코딩하는 덕구

삼성 전자 복지 정리

코딩하는 덕구 — Wed, 4 Dec 2024 22:20:24 +0900

제가 느끼기에 유용한 복지순으로 정리했습니다. 계속 업데이트 중.

제보도 감사합니다.

1. 식사 제공

하루 4끼가 무료입니다. 아침, 점심, 저녁, 야식. 주말도 가능합니다.

일단 퀄이 장난 아닙니다. 보안사업장이라서 사진은 없지만.. 이걸 무료로 먹어도 되나 싶을정도로 잘 나와요. ~~한끼에 1300 칼로리~~
캠퍼스 내에 식사할 수 있는곳도 많고, 메뉴도 다양한데 백화점 푸드코트보다 맛있는 음식을 골라서 먹을 수 있습니다.

포장도 가능한데 [음료 3개, 메인메뉴 1개] or [음료 1개 메인메뉴 2개] 운동 좋아하는 사람 입장에서 음료에서 더단백같은 프로틴 챙기면 참 좋습니다. 커피도 있어서, 돈을 아끼려면 정말 많이 아끼게 해주는 복지에요.

자취할 때 차려 먹거나 사먹으면 돈 많이 드는데 직접가서 먹으면 참 좋아요.

2. 유연근무제

하루에 1분만 출근하면 언제 출근하든 언제 퇴근하든 상관 없어요. ~~물론 현실적으로 그렇게 못하지만~~

세벽에 출근해서 일찍 퇴근할 수 있어요. 출퇴근시간 피해서 퇴근하고, 휴가나 주말전날에 일찍 퇴근해서 쉬는 시간을 늘릴 수 있다는 점이 참 좋답니다.

3. 개인연금 지원

개인이 50프로 내면, 회사에서 나머지 50프로를 내줘요. 돈이 최고야.

4. 의료비 지원

사내 최고 수준의 의료 복지 시설을 통해 언제든 각 사업장의 병원, 마음건강클리닉, 근골격센터 등에서 진료와 처방을 받을 수 있습니다.

급여는 100프로 지원해주고, 비급여중에서 큰 질병들도 지원해주고, MRI, CT, 초음파 검사료, 입원기간 중 본인 식대에 대해서는 전액 지원해줍니다.

5. 베네포유

https://sec.s-bluevery.com

임직원 할인 상품이 있는 쇼핑사이트에요. 할인가로 물건, 교통, 숙박 등 구매할 수 있습니다.

연 100만원 현금성 포인트 지급해줘요.

삼성전자 임직원은 SFC(samsug family card) 전용 카드가 있는데, 카드 결제금액을 이 포인트로 차감할 수 있답니다.

사실상 연봉 100만원 더 주는 느낌입니다.

6. 패밀리넷몰

https://familynet.samsung.com/

삼성전자 제품들을 임직원 할인가에 구매할 수 있습니다.

창립기념일 연 20만원 현금성 포인트 줍니다.

특히 신제품 기준으로 네이버, 쿠팡 최저가보다 쌉니다.

7. 전화, 화상 외국어 지원 (DS 한정)

출결만 만족하면 전화 외국어는 전액 환급해줘요. 오픽, 회화 등 주제도 선택 가능합니다.

8. 독서 지원 (DS 한정)

월마다 밀리의서재, 윌라, 종이책 1만원 중 택 1 입니다.

9. 등외급몰

https://www.familynet.kr

전시상품, B급 상품을 임직원 할인가에 더 싸게 구매할 수 있는 곳이에요.

10. 휴양소

연차 및 장기근속휴가 등 각종 휴가의 효과적인 활용과 편의를 제공하기 위해 휴양소를 지정하여 운영합니다.

국내외 이름있는 호텔, 휴양소를 할인된 가격에 이용할 수 있어요.

11. 자녀 학자금 지원

자녀의 유치원비, 초/중/고 대학 학자금을 지원해줍니다.

12. 경조사 지원

결혼, 부모님 환갑, 장례 등 휴가 및 경조금 지원해줘요.

13. 삼성전자 서비스 센터 지원

가족까지 25프로 할인 됩니다.

14. 에버랜드/캐리비안베이

신청일 추첨으로 사용 가능합니다. 평일에 날씨보고 눈치껏 휴가 잘 쓰면 자유이용 가능합니다.

에버렌드 5,000원 캐리비안베이 2,000원

클린코드란

코딩하는 덕구 — Thu, 28 Nov 2024 17:13:35 +0900

나쁜 코드 관련 일화

80년대 후반 MicroPro international은 워드프로세스인 WordStar를 개발해. 선풍적인 인기를 끌었지만, 업데이트 주기가 길어지고 이전 버전의 버그가 그대로 남아있더니 얼마 안 가 망했습니다. 원인은 출시 당시 너무 바빠 코드를 마구 작성했고, 기능을 추가할수록 감당을 할 수 없었습니다. 즉 회사가 망한 원인은 나쁜 코드에 있었습니다.

나쁜 코드를 짜는 이유

사람들은 시간이 없다고 급하게 코드를 짜고 프로그램이 돌아가면 안도하고 넘어갑니다.자신이 짠 나쁜 코드를 보며 나중에 수정하겠다고 생각하지만, 나중은 절대 오지 않습니다. 이를 르블랑의 법칙(Leblanc’s Law)이라고 합니다. Later equals never

나쁜 코드의 대가

협업하여 프로그램을 작성할 때 남들이 짠 나쁜 코드에 의해 개발 속도가 늦어지고 진도를 나가지 못합니다. 생산성이 낮아지면 인원을 늘리지만 새로운 팀원도 코드를 이해하지 못합니다. 결국 이러한 나쁜 코드가 쌓일수록 팀의 생산성은 0에 가까워집니다.

코드 속 나쁜 냄새

코드 스멜(Code smell)은 코드에서 문제를 일으킬 가능성이 있는 프로그램 소스 코드의 특징을 뜻 합니다.

코드 스멜 예시

긴 메서드

긴 메서드는 코드의 복잡성이 증가하고 가독성을 떨어뜨려 코드의 유지 관리가 어려워집니다. 메서드는 필요할 때 재사용할 수 있도록 어떠한 작업을 하는지 명확해야 합니다.

중복 코드

중복 코드는 쓸데없이 코드 길이를 늘어나게 합니다. 또한 중복 코드 중 하나의 코드가 변하면 나머지 중복 코드를 수정하지 않았을 때 오류가 날 확률이 높아집니다.

긴 매개 변수 목록

메서드의 매개 변수가 많으면 각 매개 변수의 일관성이 떨어질 것이 분명하며 이는 메서드를 이해하기 어렵게 만듭니다.

너무 많은 주석

자신의 코드에 주석을 다는 것이 나쁜 것은 아니지만 좋은 네이밍(Naming)을 통해 프로그램을 더욱 깨끗하게 작성하는 것이 코드 유지 관리에 좋습니다.

전역 변수

모든 곳에서 접근할 수 있고 변경할 수 있는 전역 변수는 무분별하게 사용하다가 수정하는 경우 예상치 못한 오류를 발생시킬 수 있습니다.

게으른 클래스

클래스를 생성할 때, 그것을 유지하고 이해하는 비용이 듭니다. 이 비용을 충당할 만큼 재사용을 할 수 없는 클래스는 차라리 만들지 않는 것이 낫습니다.

거대한 클래스

클래스를 너무 크게 만들면 클래스 안에 너무 많은 인스턴스 변수와 메서드가 존재하고 중복 코드가 있을 확률이 높습니다.

리팩토링(Refactoring)이란?

리팩토링은 프로그램 결과의 변경 없이 코드를 재작성 하는 것을 의미합니다. 코드 스멜을 제거하여 코드의 품질을 향상시키는 것을 뜻합니다.

클린 코드를 써야 하는 이유

종종 프로그래머는 작성 기한을 맞추기 위해서 나쁜 코드를 양산합니다. 하지만 엉망진창인 코드 때문에 오히려 개발 속도가 느려지고 결국 기한을 놓칩니다. 기한을 맞추는 유일한 방법은 언제나 코드를 최대한 깨끗하게 유지하는 것입니다.

클린 코드에 대한 프로그래머들의 의견

C++ 창시자, 비야네 스트롭스트룹(Bjarne Stroustrup)

나는 우아하고 효율적인 코드를 좋아한다. 논리가 간단해야 버그가 숨어들지 못한다. 의존성을 최대한 줄여야 유지보수가 쉬워진다. 오류는 명백한 전략에 따라 철저히 처리한다. 성능을 최적으로 유지해야 사람들이 원칙 없는 최적화로 코드를 망치려는 유혹에 빠지지 않는다. 클린 코드는 한 가지를 제대로 한다.

객체지향의 대가, 그래디 부치(Grady Booch)

클린 코드는 단순하고 직접적이다. 클린 코드는 잘 쓴 문장처럼 읽힌다. 클린 코드는 결코 설계자의 의도를 숨기지 않는다. 오히려 명쾌한 추상화와 단순한 제어문으로 가득하다.

