" According to the latest report published by Data Bridge Market Research, the Plant-Based Food Market CAGR Value The global plant-based food market was valued at USD 28.38 billion in 2024 and is expected to reach USD 176.90 billion by 2032 During the forecast period of 2025 to 2032 the market is such as to grow at a CAGR of 25.70%, primarily driven by the increasing consumer awareness regarding the health benefits of plant-based diets and rising environmental and ethical concerns associated with animal-based products Attaining maximum return on investment (ROI) is one of the most wannabe goals for any industry which can be achieved with the finest market research report. Plant-Based Food Market report handles market research of the Plant-Based Food Market industry by considering several parameters that are involved in the business growth. This market report also provides information about the brand awareness, market landscape, possible future issues, industry trends and customer behaviour for the Plant-Based Food Market industry. Stay informed with our latest keyword market research covering strategies, innovations, and forecasts. Download full report: https://www.databridgemarketresearch.com/reports/global-plant-based-food-market Plant-Based Food Market Segmentation and Market Companies Segments By Source: The plant-based food market can be segmented by source into soy, wheat, pea, and others. Soy-based products are widely popular due to their high protein content and versatility in various applications. Wheat-based products are commonly used in bread, pasta, and other bakery items. Pea-based products are also gaining traction due to their nutritional benefits and sustainability. By Product: Plant-based food products are segmented into dairy alternatives, meat substitutes, plant-based snacks, and others. Dairy alternatives like almond milk, coconut milk, and oat milk have experienced significant growth as more consumers seek lactose-free options. Meat substitutes such as tofu, seitan, and tempeh are increasingly popular among vegans and vegetarians. Plant-based snacks, including chips, bars, and dips, cater to the rising demand for convenient and healthy snacking options. By Distribution Channel: The market can be segmented by distribution channel into supermarkets/hypermarkets, specialty stores, e-commerce, and others. Supermarkets and hypermarkets remain the primary distribution channel for plant-based food products due to their wide availability and consumer trust. Specialty stores offer a curated selection of unique plant-based options. E-commerce platforms have seen a surge in plant-based food sales, driven by convenience and a wide product range. Market Players Beyond Meat, Inc.: A prominent player in the plant-based food market, Beyond Meat offers a range of plant-based meat alternatives that mimic the taste and texture of conventional meat products. The company has gained popularity for its innovative approach to plant-based protein production. Impossible Foods Inc.: Another key player, Impossible Foods specializes in creating plant-based meat substitutes, with its flagship product being the Impossible Burger. The company has garnered attention for its commitment to sustainability and reducing environmental impact. The Hain Celestial Group, Inc.: Known for its diverse portfolio of organic and natural products, The Hain Celestial Group offers a variety of plant-based food options under brands like Earth's Best, Terra, and Health Valley. The company's commitment to clean ingredients and ethical sourcing has resonated with health-conscious consumers. Danone S.A.: A global leader in the dairy industry, Danone has expanded its presence in the plant-based food market with brands like Silk and Alpro offering dairy alternatives such as almond milk and plant-based yogurts. The company's focus on innovation and sustainability has helped it capture a share of the growing plant-based food segment. The global plant-based food market is witnessing robust growth driven by increasing consumer awareness of health and environmental concerns. As more individuals adopt plant-based diets for health, ethical, and environmental reasons, the demand for plant-based food products is expected to continue expanding. market players are innovating and diversifying their product offerings to cater to evolving consumer preferences and capitalize on this growing market trend. The global plant-based food market is currently experiencing significant growth driven by multiple factors such as health consciousness, environmental sustainability, and ethical considerations. Consumers are increasingly opting for plant-based alternatives to traditional animal-derived products due to concerns over personal health, animal welfare, and the environmental impact of meat production. This shift in consumer behavior has created a lucrative market opportunity for companies operating in the plant-based food sector. One notable trend in the plant-based food market is the expansion of product offerings beyond traditional dairy and meat substitutes. Companies are innovating and diversifying their portfolios to include a wide range of plant-based snacks, beverages, and convenience foods to cater to the evolving preferences of consumers. This diversification strategy allows market players to target a broader customer base and capitalize on the growing demand for plant-based options across various food categories. Another key driver of growth in the plant-based food market is the increasing availability of these products across different distribution channels. In