오늘 갑작스러운 공지에 "무슨 일이지?" 하고 놀라셨나요? 혹시라도 "설마 뉴스레터가 끝나는 건가?" 하고 걱정하셨다면... 절대 아닙니다! 🙅♂️🙅♀️
다만 저희는 숨 가쁘게 달려온 지난날을 뒤로하고, 2월 한 달간은 잠시 휴식 기간을 가지려고 합니다. 그리고 2026년 1학기 개강 시기 반가운 마음으로 다시 뵐 것을 약속하며, 따스한 봄기운과 함께 돌아올 날을 기약하겠습니다.
그 때 까지 구독자 분들도 행복하고 즐거운 겨울방학을 보내시고, 수강신청 및 원하는 것들 이루시길 바랍니다
3월에 만나요! 👋
2026년 1월 15일
GDGoC HUFS 콘텐츠팀 올림
🦉월간 GDGoC | What Up, GDGoC HUFS?🧐
GDGoC HUFS GTL
December 23, 2025
GTL Weekly Session
『지금, AI는 어디까지 왔는가』 by 주보경
주보경 님의 발표에서는 최근 5년간 AI 산업의 흐름을 하드웨어 관점에서 살펴보며, GPU와 메모리 구조가 AI 발전의 핵심 요소로 떠오른 배경을 설명했습니다.
트랜스포머 기반 GPT의 동작 원리와 행렬 연산의 중요성을 통해 왜 막대한 연산 자원이 필요한지 이해할 수 있었고, HBM 기술이 메모리 병목을 해결하며 AI 성장을 뒷받침하고 있다는 점이 인상 깊었습니다.
AI 경쟁이 모델을 넘어 인프라로 확장되고 있음을 체감했던 시간이었습니다! ⚙️
December 30, 2025
GTL Monthly Session
『세이버메트릭스 부터 AI심판까지』 by 최재훈
최재훈 님의 발표에서는 야구가 가진 불확실성에서 출발해, 기록 스포츠로 발전해온 흐름과 데이터 분석의 진화에 대해 알아보았습니다.
데드볼·라이브볼 시대의 변화, 세이버 매트릭스와 머니볼 사례를 거쳐 트래킹 데이터와 AI 심판 도입까지, 기술이 야구의 전략과 판정을 어떻게 바꿔왔는지를 설명했습니다.
야구와 AI의 결합이 만들어낸 변화의 궤적을 한눈에 이해할 수 있었던 재밌는 발표였습니다! ⚾
January 6, 2026
GTL Weekly Session
『머신러닝으로 로또 파훼하기』 by 김준엽
김준엽 님의 발표에서는 머신러닝으로 로또 번호 예측이 가능한지 실험을 통해 검증했습니다.
지도·비지도 학습과 딥러닝을 단계적으로 적용한 결과, 로또의 강한 무작위성으로 완전한 예측은 어렵다는 한계를 확인했습니다.
그럼에도 K-평균 군집화와 같은 비지도 학습이 확률적 우위를 보일 수 있음을 제시하며, 실험 설계와 데이터 해석의 중요성을 알 수 있었던 흥미로운 주제였습니다! 🎲
가을 스터디!
무더운 여름이 지나가던 9월 말, GDGoC 7기가 시작되며 같이 진행한 것이 바로 가을 스터디였는데요. 이번 가을에는 어떤 스터디를 진행했는지, 스터디장 분들의 생생한 후기를 보여드리겠습니다!
가을 스터디 - ReactJS로 영화 웹 서비스 만들기
노마드코더의 강의를 들으며 리액트로 웹 서비스를 클론 코딩하는 스터디였습니다. 매주 화요일 GTL 세션이 끝난 직후 Google Meet에서 진행하였습니다.
현재 웹 사이트 대부분이 리액트로 만들어져서 무척 중요한 기술이라 할 수 있습니다. 이론을 배우는 것보다 직접 코드를 따라치며 서비스를 만들어가는 과정이 중요하다고 생각하여 해당 스터디를 개설하였습니다.
스터디원이 한 명이라 폐강되지 않을까 걱정하며 진행하였는데요, 다행히도 끝까지 따라와 주셔서 감사할 따름입니다. 개발이 처음임에도 불구하고 끝까지 따라와 주신 스터디원에게 감사하다는 말씀 드리고 싶습니다.
스프링 기반 풀스택 기초
스프링 기반 풀스택 스터디를 진행하며 스터디장으로서 많은 배움과 아쉬움이 남았던 시간이었습니다. 프론트엔드와 백엔드를 함께 다루는 스터디였던 만큼 학습 범위가 넓었고 그 과정에서 스터디를 매끄럽게 이끌지 못해 스터디원분들께 항상 미안한 마음이 들었습니다.
저희 스터디는 각자 인프런 강의를 수강한 뒤 매주 Google Meet로 모여 이해가 잘되지 않았던 부분을 질문하고 정보를 공유하는 형식으로 진행되었습니다. 또한 매주차 간단한 시험을 보며 한 주 동안 무엇을 배우고 어떤 부분이 부족했는지를 되돌아보는 시간을 가졌습니다. 단순히 강의를 듣고 넘어가는 것이 아니라 실제로 막혔던 부분을 중심으로 이야기를 나누고 시험을 통해 되돌아보며 학습 흐름을 함께 정리해 나가고자 했습니다.
다만 스터디의 흐름을 잡거나 강의를 정리해 전달하는 과정에서 개인적으로 부족한 점이 많았고, 설명이 매끄럽지 못했던 순간도 있어 개인적으로 아쉬움이 많이 남습니다. 그럼에도 불구하고 스터디원분들께서 적극적으로 참여해 스터디를 함께 만들어 주셔서 끝까지 이어갈 수 있었다고 생각합니다.
부족한 스터디장이었음에도 끝까지 함께해 주신 스터디원분들께 진심으로 감사드리며 이번 경험을 바탕으로 다음에는 더 단단한 스터디를 만들어보고 싶습니다. 함께해 주셔서 정말 감사드립니다.
Dockernetes (Docker + K8s)
리눅스 컨테이너 스터디(이전 이름: Dockernetes)은 리눅스 컨테이너 기술의 원리, Docker 활용 그리고 운영을 종합적으로 학습하는 스터디로, 총 8회의 스터디를 Google Meet로 진행하였습니다. 사실 스터디장을 맡기 전, 스터디 참여자로서 기성 스터디 방식에 의문을 가지고 있었습니다. 강의 듣고, 코드 따라치고, 노트 정리하고, 발표하는 프로세스가 정말 개발자로서 성장할 수 있는 길인지 의문이 들었습니다. 그래서 진짜 성장, 문제를 정의하고 해결하는 훈련은 무엇일까 고민하면서 유연하게 스터디를 진행했던 것 같습니다.
리눅스 컨테이너는 가상 머신 기술과 컨테이너 개념을 구분하는 것이 중요한데요. 따라서 저희 스터디는 prelude로 리눅스 격리 기술 소개와 실제 실습을 진행했습니다. 이후 기말고사 전까지는 Docker 강의를 듣고 발표하는 방식으로 스터디를 이어갔습니다. 기말고사 이후에는 제가 준비한 5개의 도전 과제를 중심으로, 강의에서는 다루지 않은 운영 관점의 문제들을 직접 고민하며 스터디를 마무리했답니다(링크).
스터디에 부족한 점이 많았음에도 열심히 공부한(전원 출석/과제 100%!!) 팀원분들 모두 앞으로 탄탄대로 걸으세요!
