메로그

프론트엔드 템플릿 저장소를 관리하면서 이런 문제를 경험하셨나요? 💥 템플릿 업데이트 후 빌드가 깨진 채로 배포🔍 일관되지 않은 코드 스타일로 인한 리뷰 어려움📝 매번 수동으로 작성해야 하는 릴리즈 노트📚 팀 문서에 릴리즈 정보를 일일이 업데이트이번 글에서는 GitHub Actions를 활용해 품질 검증 → 빌드 테스트 → 릴리즈 노트 자동화까지 전체 CI/CD 파이프라인을 구축하는 방법을 알아보겠습니다.파이프라인 구조GitHub Push/PR/Tag ↓[품질 검증] ESLint + Prettier + Build Test ↓ (Tag Push 시에만)[릴리즈 자동화] GitHub Release + Confluence 문서화1단계: 품질 검증 자동화왜 필요한가?PR 머지 전에 코..

최근 기존 개발 조직에서 분리되어 신생 프론트엔드 팀을 맡게 되었다.기존에는 프론트엔드, 백엔드, 데브옵스가 함께 일하는 형태였지만, 이번에는 오롯이 프론트엔드 개발만을 전담하는 팀으로 새롭게 구성되었다.인원은 기존 4명에서 8명으로 늘었고, 구성원은 고연차부터 신입까지 다양하며 서비스 개발부터 제품 개발까지 각기 다른 경험을 지니고 있다. 이런 배경 덕분에 기술 스펙트럼은 넓어졌지만, 그만큼 팀 방향성 정립과 일하는 방식의 통일이 필요했다. 1. 팀 파악부터 시작먼저, 팀원 개개인과의 1:1 면담을 진행했다.각자가 어떤 일을 하고 있는지, 어떤 어려움을 겪고 있는지, 그리고 무엇이 필요한지를 듣는 시간이었다.이 과정을 통해 현재의 업무 구조와 협업 방식의 문제점을 구체적으로 파악할 수 있었고, 이를 바..

왜 실과 팀, 각각의 그라운드룰이 필요했을까?실 차원에서 별도의 그라운드룰을 만들자는 논의가 나왔고, 우리 팀은 이미 팀 차원에서 자체적인 그라운드룰을 운영하고 있었기 때문에 실 그라운드룰 작성을 맡아서 진행하게 되었습니다. 그래서 이제 진행하면서 느낀 부분에 대해서 말씀드리겠습니다.먼저 실과 팀의 그라운드룰은 성격 자체가 다르다는 점에서 출발했고 그래서 각각의 기준을 명확히 잡는 것이 우선이라고 판단하였고 거기에 대한 분리부터 시작해야 한다고 생각이 들었습니다.실 그라운드룰의 성격‘실’ 단위는 단순히 한 팀 내부의 약속을 넘어서는, 조직 전체의 정합성과 방향성을 맞추는 상위 개념의 기준입니다!그래서 이 룰은 자주 변경되면 안 되고, 구성원 모두가 신뢰하고 따를 수 있는 기준이 되어야하고 너무 디테일하거..

결론부터 말하면, 우리가 왜 존재하는지(미션), 어디로 나아갈지(비전)를 명확히 할 때, 팀원들이 더 큰 의미를 가지고 일할 수 있습니다.그래서 미션, 비전을 설정해야 하는 이유에 대해서 간략하게 소개해보겠습니다. 사업계획에서 미션과 비전을 설정해야 하는 이유팀에서 함께 일하다 보면, 우리가 단순히 일을 처리하고 목표를 달성하는 데 그치지 않고, 더 큰 그림을 그려야 할 순간이 옵니다.그 과정에서 미션과 비전을 설정하는 건 단순히 형식적인 요소가 아닙니다. 팀이 같은 방향을 바라보고, 의미 있는 결과를 만들기 위해 반드시 필요한 과정입니다.미션과 비전이 왜 중요한지, 그리고 이를 통해 우리가 어떤 방향성을 가질 수 있는지 이야기해 보겠습니다. 1. 미션(Mission): 지금 우리가 존재하는 이유미션은 ..

팀장으로 임명된 후, 가장 먼저 기존에 없던 체계를 만드는 일에 집중했습니다. 그래서 업무 프로세스를 도입했고, 팀 상황에 맞춰 스토리 포인트 기반 스프린트 체계를 마련하게 되었습니다.이후 프로세스를 도입하고 진행해온 현재 상황에 대해서 공유하고자 합니다.스프린트 일정 산정 및 목표 설정1. 계획 수립 - 사업 계획 기반으로 전체적인 그림을 만들도록 합니다.2. 목표 설정 - 만들어진 계획을 기반으로 목표를 수립하고 해당 목표를 위한 스프린트를 잡도록 합니다.3. 각 스프린트별 목표 회의 - 가장 큰 목표가 만들어졌으니 진행하고자 하는 각 스프린트에서 진행할 목표를 지정합니다.스토리 포인트 및 작업 산정스토리 포인트 - 스프린트 내 업무의 볼륨을 측정하는 단위.1. 작업 시간 설정 - 워킹 데이 기준으로..

NVIDIA 인셉션 프로그램을 다녀왔다. 한국에서 AI 기술을 활용한 다양한 사례를 접할 수 있는 자리였고, 특히 데이터와 AI의 관계에 대한 생각을 깊게 해보는 계기가 되었다. 우선 시작은 엔비디아 sdk 가 얼마나 많은 산업에 관여하는지, 그리고 현재 카카오 클라우드와 공유하고 있는 부분, 인셉션 프로그램에 참여한 회사들에 솔루션을 들을 수 있는 자리였다. 후기 AI를 활용하는 데 있어 많은 데이터가 필요하다는 것은 누구나 알고 있는 사실이다. 데이터를 기반으로 AI는 예측을 하고, 패턴을 학습한다. 예를 들어, 이미지 인식, 자연어 처리와 같은 분야에서 충분한 데이터가 있을 때 성능이 비약적으로 향상된다. 하지만 단순히 데이터를 많이 모은다고 해서 모든 AI 문제를 해결할 수 있는 것은 아니라는 생..