적용될 이야기라고 생각된다.

2. 지식 학습의 효용 감소
이제 새로운 정보를 찾아서 공부하고 거기서 나만의 통찰을 얻는것은 별로 쿨한 일이 아니게 됬다.
그 이유는 좀 다양한것 같은데,
첫번째로 정말 필요한 양질의 정보를 찾기 오히려 더 어려워졌다. 너무많은 정보를 쉽게 접할 수 있게되었고, 그중 다수가 쓰래기 같은 정보이기 때문이다. (그 정보 자체가 쓰래기 같다기보단, 나에게 쓸모없는 정보라는 뜻이다.) 그러한 점은 우연히 정말 좋은 정보와 지식을 얻고 그것으로 인해 말 그대로 '영특한, 기발한, 놀라자빠질만한 통찰' 이란걸 얻을 확률을 현저히 줄인다고 생각한다.
두번째는 (1)의 지식가치 하락을 이끄는 이유인데, 내가 배우고싶은 지식에 대해 학습하기 너무 쉽다. 즉 지식을 얻기 위한 선후 관계나 과정을 스킵하고도 양질의 지식을 꽤 쉽게 얻을 수 있게 되었기 때문이다.
세번째는 나의 성장과 관련있다. 이전부터 나는 자주 후배들에게 '나를 성장시키기 위해서는 나 스스로를 미지의 혹은 높은 수준의 환경에 던져놔야한다' 라고 말하곤 했다. 역설적으로 내가 요즘 그러고 있지 않다. 어느순간 부터 그런 환경을 찾아다니기 어렵다고 느낀다. 이유는 여러가지 만들 수 있는데 대부분 핑계인 것 같다. 내가 있던 대학교라는 그룹은 사실 별로 좋은 학습 공간은 아니다. 그럼에도 너무 많은 활동을 이 울타리 안에서 했던 것 같다. 내 성장을 가로막는 원인 이라고 생각되는데, 어느순간부터 대학, 혹은 대학교에서 파생되는 모임에서는 배울게 있다고 느껴지지 않고, 진취적인 사람을 찾기도 어려움을 느꼈다. 어느순간부터 대학내에서 나는 지식을 공유받고 가르침받는사람이 아니라 주는사람의 위치로 이동하여 너무 오래 머물고 있었던 것이다. 그럼에도 이러한 것들이 핑계라고 느껴지는 이유도 여러가지 있는데, 여담이지만 최근 예전에 같이 협업했던 사람에게 '너가 어느순간부터 너보다 잘하는 실력자들에게 부딛히지 않는것 같고 오히려 가르치는것에 더 즐거움을 느낀다고 생각했다.' 라는 말을 들었다. 내스스로를 돌아봤을때 변명의 여지는 없었다. 실제로 난 누군가에게 내가 아는것을 가르치고 성장시키는걸 좋아한다. 무의식적으로 더 쉽고 매력적인 선택지를 골라 타협해 버린게 아닐까 지금이나마 아쉬움을 느낀다.
3. 실행과 완결에 제동
시작이 쉽다. 그건 가끔 해가된다.
이상한 말이다. 시작이 쉬우면 좋은것 아닌가? '시작이 반이다', '천리길도 한걸음부터' 라는 말이 있는데 그게 무슨소리인가?
바야흐로 AI시대 온갖 미디어에서는 '너도 할 수 있다' 등의 희망 팔이들이 판을 친다.
물론 알고있다. 아이러니하게도 그들은 자신의 성공을 AI를 이용해 혹은 노력을 최소한으로 필요로 하는 무엇인가를 이용해 너무 쉽게 달성했다고 입을 모아 외치고 있다. 물론 이걸 믿는다면 개발 공부, 창업이나 시장에 대한 공부를 다시해야한다. 혹여 실제로 그렇게 성공을 거두었더라고 그것은 아무것도 모르는 아무개가 똑같이 들어가서 이길수 있는 시장은 아닐것이다. 
이 말은 한 이유는 내 문제는 그런 맥락이라는 것이다.
좋은 아이디어를 기획하고 시행하고 실험하고 검증하고 개선하고 완성하는 과정에서, 기획에 체계성이 떨어지고, 검증이 부실하며, 개선이 결여된다. 전체적으로 실행에 드는 노력이 줄었기에 심리적으로 개발 이외의 것들에 들이는 시간을 쓰고싶지 않은것이다. 정말 바보같은 일이다. 오히려 반대로 개발시간을 줄이고 나머지에 집중해야하는게 맞다. 진성 개발쟁이들이 올라운더가 되기 어려워하는 이유가 이 지점인것같다. 부실한 다리로 먼 여행을 떠날 준비를 배낭에 이것저것 모든걸 아무 순서대로 넣고 가려고 하니 끝까지 도착할리가 만무하다.
인정하기 싫지만 이미 알고있다. 내가 그 문제를 겪었다는 것을.