실용주의 프로그래머, 데이브 토마스(Dave Thomas)

클린 코드는 작성자가 아닌 사람도 읽기 쉽고 고치기 쉽다. 단위 테스트 케이스와 인수 테스트 케이스가 존재한다. 클린 코드에는 의미 있는 이름이 붙는다. 특정 목적을 달성하는 방법은 (여러 가지가 아니라) 하나만 제공한다. 의존성은 최소이며 각 의존성을 명확히 정의한다. API는 명확하며 최소로 줄였다. 언어에 따라 필요한 모든 정보를 코드만으로 명확히 표현할 수 없기에 코드는 문학적으로 표현해야 마땅하다.

『레거시 코드 활용 전략』 저자, 마이클 페더스(Michael Feathers)

클린 코드의 특징은 많지만, 그중에서도 모두를 아우르는 특징이 하나 있다. 클린 코드는 언제나 누군가 주의 깊게 짰다고 느끼게 한다. 고치려고 살펴봐도 딱히 손댈 곳이 없다. 작성자가 이미 모든 사항을 고려했으므로, 고칠 궁리를 하다 보면 언제나 제자리로 돌아온다. 그리고는 누군가 남겨준 코드, 누군가 주의 깊게 짜놓은 작품에 감사를 느낀다.

익스트림 프로그래밍 공동 창시자, 론 제프리스(Ron Jeffries)

최근 들어서 나는 켄트 벡이 제안한 단순한 코드 규칙으로 구현을 시작한다.(그리고 같은 규칙으로 구현을 거의 끝낸다.) 중요한 순으로 나열하자면 간단한 코드는

모든 테스트를 통과한다.

중복이 없다.

시스템 내 모든 설계 아이디어를 포함한다.

클래스, 메서드, 함수 등을 최대한 줄인다.

위키(Wiki) 창시자, 워드 커닝햄(Ward Cunningham)

코드를 읽으면서 짐작했던 기능을 각 루틴이 그대로 수행한다면 클린 코드라 불러도 되겠다. 코드가 그 문제를 풀기 위한 언어처럼 보인다면 아름다운 코드라 불러도 되겠다.

클린 코드를 써야 하는 이유

미국 보이 스카우트는 캠핑에 관한 규칙이 있습니다. 바로 캠핑장을 사용한 뒤 처음 왔을 때보다 더 깨끗하게 해놓는 것입니다. 그들은 캠핑장 전체를 깨끗이 청소도 하지만 단순히 장소를 쓰레기로 버리지도 않고 적절한 청소 작업을 위한 연간 계획이 있습니다. 캠핑장에 도착했을 때보다 떠날 때 더 깨끗한지 확인함으로써 적어도 캠핑장의 청결에 관해서는 그들이 해를 끼치지 않는다는 것을 보장할 수 있습니다. 미국 보이스카우트가 따르는 간단한 규칙이 프로그래머에게도 유용합니다.

Always leave the campground cleaner than you found it. (캠프장은 처음 왔을 때보다 더 깨끗하게 해놓고 떠나라.)

작업을 완료하고 체크아웃할 때에 체크인했을 때보다 코드를 깨끗하게 해둔다면 코드는 절대 나빠지지 않습니다. 평소에 코드를 잘 관리한다면 나중에 많은 시간과 노력을 투자해 코드를 정리할 필요가 없습니다. 깨끗한 코드는 거창할 것 없이 변수 이름 하나를 개선하고, 조금 긴 함수 하나를 분할하고, 약간의 중복을 제거하고, 복잡한 if 문 하나를 정리하면 충분합니다.

좋은 주석 작성의 필요성

주석은 코드를 통해 자신의 의도를 충분히 표현하지 못할 때 사용하며 잘 작성된 주석은 코드를 이해하는 데 많은 도움을 줍니다. 반면 주석의 무분별한 사용은 오히려 코드를 나쁘게 만들 수 있습니다. 따라서 좋은 주석이 무엇인지 알고 꼭 필요한 상황에서 주석을 작성해야 할 필요가 있습니다.

좋은 주석 목록

법적인 주석
코드의 저작권과 소유권에 대한 정보를 나타내는 주석입니다.

# Copyright © 2016-2020 elice. All rights reserved.

정보를 제공하는 주석
필요에 따라 코드에 대한 기본적인 정보를 주는 주석입니다.

# a와 b를 비교한 결과를 반환한다.
def compareTo(a, b):
    ...

의도를 설명하는 주석
결정에 깔린 의도를 설명하는 주석입니다.

def compareTo(a, b):
    ...
    # a와 b의 우선순위가 같은 경우에 반환된다.
    return 0

의미를 명료하게 밝히는 주석
모호한 인수나 반환값의 의미를 밝히는 주석입니다.

assertTrue(compareTo(a, b) == 0 # a == b

결과를 경고하는 주석
다른 프로그래머에게 결과를 경고할 목적으로 사용되는 주석입니다.

# 여유 시간이 충분하지 않다면 실행하지 마십시오.
def big_file_testing():
    ...

TODO 주석
앞으로 할 일을 남겨두는 주석입니다. 단, 나쁜 코드를 남겨 놓은 핑계로 사용되면 안 됩니다.

# TODO 새로운 방식이 도입되면 필요하지 않다.
def version_info():
    ...

중요성을 강조하는 주석
별것 아니라고 생각될만한 코드의 중요성을 상기하기 위해 사용되는 주석입니다.

my_string.replace(" ", "")
# 여기서 replace로 공백을 제거함으로써 다른 문자열로 인식될 위험을 제거한다.

나쁜 주석 목록

주절거리는 주석
코드 작성자에게는 의미가 있겠지만 다른 사람들에게는 제대로 전달되지 않는 주석입니다. 아래 예시에서 코드를 처음 보는 사람은 try 구문을 모두 확인해야 주석의 의미를 파악할 수 있게 됩니다.

try:
    x = int(input())
    y = int(input())
    
    print(x / y)
except Exception as err:
    # y값에 0이 들어오면 실행된다.

같은 이야기를 중복하는 주석
아래 예시는 except 자체가 에러 발생에 대한 구문이므로 중복된 내용을 담고 있어 불필요한 주석입니다.

try:
    ...
except Exception as err:
    # 에러 발생 시 실행되는 코드입니다.

오해할 여지가 있는 주석
엄격하지 않아 오해를 일으키는 주석입니다. 아래 예시에서 closed가 False인 경우 10초 기다린 뒤 다시 한번 closed를 검사한 후 0으로 반환이 되지만, 주석에는 그러한 설명을 하지 않고 있습니다.

# closed가 False일 때 0이 반환된다.
def check_close:
    if !closed:
        time.sleep(10)
        
        if !closed:
            print("error")
            return 0

의무적으로 다는 주석
모든 변수나 함수 등에 주석을 달아야 한다는 규칙을 정하는 것은 어리석은 행위입니다. 이러한 주석은 아무 가치가 없습니다.

book_title = "Harry Potter" # 책 제목
book_author = "J.K. Rowling" # 책 작가

이력을 기록하는 주석
과거에는 코드가 변한 이력을 기록할 필요가 있었으나 현재는 소스 코드 관리 시스템이 있어 전혀 필요가 없습니다.

# 변경 이력 (11-10-2001부터)
# -----------------------------------------
# 13-10-2001 : 클래스 정리

있으나 마나 한 주석
당연한 사실을 언급하는 주석입니다. 아래 예시에서 생성자라는 주석이 없어도 누구나 생성자라는 것을 알 수 있습니다.

class Location:
    # 기본 생성자
    def __init__(self, x, y):
        self.x = x
        self.y = y

이 외에도 함수나 변수로 표현 가능한 주석, 위치를 표시하는 주석, 닫는 괄호에 다는 주석, 공로를 돌리거나 저자를 표시하는 주석, 주석으로 처리된 코드, 전역 정보 등 많은 나쁜 주석이 있습니다.

피부 좋아지는 법. 성분 보고 나에게 맞는 화장품 고르는 법

코딩하는 덕구 — Wed, 27 Nov 2024 16:46:45 +0900

피부 관리는 트러블 관리가 가장 기본입니다. 민감하지 않은 피부가 되어야 미백, 주름개선을 할 수 있습니다.

먼저 피부 장벽이 무너지면 가벼운 자극에도 피부가 잘 빨개지고, 트러블이 생기고, 흉터도 잘 생겨요.

피부 장벽 무너진지 아는 법.

1. 피부가 잘 빨개진다.

2. 세안 후 당기거나 약하게 가렵다.

피부 장벽을 지키기 위해서는 약산성 폼클랜징을 사용하시고, 기초 화장 (토너, 로션) 사용하시면 됩니다.

피부에 뭐가 자주 나는 분들은 모낭염에 좋지 않은 성분인 갈락토미세스, 세라마이드 들어있으면 그 화장품은 거르셔도 됩니다. 보습을 위한 성분인데, 대신 알란토인 들어있는 기초화장품 사용하세요!