addition to traditional supermarkets and specialty stores, e-commerce platforms have emerged as a significant channel for plant-based food sales. The convenience and accessibility of online shopping have made it easier for consumers to discover and purchase plant-based products, driving growth in this segment of the market. Competition among market players is intensifying as more companies enter the plant-based food sector to capitalize on the growing demand. Established players like Beyond Meat and Impossible Foods continue to dominate the market with their innovative plant-based meat alternatives, while companies like Danone and The Hain Celestial Group are expanding their presence by offering a diverse range of plant-based options across multiple product categories. Looking ahead, the plant-based food market is poised for continued growth as consumer awareness of the health and environmental benefits of plant-based diets continues to increase. Market players will need to focus on product innovation, sustainability, and branding to differentiate themselves in a crowded market and capture a larger share of the growing plant-based food segment. Overall, the global plant-based food market presents ample opportunities for companies to capitalize on changing consumer preferences and drive innovation in the food industry.Plant-based food market segmentation by source, product, and distribution channel provides a comprehensive understanding of the diverse landscape within the industry. The segmentation by source, including soy, wheat, pea, and others, showcases the variety of options available to consumers seeking plant-based alternatives. Soy-based products lead the market with their high protein content and versatility, followed by wheat-based products commonly found in bakery items and pea-based products gaining popularity for their nutritional benefits. In terms of product segmentation, the plant-based food market offers a wide array of options, including dairy alternatives, meat substitutes, plant-based snacks, and more. Dairy alternatives such as almond milk and oat milk cater to lactose-free preferences, while meat substitutes like tofu and tempeh appeal to vegans and vegetarians. Plant-based snacks fill a growing demand for convenient and healthy snacking options, reflecting changing consumer preferences towards wholesome and sustainable choices. Distribution channel segmentation highlights the diverse avenues through which plant-based food products reach consumers. Supermarkets and hypermarkets dominate as primary channels, offering wide availability and consumer trust. Specialty stores cater to niche markets with curated selections, while the rise of e-commerce platforms signals a shift towards online shopping for plant-based options driven by convenience and product range. Key market players like Beyond Meat, Impossible Foods, The Hain Celestial Group, and Danone are driving innovation and growth within the plant-based food market. Beyond Meat and Impossible Foods lead with their meat alternatives, emphasizing sustainability and environmental consciousness. The Hain Celestial Group's commitment to organic and natural products resonates with health-conscious consumers, while Danone's expansion into dairy alternatives aligns with shifting consumer preferences towards plant-based options. The global plant-based food market is experiencing significant growth fueled by a shift towards healthier, ethical, and environmentally sustainable dietary choices. Consumer awareness of health and environmental concerns continues to drive demand for plant-based products, creating opportunities for companies to innovate, diversify, and capture a share of this booming market. As competition intensifies and companies strive to differentiate themselves, focusing on product innovation, sustainability practices, and effective branding will be crucial to success in a rapidly evolving market landscape. The plant-based food market is poised for continued expansion, offering ample opportunities for companies to meet evolving consumer needs and shape the future of the food industry. Frequently Asked Questions About This Report How is Subscription Fatigue affecting Plant-Based Food Market revenue? How are inventory management systems evolving in the Plant-Based Food Market? What is the potential of Plant-Based Food Marke
LiteLLM 1 · 로컬 Gateway 설치 이 글에서 다룰 주제 SDK와 Proxy의 역할을 구분하고 로컬 모델까지 요청을 연결한다. Docker와 PostgreSQL로 UI·키·사용량 기록의 기반을 만든다. health, 일반 응답, 스트리밍을 각각 확인한다. 주요 단어 · Proxy · Gateway · 모델 별칭 · Virtual Key · Ollama LLM을 호출하는 프로그램이 늘어나면 각 프로그램 안에 모델 주소와 키가 흩어진다. AIOps 에이전트도 장애 분석용 호출과 평가용 호출을 같은 방식으로 관리하기 어렵다. 이번 실습에서는 공통 API 진입점 하나를 두고 로컬 모델까지 연결한다. 1. Gateway의 역할 LiteLLM Proxy 는 애플리케이션의 LLM 요청을 받아 인증·모델 선택·제한을 적용하고 대상 Provider로 전달하는 서버다. LiteLLM SDK 는 이 호출 변환을 Python 프로그램 안에서 사용하는 라이브러리다. 이 시리즈는 여러 애플리케이션을 중앙에서 관리하려는 목적이므로 Proxy부터 시작한다. 공식 개요 요청은 클라이언트 → LiteLLM → Ollama로 흐른다. PostgreSQL에는 키와 사용량 같은 관리 데이터가 남는다. 이 그림의 PostgreSQL은 이전 실습의 DB를 재사용하지 않는 별도 저장소다. 모델 자체는 Ollama가 실행한다. LiteLLM을 설치했다고 새로운 LLM이 생기는 것은 아니다. Langfuse가 실행 과정과 품질을 관찰하는 데 초점을 둔다면, 이번 LiteLLM 실습은 요청이 모델에 도달하는 경로와 접근 정책을 다룬다. 2. 버전과 자원 2026-10-05에 다음 조합을 직접 실행했다. 구성요소 실행 환경 호스트 Apple Silicon macOS, 메모리 64GB LiteLLM 1.104.0, Linux ARM64 Docker 이미지 PostgreSQL 17.11, 전용 Docker 볼륨 Ollama macOS 네이티브 0.35.1 텍스트 모델 qwen3:8b 접속 주소 http://localhost:4000/ui , API /v1 공식 v1.104.0 릴리스 와 이미지 manifest를 확인하고 digest로 고정했다. 별도의 cosign 서명 검증까지 수행했다는 뜻은 아니다. 이전 Langfuse 실습 컨테이너는 데이터를 보존한 채 중지했다. 설치 후 한 시점의 실제 사용량은 Proxy 약 585MiB, PostgreSQL 약 46MiB였다. 설정한 상한은 각각 2GiB와 768MiB다. 