huhulog 코딩로그

Gemini vs GPT ML엔지니어 필자의 주관적 비교

huhulog — Sat, 24 Jan 2026 19:49:40 +0900

왼쪽부터, OpenAI의 GPT 모델 , 오른쪽은 Google의 Gemini 이다.

일반 사용자들 입장에서 AI라고 하면 떠오르는 대표주자들이라 할 수 있다.

개발 입장에서도 꽤나 공통점이 있다.

- RestfulAPI 형태가 아닌, SDK를 제공하여 개발 편의성이 높은 점.

- LangChain 등 서드파티 프레임워크에서 최우선으로 지원을 해준다는 점.

- 제품의 성격이나 프로젝트 목적에 따라 다양한 버전 활용이 가능하다는 점(이미지 생성, 경량 모델, 추론 강화)

그렇기에, 필자가 개발할 때도 하나의 제품을 두고 두 가지 모델을 A/B 테스트를 진행하는 경우가 꽤 잦다.

~~(이 둘을 후보로 개발을 자주 하지만, 정작 내 개발을 도와주는 건 클로드다.)~~

두 AI는 문제아(?)지만 최강!

2025년까지의 9월까지, 일반 사용자들 입장에서 Gemini(이하, 제미나이)는 GPT(이하, 지피티)에 비해서 한 수 아래라는 평가가 지배적이었다. 일반 사용자들 비율 역시 아무래도 이 분야에서 가장 유명한 지피티가 높았다.

그러나, 2025년 11월 경 제미나이는 preview 형태로 3을 출시했다.

반응은 꽤나 센세이셔널 했다.

아래의 기사에서도 살펴볼 수 있듯이,

생성형 AI의 시장 점유율은 여전히 GPT가 압도적이긴 하나, 제미나이-클로드 등의 기세가 매섭다.

https://zdnet.co.kr/view/?no=20251206194605

"오픈AI 시대 저무나"…구글 제미나이, 챗GPT 이용 증가율 제쳐

구글 제미나이가 애플리케이션 다운로드 속도 등 주요 지표에서 오픈AI 챗GPT보다 빠른 성장 흐름을 보인 것으로 나타났다.7일 센서타워에 따르면 챗GPT는 글로벌 모바일 다운로드 점유율과 월간

zdnet.co.kr

출처 :https://lmarena.ai/de/leaderboard

투표기반의 LLM 랭킹사이트인 LM-ARENA에서도 제미나이의 평가는 상당히 호의적이다.

텍스트 이해면에서는 gemini 3 pro의 인기가 상당하다. flash 역시 경량 모델인 거 대비 상당히 호의적인 반응을 얻을 수 있다.

~~(그 와중에 코딩은 오푸스 만만세다)~~

그럼 두 모델을 필자가 개인적으로 느낀 차이점들을 두괄식으로 먼저 요약하자면,

제미나이 강점

1. 뛰어난 멀티모달
2. 롱 컨텍스트 처리 능력
3. 빠른 응답 속도
4. 구글 플랫폼에서의 확장성

지피티 강점

1. 높은 수준의 프롬프트 및 컨텍스트 이해력
2. 안정적인 추론, 일상적인 사용감에서의 우세
3. 창의적인 작업에서의 강세
4. 코딩 면에서, 제미나이보다 안정적

각각의 내용에 대해서는, 이 한 글에 다루기에는 너무 글이 길어지고
가독성을 해치기에, 각각의 파트로 추후 글을 작성하겠다.

[Tableau] 공부(1) - 데이터 프로세스를 이용한 스토리텔링

huhulog — Thu, 30 Jan 2025 20:30:13 +0900

출처: https://www.linkedin.com/pulse/storytelling-data-using-databricks-ralph-kootker/

Storytelling with Data using Databricks

Storytelling with Data teaches you the fundamentals of data visualization and how to communicate effectively with data. You'll discover the power of storytelling and the way to make data a pivotal point in your story.

www.linkedin.com

1. 맥락을 이해하기 : 누구에게 무엇을 어떻게 설명해야 하는지 목적과 맥락을 상기하는 것이 첫번째이다.

2. 적절한 시각화를 선택하기 : 앞 서 맥락을 고려한 뒤 어떤 그래프나 디스플레이가 적절할 지를 고려한다.

3. 노이즈 제거하기 : 노이즈라 함은 대체로 이상치나 결측치 등 데이터 전처리를 통해 지워야 하는 값이다.

아울러서, 그래프의 쓸모없는 시각적 요소도 제거하는 것도 해당될 수 있을 것이다.

4. 집중할 부분 고르기 : 어떤 부분을 하이라이트를 줘야하는 지 생각하는 것이다.