트러블은 크게 세가지가 있습니다. 여드름, 모낭염, 좁쌀 여드름(피부 속 씨앗 같은것들)

1. 여드름 관리 법

- 잘 씻기, 프로틴 유청단백질 (분리우유단백) 섭취 하지 않기.

- 판토텐산 먹기 (B5). 피부 기름기 잡아줘서 여드름 확실히 덜나요

2. 모낭염 관리 법

- 갈락토미세스, 세라마이드 들어있는 화장품만 피해도 좋아지실텐데 그래도 모낭염이 나시면, 베개피를 자주 갈아주세요!

3. 좁쌀 관리법

- 각질이 모공을 막아 생깁니다. 각질제거를 해주시는게 좋은데, 이때 피부에 자극이 최대한 덜가게 해야돼요!

- 짜면 여드름 되거나 흉터 생길 수 있으므로 짜면 안됩니다.

- 각질만 제거해주시면 알아서 사라지거나 세안중에 제거됩니다.

- 저는 독도토너 충분히 적셔서 닥토하고, AHA, BHA는 너무 자극적이라서 사용하지 않아요.

- 부족하시면 폼클랜징 대신에 효소파우더 사용해보세요. 매일은 자극적이니깐 본인 피부에 맞게 횟수 조절해서 사용하시면 됩니다.

삼성전자 면접, 자소서 준비 핵심 방법. 삼성전자 취준생 Q&A.

코딩하는 덕구 — Wed, 27 Nov 2024 13:53:32 +0900

삼성전자 취업준비하며 궁금했던것을 폰서트(핸드폰상담)를 통해 현직자와 질문답변을 나눈적이 있었습니다.

그때 당시에는 현직자의 답변이 와닿지 않았는데 현직자가 되고 난 이후 왜 이런 답변을 하셨는지 잘 이해하게 되었습니다.

취준생과 현직자의 마음에서 제가 궁금했었던 질문과 답변을 리뷰해보겠습니다.

취준생이었던 나의 질문과 그때 당시 현직자의 답변

Q. 취업 담당자님 입장에서 뽑고 싶은 지원자는 어떤 사람인가요?

A. ~~일을 잘할 수 있는 사람, 능력, 시너지~~

- 회사에서는 신입사원들에게 교육의 이름으로 막대한 자본을 투자합니다.

회사 입장에서 지원자가 잘 배워서 오래 일 하고, 회사에게 이득을 가져다 줄 수 있는 사람이면 좋겠죠.

Q. 지원자님께서 말씀하신 뽑고싶은 지원자의 특징은 어떻게 하면 보여줄 수 있나요?

A. ~~면접 단계에서 어필~~

- 면접은 자소서를 기반으로 이루어지기 때문에 자소서 단계부터 준비를 잘하셔야 합니다.

왜, 언제부터 하필이면 삼성전자에 관심이 생겼고, 그 중에서 어떤 직무에 왜, 언제 관심이 생겼는지 잘 설명을 해야됩니다.

그리고 살아온 흔적, 본인의 경험(수업, 프로젝트, 대학교, 학과 등)과 직무 지원동기를 잘 연결시키면 됩니다.

EX) 삼성전자 반도체 데이터 처리 업무를 알게 되었는데 이때 데이터 처리에 관심이 생겨 데이터마이닝 과목을 수강했고, 관련 대회에 나가 ~00한 성과를 내고 수상했다. 등

삼성전자 DS 최종합격 자소서 https://programmersdiary.tistory.com/172

Q. 서류와 코딩테스트를 통과하면 면접이 진행되는데 면접은 어떻게 이루어져 있고, 단계별로 어떤 내용을 중점적으로 보는지 궁금합니다.

- 타 직군은 미니 Gsat을 봅니다. SW 직군은 이때 그냥 가만히 있어요.

이후 직무 관련문제 3중 1택 후 문제 풀이시간을 갖습니다.

인성과 직무 순서 상관없이 면접을 보고, 직무면접 때 풀었던 문제를 들고가서 설명하는 시간을 갖고 직무면접을 갖습니다.

Q. 기술 면접은 어떻게 준비를 하면 될까요?

A. 엄청난걸 물어보진 않는다. 구글 검색 면접 자주나올만한 질문

- 이거 보고 준비하세요.

https://programmersdiary.tistory.com/176

Q. 인성 면접은 어떻게 준비를 하면 될까요?

A. 엄청난걸 물어보진 않는다. 구글 검색 면접 자주나올만한 질문

- 이거 보고 준비하세요.

https://programmersdiary.tistory.com/175

Q. 지원자가 면접과 자소서에서 흔히 저지르는 실수는 무엇인가요?

A. 복장 : 정장, 비즈니스 케주얼

- 면접관님들께서 거짓말 하는지 꼼꼼하게 봅니다. 조금 부족해도 괜찮으니 본인의 성과를 부풀리지 말고 솔직하게 답변하세요. 복장은 그냥 정장 입으세요.

Q. 취업 준비생 입장에서 현업능력을 기르기 위한 방법은 무엇인가요? 또한 해당 능력은 어떻게 증명할 수 있나요?

A. 영어

- 현업 능력은 배치되는 업무에 따라 다르므로 기를 수 있는 방법이 제한적입니다.

다만 팁을 드리자면 사내 알고리즘 코딩자격인 Certificate제도가 존재하는데 Pro를 따면 월 20만원 추가수당

Expert를 따면 월 50만원 추가수당이 있습니다. 이로 현업 능력을 증명하며 본인의 연봉도 인상시킬 수 있습니다.

공부방법은 코테, 알고리즘 대회 준비하듯이 알고리즘 공부 많이하시면 좋고, 언어는 C, C++로 준비하시면 됩니다.

Q. 혁신센터 S/W 개발직군에 취업하기 위해 코딩테스트 통과를 제외하고, 공통적으로 요구되는 역량이 있나요?

A. 코테, 영어

- 진짜 없습니다. 다만 JD를 읽어보고 본인이 어떤 스킬을 가지고 있고 활동을 해왔는지 어필하면 좋습니다.

특정 스킬을 타겟하지 않아도 되는 이유는 어차피 조직이 너무 크기 때문에 본인에 맞는 업무를 배정해주십니다.

또 사내 교육이 잘 되어있기 때문에 만약 해왔던 것과 다르더라도 교육을 듣고 적응할 수 있습니다.

- 또 사내에서 고과 평과 과목에 추가시키는 등 언어 능력을 정말 중요하게 여깁니다. 따라서 영어성적 높으면 좋습니다.

Q. 혁신센터에서 인공지능(스마트펙토리 구축 업무)은 어떤 solution을 위해 활용 되나요? 즉 혁신센터가 해결해야되는 문제는 무엇인가요?

A. 공정 데이터, 분석 소프트웨어 개발, 반도

- 이걸 물어봤던 이유가 회사에서 정말 필요한 사람이어야 뽑힐 줄 알고 물어봤는데. 위의 질문에 대한 해설과 같은 이유로 본인이 자신있는 스킬 어필하시면 됩니다.

Q. 혁신센터의 스마트 펙토리 업무 중 반도체 생산 과정에서 발생하는 데이터를 활용해 반도체의 수율을 높이는 업무에 관심이 있습니다. 해당 업무를 진행하기 위해 필요한 역량과 현업에서 사용하는 도구들이 궁금합니다.

A. 다원화되어 있기 때문에 상관 없음.

- 역시 위의 답변과 같은 의미로 python, spark, sql 등 본인이 학부생, 부트캠프 때 사용했던 스킬 어필하시면 됩니다.

마무리

작성하고 나서 살펴보니 제가 취준생일때 이 글을 봤으면 참 도움이 많이 됐을 것 같네요ㅎㅎ.

여러분들은 시간낭비하시지 말고 준비 잘 하시면 좋겠습니다.

코테 준비법, 꿀팁 https://programmersdiary.tistory.com/168

삼성전자 DS 부문 입문 교육 후기, 복장

코딩하는 덕구 — Wed, 27 Nov 2024 12:12:12 +0900

복장

SVP와 마찬가지로 비즈니스 캐주얼이다.

후기

4주간의 SVP를 마치고 부문 입문교육도 마무리가 되었다.

DS 입문교육은 1주간 진행되었는데, 계열사 (DX, SDI)마다 교육 장소와 기간이 달랐다.

회사 버스와 캠퍼스에 익숙해질 수 있었고, 인사 정책, 고과, 복지, 반도체 등 다양한 분야에서 실질적으로 회사생활할 때 도움이 되는 정보들을 배웠다.

특히 인사팀에서 소개해주는 내용은 꼭 기억해두면 좋다.

예를들면 포괄임금제라서 일을 하는데 안한사람과 돈을 똑같이 받는 경우도 있다.

추후에 다시 가르쳐줄 사람이 많이 없다.

DS 부문은 국가사업(메모리)로 지정되어있다.

보안사업장이므로 게이트 입장하기 전 꼭 USB, 전자기기, 핸드폰 보안스티커를 확인하고 입장해야된다.

삼성 SVP 후기. 준비물, 복장, 꿀팁, 삼성 밥 평가 및 사진.