그외. 건강과 심리 문제
군대를 다녀온 후 말도안되게 건강이 악화되었다. 원인은 몇가지 있는데 너무 논외임으로 자세하게 서술하지는 않겠다. 최근에서야 거의 건강을 회복했다.
나이가 심리적압박을 준다는 말은 나에게 해당되지 않는 말이라고 생각했다. 
왜냐하면 나는 내가 어찌됐든 굶어 죽진 않을놈이라고 생각했기 때문이다. 
인간 관계와 주변의 기대와 그에 상응하는 자아 실현의 욕구와 나를 세상에 증명하는 문제는 별개의 문제 였다.
사람이 생각보다 오래살지않는구나라는 생각도 들었고, 살아있는동안 할수있는 것들의 양이 그리 많지 않구나 라는 생각도 들었다. 아, 이런글을 썼다고 필자가 우울하거나 속앓이를 하고있는건 아니다. 원래 간혹 이런 여러가지것들에 대한 비관적인 생각과 낙관적인 생각을 돌아가면서 해보는걸 좋아한다.



재대로 개발을 공부한지 어느새 10년이 넘었다.
2016년 특성화고등학교 소프트웨어과로 JAVA를 필두로 공부를 시작하고.
2017년 첫 취업을 JAVA 백엔드로 성공했으며,
2019년 세종대학교 컴퓨터공학과에 입학하고,
2020년 현재 세종대에서 가장 큰 학술동아리에 속하는 AI학회인 SAI를 창립했으며, 5000만원규모의 지원사업들을 따내며 창업했고,
2021년 새로생긴 규제 및 현실적 한계로 창업을 접고 군대에 갔다.
2023년 - 2024년 학교를 다니며 짬짬히 프리렌서로 일을 병행하고
2025년 자동화시스템을 개발하는 NODE라는 소모임을 만들었고, 졸업을 위한 준비에 전념했다.
2026년 새로 시작한 소소한 내 개인사업에 대하여, 그리고 나의 능력과 가치에 대한 이상신호를 느끼며,
지금은 스스로에 대한 개선에 초점을 두고있다.

그럼 어떻게 개선 할 것인가?

이 글은 꽤 오랬동안 초안으로 남을 것이다.
왜냐하면 내가 그 방법을 아직 잘 모르겠기 때문이다.


많은 전문 분야의 뿌리에서 이미 너무 멀리 떠나왔고,
다시 돌아가서 경쟁력있게 부활할 수 있을지 잘 모르겠다.

2016 맥북 13 (2017년 고등학교 2학년 산학일체형도제학습 사업단에서 졸업까지 대여 ~ 2018년 초까지 썼음.)
2018 맥북 프로 15 (2019년 대학교 1학년 부모님이 맥북 사줌 ~ 2020년 중반 아빠 돌려 줌)
2019 Intel 맥북 프로 16 (2020년 대학교 2학년 예비창업패키지 창업 사업비 구매 ~ 2025년 초반까지 씀)
2025 맥북 프로 16 (2025년 초 그냥 생으로 샀음!)

목표

이번 맥북은 그 어느 때 보다 정돈되게 운영해보려고 합니다!

Chrome

일단 누구보다 빠르게 크롬을 설치했습니다.
개발자라면, 제발 크롬.

Visual Studio Code

그 다음 뭘 설치할까 음... 고민 많이했는데, VS Code가 당연 그 다음이겠다 싶었습니다.
설치 한김에 Copilot도 연결 Extension은 나중에 해야겠습니다.