이는 소규모 로컬 실습 조건이며 운영 최소 사양이나 최대 처리량을 의미하지 않는다. Ollama가 모델을 적재하는 메모리는 별도로 필요하다. 3. 설치 파일 아래는 실행한 구성에서 텍스트 경로를 추린 재현용 설정이다. Docker Desktop과 Ollama가 먼저 실행되어 있어야 한다. 작업 폴더에 compose.yaml , config.yaml , .env 를 만든다. 3.1 로컬 모델 ollama pull qwen3:8b ollama list Docker 컨테이너에서 macOS의 Ollama로 연결할 때는 host.docker.internal 을 사용했다. 컨테이너 안의 localhost 는 그 컨테이너 자신이다. 아래의 ollama_chat/ 는 Ollama 네이티브 Chat API를 선택하므로 api_base 뒤에 /v1 을 붙이지 않는다. Ollama Provider 문서 3.2 비밀값 생성 다음 Python 코드는 비밀값을 출력하지 않고 .env 를 만든다. 파일이 이미 있으면 덮어쓰지 않고 실패하게 했다. import os import secrets values = { "POSTGRES_PASSWORD": secrets.token_hex(32), "LITELLM_MASTER_KEY": "sk-" + secrets.token_hex(32), "LITELLM_SALT_KEY": "sk-" + secrets.token_hex(32), "UI_USERNAME": "learner", "UI_PASSWORD": secrets.token_urlsafe(32), } fd = os.open(".env", os.O_WRONLY | os.O_CREAT | os.O_EXCL, 0o600) with os.fdopen(fd, "w") as f: f.write("\n".join(f"{k}={v}" for k, v in values.items()) + "\n") Master Key는 관리용이다. 일반 애플리케이션에는 다음 편에서 만드는 Virtual Key를 전달한다. Salt Key는 저장된 자격 증명의 암호화·복호화에 사용되므로 DB와 함께 보존한다. 공식 Quickstart 3.3 모델 설정 # config.yaml model_list: - model_name: local-text litellm_params: model: ollama_chat/qwen3:8b api_base: http://host.docker.internal:11434 input_cost_per_token: 0 output_cost_per_token: 0 keep_alive: 5m model_info: id: local-text-qwen3-8b mode: chat router_settings: num_retries: 0 timeout: 120 fallbacks: [] cache_responses: false litellm_settings: num_retries: 0 request_timeout: 120 cache: false turn_off_message_logging: true redact_messages_in_exceptions: true redact_user_api_key_info: true set_verbose: false json_logs: true global_disable_no_log_param: true general_settings: master_key: os.environ/LITELLM_MASTER_KEY database_url: os.environ/DATABASE_URL store_prompts_in_spend_logs: false disable_error_logs: true database_connection_pool_limit: 5 enforce_fallback_model_access: true local-text 는 클라이언트가 사용하는 모델 별칭 이다. 실제 모델 이름은 ollama_chat/qwen3:8b 다. 애플리케이션은 별칭을 사용하고 운영자는 그 별칭의 목적지와 정책을 관리한다. 본문 로깅·응답 캐시·fallback은 끄고 retry는 0으로 시작했다. 기능을 하나씩 추가해야 결과가 어느 설정 때문에 달라졌는지 읽기 쉽다. 로그의 메시지 가림과 DB 본문 저장 설정은 별개로 확인해야 한다. 로깅 설정 3.4 Docker Compose # compose.yaml name: litellm-study services: proxy: image: ghcr.io/berriai/litellm@sha256:625981c83410a3ea68eb0697590a57ec1d764d634514d54fa5db0591077ee839 command: ["--config", "/app/config.yaml", "--port", "4000", "--num_workers", "1"] restart: unless-stopped mem_limit: 2g cpus: 2 ports: ["127.0.0.1:4000:4000"] volumes: ["./config.yaml:/app/config.yaml:ro"] environment: DATABASE_URL: postgresql://litellm:${POSTGRES_PASSWORD:?required}@postgres:5432/litellm LITELLM_MASTER_KEY: ${LITELLM_MASTER_KEY:?required} LITELLM_SALT_KEY: ${LITELLM_SALT_KEY:?required} UI_USERNAME: ${UI_USERNAME:?required} UI_PASSWORD: ${UI_PASSWORD:?required} LITELLM_MODE: PRODUCTION LITELLM_LOG: ERROR LITELLM_LOCAL_MODEL_COST_MAP: "True" STORE_MODEL_IN_DB: "False" depends_on: postgres: {condition: service_healthy} postgres: image: postgres@sha256:d74eeac9a635390a49bc21bd49fccd973de707e2a53a76ac49b552b8712ec46f restart: unless-stopped mem_limit: 768m cpus: 1 environment: POSTGRES_USER: litellm POSTGRES_PASSWORD: ${POSTGRES_PASSWORD:?required} POSTGRES_DB: litellm volumes: ["postgres-data:/var/lib/postgresql/data"] healthcheck: test: ["CMD-SHELL", "pg_isready -U litellm -d litellm"] interval: 5s timeout: 5s retries: 20 volumes: postgres-data: PostgreSQL 포트는 호스트에 공개하지 않는다. Proxy는 127.0.0.1 에 바인딩했으므로 로컬 학습용이다. STORE_MODEL_IN_DB: False 는 모델 경로를 파일에서 관리하려는 선택이며, 키와 사용량 기록용 DB 연결은 유지한다. docker compose config --quiet docker compose up -d docker compose ps curl -fsS http://127.0.0.1:4000/health/liveliness 비밀값이 확장되는 docker compose config 전체 출력을 블로그에 붙이지 않는다. 구문 확인에는 --quiet 면 충분하다. 4. UI와 첫 응답 http://localhost:4000/ui 에서 .env 의 UI 계정으로 로그인한다. 모델 목록에서 local-text 별칭과 실제 연결 대상을 확인한다. 이번 전체 실습 환경에는 이후 비용·Vision 실험을 위한 별칭도 함께 등록했다. health 응답은 서버가 살아 있다는 신호다. 모델 호출까지 성공했다는 뜻은 아니므로 실제 /v1/chat/completions 요청을 추가로 보냈다. 발급한 앱 키를 LITELLM_API_KEY 환경변수로 준비한 뒤 호출한다. curl -sS http://127.0.0.1:4000/v1/chat/completions \ -H "Authorization: Bearer $LITELLM_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "local-text", "messages": [{"role":"user","content":"Reply with one short sentence explaining an API gateway. /no_think"}], "temperature": 0, "reasoning_effort": "none", "max_tokens": 64 }' 실측 일반 응답은 HTTP 200, 입력 30·출력 29·총 59토큰, finish_reason=stop 이었다. 약 0.814초가 걸렸다. 이어 동일 질문을 스트리밍으로 호출해 [DONE] 과 최종 usage를 확인했고 총 약 0.627초, 첫 content 약 40.5ms였다. 이미 모델을 호출한 뒤의 작은 두 요청이며 성능 벤치마크가 아니다. 첫 시도에서는 /no_think 만 넣고 max_tokens=32 로 제한해 reasoning 토큰으로 예산을 소진했고 최종 content가 비었다. 이 버전의 Ollama 어댑터에서 reasoning_effort: "none" 가 think: false 로 매핑되는 것을 확인한 뒤 성공했다. HTTP 200뿐 아니라 content·usage·종료 이유까지 읽어야 한다. 5. 보존하고 중지하기 docker compose stop docker compose up -d stop 은 컨테이너와 볼륨을 보존한다. 학습 데이터를 남기려면 down -v 나 볼륨 prune을 실행하지 않는다. .env 도 DB와 함께 보존한다. 전체 실습 종료 뒤에는 적재된 Ollama 모델을 메모리에서 내리고 모델 파일은 보존했다. 이전 Langfuse와 심화 실습 컨테이너는 중지했으며, 재사용할 기본 Proxy·PostgreSQL 두 개의 최종 사용량은 합계 약 536MiB였다. 이 값은 모델이 적재되지 않은 대기 상태의 한 시점이다. 이제 다음 편에서는 Master Key 대신 목적별 Virtual Key를 만들고, 접근이 허용되는 경우와 실제로 거절되는 경우를 함께 확인한다. 기준: 2026-10-05, LiteLLM 1.104.0 로컬 OSS 실습. 일반 응답·스트리밍은 실제 실행했고, 외부 유료 Provider는 연결하지 않았다. 다음 글: LiteLLM 2 · 목적별 키와 모델 접근 다음 · [LiteLLM 2] 서비스·AIOps·평가용 Virtual Key와 접근 정책