코딩하는 덕구 — Wed, 27 Nov 2024 11:58:41 +0900

창조관 포토존 더블루

필수 준비물

옷, 양말, 속옷, 운동화, 일과 이후 입을 트레이닝 복(긴바지), 샴푸, 세면도구, 면도, 스킨케어, 텀블러 (커피 케이터링 있는데 마시려면 필수입니다.), 양치도구, 충전기, 노트, 볼펜(강의 들을 때 핸드폰 사용 불가)

복장

일과 중 : 비즈니스 케주얼. (차수에 따라 청바지 지양해달라는 차수도 있어요)

셔츠, 니트, 슬랙스 등

일과 후 : 편하게 (반바지 지양)

후기

4주간의 긴 여정이 끝났다.

첫날에는 처음 보는 사람들과 교육듣고 활동하고, 방을 나눠 쓰는게 어색하고 불편했다.

하지만 매일 아침 일찍부터 일어나 저녁까지 함께 교육듣고, 같이 놀면서 나이는 달랐지만 다들 정말 친한 친구가 되었다.

좋은 사람들과 함께 언행, 마음, 생각, 복장 등을 신경쓰면서 지내다 보니 내적으로도 성장이 참 많았다.

그래서 그런지 고향친구들은 내가 많이 변했다고 했다. (그 전의 나는 어떤 사람이었던거지 ㅋㅋㅋ)

교환학생, 편입 이후 코로나 시대로 인한 비대면 수업을 진행하며 대학 생활하며 추억 쌓을 기회가 많이 없었는데,

SVP를 진행하며 맛있는것도 많이 먹고, 팀원들과 소중한 추억도 많이 쌓을 수 있어서 좋았다.

어떻게 추억을 쌓고 나누는지도 이제 조금은 알 것 같다.

앞으로도 현재에 집중하며 즐거움을 느끼고, 더 나은 사람으로 성장해야겠다.

꿀팁

1. 생각보다 일정이 빡빡해요. 아침부터 일어나 강의 듣고, 자기 전까지 조원들 모여서 같이 노는데 따로 무언가 하시려면 오전에 일찍 일어나셔서 하셔야 됩니다.

2. 연수원에서 멀리 사는 사람들은 최소 1주 전 미리! 교통 예약 해놓으세요. 취소 수수료 규정도 유하고, 교통이 진짜 힘들어요.

3. 천안 연수원 - 명상센터 - 창조관 이렇게 갔는데 창조관, 명상센터, 천안연 순으로 맛있었고,

천안연보다 캠퍼스(화성, 기흥 등 출근하는 곳)이 훨씬 밥이 맛있어요. (보안이라 사진 못찍는게 아쉽).

칼로리 생각보다 높으니 관리하시는 분들은 조심해서 드세요 ㅋㅋ

4. 주차별로 퇴소 후 입소하는 연수원이 같다면 짐을 놓고 올 수 있어요.

5. 위생봉투 쓸일 많아요. 챙기면 굿 (세안도구, 스킨케어, 입고 난 속옷 보관 등)

6. 슬리퍼, 반바지는 안챙기시는 것을 추천!(헬스복 제외) 연수원 내에서 착용하기 좀 그래요.

7. 창조관은 헬스복 줘요.

8. 결국 동기들과 사진만 남아요. 사진 많이 찍고 동기들과 많이 친해지세요 ㅎㅎ

먹었던 밥

천안연수원 밥

영덕 명상센터 밥

천안연수원 밥

동탄 에듀센터 밥

확실히 점점 더 맛있어지죠? 캠퍼스 밥은 더 맛있답니다.

저번에 크림 파스타 + 손바닥만한 연어훈제구이 나와서 감동했던 기억이... 칼로리는 1300.. 다 먹으면 살쪄요.

파이썬과 streamlit을 이용한 데이터 분석

코딩하는 덕구 — Wed, 27 Nov 2024 09:41:32 +0900

data_processing.py

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

import io

# 이상치를 제거하는 함수

def remove_outliers(df):

for column in df.columns:

# 열이 숫자형 데이터를 포함하고 있는지 확인

if df[column].dtype == 'float64' or df[column].dtype == 'int64':

Q1 = df[column].quantile(0.25)

Q3 = df[column].quantile(0.75)

IQR = Q3 - Q1

# IQR에 기반한 이상치의 범위 정의

lower_bound = Q1 - 1.5 * IQR

upper_bound = Q3 + 1.5 * IQR

# 조건에 맞지 않는 (즉, 이상치인) 데이터 필터링

df = df[(df[column] >= lower_bound) & (df[column] <= upper_bound)]

return df

def convert_temperature(df) :

df['time_stamp'] = pd.to_datetime(df['time_stamp'])

plot_data = df[['time_stamp', 'AmbientConditions.AmbientHumidity.U.Actual', 'AmbientConditions.AmbientTemperature.U.Actual']]

return plot_data

df = pd.read_csv('./data/continuous_factory_process.csv')

buffer = io.StringIO()

df.info(buf=buffer)

s = buffer.getvalue()

df_std = df.std(numeric_only=True)

std0_columns = []

for idx, std in list(zip(df_std.index, df_std)):

if std <= 0.001:

std0_columns.append(idx)

else:

pass

df2 = df.drop(std0_columns, axis=1)

std0_columns2 = std0_columns.append("time_stamp")

df_corr = df2.drop("time_stamp", axis=1)

main.py

import streamlit as st

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

import io

import texts

import data_processing as dp

st.set_page_config(layout="wide")

st.write(texts.title_text)

st.divider()

st.write(texts.ch1_text)

col1, col2 = st.columns([0.3, 0.7], gap="small")

with col1 :

data_check_methods = st.radio(

"데이터 확인 방법",

["info", "Random", "Describe", "Full"],

captions = ["데이터 개요를 확인할 수 있습니다.", "무작위 데이터 10개를 확인할 수 있습니다.", "데이터의 기술 통계량을 확인할 수 있습니다.","데이터 전체를 확인할 수 있습니다."]

)

with col2 :

if data_check_methods == "Full" :

st.dataframe(dp.df)

elif data_check_methods == "Random" :

st.dataframe(dp.df.sample(10))

elif data_check_methods == "Describe" :

st.dataframe(dp.df.describe())

else :

st.text(dp.s)

st.write(texts.ch1_text2)

st.divider()

st.write(texts.ch2_text)

temp_df = dp.remove_outliers(dp.df)

time_col1, time_col2 = st.columns(2)

with time_col1 :

fig, ax = plt.subplots(figsize=(10, 3))

ax.plot(temp_df['time_stamp'], temp_df['AmbientConditions.AmbientHumidity.U.Actual'], color="blue")

ax.set_title("AmbientConditions.AmbientHumidity.U.Actual")

plt.xticks(temp_df['time_stamp'][::17], rotation=45)

st.pyplot(fig)

fig, ax = plt.subplots(figsize=(10, 3))

ax.plot(temp_df['time_stamp'], temp_df['AmbientConditions.AmbientTemperature.U.Actual'], color="red")

ax.set_title("AmbientConditions.AmbientTemperature.U.Actual")

plt.xticks(temp_df['time_stamp'][::17], rotation=45)

st.pyplot(fig)

with time_col2 :

to_remove = ["time_stamp", "AmbientConditions.AmbientHumidity.U.Actual", "AmbientConditions.AmbientTemperature.U.Actual"]

filtered_list = [x for x in list(dp.df.columns) if x not in to_remove]

select_data = st.selectbox(

"선 그래프로 보고싶은 데이터를 선택하세요",

(filtered_list)

)

fig, ax = plt.subplots(figsize=(10, 7))

ax.plot(temp_df['time_stamp'], temp_df[select_data], color="green")

ax.set_title(select_data)

plt.xticks(temp_df['time_stamp'][::17], rotation=45)

st.pyplot(fig)

st.write(texts.ch2_text2)

col3, col4 = st.columns([0.3, 0.7], gap="small")

with col3 :

corr_check_methods = st.radio(

"상관관계 확인 방법",

["Table", "Heatmap"],

captions = ["표 형식으로 확인합니다.", "히트맵 그래프로 확인합니다."]

