Cojette

@cojette@hackers.pub · 2 following · 19 followers

Data Scientist, AI GDE, Writer/Translator

Cojette @cojette@hackers.pub
Public

생성형 AI의 말은 그럴 듯 하지만, 대화에서는 타자 존중과 말에 대한 책임이 필요한데, 이런 면에서는 여러 위험을 안고 있다. https://cojette.github.io/posts/ai_wordethics_rewriting/

연재글 다시 쓰기…를 가장했지만 다른 주제로 새 버린 다시쓰기 모드의 첫 글. 대신 그 때의 초본들처럼 평소보다 더 풍부한 텍스트와 꽤 성실한 자료 조사를 통해 글을 썼다.

LLM AI와 대화 윤리

데이터 분석과 어느 데이터 과학자의 삶의 이것저것

cojette.github.io · Cojette의 Data Wonderland

0
0
0
1
0
0
juxtapose @xt@hackers.pub
Public
Shared by Cojette

해커즈 퍼브의 favicon 이야기가 나왔을 때 잠깐 생각나는 대로 대충 낙서해 본 것이 있습니다. (말 그대로 대충 낙서입니다. 이대로 쓰자는 뜻은 아닙니다. 너무 진지하게 받아들이지는 마시고, 브레인스토밍 정도로 생각해 주시길...)

  • 퍼브 간판의 일반적인 형상을 가져왔습니다.
  • 마실 것을 파는 장소의 간판 같은 느낌을 유지하면서, 정확히 어떤 음료인지는 의도적으로 알 수 없게 했습니다. ("퍼브"는 맥주를 주력으로 하는 장소라는 인식이 있는 것 같습니다만, 법적·의료적·종교적 여러 가지 이유로 알코올을 음용할 수 없는 사람들이 세상에는 아주 많기 때문에, 일부러 "맥주"의 이미지를 배제했습니다. 해커즈 퍼브는 술 안/못 마시는 사람도 편하게 올 수 있는 장소가 되는 것이, 행동 강령의 취지에도 부합한다는 생각이었습니다.)
  • 간판 부분은 잘 보시면 "퍼브"라는 한글 표기에서 "ㅍ"와 "ㅂ"를 담고 있습니다. 가로대와 간판이 이어지는 부분이 "ㅍ"의 형상이고, 물잔이 "ㅂ"의 형상입니다. 물론 해커즈 퍼브는 한국어 전용 커뮤니티도 아니고 한글 전용 커뮤니티는 더더욱 아닙니다. 한글이 꼭 들어가야 할 이유는 없습니다. 하지만 반대로 한글을 안 쓸 이유도 없지 않은가? 뭔가를 모티브로 쓰긴 써야 하는데 그게 한글일 수도 있는 것 아닌가? 그래서 넣어 봤습니다. 😅
  • "Hacker's Pub"를 구성하는 글자들을 그대로 집어넣는 것을 일부러 피했습니다. 우선, 아이콘은 "Hackers' Pub"이라는 텍스트와 병치될 가능성이 높은데, 그렇다면 "H"나 "P"가 들어 있는 것은 중복이 되고 정보 전달의 낭비가 됩니다. 그리고, favicon 으로 쓰일 가능성이 높은데, 다른 사이트들에도 알파벳을 형상화한 아이콘이 많습니다. 추상적 형상으로서 다른 아이콘들과 겹칠 여지가 적을수록 식별자로서의 기능과 효용이 극대화될 것이라는 생각이었습니다. (물론, 엄밀히 따지면, 이 아이콘도 전체 형상에는 알파벳 "h"의 구조가 숨어 있고, 그것을 의도하긴 했습니다만, 가장 먼저 눈에 들어오는 특징은 아니죠.)
왼쪽의 기둥으로부터 오른쪽으로 뻗은 가로대와, 가로대에 매달린 간판의 형상으로, 간판에는 물잔 모양의 그림
8
2
0
Cojette @cojette@hackers.pub
Public

