fos-blog/study
01 / 홈02 / 카테고리03 / 시리즈
01 / 홈02 / 카테고리03 / 시리즈

카테고리

  • AI 페이지로 이동
    • RAG 페이지로 이동
    • agent 페이지로 이동
    • claude-code 페이지로 이동
    • harness 페이지로 이동
    • llm 페이지로 이동
    • ops 페이지로 이동
    • practice 페이지로 이동
  • algorithm 페이지로 이동
    • Alias Method: 가중치 랜덤 선택을 전처리 O(n), 추출 O(1)로 바꾸기
    • Welford's Online Algorithm: 값을 저장하지 않고 평균과 분산 계산하기
  • architecture 페이지로 이동
    • distributed-systems 페이지로 이동
    • domain 페이지로 이동
    • evolution 페이지로 이동
    • patterns 페이지로 이동
  • database 페이지로 이동
    • milvus 페이지로 이동
    • mysql 페이지로 이동
    • opensearch 페이지로 이동
    • qdrant 페이지로 이동
    • redis 페이지로 이동
    • vespa 페이지로 이동
    • DB Connection Pool Saturation과 Thread Pool 격리
    • 커넥션 풀 크기는 얼마나 조정해야 할까?
    • MyBatis 기본기 — XML Mapper, resultMap, 동적 SQL, 운영 패턴 정리
    • MyBatis와 JPA/Hibernate 트레이드오프 — 레거시 백엔드를 다루는 시니어 관점
    • 한국어 형태소 분석기 Nori vs Lindera — OpenSearch에서 Milvus로 갈 때 어휘 검색은 유지되나
    • 정규화와 역정규화: 무결성과 조회 비용 사이의 선택
    • 벡터 DB 5종, 아키텍처는 어떻게 다른가
    • 벡터 DB 5종을 실제로 벤치마크했다 — 같은 recall에서 QPS는 얼마나 갈리나
    • 벡터 DB 어떻게 고를까 — OpenSearch · Milvus · Qdrant · Vespa · pgvector 비교
    • 벡터 DB를 실제로 도입한 사례 — 빅테크 프로덕션
  • devops 페이지로 이동
    • docker 페이지로 이동
    • k8s 페이지로 이동
    • Envoy Proxy
    • Graceful Shutdown
    • 종료 신호는 어디서 멈추는가
  • http 페이지로 이동
    • HTTP Connection Pool
    • HTTPS와 TLS: 핸드셰이크, 인증서, 종료 지점
  • java 페이지로 이동
    • concurrency 페이지로 이동
    • jdbc 페이지로 이동
    • spring 페이지로 이동
    • spring-batch 페이지로 이동
    • testing 페이지로 이동
    • Java 동시성 락 정리 — 커머스 메뉴/프로모션 정책 캐시 갱신 관점
    • JVM 튜닝 실전: 메모리 구조부터 Virtual Threads, GC 튜닝, 프로파일링까지
    • 로그에 traceId 남기기 — MDC 부터 OpenTelemetry 까지
    • Java StampedLock — 읽기 폭주에도 쓰기가 밀리지 않는 락
    • Virtual Thread와 Project Loom
  • javascript 페이지로 이동
    • typescript 페이지로 이동
    • AbortController
    • Async Iterator와 제너레이터
    • CommonJS와 ECMAScript Modules
    • 제너레이터(Generator)
    • Http Client
    • Node 백엔드 운영 패턴 — Streams 백프레셔, pipe/pipeline, 멱등성 vs 분산 락
    • Node.js
    • `setImmediate()`
  • kafka 페이지로 이동
    • Kafka 클러스터 아키텍처: Broker, KRaft Controller와 복제
    • Kafka 기본 개념: Topic, Partition, Offset과 Segment
    • Kafka 실전 설계: 파티션 전략, 컨슈머 그룹, 전달 보장, 재시도, 순서 보장 트레이드오프
    • Kafka 파티션·리밸런스·컨슈머 지연 운영
    • Kafka를 로그로 이해하기: 복제, 재처리, 상태와 데이터 통합
    • Spring Kafka 컨슈머 오프셋 커밋과 트랜잭션 정렬: AckMode, manual ack, 멱등 처리
  • linux 페이지로 이동
    • fsync — 리눅스 파일 동기화 시스템 콜
    • SSH forced command 로 배포 키가 실행할 수 있는 명령 제한하기
  • mlops 페이지로 이동
    • llm-serving 페이지로 이동
    • model-router 페이지로 이동
    • Python CUDA 버전 생태계 — nvidia-smi, nvcc, pip, conda가 다 다른 버전을 말하는 이유
    • GPU 컨테이너의 CUDA 버전 호환성 — nvidia-smi부터 이미지 다이어트까지
    • Kubernetes GPU 노드에서 /run tmpfs가 꽉 차서 Pod가 안 뜰 때
    • GPU·CUDA·MPS 기초 — 자바 백엔드 개발자가 처음 만나는 그림
    • Multi-process GPU 워크로드 — 자바 ThreadPool 사용자가 만나는 모델 차이
    • ML 서비스 성능 분석 워크플로 — 자바 백엔드 트러블슈팅과 다른 점
    • 한 GPU 를 여러 프로세스가 나눠 쓰기 — Time-Slicing 과 MPS
  • network 페이지로 이동
    • Connection reset by peer는 누가 보낸 걸까 — 리버스 프록시 홉마다 TCP 연결은 따로 논다
    • L2(스위치)와 L3(라우터)의 역할 차이
    • L4와 VIP(Virtual IP Address)
    • IP Subnet
  • observability 페이지로 이동
    • Observability 입문: 시니어 백엔드가 장애를 탐지하고 대응하는 방식
    • K8s 위 Spring Boot 앱의 메트릭 수집
  • python 페이지로 이동
    • Python async/await — CompletableFuture·Reactor 와 다른 점, 그리고 blocking I/O 함정
    • Python 의존성 관리 — Java Maven/Gradle 사용자가 만나는 첫 충격
    • FastAPI 기초 — Spring Boot 사용자가 빠르게 익히는 법
    • Java 개발자를 위한 Python 심화 — OOP·데코레이터·컨텍스트 매니저
    • PyTorch 기초 — 텐서, 디바이스, 그리고 모델 로딩이 무거운 이유
    • Java 개발자를 위한 Python 문법 핵심
    • ThreadLocal 에서 contextvars 로 — Python 의 요청 컨텍스트 전파
    • OCR 동작 원리 — Layout · Text · Post-process 3단계
    • Python 서버의 RSS가 줄지 않는 이유: CPython, gc.collect(), malloc_trim
  • rabbitmq 페이지로 이동
    • RabbitMQ Basics — 실전 백엔드 관점에서 정리하는 메시지 브로커 기본기
    • RabbitMQ vs Kafka — 백엔드 메시징 선택 기준과 실전 운영 관점
  • resume 페이지로 이동
    • 경험 및 경력기술서
    • 김병태 경력기술서
    • 김병태 포트폴리오
  • task 페이지로 이동
    • ai-service-team 페이지로 이동
    • nsc-slot 페이지로 이동
    • sb-dev-team 페이지로 이동
    • the-future-company 페이지로 이동
  • thinking 페이지로 이동
    • 자기주도 학습: 질문에서 시작해 글로 검증하기
    • 좋은 일을 넘어 중요한 일을 하는 법
FOS-BLOG · FOOTERall systems normal·v0.1 · 2026.04.27·seoul, kr
Ffos-blog/study