)

if corr_check_methods == "Table" :

st.text_area("상관관계란?",

"두 변수 간의 관계의 강도와 방향을 수량화하는 통계적 방법입니다. 상관관계를 통해 한 변수의 변화가 다른 변수의 변화와 어떤 관계를 가지는지를 알 수 있으며, 이는 변수들 사이의 선형적 관계를 나타냅니다. 상관관계는 -1에서 +1 사이의 값을 가지며, 이를 상관 계수(Correlation Coefficient)라고 합니다.",

height=200)

else :

st.text_area("히트맵이란?",

"데이터의 매트릭스를 색상의 변화를 통해 시각적으로 표현한 그래프입니다. 이는 데이터의 패턴, 변화, 밀도 등을 한눈에 파악하기 좋게 해주며, 특히 대규모 데이터 세트 내에서 복잡한 관계와 구조를 이해하는 데 유용합니다. 히트맵은 다양한 분야에서 사용되며, 특히 데이터 과학, 통계 분석, 기계 학습, 바이오인포매틱스 등에서 널리 적용됩니다.",

height=200)

with col4 :

if corr_check_methods == "Table" :

st.dataframe(dp.df_corr.corr())

else :

fig, ax = plt.subplots()

cax = ax.pcolor(dp.df_corr.corr())

# colorbar 추가

fig.colorbar(cax)

st.pyplot(fig)

st.write(texts.ch2_text3)

col5, col6 = st.columns(2)

with col5 :

variable = st.selectbox(

"변수 선택",

("Stage2.Output.Measurement1.U.Actual", "Stage2.Output.Measurement2.U.Actual", "Stage2.Output.Measurement3.U.Actual", "Stage2.Output.Measurement4.U.Actual", "Stage2.Output.Measurement5.U.Actual",

"Stage2.Output.Measurement6.U.Actual", "Stage2.Output.Measurement7.U.Actual", "Stage2.Output.Measurement8.U.Actual", "Stage2.Output.Measurement9.U.Actual", "Stage2.Output.Measurement10.U.Actual",

"Stage2.Output.Measurement11.U.Actual", "Stage2.Output.Measurement12.U.Actual", "Stage2.Output.Measurement13.U.Actual", "Stage2.Output.Measurement14.U.Actual"),

)

bin = st.slider('histogram bins', 5, 40, 20, step=1)

st.dataframe(dp.df[variable].describe(), width=700)

with col6 :

agree = st.toggle("이상치 제거한 데이터 확인하기")

if agree :

clear_df = dp.remove_outliers(dp.df)

fig, ax = plt.subplots(figsize=(9, 4))

ax.set_xlabel(variable)

ax.set_ylabel('counts')

ax.hist(clear_df[variable], bins=bin)

st.pyplot(fig)

fig, ax = plt.subplots(figsize=(6, 2))

ax.set_ylabel(variable)

ax.boxplot(clear_df[variable], vert=False)

st.pyplot(fig)

else :

fig, ax = plt.subplots(figsize=(9, 4))

ax.set_xlabel(variable)

ax.set_ylabel('counts')

ax.hist(dp.df[variable], bins=bin)

st.pyplot(fig)

fig, ax = plt.subplots(figsize=(6, 2))

ax.set_ylabel(variable)

ax.boxplot(dp.df[variable], vert=False)

st.pyplot(fig)

st.write(texts.ch2_text4)

col7, col8 = st.columns(2)

with col7 :

option = st.selectbox(

'Machine 1, 2, 3 원재료 변수 시각화',

('Machine1', 'Machine2', 'Machine3')

)

selected_list = []

color = None

if option == 'Machine1':

selected_list = ['Machine1.RawMaterial.Property1','Machine1.RawMaterial.Property2', 'Machine1.RawMaterial.Property3', 'Machine1.RawMaterial.Property4']

color = "blue"

elif option == 'Machine2':

selected_list = ['Machine2.RawMaterial.Property1','Machine2.RawMaterial.Property2', 'Machine2.RawMaterial.Property3', 'Machine2.RawMaterial.Property4']

color = "orange"

elif option == 'Machine3':

selected_list = ['Machine3.RawMaterial.Property1','Machine3.RawMaterial.Property2', 'Machine3.RawMaterial.Property3', 'Machine3.RawMaterial.Property4']

color = "green"

fig, ax = plt.subplots(2, 2)

# 선택된 리스트에 따라 히스토그램 생성

for i, variable in enumerate(selected_list):

dp.df.hist(column=variable, bins=30, ax=ax[i//2, i%2], color=color)

ax[i//2, i%2].set_title(variable)

fig.tight_layout()

st.pyplot(fig)

with col8 :

option2 = st.selectbox(

'Machine 1, 2, 3 설비 변수 시각화',

('Machine1', 'Machine2', 'Machine3')

)

selected_machine_list = []

if option2 == 'Machine1':

selected_machine_list = ['Machine1.Zone1Temperature.C.Actual','Machine1.Zone2Temperature.C.Actual', 'Machine1.MotorAmperage.U.Actual', 'Machine1.MotorRPM.C.Actual', 'Machine1.MaterialPressure.U.Actual', 'Machine1.MaterialTemperature.U.Actual','Machine1.ExitZoneTemperature.C.Actual']

color = "blue"

elif option2 == 'Machine2':

selected_machine_list = ['Machine2.Zone1Temperature.C.Actual','Machine2.Zone2Temperature.C.Actual', 'Machine2.MotorAmperage.U.Actual', 'Machine2.MotorRPM.C.Actual', 'Machine2.MaterialPressure.U.Actual', 'Machine2.MaterialTemperature.U.Actual','Machine2.ExitZoneTemperature.C.Actual']

color = "orange"

elif option2 == 'Machine3':

selected_machine_list = ['Machine3.Zone1Temperature.C.Actual','Machine3.Zone2Temperature.C.Actual', 'Machine3.MotorAmperage.U.Actual', 'Machine3.MotorRPM.C.Actual', 'Machine3.MaterialPressure.U.Actual', 'Machine3.MaterialTemperature.U.Actual','Machine3.ExitZoneTemperature.C.Actual']

color = "green"

fig, ax = plt.subplots(4, 2)

for i, variable in enumerate(selected_machine_list):

dp.df.hist(column = variable, bins = 30, ax=ax[i//2, i%2], color=color)

ax[i//2, i%2].set_title(variable, fontsize=10)

fig.tight_layout()

st.pyplot(fig)

st.divider()

st.write(texts.ch3_text)

st.download_button(

label="Download data as CSV",

data=dp.df.to_csv(),

file_name='data.csv',

mime='csv',

)

texts.py

title_text = """

# 공정 Sensing 데이터 분석 프로젝트

해당 실습은 제조 공정에서 발생한 Sensing 데이터를 분석하고 시각화하는 실습입니다.

Streamlit 프레임워크를 이용하여 구성하였으며 복잡한 코드 없이 다양한 위젯들을 구성할 수 있었습니다.

**[데이터 출처]**

- Multi-stage continuous-flow manufacturing process dataset (Real process data to predict factory output)

- https://www.kaggle.com/supergus/multistage-continuousflow-manufacturing-process

"""

ch1_text = """

### 1. 데이터 확인하기

분석하려는 데이터는 어떻게 생겼는지 확인해 보겠습니다. 아래의 4가지 버튼 중 하나를 클릭하면 데이터를 확인할 수 있습니다.

"""

ch1_text2 = """

---

* `<class 'pandas.core.frame.DataFrame'>`: 이 객체는 pandas의 DataFrame 타입임을 나타냅니다. DataFrame은 행과 열로 이루어진 2차원 데이터 구조로, 엑셀 시트나 SQL 테이블과 유사합니다.

* `RangeIndex: 14088 entries, 0 to 14087`: 이 데이터 프레임은 14,088개의 행을 가지고 있으며, 인덱스는 0부터 시작해 14,087까지입니다. RangeIndex는 정수 기반의 인덱싱을 의미합니다.

* `Columns: 116 entries, time_stamp to Stage2.Output.Measurement14.U.Setpoint`: 총 116개의 열이 있으며, 첫 번째 열의 이름은 time_stamp이고, 마지막 열의 이름은 Stage2.Output.Measurement14.U.Setpoint입니다.

* `dtypes: float64(108), int64(7), object(1)`: 이 데이터 프레임에는 세 가지 유형의 데이터 타입이 포함되어 있습니다. float64 타입의 데이터가 108개의 열에, int64 타입의 데이터가 7개의 열에, 그리고 문자열이나 다른 파이썬 객체를 포함할 수 있는 object 타입의 데이터가 1개의 열에 사용되었습니다.

* `memory usage: 12.5+ MB`: 이 데이터 프레임이 메모리에서 차지하는 크기는 약 12.5MB 이상입니다. + 기호는 실제 메모리 사용량이 이보다 더 클 수 있음을 의미합니다.

"""

ch2_text = """

### 2. 데이터 분석하기

본격적으로 데이터를 분석하기 위해서는 많은 관점에서 데이터를 확인할 필요가 있습니다. 데이터 분석을 위해 두 가지를 중점으로 확인해 보겠습니다.

1. **"시간"에 따른 데이터 확인하고 시각화하여 확인하기**

2. **"상관관계"를 확인하고 이를 시각화하여 확인하기**

3. **"데이터 분포"를 확인하고 이를 시각화하여 확인하기**

#### 2.1 "시간"에 따른 데이터 시각화하여 확인하기

`time_stamp` 컬럼을 확인하면 시간 데이터로 구성되어 있습니다. 시간에 따른 습도와 온도 데이터를 확인하고 이에 따른 제조 데이터를 확인해 보겠습니다.

* 좌측의 파란 그래프는 습도, 빨간 그래프는 온도를 의미합니다.

* 우측의 위젯을 통해 원하는 데이터를 선 그래프로 표현할 수 있습니다.

