효율적인 프론트엔드 설계를 위한 Feature-Sliced Design(FSD)의 이해
현대 프론트엔드 개발에서는 애플리케이션의 규모와 복잡성이 빠르게 증가함에 따라 코드의 유지보수성과 확장성, 협업 효율성 등이 중요한 과제로 떠오르고 있습니다. 이번 포스팅에서는 효율적인 프론트엔드 설계를 위한 방식으로 주목을 받고 있는 Feature-Sliced Design(기능 분할 설계)에 대해 알아보고 적용 시 이점과 고려사항에 대해 알아보겠습니다.
테크
A/B 테스트 실험 설정하기 Level 1
A/B 테스트란 원본 A안과 특정 요소를 변형한 B안을 비교해 어느 것이 더 나은 성과를 보이는지 측정하는 실험으로
GrowthBook 툴을 사용하여 홈페이지 메인 페이지의 간단한 A/B 테스트 실험을 설정하는 방법과 예시를 통해 실험해 보도록 하겠습니다.
ArgoCD를 이용한 GitOps 워크플로우를 구축하여 Kubernetes CI/CD 구현
Growth Platform 서비스 제공 기반의 Kubernetes는 컨테이너화된 애플리케이션의 자동 디플로이, 스케일링 등을 제공하는 관리시스템으로, 클라우드 네이티브 애플리키이션에 적합한 플랫폼입니다.
Growth Platform 에서는 Kubernetes를 어떻게 적용하고, 보다 효율적인 서비스를 위해 구성한 ArgoCD의 설정 방법을 알아 봅시다.
마케팅 믹스 모델링(MMM): 메타 로빈과 트리 기반 모델
Marketing Mix Modeling(MMM)은 다양한 마케팅 변수가 광고 성과에 미치는 영향을 분석하는 마케팅 기법입니다. 마케팅의 효과를 정량화하고 각 채널의 개별적, 통합적 기여도를 분석해 광고비를 효율적으로 배분할 수 있습니다.
이번 포스팅에서는 Robyn과 트리 기반의 앙상블 모델을 통해 머신러닝을 적용한 MMM 과정에 대해서 알아보겠습니다.
프롬프트 엔지니어링 톺아보기
AI 안에 머신러닝과 딥러닝, NLP를 조합하여 생성형 언어 모델이 만들어졌고 이것이 GPT 기술이라고 말하고 있습니다. 이 생성형 언어 모델로 부터 원하는 결과 값을 얻기 위해 입력 값들의 조합을 찾는 방법을 프롬프트 엔지니어링 이라고 합니다.
ChatGPT 프롬프트 엔지니어링 방법으로 간단한 실습내용과 기초 가이드 라인을 설명합니다.
데이터 준비를 위한 Cloud Dataprep 사용하기
Cloud Dataprep은 Trifacta에서 운영하는 통합 파트너 서비스로 Google Cloud Platform에서 제공하는 지능형 데이터 준비 웹 애플리케이션입니다.
Dataprep은 분석을 위해 데이터를 시각적으로 탐색, 정리 및 변환하는데 매우 유용한 서비스로 Dataprep의 주요 기능과 사용 방법에 대해 알아봅시다.
React 19 베타 패치 노트
React 애플리케이션에서는 데이터를 변경하고 이에 대한 응답을 기반으로 상태를 업데이트하는 것이 일반적입니다.
React 19에서 새롭게 등장하는 것은 무엇이고 어떤 점이 개선되었는지 알아봅니다.
인간 언어와 컴퓨터의 만남: 자연어 처리의 세계
자연어 처리(NLP, Natural Language Processing)란 컴퓨터가 인간의 언어를 이해하고 처리할 수 있도록 하는 기술입니다. 우리가 일상생활에서 사용하는 말과 글을 컴퓨터가 분석하고 해석하여 다양한 목적으로 활용할 수 있도록 돕는 역할을 합니다. 이는 음성 인식, 기계 번역, 감정 분석, 챗봇, 문서 요약 등다양한 분야에서 활용되고 있으며, 그 영향력은 점점 더 커지고 있습니다.
Telegram Bot API 으로 간단 시스템 모니터링
텔레그램은 보안과 속도에 주안점을 둔 클라우드-기반 모바일과 데스크톱 Message App으로 전세계 인구 중 약 10억 정도가 사용하는 것으로 확인됩니다. 텔레그램 특징 중 “개방성”은 누구나 무료 활용 가능한 오픈 API로 이를 활용하여 간단한 시스템 모니터링을 구축할 수 있습니다.
BigQuery 행 데이터를 열로 변환하기(STRUCT, ARRAY, UNNEST)
이번 포스팅에서는 행 데이터를 열로 변환하는 방법에 대해 알아보도록 하겠습니다. 데이터 작업을 하다 보면 추출한 데이터를 열로 붙여서 만들어야 하는 작업이 있을 수 있는데요, 이와 같은 유사한 작업을 진행하시는 분들에게 도움이 될 것 같아 변환하는 방법을 공유하고자 합니다.