개발 학습 기록을 정리하는 블로그입니다. 공부하면서 기록하고, 기록하면서 다시 배웁니다.

visitors
01site
  • Home↗
  • Posts↗
  • Categories↗
  • Glossary↗
  • About↗
02policy
  • 소개/about
  • 개인정보처리방침/privacy
  • 연락처/contact
03categories
  • AI↗
  • Algorithm↗
  • DB↗
  • DevOps↗
  • Java/Spring↗
  • JS/TS↗
  • React↗
  • Next.js↗
  • System↗
04connect
  • GitHub@jon890↗
  • Source repositoryjon890/fos-study↗
  • RSS feed/rss.xml↗
  • Newsletter매주 1 회 · 한 편의 글→
© 2026 FOS Study. All posts MIT-licensed.
built with·Next.js·Tailwind v4·Geist·Pretendard·oklch
fos-blog/thinking/자기주도 학습: 질문에서 시작해 글로 검증하…
thinking

자기주도 학습: 질문에서 시작해 글로 검증하기

자기주도 학습은 외부 교육의 내용을 받아들이는 데서 그치지 않고, 자신의 질문과 필요에서 학습의 목표와 과정, 검증 방법을 직접 설계하는 능력이다. 생성형 AI가 초안과 요약을 즉시 만들어 주는 환경에서는 "무엇을 알고 무엇을 모르는지"를 스스로 구분하는 일이 더 중요해진다. 이 글은 서울대학교 채널의 영상 「공부를 잘하려면 가장 먼저 버려야 할 습관은?...