5. 디자이너처럼 생각하기 : 일부 강의에서는 이 정보를 전달받는 사람 입장에서 생각해보라는 내용도 존재.

시각화 한 자료의 디자인적 요소를 고려하라는 의미.

6. 스토리를 전달한다. : 기승전결의 구조와 반복을 통해 중요한 부분을 강조할 것.

[Python] list comprehension, dict comprehension

huhulog — Tue, 28 Jan 2025 17:33:19 +0900

※ 본 게시글은 openAI를 통해, 초고를 작성한 뒤 작성한 포스트입니다.

Python을 사용하다 보면 데이터를 처리하고 변환하는 코드를 간결하게 작성해야 할 때가 많다.

특히, 축약 없이 빈리스트나 딕셔너리에 반복문을 사용하는 코드는 가독성이 심히 떨어진다.

이때 **리스트 컴프리헨션(list comprehension)**과 **딕셔너리 컴프리헨션(dict comprehension)**은 매우 유용한 도구이다. 이번 글에서는 이 두 문법의 기초 개념, 사용 방법, 그리고 실용적인 예제를 소개하겠다.

리스트 컴프리헨션이란?

리스트 컴프리헨션은 기존 리스트를 기반으로 새로운 리스트를 생성하는 간결한 문법이다.

반복문과 조건문을 한 줄로 작성할 수 있어 코드의 가독성과 생산성을 높여준다.

기본 문법

[표현식 for 요소 in iterable]
[표현식 for 요소 in iterable if 조건문]

표현식: 리스트의 각 요소를 변환하는 식
요소: 반복 가능한 객체(iterable)의 개별 항목
조건문: (선택적) 특정 조건을 만족하는 경우에만 요소를 포함

예제 1: 숫자 제곱 리스트 만들기

# 기존 방식
squares = []
for x in range(10):
    squares.append(x ** 2)

# 리스트 컴프리헨션 방식
squares = [x ** 2 for x in range(10)]
print(squares)
# 출력: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

예제 2: 조건 추가하기

# 짝수의 제곱만 포함
even_squares = [x ** 2 for x in range(10) if x % 2 == 0]
print(even_squares)
# 출력: [0, 4, 16, 36, 64]

예제 3: if와 else 사용하기

# 홀수는 "홀수" 문자열로, 짝수는 제곱으로 변환
result = [x ** 2 if x % 2 == 0 else "홀수" for x in range(10)]
print(result)
# 출력: [0, '홀수', 4, '홀수', 16, '홀수', 36, '홀수', 64, '홀수']

x ** 2 if x % 2 == 0 else "홀수": 짝수일 경우 x ** 2, 홀수일 경우 "홀수"를 반환.

딕셔너리 컴프리헨션이란?

딕셔너리 컴프리헨션은 리스트 컴프리헨션과 유사하지만, 딕셔너리를 생성하기 위한 문법이다.

키와 값을 한 줄로 정의하여 딕셔너리를 효율적으로 생성할 수 있다.

기본 문법

{키_표현식: 값_표현식 for 요소 in iterable}
{키_표현식: 값_표현식 for 요소 in iterable if 조건문}

키_표현식: 딕셔너리의 키를 정의하는 식
값_표현식: 딕셔너리의 값을 정의하는 식
조건문: (선택적) 특정 조건을 만족하는 경우에만 포함

예제 1: 숫자와 제곱의 매핑 딕셔너리 생성

# 기존 방식
squares_dict = {}
for x in range(5):
    squares_dict[x] = x ** 2

# 딕셔너리 컴프리헨션 방식
squares_dict = {x: x ** 2 for x in range(5)}
print(squares_dict)
# 출력: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}

예제 2: 조건 추가하기

# 홀수의 제곱만 포함
odd_squares_dict = {x: x ** 2 for x in range(10) if x % 2 != 0}
print(odd_squares_dict)
# 출력: {1: 1, 3: 9, 5: 25, 7: 49, 9: 81}

예제 3: if와 else 사용하기

딕셔너리 컴프리헨션에서도 if와 else를 활용하여 키-값을 조건에 따라 다르게 설정할 수 있다.

# 키는 숫자, 값은 "짝수" 또는 "홀수" 문자열로 설정
even_odd_dict = {x: "짝수" if x % 2 == 0 else "홀수" for x in range(10)}
print(even_odd_dict)
# 출력: {0: '짝수', 1: '홀수', 2: '짝수', 3: '홀수', 4: '짝수', 5: '홀수', 6: '짝수', 7: '홀수', 8: '짝수', 9: '홀수'}

리스트와 딕셔너리 컴프리헨션의 비교

특징리스트 컴프리헨션딕셔너리 컴프리헨션

생성 결과	리스트	딕셔너리
기본 문법	[표현식 for 요소 in iterable]	{키_표현식: 값_표현식 for 요소 in iterable}
조건문 사용 가능	가능	가능
활용 예	데이터 필터링, 변환, 리스트 생성	키-값 쌍의 매핑, 데이터 필터링

리스트와 딕셔너리 컴프리헨션 활용 팁

팁 1: 읽기 쉬운 코드 작성하기

지나치게 복잡한 표현식은 피할 것. 복잡한 경우 별도의 함수로 분리하는 것이 좋음.
lambda를 활용하는 것도 하나의 방법.