"""

ch2_text2 = """

#### 2.2 "상관관계"를 확인하고 이를 시각화하여 확인하기

선그래프만으로는 제조 공정에 온도와 습도로 인해 영향이 발생되는지 확인하기가 어렵습니다. 이를 한 눈에 확인하기 위해 "상관관계" 라는 것을 이용하여 확인해보도록 하겠습니다.

아래의 버튼을 이용하면 상관관계를 확인할 수 있으며 이를 시각적으로 표현한 그래프를 확인할 수 있습니다.

"""

ch2_text3 = """

#### 2.3 "데이터 분포"를 확인하고 이를 시각화하여 확인하기

상관관계를 분석하기 위해서는 통계적인 개념이 필요하며 현재 데이터가 방대하여 분석하기가 어렵습니다.

데이터 분포를 확인하기 위해 `히스토그램(Histogram)`과 `박스플롯(boxplot)`을 이용하여 확인해 보겠습니다.

* `히스토그램(Histogram)`을 이용하면 데이터의 분포를 쉽게 확인할 수 있습니다. 아래의 슬라이더를 조절하면 막대의 개수를 조절할 수 있습니다.

* `박스플롯(boxplot)`을 이용하면 데이터의 간단한 통계 정보와 함께 이상치를 확인할 수 있습니다. 아래의 표는 선택한 변수의 간단한 통계 정보를 확인할 수 있습니다.

* 이상치를 제거한 데이터의 그래프를 보고 싶으면 상단의 체크박스를 클릭합니다.

"""

ch2_text4 = """

이번에는 다양한 데이터를 한 눈에 확인해 보겠습니다.

* 좌측은 Machine 1, 2, 3에 따른 원재료 데이터를 시각화 자료입니다.

* 우측은 Machine 1, 2, 3에 따른 설비 데이터를 시각화 자료입니다.

각 상단의 메뉴를 이용하면 Machine 1, 2, 3에 따른 데이터를 확인할 수 있습니다.

"""

ch3_text = """

### 3. 데이터 저장하기

데이터를 로컬 파일로 저장하고 싶다면 아래의 버튼을 누르면 저장할 수 있습니다.

"""

LangChain으로 논문 분석 및 문서 QA 봇 만들기

코딩하는 덕구 — Wed, 27 Nov 2024 09:21:21 +0900

제조 사례에서 알아본 사례 중 하나인 NVIDA 사례(ChipNeMo 논문)를 분석해보겠습니다.
내용이 어렵고 분량도 많으니 생성AI를 위한 프레임워크인 LangChain을 이용해서 논문의 내용을 분석해보겠습니다.
jupyter 노트북, open Ai API key가 필요합니다.

자료 출처: 아래의 링크에서 PDF 형식으로 파일을 다운로드 받을 수 있습니다.

링크: https://arxiv.org/abs/2311.00176

발급 받은 OpenAI key를 불러옵니다.

In [1]:

import os
os.environ["OPENAI_API_KEY"] = "your key" #각각의 open AI key 입력

필요 모듈을 불러옵니다.

In [2]:

import openai
from PyPDF2 import PdfReader
from langchain.document_loaders import PyPDFLoader, Docx2txtLoader

Option 1. PDF 파일을 불러옵니다.

In [3]:

path = "nvidia_ChipNeMo_Domain-Adapted LLMs for Chip Design.pdf"

In [11]:

reader = PdfReader(path)
paper_law_raw_text = ""
for i, page in enumerate(reader.pages): #각 페이지에 접근
    text = page.extract_text() #현재 페이지의 텍스트 추출
    if text: #추출한 텍스트가 존재한다면
 	paper_law_raw_text += (text + " ") #기존문자 + 추출한 텍스트
        paper_law_raw_text = paper_law_raw_text.replace("/n", " ")
print(paper_law_raw_text)

논문에 대한 QA는 정확성과 일관성이 중요하므로, 일관된 답변을 위해 temperature를 0으로 설정합니다.

gpt4 모델은 gpt-3.5 모델보다 정확성이 더 높지만 속도가 느리고 비용이 비싸므로, 주의하여야 합니다.
이번 실습에서는 gpt-3.5 모델을 이용하여 진행하겠습니다.

In [14]:

from langchain.chat_models import ChatOpenAI

model = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
#temperature 높이면 유연하게 답변하게 됨. 답변마다 답변 내용이 달라짐.

사용할 수 있는 모델들

모델마다 비용이 다르기 때문에 주의해서 사용이 필요합니다.
2024.05월 기준

CategoryModel

GPT-4o	"gpt-4o"
GPT-4 Turbo and GPT4	"gpt-4-turbo"
	"gpt-4"
GPT-3.5 Turbo	"gpt-3.5-turbo" (권장)

그 외의 모델 확인 링크 : https://platform.openai.com/docs/models

질문 답변을 위한 도구(Chain) 만들기

chain_type="map_reduce"를 이용하여, PDF 전체 텍스트의 양이 많기 때문에 전체 텍스트를 덩어리(batch)로 나누어 질문과 관련이 있는 덩어리(batch)를 기준으로 답변을 해주도록 설정합니다.

In [15]:

from langchain.chains.question_answering import load_qa_chain #질문 응답 체인(도구)
from langchain.chains import AnalyzeDocumentChain #논문 분석 체인

qa_chain = load_qa_chain(model, chain_type="map_reduce")
#질문과 가까운 페이지(문서 내용)을 모델이 
#자체적으로 판단하고 관련된 내용의 텍스트를 참조하여 답변 생성
#문서 전체는 무겁기 때문에 나눠서 처리해야 함

qa_document_chain = AnalyzeDocumentChain(combine_docs_chain=qa_chain)
#문서 분석 체인과 결합한 최종 질문 응답 체인 객체 구성

사용의 편의성을 위해 함수로 만들기

프롬프트를 입력하면 출력 결과와 함께 총 사용 토큰과 그에 따른 달러/원 비용, 그리고 소요 시간이 함께 출력되는 함수를 만듭니다.
참고: 1 token은 대략 영어에서 알파벳 4개 정도의 크기에 해당하며, 한글은 한 글자가 초성, 중성, 종성 세 글자로 구성되기에 영어보다 훨씬 토큰 수가 더 많이 소모됩니다.

import FinanceDataReader as fdr #환율 가져오는 라이브러리
exchange_rate = fdr.DataReader('USD/KRW').iloc[-1][0] #달러를 원화로 변경후 가져옴

from langchain.callbacks import get_openai_callback
# 토큰 사용량 알 수 인는 모델

from langchain.chat_models import ChatOpenAI
#GPT 가져오기

from langchain.chains.question_answering import load_qa_chain
#질문 응답 특화된 체인

import time

def qa_bot(source, question, model='gpt-3.5-turbo', temperature=0, chain_type="map_reduce"):

    model = ChatOpenAI(model=model, temperature=0)

    qa_chain = load_qa_chain(model, chain_type=chain_type)
    qa_document_chain = AnalyzeDocumentChain(combine_docs_chain=qa_chain)

    with get_openai_callback() as cb: #callback을 cb로 별명 지어줌 
        #with : 코드 블록 내의 코드가 모두 실행되는 동안 리소스가 할당되고, 이후에 자동으로 정리
        #ex) 파일처리, 데이터베이스 연결(보안을 위해 사용시에만 연결), 잠금 관리 등 리소스 관리 
        
        start = time.time() #현재시간
        
        print(qa_document_chain.run(input_document=source, question=question))
        end = time.time()

        print(f"Total Tokens: {cb.total_tokens}") # 총 처리 토큰(단어) 수
        print(f"Prompt Tokens: {cb.prompt_tokens}") #프롬프트 읽을 때 처리 토큰(단어) 수
        print(f"Completion Tokens: {cb.completion_tokens}") #응답할 때 처리 토큰(단어) 수
        print(f"Total Cost (USD): {cb.total_cost:.2f}$, Total Cost (Won): {cb.total_cost*exchange_rate:.2f}₩")
        #환율 계산 후 달러/원화 얼만지 계산
        
        print(f"걸린 시간: {end-start:.2f}초")
        #응답하는데 걸린 시간

우리가 만든 PDF QA 봇이 얼마나 정확하게 답변해주는지 확인해봅시다.

Q. 텍스트에서 LLM을 이용한 칩 디자인을 위해 어떤 방법을 사용했나요?

qa_bot(paper_law_raw_text, "텍스트에서 LLM을 이용한 칩 디자인을 위해 어떤 방법을 사용했나요?")

반도체 8대 공정 요약

코딩하는 덕구 — Tue, 26 Nov 2024 14:25:01 +0900

반도체 8대 공정

————— 전공정 —————

1. 웨이퍼 제조 : (모래 -> 규소 -> 실리콘 기둥 (잉곳) -> 슬라이스 (웨이퍼) -> 거친 표면 다듬기, 회로의 정밀도를 위해)
생산량 증가의 이유로 얇고, 넓어지는 추세. 여기까진 부도체임. 반도체로 만드는 작업 필요

2. 산화공정 : 웨이퍼 표면에 산소나 수증기를 뿌려, 균일한 산화막 형성. 반도체 제조과정에서 웨이퍼 표면 보호 및 앞으로 그려지게 될 회로와 회로사이 누설전류가 흐르는 것 방지.