Docker Desktop

우선순위 역시 도커죠 바로 도커 설치했습니다 굳이 CLI로 할필요 절대 없죠?
https://docs.docker.com/desktop/setup/install/mac-install/

ChatGPT

그 다음에는 현재 정말 많이쓰고있는 이 녀석을 써보려고 한다. 드디어 Intel mac에서 벗어났으니 Silicon의 혜택을 누려보자고요.
https://openai.com/chatgpt/desktop/
이야 이거 신기하다 좋네

Slack

최근 자동화 프로젝트를 하고있어서 진행상황이나 실시간 보고를 받기위해 필요한 Slack도 설치하겠습니다.

카카오톡

음 이건 그래도 깔긴 해야지

아... Ollama를 설치할까말까... 그냥 Docker에다 설치해서 쓸까..?

일단 설치안했음

Office

일단 엑셀, 파워포인트, 워드 같은 사무용품(?)들은 설치하는게 맞으니깐

Git

오늘 뭐 하나 설치하려다가 어? GIT이 없네 ㅋㅋ 함

HomeBrew

Git 설치하려고 brew커멘드 쓰는데 어?? brew도 없네 ㅋㅋㅋ함

Notion

NVM

https://github.com/nvm-sh/nvm

Postman

아 코딩하다가 오잉 postman이 없네 하고 설치.


점차 추가해나갈 예정

 

## FIGMa

 

## OBS

정답은 app/_layout.tsx 라고 합니다.

공식 문서에서도 그렇게 설명하고있네요. 참고하시길 바랍니다.

 

From the reactnative community on Reddit

Explore this post and more from the reactnative community

www.reddit.com

 

File-based routing

Learn about Expo Router which is a file-based routing system and how to use it in your project.

docs.expo.dev

 

블로그 만드는데 테스트 하기 위해 잠 깐 만든 글입니다. ㅇㄴㅁㄹ

`aaaaaaaaaaaaaaaaaaaa"bbbbbbbbbbbbbbbbbbb'ccccccccccccc

asdfasdfasdf

asdfasdf

프로젝트를 위해 유용한 라이브러리나 도구들을 서칭하던 도중 발견한 아주 귀한 녀석이다.

이번엔 이녀석에게 빨아먹을수 있는 기능들을 최대한 단시간 내에 빨아먹어보도록 하겠다.

ESP net

ESPnet: end-to-end speech processing toolkit

end-to-end 발화 관련된 처리 모델을 같은 규격으로 모아놓은 툴킷이다.

 

이 레파지토리만 따로 리뷰를 하는 이유는 여기 하고자하는게 거의 다들어가있기 때문이다.

 

 

GitHub - espnet/espnet: End-to-End Speech Processing Toolkit

End-to-End Speech Processing Toolkit. Contribute to espnet/espnet development by creating an account on GitHub.

github.com

 

ESP net 에서 다루는 도구들은 다양하게 있는데 그중 사용해볼수 있을법한 도구들은 다음과 같다.

 

ASR: Automatic Speech Recognition

이전 에 했던 Speech to Text 모델들이 있다. ASR이라고도 부른다.

 

TTS: Text-to-Speech

이전 에 조사했던 Text to Speech 모델들이 있다.

SE: Speech Enhancement (and Separation)

발화 데이터를 Separate Speech를 하면 Single Speaker일 경우 denoising 해주는 모델이 있고.

Multi Speaker일 경우 발화자A, 발화자B 이런식으로 분리된 음성으로 나누어주는 모델이 있었다.

ST: Speech Translation & Machine Translation

흔히 아는 음성 번역이다.

VC: Voice Conversion

목소리를 변환한 음성을 만들어주는 모델이다.

SVS: Singing Voice Synthesis

노래하는 목소리 생성 모델이다.

Docker 실행

도커에서 성공적으로 ESPnet을 돌렸다. 튜토리얼대로 똑같이하면 아무런 문제없이 잘 돌아갔다.

튜토리얼에서는 Demo 버전을 웹을 이용해서 테스트 할수있는 여러 환경을 구성하고있다.

기존에 Docker compose를 이용해 메인 컨테이너랑 묶어 해당 모델을 사용하려고 했으나 당장의 프로토타이핑 스탭에서 Docker를 사용하지 않기로 했다.

 

여담

우선 해당 프로젝트는 1인개발 프로젝트여서 다중환경을 지원할 필요성이 크게없다. 

(하지만 나중에는 Docker에 올려야한다는 생각정도는 가지고있다.)