2026.10.02·2 min read·21 views

자기주도 학습은 외부 교육의 내용을 받아들이는 데서 그치지 않고, 자신의 질문과 필요에서 학습의 목표와 과정, 검증 방법을 직접 설계하는 능력이다. 생성형 AI가 초안과 요약을 즉시 만들어 주는 환경에서는 "무엇을 알고 무엇을 모르는지"를 스스로 구분하는 일이 더 중요해진다.

이 글은 서울대학교 채널의 영상 「공부를 잘하려면 가장 먼저 버려야 할 습관은? | 서울대 박주용 교수 | 샤로잡다 시즌2」(2026-07-09 게시)를 보고 정리한 것이다. 영상은 https://www.youtube.com/watch?v=IXlRV2e2M2w 에서 볼 수 있다. 영상 내용을 옮기지 않고 학습 방법으로 다시 정리했고, 한국어 자동자막을 바탕으로 해서 표현이 부정확할 수 있다.

핵심 원리

  • 학습의 목표는 지식을 쌓는 데서 끝나지 않는다. 필요한 지식과 기술을 스스로 배워서 쓰는 능력이 목표다.
  • 암기는 사고의 결과만 기억하는 제한된 활동이다. 이유와 맥락을 따지지 않고 결과만 외우면 빠르게 성과를 낼 수는 있어도 오래 활용하기 어렵다.
  • 원리와 맥락을 설명하고 적용할 수 있어야 지식이 오래 남고 다른 문제로 전이된다.
  • 이해했는지는 "들어봤다"가 아니라, 아는 부분과 모르는 부분을 나눠서 설명할 수 있는지로 점검한다.

학습 루프

영상이 제시하는 공부의 순환은 읽기, 토론, 글쓰기다. 이를 네 단계로 풀어 쓰면 다음과 같다.

단계하는 일드러나는 것
읽고 질문한다질문이 생기지 않으면 핵심 주장과 근거가 보일 때까지 다시 읽는다.이해하지 못한 지점
동료와 토론한다다른 해석과 반론을 주고받는다.지식의 연결과 빈틈
글로 쓴다주장과 근거를 문장으로 만든다.생각의 불명확함
피드백을 받아 고친다타인의 글과 자신의 초안을 평가한 뒤 수정한다.좋고 나쁨을 구별하는 기준

영상은 이 중 평가 능력을 특히 강조한다. 무엇을 알고 모르는지, 무엇이 좋은 글이고 나쁜 글인지 구별하는 정확도가 성장과 전문성을 좌우한다는 주장이다.

AI 시대의 적용

생성형 AI는 빠른 정보 접근과 초안 생성에 도움이 된다. 하지만 산출물을 대신 만들어 제출하는 방식은 학습자의 현재 이해 수준과 다음에 발전할 지점을 가린다. 영상도 AI가 단기 이해를 돕더라도 장기 학습의 깊이를 자동으로 보장하지는 않는다고 말한다.

그래서 AI를 사용했더라도 다음 과정을 남기는 편이 학습에 유리하다.

  • 출처와 근거를 직접 비교한다.
  • 자신의 주장을 자기 말로 설명한다.
  • 피드백을 받은 뒤 초안을 수정한다.

결과물만 받아 오지 말고, 기존 이해에서 생각이 어떻게 발전했는지를 비교할 수 있게 남기라는 뜻이다.

on this page
  • 01핵심 원리
  • 02학습 루프
  • 03AI 시대의 적용
tags
#사고법#학습#study

이런 글도

  • thinking

    좋은 일을 넘어 중요한 일을 하는 법

    2026.07.20

댓글 (0)