3. 포토(노광)공정 : 웨이퍼 위에 설계된 회로를 그리는 작업. 감광액을 얇고 균일하게 도포함. 이후 회로 패턴이 담긴 마스크에 빛을 통과시켜, 웨이퍼 표면에 회로도를 찍음.

현상액을 뿌려 빛을 받은 영역과 그렇지 않은 부분을 선택적으로 제거하여, 웨이퍼에 회로패턴을 그려줌. 패턴이 잘 그려졌는지 검사 후 통과

4. 식각공정
반도체 회로 패턴외에 산화막의 필요없는 부분 제거.
웨이퍼에 액체나 기체의 부식액을 이용해 불필요한 부분을 선택적으로 제거해서
반도체 회로 패턴을 만드는 것.
식각을 위해 액체를 사용하면 습식 식각. 기체를 사용하면 건식 식각임.

5. 증착 & 이온주입 공정
웨이퍼 위에 포토공정, 식각공정을 여러 차례 반복하며 쌓아올림.
이때 층층이 쌓인 회로를 구분하고 보호하는 절연막이 필요함. 이를 박막이라고 함.
분자, 원자 단위의 얇은 박막을 입히는 것을 증착이라고 함.

반도체가 전기적인 성질을 가지게 하는 이온 주입 공정도 이때 함. 이때 전도성을 갖게 됨

6. 금속배선(박막) 공정
회로 패턴에 따라 전기가 통하는 길을 만들어 줌. 알루미늄, 티타늄, 텅스텐 같은 금속재료를
증착해 전기가 통하게 해줌.

——————— 후공정———————

7. EDS공정 (Electrical Die sorting)
전기적 특성검사를 통해 양품인지 불량품인지 구분.
EDS를 통해 수율을 계산함. -> 정상작동칩 개수/설계된 칩의 최대 개수 * 100 = 수율 (yield)

8. 패키징 공정
EDS를 통해 선별된 반도체 칩은 기기에 탑재되기 적합한 형태로 만들어짐.
웨이퍼에서 낱개로 하나하나 잘라서 전자기기에 탑재될수 있도록 반도체 칩으로 만듬.
반도체 칩이 외부와 신호를 주고 받을 수 있도록 길을 만들어주고,
외부환경으로부터 안전하게 보호받는 형태로 만들어야 함.

1. 웨이퍼 소잉/다이싱(웨이퍼에서 칩으로 절단)
2. PCB 기판위에 칩 접착 (다양한 부품을 판 위에 올려둔 기판. 메인보드 생각)
3. BGA/와이어 본딩 방식으로, 기판위에 반도체 칩과 기판의 접적을 연결
4. 성형. (molding) 원하는 패키지 모양을 만듬
5. 제품명 마킹
6. 파이널 테스트.

삼성전자 SW직군 질문 모음

코딩하는 덕구 — Tue, 26 Nov 2024 14:22:09 +0900

기계학습, 인강, 인공지능 스터디에서는 어떤 것을 배웠나요?
 
데이터마이닝 수업에서는 어떤 것을 배웠나요?

기계학습 학점이 낮은데 이유가 있나요?

챗봇 개발 프로잭트에서는 어떤 활동을 하고 어떤것을 배웠나요?

디자인 패턴이란 무엇인가요?

DEVOPS란?

평균, 표준편차, 분산의 의미는?

MSE, RMSE 란?

공분산이란?

bias와 variance의 차이는?

인공지능, 머신러닝, 딥러닝의 차이점에 대해 이야기 해보세요

빅데이터란?

지도학습, 비지도학습 설명하고, 대표적인 알고리즘 설명하세요

머신러닝의 종류란?

앙상블이란?

Voting이란?

Bagging은?

boosting

stacking

optimizer란?

마진이란?

sklearn이란?

tansorflow란?

하이퍼파라미터란?

numpy란?

pandas란?

과적합이란?

과적합을 막기위해 할 수 있는 조치는?

Nomalization이란?

혼동행렬이란?

상관계수의 의미란?

Training set, validation set, test set 에 대해서 설명하세요

Loss function, Cost function이란?

Gradient Descent에 대해 설명해보세요

activiation 함수가 뭔가요?

데이터 파이프라인이란?

인공지능 기반 차종 분류기에 대해 설명해주세요
= 산학실전캡스톤에서는 어떤 활동을 하고 어떤 것을 배웠나요?

추천 시스템에 대해 설명해주세요.

어떻게 개선할 수 있나요?

Covolution layer란?

Pooling layer 란?

flatten layer, dense layer 의 역할에 대해 이야기 해주세요

activiation 함수는 어떤걸 사용했나요?

어떤 optimizer를 사용했나요?

어떤 Loss를 사용했나요?

왜 tensor flow를 사용했나요?

SPARK에 대해 설명해주세요

python의 특징에 대해 설명해주세요.

인터프리터와 컴파일러에 대한 차이점을 설명해주세요.

list와 tuple의 공통점과 차이점에 대해서 설명해주세요.

왜 tuple이 list보다 빠를까요?

파이썬은 메모리 할당을 어떻게 할까요?

메모리 할당 해제하는 로직을 설명해주세요.

메서드란?

가비지 콜렉터란?(GC)

파이썬에서 class, object, instance를 구분해서 설명해주세요.

self는 무엇인가요?
 

생성자란 무엇인가요?

파이썬 모든 것이 객체라고 하셨는데, 그렇다면 int 변수도 객체인가요?

immutable과 mutable에 대해서 설명해주세요.

immutable과 mutable 둘 다 값이 변했을 때 메모리 주소는 어떻게 되나요?

얕은 복사에 대해서 설명해주세요.

 슬라이싱의 특수한 경우는 무엇인가요?

깊은 복사에 대해서 설명해주세요.

list의 extend와 append의 차이점에 대해서 설명해주세요.

list의 extend와 + 연산자의 차이에 대해서 설명해주세요.

python에서 슬라이싱이란 무엇인가요?

pass와 continue의 차이에 대해서 아시나요?

try/except/finally란?

파이썬 애플리케이션에서 버그를 찾거나 정적 분석을 수행하는 방법은?

파이썬의 데코레이터를 아시나요? 안다면 간략한 설명 부탁드립니다.

데코레이터를 왜 쓴다고 생각하시나요?

람다의 실행 시점에 대해 설명해주세요.

그렇다면 함수와 다른게 뭐죠?

파이썬에서 switch/case 문을 사용해 본적이 있나요?

파이썬과 C++의 차이를 설명해주세요.

절차지향이란?

장점

단점

객체지향이란?

오버로딩, 오버라이딩이란?

버추얼 (가상함수) 관련해서 설명해보세요.

OS(운영체제)란?

커널이란?

커널모드란?

쉘이란?

메모리의 구조를 영역에 따라서 설명해보세요.

힙과 스택 영역의 차이는?

메모리의 힙 영역을 너무 크게 잡으면 생기는 일은?

프로세스와 스레드 차이

컨텍스트 스위칭이란?

프로세스 제어 블록이란(PCB)?

크롬 브라우저에서 한 탭에 오류가 생겨도, 다른 탭은 괜찮음. 그렇다면 각각의 탭은 프로세스일까요? 쓰레드일까요?

멀티 테스킹이란?

멀티쓰레드와 멀티 프로세스 차이는?

쓰레드마다 독립적으로 할당하는 2가지는?

멀티 쓰레드 환경에서의 주의해야 할 점은?

동기와 비동기의 차이는?

Blocking과 Non-Blocking이란?

프로세스의 종류는 무엇이 있나요?

Race condition과 Critical section이란?

경쟁상태를 막기위해 사용하는 방법은?

DeadLock(교착상태)와 해결방법에 대해 설명하세요.

식사하는 철학자에서 Deadlock이 언제 발생하고 해결 방법은?

뮤텍스와 세마포어는 무엇인가요?

CPU 스케줄링이란? 종류는?

CPU 성능 척도는 무엇이 있나요?

선점, 비선점이란?

동시성과 병렬성이 어떻게 다른가요?

Interrupt(인터럽트란?)

System Call 이란?

메모리의 종류와 왜 종류가 여러가지인지 설명하세요

OS가 메모리 관리를 해야하는 이유와 사용하는 전략은?

메모리의 fit종류 4가지는?

페이징과 세그멘테이션에 대해 설명해주세요.

 내부단편화, 외부단편화란?

가상 메모리란?

요구 페이징이란? (Demand Paging)

Page교체가 언제 발생하고, 어떤 알고리즘이 있나요?

쓰레싱이란?

메모리가 고갈되면 일어나는 현상은?

캐시는 왜 사용하고, CPU의 적중률을 높이는 방법은?

DMA(direct Memory Access)란?

메모리 할당 중, 연속과 불연속 방식에 대해 설명해주세요

멀티프로세스, 멀티스레드 장단점

깃허브에서 충돌이 일어나면 어떻게 해결했나요?