[Cogito 개발기 #04] Gameplay Tag로 행동 상태와 실행 조건 관리하기 공격 중에 점프 입력이 들어오면 어떻게 처리해야 할까? 방어를 끝낸 직후 다시 방어를 시작할 수 있어야 할까? 공격 중 추가 입력이 들어오면 새 공격을 실행해야 할까, 다음 콤보를 예약해야 할까? 이런 판단에는 현재 캐릭터 상태를 여러 기능에서 공통으로 조회할 수 있는 기준이 필요하다. Cogito에서는 Gameplay Tag를 행동 식별, 상태 조회, 이벤트 전달에 사용한다. 1. 같은 태그라도 용도가 다르다 프로젝트의 태그는 DefaultGameplayTags.ini 에 등록되어 있다. 대표적인 이름을 용도별로 묶으면 다음과 같다. 구분 예시 역할 Ability Ability.Attack.Light 실행할 행동 식별 State State.Attacking 현재 상태 조회 Event Event.Attack.ComboInput 발생한 입력이나 사건 전달 Data Data.Damage 효과에 전달할 수치의 키 GameplayCue GameplayCue.Combat.Impact 연출 식별 이 접두사는 프로젝트의 명명 규칙이다. 태그 이름을 State.* 로 만들었다고 자동으로 캐릭터 상태가 추가되는 것은 아니다. Event.* 를 등록했다고 이벤트가 자동으로 발생하는 것도 아니다. 등록된 태그를 실제로 부여하고, 조회하고, 전달하는 코드나 에셋 설정이 필요하다. 2. 행동 식별과 상태 조회를 구분한다 일반 공격을 요청할 때는 Ability.Attack.Light 를 사용한다. AbilitySystemComponent->TryActivateAbilitiesByTag( FGameplayTagContainer( FGameplayTag::RequestGameplayTag( TEXT("Ability.Attack.Light") ) ) ); 반면 현재 공격 중인지 확인할 때는 State.Attacking 을 사용한다. const bool bIsAttacking = AbilitySystemComponent->HasMatchingGameplayTag( FGameplayTag::RequestGameplayTag( TEXT("State.Attacking") ) ); 두 태그는 질문이 다르다. Ability.Attack.Light : 어떤 행동을 실행할 것인가? State.Attacking : 지금 어떤 상태인가? 실행할 Ability의 식별 태그와 캐릭터가 보유하는 상태 태그를 구분하면 입력과 상태 판단을 읽기 쉬워진다. 3. 태그를 조회하는 쪽에서 동작을 결정한다 플레이어의 InputSpaceStart 는 공격 중이거나 피격 중이면 입력 처리를 중단한다. if ( AbilitySystemComponent->HasMatchingGameplayTag( FGameplayTag::RequestGameplayTag( TEXT("State.Attacking") ) ) || AbilitySystemComponent->HasMatchingGameplayTag( FGameplayTag::RequestGameplayTag( TEXT("State.HitReact") ) ) ) { return; } 여기서 태그 자체가 점프를 막는 것은 아니다. 입력을 받는 함수가 태그를 조회하고 return 하기 때문에 해당 경로가 중단된다. 이 차이는 디버깅할 때 중요하다. 상태 태그가 있는데도 행동이 실행된다면 그 행동의 입력 경로 또는 Ability 활성화 조건이 해당 태그를 실제로 검사하는지 확인해야 한다. 현재 이동 입력은 조금 더 세부적으로 처리된다. State.Attacking 이 있으면 현재 Montage Section을 확인하고, End 또는 Attack 으로 시작하는 섹션에서 이동 입력을 제한한다. 즉, 공격 상태라는 큰 조건에 애니메이션의 진행 구간을 추가로 결합한 형태다. 4. 이벤트 태그는 진행 중인 행동에 정보를 전달한다 공격 중 다시 공격 입력이 들어오면 다음 이벤트를 전달한다. FGameplayEventData Payload; AbilitySystemComponent->HandleGameplayEvent( FGameplayTag::RequestGameplayTag( TEXT("Event.Attack.ComboInput") ), &Payload ); 공격 Ability는 WaitGameplayEvent 로 이 이벤트를 기다린다. UAbilityTask_WaitGameplayEvent* WaitEventTask = UAbilityTask_WaitGameplayEvent::WaitGameplayEvent( this, FGameplayTag::RequestGameplayTag( TEXT("Event.Attack.ComboInput") ) ); if (WaitEventTask) { WaitEventTask->EventReceived.AddDynamic( this, &UCogitoGA_AttackBase::OnComboInputReceived ); WaitEventTask->ReadyForActivation(); } 이 이벤트는 다음 콤보 입력이 발생했다는 알림이다. 이벤트를 보내는 것과 ASC에 상태 태그를 추가하는 것은 별개의 동작이다. Event.Attack.ComboInput 을 보냈다고 같은 이름의 태그가 캐릭터에 지속적으로 남는 것은 아니다. 5. 짧은 상태 구간을 태그로 표현하기 방어 Ability에서는 패링 판정 구간에 State.Block.Perfect 를 직접 추가한다. ASC->AddLooseGameplayTag( FGameplayTag::RequestGameplayTag( TEXT("State.Block.Perfect") ) ); 이후 ParryWindow 만큼 기다리는 Ability Task를 설정한다. UAbilityTask_WaitDelay* PerfectDelay = UAbilityTask_WaitDelay::WaitDelay( this, ParryWindow ); PerfectDelay->OnFinish.AddDynamic( this, &UCogitoGA_Block::OnPerfectBlockEnded ); PerfectDelay->ReadyForActivation(); 시간이 지나면 태그를 제거한다. ASC->RemoveLooseGameplayTag( FGameplayTag::RequestGameplayTag( TEXT("State.Block.Perfect") ) ); 흐름을 표현하면 다음과 같다. 방어 Ability 활성화 ↓ State.Block.Perfect 추가 ↓ ParryWindow 동안 유지 ↓ State.Block.Perfect 제거 ParryWindow 는 헤더에서 기본값이 0.3f 로 선언되어 있지만 에디터에서 수정할 수 있다. 따라서 C++ 기본값과 실제 Blueprint 인스턴스의 설정값은 구분해야 한다. 6. 태그의 추가와 정리는 함께 설계한다 패링 태그는 지연 Task가 끝날 때 제거된다. 하지만 Ability가 그 전에 종료되는 경로도 고려해야 한다. 현재 방어 Ability의 EndAbility 에서는 다음 태그를 다시 정리한다. ASC->RemoveLooseGameplayTag( FGameplayTag::RequestGameplayTag( TEXT("State.Blocking.Stationary") ) ); ASC->RemoveLooseGameplayTag( FGameplayTag::RequestGameplayTag( TEXT("State.Block.Perfect") ) ); 따라서 정상적인 시간 만료뿐 아니라 Ability 종료 경로에서도 정리 코드를 거친다. 직접 추가한 Loose Tag를 사용할 때는 어떤 함수에서 제거하는지 함께 추적해야 한다. 같은 태그를 여러 경로에서 추가한다면 횟수와 소유 관계도 확인해야 한다. GAS의 Activation Owned Tags 처럼 Ability 실행 기간과 연동되는 설정도 있다. 이것과 C++에서 직접 추가하는 Loose Tag는 관리 경로가 다르다. 공식 문서 7. 태그의 계층은 문자열 모양 그대로 이해해야 한다 Gameplay Tag는 점으로 구분한 계층을 가진다. 예를 들어 다음 태그는 부모와 자식 관계다. State.Blocking └─ State.Blocking.Stationary 일반적인 부모 포함 매칭에서는 자식 태그를 가진 객체가 부모 태그 조회에도 매칭될 수 있다. 공식 API 문서 하지만 다음 두 태그는 이름이 비슷해도 같은 부모 아래에 있지 않다. State.Block.Perfect State.Blocking State.Block.Perfect 의 부모는 State.Block 이다. State.Blocking 의 자식이 아니다. 현재 명명 규칙에서는 패링 상태와 방어 상태를 조회할 때 이 차이를 염두에 둬야 한다. 8. 입력 제한과 Ability 제한은 구분한다 현재 플레이어 코드는 State.Block.Cooldown 이 있으면 방어 입력을 무시한다. 이것은 방어 입력 함수에서 확인되는 제한이다. 다른 코드가 방어 Ability를 직접 실행하는 경우까지 제한하려면 Ability 자체의 조건도 확인해야 한다. GAS에는 다음과 같은 설정이 있다. 설정 의미 Activation Required Tags 실행에 필요한 소유자 태그 Activation Blocked Tags 소유자에게 있으면 실행을 막는 태그 Block Abilities With Tag 실행 중 다른 Ability의 활성화를 제한하는 기준 Cancel Abilities With Tag 다른 실행 중 Ability를 취소하는 기준 태그를 활용한 행동 제어를 이해하려면 세 위치를 함께 봐야 한다. 태그를 등록하는 위치 태그를 추가하고 제거하는 위치 태그를 조회해 행동을 결정하는 위치 다음 글에서는 Event.Attack.ComboInput 이 실제 콤보 진행으로 이어지는 과정을 정리한다. 관련 코드 DefaultGameplayTags.ini MyCharacterPlayer.cpp CogitoGA_Block.cpp
포춘 비즈니스 인사이트에 따르면, 전 세계 전기 조리기구 시장 규모는 2025년 148억 4천만 달러에 달했습니다. 전기 조리기구 시장은 2026년 158억 2천만 달러에서 2034년 271억 2천만 달러로 성장할 것으로 예상되며, 예측 기간 동안 연평균 성장률(CAGR)은 6.97%를 기록할 것으로 전망됩니다. 소비자들이 현대 주방에 필요한 편리하고 효율적이며 사용하기 쉬운 조리 솔루션을 찾으면서 전기 조리기구 시장이 성장세를 보이고 있습니다. 식사 준비를 간소화하고, 다양한 조리 방식을 지원하며, 변화하는 가정생활에 적합한 가전제품에 대한 선호도 증가가 전기 조리기구 시장 확장에 기여하고 있습니다. 편리한 주방 기술에 대한 인식 제고와 가정용 전기 가전제품의 보급 확대 또한 다양한 소비자층의 수요를 뒷받침하고 있습니다. 자세한 내용은 계속 읽어보세요. https://www.fortunebusinessinsights.com/electric-cookware-market-112562 시장 세분화 전기 조리기구 시장은 제품 유형, 용도, 유통 채널 및 지역별로 분석할 수 있습니다. 제품 유형별로는 다양한 조리 요구 사항을 충족하도록 설계된 여러 종류의 전기 조리 기기를 포함합니다. 소비자들은 사용 편의성과 실용적인 기능을 겸비한 조리기구를 점점 더 선호하고 있으며, 이에 따라 제품의 다용도성이 중요한 고려 사항이 되고 있습니다. 제조업체들은 편리한 조작, 사용자 친화적인 디자인, 그리고 일상적인 요리 요구에 적합한 기능을 갖춘 제품 개발에 주력하고 있습니다. 용도별로는 전기 조리기구가 가정 및 기타 조리 용도에 사용됩니다. 가정 부문은 변화하는 라이프스타일과 편리한 조리 솔루션에 대한 수요 증가로 인해 성장하고 있습니다. 전기 조리기구는 기존 조리 방식에 대한 실용적인 대안을 제공하기 때문에 현대적인 주방에 점점 더 많이 도입되고 있습니다. 유통 채널별로는 오프라인 및 온라인 판매 채널이 시장을 뒷받침하고 있습니다. 오프라인 매장에서는 소비자가 구매 전에 제품을 직접 살펴볼 수 있으며, 전자상거래 플랫폼은 더 폭넓은 제품 선택과 편리한 구매 경험을 제공합니다. 