팁 2: 중첩된 컴프리헨션 사용하기

중첩된 반복문도 표현 가능.

# 2차원 리스트 펼치기
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = [num for row in matrix for num in row]
print(flattened)
# 출력: [1, 2, 3, 4, 5, 6, 7, 8, 9]

팁 3: 성능 고려하기

컴프리헨션은 간결하지만, 큰 데이터셋에서는 메모리 사용량과 성능을 고려해야 합니다.

결론

리스트 컴프리헨션과 딕셔너리 컴프리헨션은 Python에서 코드를 간결하고 효율적으로 작성할 수 있는 강력한 도구이다. 특히 데이터 처리, 필터링, 변환 작업에서 이 문법을 적극적으로 사용하면 코딩 속도와 가독성을 동시에 높일 수 있다.

대학 졸업을 앞둔 회고록

huhulog — Thu, 16 Jan 2025 10:10:50 +0900

서론

회고록이라는 거창한 이름으로 시작했는데,

회고라 함은 뭔가 자아를 성찰하는 느낌의 지난 자신의 행적을 돌아보는 그런 경건한 느낌이라,

내 회고록은 회고라기 보다는 밀린 방학숙제 일기에 가까운 느낌일 것이다.

티스토리 블로그를 따로 개설하기까지

사실, 블로그는 네이버 블로그를 사용하였고, 초등학생 때 부터 쓰던게 있었다.

처음에는 네이버 블로그를 가꿔 나가야지라는 생각을 많이 했다.

그러나, 안타깝게도 내 네이버 블로그는 애드포스트를 신청해놓았다.

gpt나 구글링을 통해 얻은 인사이트를 올려놓기에는 부적합하다고 판단하였다.

더불어 네이버 블로그는 코드 업로드하기에는 환경이 좀 불편하다는 생각이 들었다.

일부 포스팅한 내용도 대부분 캡쳐 붙여넣기였다.

그런데 학교에서나 개인적으로 코딩 공부를 할 떄, 대부분 개발자나 예비 개발자분들이 올려주신 내용을

티스토리나 velog에서 많이 참고하였다. 그렇기에 옮겨올 플랫폼이 필요했고

티스토리를 택하여 개설하게 되었다.

네이버블로그는 일상이나 게임, 그림 등의 취미를 기록하는 공간이 될 것이고

티스토리는 코딩 등 본업을 준비하는 데 있어 필요한 내용을 정리할 것이다.

KDT를 수강하기로 맘먹은 이유.

필자는 비전공자다. 경영학을 전공했다.

코딩 공부를 시작한지는 꽤 됐지만, 대체로 배운 것은

필자의 입장에서 타과인 산업데이터공학과의 수업과 교양으로 들은게 대부분이다.

그마저도, '데이터'가 들어간 강의를 마구잡이로 들은거라 정리되어있지 않았다.

파이썬 기초? 수강하고,

파이썬 데이터 분석? 듣고

어? 프로젝트 경력이 필요하네? 해서 듣고.

SQL도 실무에서 필요한 경우가 많네? 해서 듣고.

물론 2023년 쯤에, 한국데이터산업 진흥원에서 실시한 '데이터청년캠퍼스' 외부활동도 경험했었다.

물론 처음으로 진행한 프로젝트인데, 나름 성공적인 성과를 거둔지라 데이터 분석의 흐름을 경험할 수 있던

유의미한 경험이긴 했다.

뭐, 이런저런 얘기는 집어치우고. 결론을 얘기하자면

실력이 부족함을 체감했고, 내가 배운 것들이 정리가 되지 않은 느낌이 들었다.

체계적으로 다시 배워서 정리하고 싶었다. 물론 모르는 것도 많다.

어찌 됐건, 내 머리 속 내용을 0부터 쌓아올리고 싶었다.

결론

본, 블로그는 앞으로 취업 준비 + KDT를 수강하면서, 공부한 내용을 올릴 생각이다.

앞으로, KDT [원티드 포텐업 데이터& AI반]을 들으면서 1달 마다 올릴 생각이다.

공부할 게 많다. 까먹은 것도 많다. 바쁘다!