일반인이 보기에는 매우 이상하지만 개발자가 보기에는 아무렇지도 않은 것들이 있습니다. 개발자의 머릿속에 탑재된 방대한 기술 지식이 이러한 차이를 만드는 것이죠. 프로그래머가 아니면 절대 이해하기 힘든 재미있는 12가지 사례를 소개하겠습니다.

웹사이트 개발하고 프레임워크와 라이브러리를 구성하는 것은 여간 골치 아픈 일이 아닙니다. 많은 부분을 일일이 설정해야 하기 때문에 많은 시간과 인내심이 필요합니다. Next.js는 이러한 개발 프로세스를 단순화하기 위해 탄생했으며 개발자들에게 좋은 평가를 받았습니다. 이는 리액트(React)에서 가장 인기 있는 프레임워크이며, 아마도 가장 인기 있는 하이브리드 웹 프레임워크일 것입니다. 최근 버셀(Vercel, Next.js 개발사)은 새로운 버전인 Next 12를 출시한다고 발표했습니다. 개발자 경험을 더욱 향상해 줄 몇 가지 기능과 함께, 완전히 새로운 솔루션을 개발할 수 있는 참신한 아이디어가 포함되어 있습니다.

데이터 분석가와 과학자는 수학이나 통계학적인 지식을 갖춰야 함은 물론 머신러닝, 딥러닝 알고리즘에 대한 이해, 프로그래밍 언어에 대한 숙달까지 갖춰야 합니다. 특히 프로그래밍 언어를 자유자재로 구사하는 것은 어려운 일입니다. 빅데이터 처리를 위한 프로그래밍 언어는 딱 두 가지로 압축할 수 있는데요, 바로 R과 파이썬입니다. 오늘은 두 언어의 특징이 무엇인지, 프로그래밍 언어를 선택할 때 어떤 점을 고려해야 하는지 알아보고자 합니다.

스벨트(Svelte)와 리액트(React) 사이에서 고민하고 계신가요? 걱정하지 마세요. 모두가 비슷한 고민을 하고 있습니다. 온갖 기술이 난무하는 요즘, 최고의 개발 도구를 선택하는 것은 쉬운 일이 아닙니다. 인터넷에서 찾아봐도 저마다 다른 목소리를 내고 있습니다. 우리가 흔히 접하게 되는 주장은"리액트는 끝났다.", 혹은 "스벨트는 개발하기도 전에 이미 끝났다."라는 말들입니다. 누군가는 또 이렇게 말하죠."리액트가 앞으로도 대세다.", "아니다. 스벨트가 미래다."

사실 좋은 데이터라고 매번 쓰이는 것은 아니며 좋지 않은 데이터라고 절대 사용되지 않는 것은 아닙니다. 양질의 데이터라는 것은 상황에 따라, 분석 목적에 따라 변화하기 마련입니다. 결국 양질의 데이터를 판별하기 위한 가장 근본적이면서도 좋은 방법은 상황에 맞는 데이터를 선택하는 것입니다. 이번 시간에는 상황에 맞는 데이터, 즉 분석과 활용 목적에 적합한 데이터를 판별하는 기준에 대해서 살펴보도록 하겠습니다.

iOS 15는 애플의 최신 개발 언어인 Swift 5.5를 지원합니다. 새로운 iOS와 swift가 탑재된 iOS 15는 사용자에게 새로운 기능과 향상된 경험을 제공합니다. 지금부터 iOS 15를 사용한다면 눈여겨봐야 할 중요한 신기능 5가지를 알아보겠습니다.

데이터 구조와 생김새에서 모든 데이터는 차이를 보입니다. 그리고 데이터의 생김새, 즉 데이터 형식에 따라서 분석 가치가 높은 양질의 데이터와 그렇지 못한 저품질의 데이터가 나뉘기도 합니다. 한 가지 흥미로운 점은 양질의 데이터일수록 데이터 형식에 특별한 공통점이 있고 저품질의 데이터 역시 마찬가지로 그 형식에 어떠한 특징이 존재하고 있습니다. 이번 편에서는 데이터 형태에 따라 갈리는 분석 잠재력에 대해 자세히 살펴보도록 하겠습니다.

오픈소스 소프트웨어는 많은 단점을 가지고 있습니다. 사람들은 오픈소스의 장점만 이야기하지만 이는 한 단면만을 바라보는 것입니다. 이 중 어떤 것은 사실이 아니며, 어떤 것은 허무맹랑하기까지 합니다. 전부 설명하려면 책 한 권으로도 모자라기 때문에 오픈소스를 사용하는 것이 왜 시간 낭비이며, 그 이유는 무엇인지 간단하게 몇 가지만 짚어보도록 하겠습니다.

보통 빅데이터의 특성을 이야기할 때 3V라는 단어를 언급하는 경우가 많습니다. Velocity(속도), Volume(양), Variety(다양성)까지 V로 시작하는 3가지 단어의 묶음입니다. 이때 Variety(다양성)이라는 단어는 오해를 발생시키기 쉽습니다. 아무리 다양한 모습을 가지는 빅데이터라고 할지라도 활용하기 좋은 데이터들은 지키고 있는 공통의 형식이 분명히 있습니다. 이번 시간에는 양질의 데이터라면 반드시 지켜야 하는 ‘데이터 형식’에 대해 이야기하려 합니다.

데이터 신뢰성이란 데이터가 얼마나 실제 정보를 똑바로 담고 있는가에 대한 개념으로 이해하면 좋습니다. 데이터 자체에 틀린 정보가 담겨있을 수도 있으며, 확실한 값이 아닌 추정 값을 데이터로 적재하는 등 데이터의 신뢰성을 떨어뜨리는 원인은 다양합니다. 당연한 말이지만, 신뢰도 높은 데이터를 수집하고 분석하는 것이 올바른 빅데이터 활용이라고 볼 수 있습니다. 이번 편에서는 데이터의 신뢰도를 떨어뜨리는 경우들이 구체적으로 어떤 것들이 있는지에 대해 살펴보도록 하겠습니다.