디지털 쇼핑의 확장은 제조업체와 소매업체가 더 넓은 지역의 소비자에게 접근할 수 있도록 돕고 있습니다. 주요 인물 Koninklijke Philips NV 파나소닉 주식회사 AB 일렉트로룩스 브레빌 USA 주식회사 하이얼 주식회사 스펙트럼 브랜즈 주식회사 샤크닌자 오퍼레이팅 LLC 그룹 SEB 뉴웰 브랜드 미디어 그룹 시장 성장 전기 조리기구 시장은 음식 준비에 드는 노력을 줄여주는 편리한 조리 기기에 대한 수요 증가에 힘입어 성장하고 있습니다. 변화하는 소비자 라이프스타일은 가정에서 더욱 유연하고 사용하기 쉬운 가전제품을 선호하도록 유도하고 있습니다. 도시화와 바쁜 일상은 효율적인 식사 준비를 지원하는 제품을 더욱 중요하게 여기는 소비자들의 요구에 부응하며 실용적인 주방 솔루션에 대한 수요를 더욱 강화하고 있습니다. 기술 발전 또한 전기 조리기구 시장에 긍정적인 영향을 미치고 있습니다. 제조업체들은 향상된 온도 관리, 자동 조리 기능, 직관적인 조작 방식, 그리고 기타 편의성을 고려한 기능들을 제품에 통합하고 있습니다. 이러한 혁신은 전기 조리기구가 다양한 요리 스타일에 더욱 잘 적응하고 전반적인 사용자 경험을 향상시키는 데 도움을 주고 있습니다. 다기능 가전제품에 대한 소비자들의 관심 증가는 여러 가지 요리 용도에 적합한 제품을 출시하도록 기업들을 자극하고 있습니다. 이러한 추세는 주방 가전제품에서 다용성을 추구하는 소비자들 사이에서 전기 조리기구의 매력을 더욱 높이고 있습니다. 또한, 제품 혁신, 유통망 확대, 그리고 온라인 쇼핑 플랫폼의 성장은 제조업체들이 고객 기반을 넓힐 수 있는 기회를 제공하고 있습니다. 기업들은 제품 차별화를 위해 디자인, 세척 용이성, 안전 기능, 그리고 에너지 효율적인 작동에도 중점을 두고 있습니다. 이러한 발전은 소비자들이 편의성과 기능성을 점점 더 중시함에 따라 전기 조리기구 시장의 지속적인 확대를 뒷받침할 것으로 예상됩니다. 제약 요인 수요 전망은 양호하지만, 전기 조리기구 시장은 여러 가지 과제에 직면해 있습니다. 기존 조리기구 및 다양한 조리 기기의 존재는 전기 조리기구 제품과의 경쟁을 심화시킬 수 있습니다. 소비자들은 익숙함, 확립된 사용 습관, 또는 간편함 때문에 전통적인 조리 방식을 계속 선호할 수 있습니다. 제품 가격 또한 구매 결정에 영향을 미치며, 특히 가격에 민감한 소비자층에서 더욱 그렇습니다. 전기 조리기구는 일부 기존 조리기구보다 초기 투자 비용이 높을 수 있어 특정 소비자층의 구매를 저해할 수 있습니다. 전력 소비량, 제품 내구성, 유지 보수 및 수리 필요성에 대한 우려도 구매 결정에 영향을 줄 수 있습니다. 소비자들은 전기 조리기구를 선택하기 전에 사용 편의성과 장기적인 사용 가능성을 고려할 것입니다. 제조업체 간의 치열한 경쟁 또한 시장에 영향을 미치는 요인입니다. 기업들은 경쟁력을 유지하기 위해 지속적으로 개선된 디자인, 향상된 기능, 그리고 차별화된 특징을 선보여야 합니다. 공급망 문제와 부품 수급 변동은 제조 및 유통 활동에 더욱 악영향을 미칠 수 있습니다. 제품 혁신, 경쟁력 있는 가격 책정, 품질 향상, 그리고 강력한 유통망 구축을 통해 이러한 과제들을 해결하는 것이 전기 조리기구 시장에서 기업들에게 중요한 과제가 될 것입니다. 지역 분석 소비자 선호도가 편리하고 기술적으로 진보된 주방 가전제품으로 변화함에 따라 전기 조리기구 시장은 주요 지역 전반에 걸쳐 확대되고 있습니다. 북미는 가전제품에 대한 높은 소비자 인식, 잘 구축된 소매 네트워크, 그리고 편리한 조리 솔루션에 대한 수요를 바탕으로 중요한 시장으로 자리매김하고 있습니다. 이 지역 소비자들은 현대적인 라이프스타일에 맞춰 일상적인 식사 준비를 간소화할 수 있는 다기능 제품을 점점 더 중요하게 여기고 있습니다. 유럽에서도 가정에서 실용적이고 효율적인 주방 가전제품을 찾는 수요가 증가함에 따라 전기 조리기구에 대한 수요가 증가하고 있습니다. 제품 혁신, 변화하는 소비자 선호도, 그리고 기술적으로 진보된 가전제품의 보급은 유럽 전역의 시장 성장을 뒷받침하고 있습니다. 아시아 태평양 지역은 변화하는 라이프스타일, 도시화, 가전제품 보급 확대, 그리고 편리한 조리 기술에 대한 소비자 관심 증가로 인해 전기 조리기구 시장에서 중요한 지역입니다. 소비자들이 현대적인 주방 솔루션을 점점 더 많이 찾고 있기 때문에 이 지역은 제조업체들에게 상당한 기회를 제공합니다. 소매 유통망 확대와 온라인 상거래의 성장은 전기 조리기구 제품에 대한 접근성을 더욱 향상시키고 있습니다. 라틴 아메리카 또한 제조업체와 소매업체의 시장 확장과 소비자의 전기 주방 가전제품에 대한 인지도 향상에 힘입어 성장하고 있습니다. 한편, 중동 및 아프리카 지역은 변화하는 소비자 라이프스타일, 확장되는 소매 인프라, 그리고 현대적인 조리 가전제품에 대한 인식 증가에 힘입어 시장이 성장하고 있습니다. 각 지역의 제조업체들은 유통망 강화, 제품 기능 개선, 그리고 현지 소비자 선호도에 부합하는 디자인 도입에 집중하고 있습니다. 이러한 노력은 전 세계 전기 조리기구 시장의 지속적인 성장을 뒷받침할 것으로 예상됩니다. 일본 시장의 기회를 살펴보세요 - 최신 전기 조리기구 시장 분석 정보 https://www.fortunebusinessinsights.com/jp/%E9%9B%BB%E6%B0%97%E8%AA%BF%E7%90%86%E5%99%A8%E5%85%B7%E5%B8%82%E5%A0%B4-112562
지난 10년간 AI 기술이 수많은 분야에서 엄청난 성공을 거두었다. 단순한 분류, 회귀 문제를 넘어 LLM, VLM, 멀티모달, agent Ai, VLA 등 다양한 형태로 진화하여 우리의 삶에 큰 영향을 미치고 있다. 그러나 현대 인공신경망(ANN) 모델은 여전히 컴퓨팅 파워, 에너지 소비 및 데이터 요구 사항 측면에서 매우 높은 Cost를 요구 한다. 이에 제한된 전력 하에서 실시간 성능을 보장하기 위해 효율적이고 가벼운 모델 개발이 주목받고 있다. 이러한 한계를 해결하기 위해, 여러 전략들이 제안되었다. 양자화(quantization) , 가지치기(pruning) , 지식 증류(knowledge distallation) 등은 모델의 복잡성과 파라미터 수를 최소화 하면서 성능을 유지하는 네트워크를 개발하는 것을 목표로 한다. 양자화는 네트워크의 가중치와 활성화 값을 기존 FP32 형식에서 낮은 정밀도(적은 용량 및 계산 단순)로 변환하는 방식이며, 가지치기는 신경망의 연결을 일부 제거하여 네트워크의 크기를 줄인다. 지식 증류는 크기가 큰 teacher 모델을 사용해 크기가 작은 student 모델을 만들어 더 낮은 비용으로 비슷한 성능을 달성하는 방법이다. SNN 이란? 생물학적 영감을 받은 SNN(Spiking Neural Network)가 대안으로 떠오르고 있다. SNN은 기존의 ANN 모델이 사용하는 연속적인 값 대신 discrete한 스파이크(spike)를 통해 정보를 전달하고 처리하는 신경망이다.SNN 뉴런 내부에서는 막 전위(membrane potential) 상태가 시간에 따라 지속적으로 변화하며, 특정 임계값($V_{th}$)을 넘을 때만 스파이크 1을 출력한다. 이러한 방식은 데이터가 시간적인 흐름 속에서 처리되도록 하며, 생물학적인 신경계가 정보를 처리하는 효율성을 그대로 재현하려는 시도다. 메커니즘 기존 ANN 모델은 연속적인 실수값을 입력받아 곱셈, 덧셈 후에 활성화 함수를 거친다. 그러나 SNN은 시간에 따른 상태 변화 와 스파이크 발생 이라는 두 가지 핵심 요소로 구성된다. SNN의 뉴런은 입력 신호를 즉시 출력으로 바꾸지 않고, 내부의 막 전위 값을 유지한다. 이 전위는 입력된 스파이크들에 의해 시간에 따라 지속적으로 변한다. 입력 스파이크가 들어와서 뉴런의 막 전위가 상승하는 것을 통합(integration)이라 하며 막 전위가 임계값을 넘어 스파이크를 발생시키는 것을 발화(fire) 라고 한다. 추가로, 입력이 없을 경우 막 전위는 시간이 지나면서 휴지 전위(Resting Potential)를 향해 서서히 감소하는데 이를 누설(Leakage)라고 한다. 가장 널리 쓰이는 SNN 모델은 LIF(Leaky Integrate-and-Fire) 뉴런 이다. $$ v[t+1] = \beta v[t] + W \cdot I[t] - S[t] V_{\theta} $$ 위 수식은 LIF 뉴런의 막 전위 업데이트 식이다. $V$ 는 막 전위, $\beta$는 감쇠 계수, W 는 가중치, $I[t]$ 는 t 에서의 입력 스파이크, $S[t]$ 는 t 에서의 출력 스파이크, $V_{\theta}$ 는 임계값을 의미한다. 즉, LIF 뉴런은 t 마다 입력 스파이크를 받아 막 전위를 업데이트한 뒤에 임계값과 비교하여 0 또는 1 스파이크를 출력한다. 만약 발화했다면, 임계값 만큼 다시 전위를 줄여준다. 기대 효과(왜 쓰냐?) 기존의 심층 신경망(DNN)은 매우 큰 전력을 소모하는 행렬 곱셈(MAC, Multiply-Accumulate) 연산을 필수적으로 사용하지만, SNN은 스파이크의 이진적 특성(0 또는 1)을 활용하여 곱셈 없이 누적(AC, Accumulate) 연산만으로도 모델을 구현할 수 있어 훨씬 높은 에너지 효율을 기대할 수 있다. 또한 DNN은 입력 데이터를 정적으로 처리하지만, SNN은 뉴런 자체가 시간적 기억 장치 역할을 하기 때문에 실시간 영상, 뇌파(EEG), 음성 데이터 등 시간의 흐름이 중요한 데이터를 처리할 때 복잡한 시퀀스 모델링 없이도 자연스럽게 학습한다. SNN은 신경망 전체가 항상 켜져 있는 것이 아니라 필요한 뉴런만, 필요한 순간에 fire 된다. 이러한 sparse activation 특성은 연산 부하를 줄이며 데이터 전송량도 낮출 수 있다. 마지막으로, 뇌는 약 20W 정도의 적은 에너지로 복잡한 인지 task를 수행한다. SNN은 신경과학적인 개념을 기반으로 설계하기 때문에 기존 DNN 보다 뇌의 작동 원리에 훨씬 가깝다. 이는 진정한 인공지능(AGI)로 가기 위한 구조적 해답을 찾으려는 연구적 시도이기도 하다. 단점 및 연구 필요성 SNN이 에너지 효율성과 시간 정보 처리라는 강력한 장점을 가짐에도 불구하고, 여러 단점 및 연구가 필요한 부분이 있다. 첫 번째로 훈련 난이도다. SNN에서는 스파이크 발생 함수가 스텝 함수이기 때문에 미분값이 존재하지 않아 기존 오차 역전파를 그대로 적용할 수 없다. 이에 따라 대리 기울기(surrogate gradient) 기법이 연구되어 왔지만 여전히 한계점이 분명하다. 두 번째는 DNN 과의 성능 격차 문제다. 대규모 데이터셋에서 최신 DNN의 성능을 완전히 따라잡기에는 아직 부족하며, 특히 정확도 뿐 아니라 정확한 정보를 얻기 위해 여러 시간 단계(timestep)동안 입력을 축적해야하기 때문에 추론 시간이 지연된다는 문제가 있다. 마지막으로 전용 하드웨어가 필요하다. SNN은 일반적인 GPU 아키텍처에서는 제대로 활용되지 않기 때문에 SNN의 비동기 연산 방식을 활용할 수 있는 전용 하드웨어가 필요하다. Intel Loihi나 IBM TrueNorth 같은 칩이 있지만, 일반인이 쉽게 구할 수 있거나 범용적인 개발 환경이 갖춰지지 않았다. 마무리 Efficient AI 에 관심이 생겨 공부해보던 중, "정말 효율적인 ai 구조는 우리 뇌가 아닐까?"라는 생각이 들었다. 그러던 도중 SNN을 알게 되었고 뇌의 특성을 반영하여 sparse 하고 비동기적으로 계산하는 메커니즘이 흥미로워서 관심을 가지게 되었다. 물론 SNN이 AI 분야의 주류라고 볼 순 없으며 아직 해결되어야 할 부분이 많지만, 현재의 AI 문제들을 해결할 key가 될 수 있지 않을까 생각한다. ref https://ieeexplore.ieee.org/abstract/document/11488853