다만 만드는 과정에서 Docker환경에 맞춰서 개발하기 좀 고달프다. 그이유는 음성 인식 부분을 마이크 입력이 아닌 웹규격이나 소켓 데이터 스트림으로 구현해야한다는 점 때문이다. 그렇기에 이러한 부분에 대해서 고민할 부분을 조금 뒤로 미루기위해 여러 시도와 실험 끝에 잠깐 Docker 사용을 놔주기로했다.

 

Test

Espnet에서 가장 유용하다고 생각한 부분은 역시 TTS모델을 다양하게 사용할 수 있다는 점이였다.

그중 테스트해본 여러 모델들중 괜찮다는 생각이 든 모델들을 정리해보겠다.

 

Espnet model zoo를 사용하면 다음과 같이 매우 간단하게 huggingface에서 모델을 이용해서 음원을 만들수있다.

속도는 약간 아쉬운 느낌이긴 하지만 아쉬운건 CPU기준이고 GPU로 한다면 매우 높은 성능이 나올거라고 기대하고있다.

(다크한 일본 캐릭터 느낌) cc by 4.0

 

mio/amadeus · Hugging Face

ESPnet2 TTS model mio/amadeus This model was trained by mio using amadeus recipe in espnet. Demo: How to use in ESPnet2 Follow the ESPnet installation instructions if you haven't done that already. cd espnet git checkout d5b5ec7b2e77bd3e10707141818b7e6c57a

huggingface.co

 

 

(귀엽고 시니컬한 일본 캐릭터 느낌) cc by 4.0

 

mio/tokiwa_midori · Hugging Face

ESPnet2 TTS model mio/tokiwa_midori This model was trained by mio using amadeus recipe in espnet. Demo: How to use in ESPnet2 Follow the ESPnet installation instructions if you haven't done that already. cd espnet git checkout 0232f540a98ece921477b961db8ae

huggingface.co

mio 라는 유저의 TTS모델인데 우선 목소리 자체가 애니메이션 캐릭터의 목소리를 이용하여 학습한거라 깔끔하다.

일본어에서 가장 괜찮았던건 다음 2개이다.

 

(밝고 명랑한 한국어, 약간 옜날 애니메이션에 밝고 명랑한 여자 캐릭터같은 느낌 이다.) cc by 4.0

 

imdanboy/kss_jets · Hugging Face

ESPnet2 TTS model imdanboy/kss_jets This model was trained by imdanboy using kss recipe in espnet. Demo: How to use in ESPnet2 Follow the ESPnet installation instructions if you haven't done that already. cd espnet git checkout 967ddbed826a7c90b75be2a71295

huggingface.co

 

 

조금 아쉬운점은 ESP net의 레시피로 만들어진 한국어 모델이 거의 없었고 전부다 테스트 해봤지만 잘 돌아가는 것도 별로 없었다.

한국어에서는 다음의 모델이 가장 괜찮았다. 한국어의 언어 특성을 보정하기위한 문장을 발음으로 바꿔주는 g2pk를 추가설치해줘야한다.

 

(평범한 젊은 느낌은 아닌 영어, 약간 어색하다고 느꼈다. 가장 인기있는 모델.) cc by 4.0

 

espnet/kan-bayashi_ljspeech_vits · Hugging Face

ESPnet2 TTS pretrained model kan-bayashi/ljspeech_vits ♻️ Imported from https://zenodo.org/record/5443814/ This model was trained by kan-bayashi using ljspeech/tts1 recipe in espnet. Demo: How to use in ESPnet2 Citing ESPnet @inproceedings{watanabe2018

huggingface.co

 

모델 총평 :

1. 일본어 모델은 영어도 못말하고 알파벳으로 말한다. -> 일본발음으로 해결하도록 추가적으로 로직을 만들어줘도 되지만 영 빠진다.

2. CPU기준 약간 버벅거림 있다. 체감생성시간 0.8초

(나중에 langsmith 찍어보겠다. 그래도 이정도면 맥북 CPU인데 빠르다고 생각된다.)

3. 한국어 모델은 거의 없다. 골라서는 못할것 같다.

4. 라이센스는 다 CC by 4.0이다 저작권 명시만 하고 쓰면 될것같다.

