추석을 맞아 요즘IT가 글 모음 선물을 준비했습니다. 이번 주제는 “개발자의 미래”입니다. 빠르게 성장하는 AI 도구가 개발의 영역을 침범하고 있습니다. 누군가는 개발자란 직업의 종말을, 누군가는 새로운 정의를, 누군가는 또 다른 직업을 제시합니다. 사람들이 개발자의 미래를 상상하며 던지는 질문은 단순합니다. “개발자는 정말 사라질까요?”

챗GPT(ChatGPT)로도 해결되지 않는 복잡한 코딩 문제나 깊이 있는 글쓰기에 답답함을 느끼신 적 있나요? 그렇다면 오픈AI(OpenAI) 출신 전문가들이 설립한 앤트로픽(Anthropic)의 최신 모델 ‘클로드 3.5 소넷(Claude 3.5 Sonnet)’이 여러분이 찾던 해답일 수도 있습니다. 이 생성형 AI는 GPT의 모델 중 GPT-4o를 뛰어넘는 성능으로 화제가 되고 있는데요. 더 정확한 코딩, 더 깊이 있는 분석은 물론, 심지어 실시간으로 코드의 프리뷰까지 가능합니다. 이번 글에선 클로드(Claude)의 여러 기능을 살펴보고, 더 나아가 ChatGPT와 클로드, 두 강력한 생성형 AI를 어떻게 상황에 맞게 활용하여 업무 생산성을 극대화할 수 있는지 알아보겠습니다.

C++은 프로그래밍 언어로서 지난 수십 년간 소프트웨어 개발의 핵심 역할을 해왔습니다. 그러나 C++의 역사에 영광만 있지는 않았습니다. 도전과 기회, 위험이 공존하는 길이었죠. 저 역시 지난 97년, 학창 시절부터 C++을 배우기 시작했습니다. 직업 개발자가 된 다음 지금까지 써온 언어 역시 C++입니다. 어렵고 낡은 언어라며 기피 대상이던 C++ 이해도가 최근 컴퓨터 과학 기초의 중요성이 떠오르며 다시금 중요해졌다는 소식을 들으면 재밌기도 합니다. 그런 의미로 이 글에서는 C++의 과거와 현재, 그리고 미래를 살펴보려고 합니다. 그와 함께 왜 C++을 배우는 것이 여전히 중요한지도 이야기해 보겠습니다.

처음 크롬을 접했을 때의 희열을 잊을 수 없다. 브라우저와 계정이 직접 연동된다는 것은 아주 큰 편리함을 가져다주었다. 몇 년간 크롬의 모든 것이 좋기만 했다. 하지만 새로운 구글 계정을 만들면서 이야기는 달라졌다. 구글 계정을 여러 개로 나눈 이유는 일과 취미를 분리하기 위함이었다. 그리고 두 번째 계정으로 크롬을 사용하게 되면서 전에는 보이지 않던 단점들이 눈에 들어오기 시작했다. 그때 아크 브라우저를 만나게 되었고, 그동안의 답답함이 해소되는 경험을 했다. 이번 글에서는 개발자의 관점에서 크롬을 정말 사랑하면서도 느꼈던 약간의 아쉬움, 그리고 아크가 그것을 어떻게 개선했는지 리뷰를 통해 살펴보고자 한다.

요즘 개발자는 단순히 뛰어난 코드를 작성하는 것만으로는 성공하기 어렵습니다. 저 역시 주니어 개발자일 때, 능력의 부족함을 많이 느꼈습니다. 다만 그때는 ‘일잘러’가 된다기보다 개발 스킬을 키우려고만 노력했습니다. 그래서인지 기술적인 측면에서 성장했지만 능력만큼 인정받지 못하거나 때로는 같이 일하기 힘들다는 말을 듣기도 했습니다. 다른 개발자들도 어떠한 계기가 있어, 조금이라도 빨리 이러한 측면에 관심을 가지고 시도해 봤으면 좋겠다는 생각이 들었습니다. 그런 마음에 이 글을 쓰기 시작했습니다. 개발자도 ‘일잘러’가 되어야 하는 이유와 커리어 단계별로 필요한 역량, 주니어를 위한 성장 가이드를 정리했습니다.

지난 12일(현지 시각) OpenAI에서 새로운 AI 모델 ‘o1’을 공개했습니다. o1은 과학 분야에서 박사급 수준의 능력을 갖췄다거나, IQ 테스트에서 약 120으로 평가받는 등 이번에도 역시 성능 면에서 크게 발전한 모습을 보여주며 주목받고 있습니다. 이미 큰 관심을 받고 있는 만큼, 기본적인 정보나 성능에 관한 정보는 많은 곳에서 다뤄지고 있는데요. 이번 글에서는 표면적인 정보에서 한 발짝 벗어나, 잘 알려지지 않은 'o1' 모델의 흥미로운 면모들을 조명해 보려고 합니다.

프로그래밍 언어는 소프트웨어를 개발하는 데 사용되는 도구이며, 이를 통해 다양한 기능을 수행할 수 있는 소프트웨어가 만들어집니다. 특히 우리는 복잡한 계산이나 데이터 분석을 할 때, 다양한 프로그래밍 언어와 소프트웨어를 사용합니다. 그러나 소프트웨어마다 계산 방식이나 수학적 라이브러리가 다를 수 있어, 동일한 문제를 다루더라도 결과가 다를 수 있습니다. 이러한 차이를 최소화하여 데이터 분석의 일관성을 유지하는 것은 매우 중요한 과제입니다. 이번 글에서는 이러한 소프트웨어 간 계산 차이의 예시(Rounding)와 이유를 살펴보고, 이러한 문제를 해결하고자 진행 중인 ‘CAMIS’ 연구 프로젝트에 대해 알아보겠습니다.

2024 추석을 맞이해 요즘IT가 풍성한 글 모음을 선물로 준비했습니다. 벌써 올해도 얼마 남지 않았는데요. 하반기인 만큼 2024년을 되돌아보며 올해 IT 업계에선 어떤 일들이 있었는지, 어떤 테크 이슈가 주목할 만했는지 살펴보려고 합니다. 여러분도 깜빡 놓친 이슈가 있었는지 한 번 더 체크해 보는 시간을 가져보세요!

최근 제조업에서는 전산 시스템 수가 늘어나며 데이터 역시 복잡해지고 있다. 그에 맞춰 제조업 분야 고객의 데이터 분석 의뢰도 그만큼 많아졌다. 이런 관점에서 IT 제조실행시스템인 MES와 데이터에 대한 최적화된 설명이 필요하다는 생각이 들었다. 특히 MES의 몇 가지 특성은 이러한 분석 과정을 방해해 결과의 신뢰성을 떨어뜨리는 요인이 된다. 따라서 이 글에서는 MES의 기본 설명과 함께 데이터 분석 관점에서 주의할 사항에 대한 설명을 다뤄 보겠다.