Por Lawrence Dauchy Publicado el 4 de octubre de 2026 Para que un negocio local de Madrid tenga más posibilidades de aparecer en las recomendaciones de ChatGPT, necesita explicar con claridad qué ofrece, dónde trabaja y por qué resulta adecuado para una necesidad concreta. Esta guía propone un plan de preparación para 2027. Las funciones de búsqueda pueden cambiar, por lo que conviene revisar el comportamiento de la plataforma durante la ejecución y evitar cualquier promesa de posicionamiento. Respuesta rápida Empieza por corregir la información de tu negocio, crear páginas útiles sobre tus servicios y demostrar tu presencia real en Madrid. Después, revisa la accesibilidad de la web y comprueba cómo aparece tu empresa ante distintas preguntas locales. El objetivo es facilitar que se encuentre y se interprete información fiable sobre tu actividad. Ninguna acción garantiza que ChatGPT recomiende tu negocio. Lo que debes saber antes de empezar La ubicación debe ser precisa. Diferencia tu dirección física de las zonas donde prestas servicio. Cada servicio necesita una explicación concreta. Incluye condiciones, disponibilidad y formas de contratar. Las reseñas deben ser auténticas. Su utilidad está en describir experiencias reales. Una mención aislada aporta poca información. Repite las pruebas antes de sacar conclusiones. 2027 exige seguimiento. Revisa los cambios de la plataforma y los datos de tu empresa. ¿Qué significa posicionar un negocio local en ChatGPT? Significa aumentar las posibilidades de que tu empresa aparezca cuando una persona pregunta por un servicio relacionado con tu actividad y tu zona. Las consultas pueden ser muy específicas: «¿Dónde puedo reparar una bicicleta en Chamberí?» «Busco una gestoría en Madrid para darme de alta como autónomo». «¿Qué restaurante de Arganzuela tiene opciones vegetarianas?» «Necesito un electricista que atienda averías en Carabanchel». «¿Dónde puedo encargar una tarta sin gluten en Madrid?» Cada pregunta contiene criterios diferentes. Un usuario puede priorizar cercanía, horario, especialización, presupuesto o disponibilidad. Tu información debería permitir evaluar esos criterios. Una página que únicamente dice «servicios profesionales en Madrid» deja demasiadas preguntas abiertas. También conviene distinguir las pruebas realizadas con búsqueda web de las respuestas obtenidas sin ella. Mezclar ambos tipos de respuesta dificulta interpretar si un cambio en tu web coincide con una mejora observable. ¿Cómo debes presentar tu empresa para que se entienda mejor? Describe tu negocio con una frase que reúna actividad, ubicación y especialidad. Una descripción como «ofrecemos soluciones adaptadas a cada cliente» aporta poco contexto. Una formulación más útil sería: «Taller de reparación de bicicletas en Chamberí especializado en mantenimiento urbano, ajustes de frenos y revisión de transmisiones». Este ejemplo explica qué hace el negocio, dónde está y qué servicios pueden interesar a sus clientes. Mantén una ficha coherente de tu negocio Prepara un documento interno con los datos que deben mantenerse actualizados: Información Qué debes especificar Nombre comercial La denominación que utilizas públicamente Actividad El servicio o producto principal Dirección La ubicación real cuando corresponda publicarla Zona de servicio Los barrios o municipios que atiendes Contacto Teléfono y canales activos Horario Horario habitual y excepciones Especialidades Servicios que realmente puedes prestar Condiciones Cita previa, desplazamiento, presupuesto o reserva Utiliza esta ficha para revisar la web y los perfiles públicos de la empresa. Si has cambiado de dirección, teléfono o nombre, busca las versiones antiguas y corrígelas donde tengas capacidad de hacerlo. Mantener información contradictoria puede confundir tanto a los clientes como a los sistemas que consultan esas páginas. ¿Qué páginas necesita tu web para competir en Madrid? Prioriza las páginas que ayudan a un cliente a decidir si tu negocio encaja con su necesidad. Una estructura inicial puede incluir: Página principal con actividad y ubicación. Páginas de los servicios principales. Página de contacto. Información sobre el equipo y sus cualificaciones reales. Condiciones de contratación. Respuestas a preguntas frecuentes. Ejemplos de trabajos, cuando puedas publicarlos con autorización. Crea páginas por servicio Una gestoría puede explicar por separado el alta de autónomos, la gestión fiscal y la contabilidad de pequeñas empresas. Cada página debería responder: ¿Qué incluye el servicio? ¿Para quién resulta adecuado? ¿Qué necesita aportar el cliente? ¿Cómo se solicita? ¿Qué condiciones o límites tiene? ¿Se ofrece presencialmente, a distancia o de ambas formas? Esta separación permite describir cada servicio con suficiente detalle. Crea páginas locales cuando aporten información diferente Una página sobre atención en Retiro puede resultar útil si explica desplazamientos, disponibilidad o condiciones específicas de esa zona. Copiar una página y sustituir el nombre del barrio apenas añade información. Antes de crearla, comprueba si puedes explicar algo que ayude al cliente de ese lugar. Distingue también entre tener una sede y prestar servicio. Una empresa ubicada en Vallecas puede atender otros distritos, pero no debería presentar oficinas que no existen. ¿Cómo escribir contenido que responda a búsquedas locales? Organiza el contenido alrededor de las dudas que aparecen antes de una