패스키 쓴 이후 나의 해커펍생 달라졌다-

로그인 자체도 안 풀리고 바로 들어오면 된당 며칠 써보니 매우 편하다

1
0
0
1
0
0
1
1
0
0
1
0
0
1
0
Cojette @cojette@hackers.pub
Public

작년에 진행하여 런칭한 프로젝트에서는 공공 데이터와 민간 플랫폼 데이터를 융합하고, 실시간 예측 모델과 시각화 대시보드, LLM 기반 질의응답 인터페이스까지 설계하며 데이터가 고객에게 실제로 활용 가능하도록 전달되는 구조를 고민했다. 데이터 PM으로서, 기술과 사용자 사이의 균형을 어떻게 만들고 복잡한 흐름을 어떻게 ‘보이게’ 만들 것인지에 집중했던 프로젝트 경험은 힘들지만 흥미로웠다. 그 때의 일을 간단히 글로 정리해보았습니다.

데이터가 서비스가 되려면, 또 다른 새로운 연결이 필요하다. 그리고 나는 데이터를 넘어, 더 넓은 맥락과 흐름을 설계하고 엮어내는 일의 재미와 의미를 알게 되었다. 그리고 이런 일도, 앞으로 더 많이, 잘 하게 될 일이라는 확신도 함께 얻었다.

https://cojette.github.io/posts/dataPO/

데이터 제품 프로젝트 이끎이의 기억

조직을 이끌면서 데이터 프로젝트를 이끌어야 했던 경험은 꽤나 있다. 하지만 데이터 제품을 만드는 프로젝트는 또 다른 이야기다. 데이터 프로젝트는 흔히 생각하듯 ‘모델을 만들고 통계치를 내면 끝’이 아니다. 일반적으로 해결해야 할 문제가 있고, 문제를 분석하고, 관련된 사람들과 커뮤니케이션을 하고, 필요한 데이터의 현황과 방법론을 탐색하고, 이를 실현할 방법을 찾는 등 꽤나 복잡한 단계와 절차를 거친다. 하지만 데이터 제품을 만드는 프로젝트에서는 이런 단계가 보다 복잡하다. 문제를 넘어선 서비스의 목적, 목표가 있고, 층위가 넓고 다양하며 직접적으로 연결되어 있지 않는 사용자에게 가닿는 설계 방안, 그리고 적합한 데이터를 탐색하고 이를 원활하게 사용자에게 전달하기 위한 구성 등의 설계까지 고민해야 한다.

cojette.github.io · Cojette의 Data Wonderland

4
0
0
2
1
0
0
0
1
Cojette @cojette@hackers.pub
Public

남들이 맞다면 나도 맞다고 믿고 싶고, 남들이 하면 나도 생각 없이 따라 하고 싶어진다. 그러면 많은 것이 편해질 것이다. 하지만 그 편안함과 즐거움이 과연 나 자신에게 얼마나 도움이 될 수 있을까. 그 관성을 조금만 더 조절할 힘을 기르고 싶다. 모두가 믿는 것이 아닌, 내가 믿는 것에 대해 더 오래 생각해보기로 한다.

— 늘 경계해왔던, 대중에 호소하는 오류에 대해 생각을 풀어보았다. https://cojette.github.io/posts/populum/

이 많은 사람이 틀릴 리 없잖아요? – 대중에 호소하는 오류에 관하여

“요즘 그거 안 보면 대화에 끼기 힘들다니까.” “사람들이 다 그게 맞다던데? 맞겠지 뭐.”

cojette.github.io · Cojette의 Data Wonderland

0
0
0
Cojette @cojette@hackers.pub
Public

데이터에서 인과 관계를 아예 찾을 수 없냐면, 그렇지는 않습니다. 그 과정이 생각보다 조금 더 단계가 많을 뿐입니다. 인과 분석에 있어서, 인과 구조가 단순히 ‘뭐가 바뀌면 뭐가 바뀐다‘ 이상으로 다양하고, 어떤 식으로 다양할 수 있는지를 이해해야 인과 관계를 가정하고 조건적 사고를 진행할 수 있을 것입니다. 이를 고려하지 않고 너무 인과관계를 단순하게 보다보니 잘못된 내용을 호도하거나 아예 배제하는 경우가 종종 눈에 띄어 아쉽습니다. 관련하여 인과 관계 구조를 구분하고 각각의 분석법을 훑어볼 수 있게 정리해 보았습니다. https://cojette.github.io/posts/structureofcausation/