소프트웨어 방법론에 대해 설명해주세요.

컨테이너란?

쿠버네티스란?

도커에 대해 설명해보세요?

컴파일러 최적화는 어떻게 할 수 있나요?

5G란?

반도체 8대 공정에 대해 설명해보세요.

빅데이터개론에서는 어떤것을 배웠나요?

Array와  LinkedList가 각각 무엇인지, 어떻게 다른지 설명해주세요.

Stack과 Queue에 대해 설명하고, 각각 어디에 사용되었는지 설명해주세요.

Priority Queue가 무엇이고, 어떻게 구현할 수 있는지 설명할 수 있나요?

그렇다면, Heap이 무엇인지 , 삽입 및 삭제시 어떻게 동작하는지 설명할 수 있나요?

해시 테이블(Hash Table)에 대해서 설명할 수 있나요?

Hash Collision (해시 충돌)에 대해 설명할 수 있나요? 해결 방법은 어떻게 되나요?

체이닝 방식과 개방주소법의 장단점을 비교해주세요.

BST (Binary Search Tree)와 BST의 특징에 대해 설명할 수 있나요?

BST의 성능을 개선하기 위한 방법에는 무엇이 있나요?

AVL 트리는 무엇인가요?

트리와 그래프의 차이에 대해서 설명할 수 있나요?

이진트리의 전위 / 중위 / 후위 순회가 무엇인가요?

동적 계획법(DP, Dynamic Programming)에 대해 설명해주세요.
 

동적 계획법(DP, Dynamic Programming)이 갖는 2가지 조건은 무엇인가요?

버블 정렬(Bubble Sort)에 대해 설명해주세요.

선택 정렬(Selection Sort)에 대해 설명해주세요.

삽입 정렬(Injection Sort)에 대해 설명해주세요.

힙 정렬(Heap Sort)에 대해 설명해주세요.

병합 정렬(Merge Sort)에 대해 설명해주세요.

퀵 정렬(Quick Sort)에 대해 설명해주세요.

Big-O 표기법의 시간 복잡도 크기 순서를 말해주세요.
O(1) < O(log N) < O(N) < O(N log N) < O(N^2) < O(2^N) < O(N!)

허프만 코딩에 대해 설명해주세요.

재귀 알고리즘에 대해 설명해주세요.

이분 탐색(Binary Search)이란?

시간 복잡도
전체 탐색: O(N)
이분 탐색: O(logN)

DFS & BFS에 대해 설명해 주세요.

다익스트라 알고리즘에 대해 설명해주세요

DBMS가 무엇인지, DB를 사용하는 이유에 대해 설명해주시겠어요?

DB에서 '스키마'가 무엇일까요?

DB에서 '뷰'는 무엇인가요?

DB에서 사용하는 '키'에 대해 설명하고, 키의 종류에 대해 설명이 가능할까요?

트랜잭션이 무엇인지 설명해주세요.

트랜잭션의 상태는 어떤 것들이 있을까요?

트랜잭션의 격리수준에 대해 말해주세요.

트랜잭션의 연산 중, Commit과 Rollback에 대해 설명해주세요.

DB에서 동시성 제어란 무엇일까요?

DB Lock에 대해 설명해주세요.

무결성이 무엇인지, 무결성 제약 조건은 무엇인지 설명해주세요.

JOIN은 어떨 때 사용하는 것인지 설명해주세요.

Inner join과 Outer join의 차이를 설명해주세요.

Group By의 역할에 대해 설명해주세요.


DELETE, TRUNCATE, DROP의 차이에 대해 설명해주세요.

트리거가 무엇인지 설명해주세요.

DML, DDL, DCL이 각각 무엇인지 설명해주세요.

DB 인덱스에 대해 설명해주세요.

해시 인덱스 방식과 B+ 트리 인덱스 방식의 차이에 대해 설명해주세요.

정규화를 왜 하는지, 각 정규화 단계는 어떤 것을 의미하는지, 정규화의 장단점에 대해 설명해주세요.

역정규화(반정규화)는 무엇인지 설명해주세요.

Connection Pool이 무엇인지 설명해주세요.

RDB와 NoSQL의 차이에 대해서 설명하실 수 있나요?

Redis의 특징에 대해 설명해주세요.

DB 클러스터링에 대해 설명해주세요.

DB 레플리케이션에 대해 설명해주세요.

수직 파티셔닝과 수평 파티셔닝(샤딩)에 대해 설명해주세요.

SQL Injection이 무엇인지 설명해주세요.

ORM이 무엇인지 설명해주세요.

OSI 7 Layer의 각 계층에 대해 설명해주세요.

전송계층과 데이터링크 계층 모두 신뢰성 관련 기능을 제공하는데, 어떤 차이가 있나요?

전송계층이 데이터 분실을 확인하는 방법에 대해 설명해주세요.

전송계층이 제공하는 신뢰성 관련 기능 중, 흐름제어에 대해 설명해주세요.

전송계층이 제공하는 신뢰성 관련 기능 중, 오류제어(재전송 프로토콜)에 대해 설명해주세요.

전송계층이 제공하는 신뢰성 관련 기능 중, 혼잡제어에 대해 설명해주세요.

DNS가 무엇인지 설명해주세요.

http://www.google.com도메인을 브라우저에 입력했을 때 일어나는 일을 순차적으로 설명해주세요.

TCP Connection 시 3-way handshaking을 한다고 했는데, 이에 대해 설명해주시겠어요?

그렇다면 TCP Connection을 해제하는 경우는 어떻나요?

연결해제 시 4-way handshacking을 사용하는 이유는 무엇인가요?

그렇다면, Server가 Client에게 FIN 플래그를 전송하기 전에 전송한 패킷이 지연이나 유실로 인해 재전송이 일어나 FIN 패킷보다 늦게 도착하면 어떻게 처리를 하나요?

포트가 무엇이고, 소켓이 무엇인지 설명해주세요.

TCP와 UDP의 차이에 대해 설명해주세요.

HTTP의 특징에 대해 설명해주세요.

HTTP와 HTTPS의 차이점에 대해 설명해주세요.

HTTP의 Keep-alive 헤더에 대해 설명해주세요.


REST API와 RESTful 하다는 것이 무엇인지 설명해주세요.

쿠키와 세션이 왜 필요한지, 어떻게 다른지 설명해주세요.

URI와 URL이 무엇이 다른지 설명해주세요.

공인 IP와 사설 IP의 차이에 대해 설명할 수 있나요?

코딩하는 덕구

삼성 전자 복지 정리

제가 느끼기에 유용한 복지순으로 정리했습니다. 계속 업데이트 중.

1. 식사 제공

2. 유연근무제

3. 개인연금 지원

4. 의료비 지원

5. 베네포유

6. 패밀리넷몰

7. 전화, 화상 외국어 지원 (DS 한정)

8. 독서 지원 (DS 한정)

9. 등외급몰

10. 휴양소

11. 자녀 학자금 지원

12. 경조사 지원

13. 삼성전자 서비스 센터 지원

14. 에버랜드/캐리비안베이

클린코드란

나쁜 코드 관련 일화

나쁜 코드를 짜는 이유

나쁜 코드의 대가

코드 속 나쁜 냄새

코드 스멜 예시

리팩토링(Refactoring)이란?

클린 코드를 써야 하는 이유

클린 코드에 대한 프로그래머들의 의견

클린 코드를 써야 하는 이유

좋은 주석 작성의 필요성

좋은 주석 목록

나쁜 주석 목록

피부 좋아지는 법. 성분 보고 나에게 맞는 화장품 고르는 법

삼성전자 면접, 자소서 준비 핵심 방법. 삼성전자 취준생 Q&A.

취준생이었던 나의 질문과 그때 당시 현직자의 답변

마무리

삼성전자 DS 부문 입문 교육 후기, 복장

복장

후기

삼성 SVP 후기. 준비물, 복장, 꿀팁, 삼성 밥 평가 및 사진.

필수 준비물

추천 준비물

복장

후기

꿀팁

먹었던 밥

천안연수원 밥

영덕 명상센터 밥

천안연수원 밥

동탄 에듀센터 밥

파이썬과 streamlit을 이용한 데이터 분석

data_processing.py

main.py

texts.py

LangChain으로 논문 분석 및 문서 QA 봇 만들기

자료 출처: 아래의 링크에서 PDF 형식으로 파일을 다운로드 받을 수 있습니다.

발급 받은 OpenAI key를 불러옵니다.

필요 모듈을 불러옵니다.

Option 1. PDF 파일을 불러옵니다.

논문에 대한 QA는 정확성과 일관성이 중요하므로, 일관된 답변을 위해 temperature를 0으로 설정합니다.

질문 답변을 위한 도구(Chain) 만들기

사용의 편의성을 위해 함수로 만들기

우리가 만든 PDF QA 봇이 얼마나 정확하게 답변해주는지 확인해봅시다.

Q. 텍스트에서 LLM을 이용한 칩 디자인을 위해 어떤 방법을 사용했나요?

반도체 8대 공정 요약

삼성전자 SW직군 질문 모음