llamada, una visita o una contratación. Para un taller de bicicletas, podrían ser: ¿Es necesario pedir cita? ¿Se reparan bicicletas eléctricas? ¿Qué incluye una revisión? ¿Se puede conocer el presupuesto antes de aceptar? ¿Cuándo puede recogerse la bicicleta? ¿Hay servicios que el taller no realiza? Responde directamente y añade las condiciones necesarias para evitar malentendidos. Explica los precios con suficiente contexto Si publicas un precio, indica qué incluye y qué puede modificarlo. En una reparación a domicilio, pueden influir el desplazamiento, los materiales, la urgencia o el horario. En un servicio profesional, puede variar según la documentación o la complejidad del trabajo. Cuando no puedas ofrecer una tarifa fija, explica cómo preparas el presupuesto. Esta información resulta más útil que un precio inicial que apenas representa el coste final. Utiliza ejemplos auténticos Un ejemplo de trabajo puede mostrar el problema inicial, la intervención realizada y sus límites. Publica únicamente hechos que puedas respaldar. Evita atribuir resultados a clientes sin permiso o inventar casos para completar una página. Si necesitas un ejemplo hipotético para explicar un servicio, identifícalo como tal. ¿Qué papel tienen las reseñas y los perfiles locales? Los perfiles locales y las reseñas permiten a los clientes contrastar información sobre tu negocio. Mantenerlos actualizados ayuda a que encuentren horarios, ubicación y experiencias relevantes. La gestión de estos perfiles debe formar parte del mantenimiento habitual de tu presencia digital. No permite deducir por sí sola cómo seleccionará ChatGPT una empresa. Solicita opiniones sin dirigir su contenido Después de prestar un servicio, puedes invitar al cliente a compartir su experiencia de forma voluntaria. Una solicitud sencilla sería: «Si te apetece, puedes contar cómo fue el servicio y qué te resultó útil». Evita pedir palabras concretas, nombres de barrios o valoraciones positivas como condición. La reseña debe reflejar la experiencia de quien la escribe. Responde con información útil Si una opinión plantea un problema, explica cómo puede revisarse el caso sin divulgar información personal. Cuando varios clientes preguntan por lo mismo, utiliza esa señal para mejorar tu web. Las dudas repetidas sobre presupuestos, reservas o disponibilidad suelen indicar que falta una explicación clara. ¿Qué debes revisar en la parte técnica? La web debe permitir acceder al contenido público que deseas que se encuentre. Revisa las páginas importantes desde un navegador sin iniciar sesión. Comprueba que muestran información completa, que funcionan en móvil y que el contacto resulta visible. Para que una web sea elegible para aparecer en la búsqueda de ChatGPT, OpenAI recomienda permitir el acceso de OAI-SearchBot y comprobar que el alojamiento o la protección de la web no bloquean sus solicitudes. Esto facilita la elegibilidad, pero no garantiza la inclusión. Encarga una revisión concreta Puedes pedir al responsable técnico que compruebe: Acceso a las páginas de servicios. Reglas de robots.txt. Restricciones del servidor y del sistema de seguridad. Errores de carga. Contenido que solo aparece después de una interacción. Versiones duplicadas de páginas. Actualización del mapa del sitio. No cambies las reglas de acceso sin entender qué páginas afectan. Mantén los datos estructurados alineados con la web Si utilizas datos estructurados, comprueba que representan la información visible de la empresa. La dirección, los horarios y los servicios deben coincidir con lo que puede leer un visitante. Añadir marcado técnico no sustituye las explicaciones del contenido ni permite prometer recomendaciones. ¿Cómo puedes comprobar tu visibilidad en ChatGPT? Prepara un conjunto pequeño de preguntas que represente cómo buscan tus clientes. Incluye consultas generales, consultas por barrio y consultas sobre necesidades concretas. Para una empresa de limpieza, podrían ser: «Empresa de limpieza de oficinas en Madrid». «Limpieza de oficinas en Chamartín fuera del horario laboral». «Servicio de limpieza después de una reforma en Madrid». «Qué preguntar antes de contratar una empresa de limpieza». Mantén condiciones comparables Registra la fecha, la pregunta exacta y si se utilizó búsqueda web. Anota también el contexto previo de la conversación cuando pueda influir en la respuesta. Repite las pruebas con el mismo conjunto de preguntas. Una sola respuesta ofrece una muestra demasiado pequeña para evaluar el resultado de tu trabajo. Compr
📘 혼자 공부하는 네트워크 — 복습 DAY 4 학습 범위: 네트워크 DAY 1 ~ DAY 11 복습 방식: 20문제 풀이 및 해설 학습 내용: Proxy, TCP 제어, DNS, IPv4 단편화, Wireshark, HTTP 상태 코드, Load Balancing, TLS, DHCP, CIDR, HTTP Cache, TCP/UDP, CA, SPoF, BGP 기존에 공부했던 네트워크 내용을 다시 복습해보자. 이번 복습도 하루에 20문제씩 풀면서 기억이 나지 않거나 헷갈리는 부분을 다시 정리하는 방식으로 진행한다. Q1. Forward Proxy 회사 내부 직원들의 인터넷 요청을 대신 외부 서버로 전달하고 접속 기록이나 접근 정책을 관리하려고 한다. 어떤 프록시를 사용해야 할까? 1 Forward Proxy 2 Reverse Proxy 3 Load Balancer 4 Default Gateway 풀이 정답은 1 Forward Proxy Forward Proxy는 클라이언트 측에서 클라이언트를 대신하여 외부 서버에 요청을 전달 한다. 내부 사용자 | v Forward Proxy | v 외부 인터넷 반대로 Reverse Proxy는 외부 요청을 받아 내부 서버에 전달한다. 외부 사용자 | v Reverse Proxy | v 내부 Server 로드 밸런서는 특정 위치에 고정되는 개념이라기보다 여러 서버로 요청을 분산하는 역할이 핵심이다. Forward Proxy → Client를 대신 Reverse Proxy → Server를 대신 Load Balancer → 여러 Server로 요청 분산 Q2. 흐름 제어와 혼잡 제어 다음 두 상황은 각각 어떤 제어가 필요할까? 상황 A 송신자가 너무 빠르게 데이터를 전송하여 수신자의 버퍼가 거의 가득 찼다. 상황 B 송신자와 수신자는 데이터를 충분히 처리할 수 있지만 중간 네트워크에 패킷이 너무 많이 몰려 지연과 손실이 발생한다. 풀이 상황 A → Flow Control 상황 B → Congestion Control Flow Control(흐름 제어) 은 수신자가 처리할 수 있는 양보다 송신자가 너무 많은 데이터를 보내는 것을 방지한다. Flow Control → 수신자가 감당할 수 있는가? Congestion Control(혼잡 제어) 은 네트워크 자체에 패킷이 지나치게 많이 몰리는 것을 방지한다. Congestion Control → 네트워크가 감당할 수 있는가? 