인과 관계의 다양한 구조와 분석 방안

현실에서 나타나는 현상은 시간에 따라 변화한 무언가를 말한다. 그리고 그런 시간에 따른 변화는 독립적으로 이루어지는 건 많지 않아, 그 변화 속에서 다양한 인과 관계가 형성된다. 그리고 사람들은 그 관계를 특정하고 싶어하고, 이를 수치적으로 풀고자 한다. 하지만 이를 풀어내는 것은 쉽지 않고 오용되는 경우가 너무나도 많아, ‘상관관계는 인과관계를 의미하지 않는다’는 말을 다들 입에 달고 살게 되었다. 하지만 여전히 이 말만 유명하고, 이 이상으로 나아가지 않는다. 심지어 이를 이상하게 해석한 후 마치 진실인 양 호도하는 이야기마저도 눈에 띈다. 물론 데이터에서 인과 관계를 아예 찾을 수 없냐면, 그렇지는 않다. 그 과정이 생각보다 조금 더 단계가 많을 뿐이다.

cojette.github.io · Cojette의 Data Wonderland

0
0
0
Cojette @cojette@hackers.pub
Public

데이터에서 인과 관계를 아예 찾을 수 없냐면, 그렇지는 않습니다. 그 과정이 생각보다 조금 더 단계가 많을 뿐입니다. 인과 분석에 있어서, 인과 구조가 단순히 ‘뭐가 바뀌면 뭐가 바뀐다‘ 이상으로 다양하고, 어떤 식으로 다양할 수 있는지를 이해해야 인과 관계를 가정하고 조건적 사고를 진행할 수 있을 것입니다. 이를 고려하지 않고 너무 인과관계를 단순하게 보다보니 잘못된 내용을 호도하거나 아예 배제하는 경우가 종종 눈에 띄어 아쉽습니다. 관련하여 인과 관계 구조를 구분하고 각각의 분석법을 훑어볼 수 있게 정리해 보았습니다. https://cojette.github.io/posts/structureofcausation/

인과 관계의 다양한 구조와 분석 방안

현실에서 나타나는 현상은 시간에 따라 변화한 무언가를 말한다. 그리고 그런 시간에 따른 변화는 독립적으로 이루어지는 건 많지 않아, 그 변화 속에서 다양한 인과 관계가 형성된다. 그리고 사람들은 그 관계를 특정하고 싶어하고, 이를 수치적으로 풀고자 한다. 하지만 이를 풀어내는 것은 쉽지 않고 오용되는 경우가 너무나도 많아, ‘상관관계는 인과관계를 의미하지 않는다’는 말을 다들 입에 달고 살게 되었다. 하지만 여전히 이 말만 유명하고, 이 이상으로 나아가지 않는다. 심지어 이를 이상하게 해석한 후 마치 진실인 양 호도하는 이야기마저도 눈에 띈다. 물론 데이터에서 인과 관계를 아예 찾을 수 없냐면, 그렇지는 않다. 그 과정이 생각보다 조금 더 단계가 많을 뿐이다.

cojette.github.io · Cojette의 Data Wonderland

0
0
0
0
0
0
Cojette @cojette@hackers.pub
Public

자동으로 설정된 프로필은 어디에서 오는 걸까 (분명 어디엔가 쓴 이미지가 자동으로 연동된 걸텐데(랜덤으로 구우사마가 붙을 가능성은 매우 희박하다) 요즘 구우를 어디에서 썼는지 기억이 잘.

0
1
0
0
0
0