5. 여기서 테스트해본 TTS말고도 다른 기능들도 테스트를 해봤는데 상당히 유용한 프로젝트인것 같다. 일단은 TTS만 사용하겠다.

 

서론

뒤늦게 올리는 2024 SKT Fellowship 6기 면접 후기입니다.

사실 서류합도 했고 이정도면 당연히 붙지 않을까라고 생각했지만, 음... 아쉽게 면접에서 떨어졌습니다만..

좋은 경험이었다고 생각합니다.

 

본론

저희 팀 구성은 학부생 3학년, 학부생 4학년, 대학원생 2학년으로 이루어진 팀이고 3명다 학교가 달랐습니다.

준비는 3주정도 전부터 2일~3일에 한번씩 회의를 하며 자료조사 내용을 공유하며 프로젝트 제안서를 작성했습니다.

 

 

과제 설명

"저희가 진행한 과제는 RAG와 LLM 파인튜닝을 통한 Text2SQL 모델 성능 개선" 과제였습니다.

 

과제의 핵심을 요약하자면, 일반적인 Text2SQL은 LLM을 이용한 쿼리생성에 문제가 없지만 실무에 사용하는 대용량 DB(Hive 시스템)은 쿼리생성을 위해 LLM에 제공해야하는 데이터의 양이 너무 커서 제한 토큰수를 넘기거나, 생성 성능이 떨어지는 문제가 있습니다.

 

 

도식화하여 간단하게 이해를 돕자면 다음과 같습니다.

 

소규모 데이터베이스, 작게 설계된 Table이라면  위와 같은 설계가 가능합니다.

심지어 이러한 Text2SQL 시스템은 이미 오픈소스 모델도 많고 Spider나 Bird같은 유명한 벤치마크들도 존재합니다.

 

 

하지만 실무에서 쓰는 대규모 데이터베이스 시스템에서는 다음과 같이 매우 방대한 양의 데이터를 다루기에 데이터베이스에 대한 메타정보 전부를 넣어줄 수 없습니다.

 

그렇기 때문에 RAG를 이용해 필요한 정보만참고하여 SQL생성에 이용하는 시스템을 구축하는 과제입니다.

 

서류 합격

우리가 제안서로 제출한 PPT는 39페이지, 논문도 10개 넘게 레퍼런스 했다.

실제로 할수 있을 법한 성능을 높일 수 있는 기능과, 조금 도전적으로 성능을 높일수 있는 아키텍처을 섞어서 넣었다.
그리고 개발될 프로토타입 디자인 정도로 제안했고 문제없이 서류합격이 되었다.

 

서류 작성을 위한 과제에 대한 더 자세한 정보라던지, 혹은 우리가 가용할 수 있는 회사의 자원이라던지의 정보를 사무국에 메일로 문의 했을때 상당히 자세히 그리고 정성스럽게 알려주셔서 운영에 대해서 매우 만족스러웠다.

 

면접 탈락

면접을 위한 약간의 전략과 멘토단의 마음에 들기 위한 무기들을 준비해 갔다. 비밀이긴 한데, 별거 아니다.

면접 시간대를 보니 대충 어림잡아 3~4팀정도가 면접을 보게된 것 같았다.

 

발표용으로 새로 만든 PPT로 발표를 진행했으며,

기대 효과를 포함한 다른 부가적인 내용을 제외하고 제안할 아키텍처에 대해서만 발표했다. 

 

발표가 끝난후 몇가지 질문을 받았는데,

우리가 제안하는 모델 평가 방법에 대해서 추가적인 설명을 요구하는 것과,

각자 학교도 다르고 한데 시간을 많이 투자가 가능하느냐의 취지 인것 같은 말과 함께 각자에대한 짧은 소개를 부탁했다.

 

예상 질문에대한 대답을 전날 여러개 뽑아서 준비를 했는데, 생각보다 질문을 많이 하지는 않아서 조금 아쉽기도 했다.

 

기대를 많이 해서그런지 더 아쉬운것 같다.

 

결론

취업이나 연구실에 관련되 좋은 활동이라고 생각했고, 마침 현재 관심을 가지고 공부하고 있는 부분과도 맞는 부분이 있었기에 합격하지 못해서 많이 아쉽다. 다음에 공고가 나면 한번더 도전해볼 법 한것 같다.

+ Recent posts