관련 윈도우는 다음과 같이 구분할 수 있다. 수신 윈도우 rwnd → Flow Control 혼잡 윈도우 cwnd → Congestion Control Q3. DNS 조회 순서 DNS 재귀 리졸버가 도메인의 IP 주소를 찾을 때 일반적인 조회 순서는? 1 TLD → Root → Authoritative 2 Root → Authoritative → TLD 3 Root → TLD → Authoritative 4 Authoritative → Root → TLD 풀이 처음에는 2번 이라고 생각했다. 정답은 3 Root → TLD → Authoritative DNS Resolver | v Root Name Server | v TLD Name Server | v Authoritative Name Server | v DNS Record Root Name Server 해당 최상위 도메인(TLD)을 담당하는 서버를 알려준다. "example.com?" → .com 담당 서버는 저쪽이야. TLD Name Server 해당 도메인을 담당하는 권한 있는 네임 서버를 알려준다. "example.com?" → example.com 담당 서버는 저쪽이야. Authoritative Name Server 실제 도메인의 DNS 레코드를 제공한다. example.com → IP Address 따라서 Root → TLD → Authoritative 순서로 기억한다. 단, DNS Cache가 있다면 일부 조회 과정은 생략될 수 있다. Q4. IPv4 단편화 필드 다음 중 역할이 잘못 연결된 것은? 1 Identification → 같은 원본 패킷의 조각인지 구분 2 Fragment Offset → 원본 데이터에서 해당 조각의 위치 확인 3 MF → 뒤에 단편이 더 있는지 확인 4 Sequence Number → 같은 원본 IP 패킷의 단편인지 구분 풀이 정답은 4번 Sequence Number는 IPv4 단편화가 아니라 TCP 데이터 순서 관리 와 관련되어 있다. IPv4 단편화에서는 다음 세 가지를 함께 기억한다. Identification → 같은 원본 Packet인가? Fragment Offset → 원본에서 어느 위치인가? MF → 뒤에 Fragment가 더 있는가? 반면 TCP Sequence Number → TCP 데이터 순서 관리 에 사용된다. Q5. Wireshark Display Filter 다음 조건의 패킷만 표시하고 싶다. 출발지 IP 192.168.10.50 TCP 목적지 Port 443 풀이 처음에는 다음과 같이 작성했다. sip:192.168.10.50 & TCP.443 하지만 Wireshark Display Filter 문법으로는 올바르지 않다. 정확한 필터는 다음과 같다. ip.src == 192.168.10.50 && tcp.dstport == 443 각 항목의 의미는 다음과 같다. ip.src → Source IP ip.dst → Destination IP tcp.srcport → TCP Source Port tcp.dstport → TCP Destination Port && → AND || → OR 따라서 Wireshark에서는 단순히 sip 와 같은 형태가 아니라 정해진 Display Filter 문법을 사용해야 한다. Q6. HTTP 502 Bad Gateway Reverse Proxy가 뒤쪽 WAS 서버에 요청을 전달했는데 유효하지 않은 응답 을 받았다. 어떤 HTTP 상태 코드가 적절할까? 1 404 2 500 3 502 4 504 풀이 정답은 3 502 Bad Gateway Client | v Reverse Proxy | v WAS Reverse Proxy 또는 Gateway가 상위 서버로부터 정상적이지 않은 응답을 받으면 502 Bad Gateway 가 발생할 수 있다. 502와 504 502 Bad Gateway → 상위 Server에서 유효하지 않은 응답 504 Gateway Timeout → 상위 Server가 제한 시간 내 응답하지 않음 Q7. L4와 L7 Load Balancer 다음과 같이 요청 경로에 따라 서로 다른 서버로 보내고 싶다. /images → Image Server /api → API Server 어떤 로드 밸런서를 사용해야 할까? 1 L2 2 L4 3 L7 4 DNS Round Robin 풀이 정답은 3 L7 Load Balancer URL 경로는 HTTP 애플리케이션 계층의 정보이다. 따라서 HTTP 요청 내용을 보고 서버를 선택하려면 L7이 필요하다. L4 → IP → TCP/UDP Port L7 → URL → HTTP Header → Cookie 구조를 보면 다음과 같다. Client | v L7 Load Balancer | +---- /images → Image Server | +---- /api → API Server Q8. TCP Fast Retransmit TCP 송신자가 같은 ACK 번호를 반복해서 받았다. 재전송 타이머가 만료되기 전에 손실된 것으로 판단되는 세그먼트를 다시 전송하는 기능은? 1 Slow Start 2 Fast Retransmit 3 Flow Control 4 Selective Repeat 풀이 처음에는 4 Selective Repeat 라고 생각했다. 정답은 2 Fast Retransmit Fast Retransmit은 동일한 ACK가 반복될 때 패킷 손실을 추정하여 재전송 타이머가 끝나기 전에 빠르게 재전송 하는 방식이다. 일반적으로 TCP에서는 동일한 ACK를 3번 중복해서 받는 경우 손실 가능성을 판단한다. Data 1 → 정상 Data 2 → 정상 Data 3 → 손실 Data 4 → 도착 Data 5 → 도착 Duplicate ACK Duplicate ACK Duplicate ACK ↓ Data 3 빠른 재전송 비슷한 용어들을 구분해야 한다. Fast Retransmit → Duplicate ACK 기반 빠른 재전송 Go-Back-N → 손실 지점부터 이후 데이터 재전송 Selective Repeat → 손실된 데이터만 선택적으로 재전송 Slow Start → Congestion Control Q9. TLS와 대칭 키 암호화 TLS에서 실제 애플리케이션 데이터를 암호화할 때 대칭 키 암호화 방식을 사용하는 주된 이유는? 1 공개 키 방식보다 일반적으로 처리 속도가 빠르다. 2 대칭 키는 키가 필요 없다. 3 대칭 키가 Server 인증까지 자동 수행한다. 4 공개 키 방식은 인터넷에서 사용할 수 없다. 풀이 처음에는 4번 이라고 생각했다. 정답은 1번 대칭 키 방식은 공개 키 방식과 비교했을 때 일반적으로 연산 비용이 적고 빠르기 때문에 실제 데이터를 암호화하는 데 적합하다. TLS에서는 각각의 기술을 대략 다음과 같이 나눠서 이해할 수 있다. 공개 키 기술 → 인증 → 안전한 Key Exchange 지원 대칭 키 → 실제 Application Data 암호화 즉, TLS Handshake → Server 인증 → 공유할 Session Key 마련 이후 실제 통신 → Session Key를 이용한 대칭 키 암호화 방식으로 이해할 수 있다. Q10. DHCP DORA DHCP로 IP 주소를 할당받는 올바른 순서는? 1 Discover → Offer → Request → ACK 2 Discover → Request → Offer → ACK 3 Offer → Discover → ACK → Request 4 Request → Offer → Discover → ACK 풀이 정답은 1번 순서는 앞글자를 이용하여 DORA 라고 기억할 수 있다. D Discover O Offer R Request A ACK Discover 처음에는 사용하지 않는 IP 주소를 찾는 과정이라고 생각했다. 정확히는 클라이언트가 DHCP 서버를 찾는 과정 이다. Client "DHCP Server 있나요? IP 주소가 필요합니다." Offer DHCP 서버가 사용할 수 있는 IP 주소를 제안한다. Server "이 IP를 사용하는 것은 어때?" Request 클라이언트가 제안받은 주소를 사용하겠다고 요청한다. Client "그 주소를 사용하겠습니다." ACK DHCP 서버가 최종적으로 승인한다. Server "확인. 그 IP를 사용해." Q11. CIDR 계산 다음 IP 주소의 Network Address Broadcast Address 사용 가능한 Host 범위 를 구해보자. 172.16.10.70/27 풀이 /27 이므로 Host Bit는 32 - 27 = 5bit 이다. 전체 주소 수는 2^5 = 32개 따라서 32개 단위로 Subnet이 나뉜다. 0 ~ 31 32 ~ 63 64 ~ 95 96 ~ 127 ... 70 은 64 ~ 95 구간에 포함된다. 따라서 Network Address 172.16.10.64 Broadcast Address 172.16.10.95 Host Range 172.16.10.65 ~ 172.16.10.94 사용 가능한 Host 수는 2^5 - 2 = 30개 이다. Q12. DNS A Record 도메인 이름을 IPv4 주소와 연결하는 DNS Record 는? 1 AAAA 2 A 3 MX 4 CNAME 풀이 처음에는 4 CNAME 이라고 생각했다. 정답은 2 A Record DNS Record는 다음과 같이 구분한다. A → IPv4 Address AAAA → IPv6 Address MX → Mail Server CNAME → 다른 Domain Name의 Alias 예를 들어 example.com → A → 192.0.2.10 처럼 A 레코드가 IPv4 주소를 가리킬 수 있다. CNAME은 IP 주소를 직접 나타내는 것이 아니라 다른 도메인 이름을 가리킨다. www.example.com | v CNAME | v example.com Q13. HTTP Cache와 304 Browser가 Server에 리소스 변경 여부를 확인했는데 다음 응답을 받았다. 304 Not Modified Browser는 어떻게 할까? 1 기존 Cache 삭제 후 다시 다운로드 2 기존 Cache 사용 3 404 오류 표시 4 TCP 연결 종료 풀이 정답은 2 기존 Cache 사용 Not Modified 라는 이름 그대로 서버의 리소스가 기존과 비교하여 변경되지 않았다는 의미이다. Browser "이 파일 변경됐어?" Server "변경 안 됐어. 304 Not Modified" Browser "그러면 기존 Cache 사용할게." 캐시를 사용하면 Network Traffic 감소 Response 속도 향상 Server 전송 부담 감소 와 같은 장점이 있다. Q14. Reverse Proxy 외부 사용자가 웹사이트에 접속한다. 요청은 먼저 Proxy Server가 받고 내부 WEB Server로 전달한다. 사용자는 내부 WEB Server의 실제 주소를 알 필요가 없다. 어떤 Proxy일까? 1 Forward Proxy 2 Reverse Proxy 3 NAT 4 DHCP 풀이 처음에는 1 Forward Proxy 라고 생각했다. 정답은 2 Reverse Proxy Reverse Proxy는 Server 측을 대신하여 외부 요청을 받는다. 외부 Client | v Reverse Proxy | v 내부 WEB Server 외부 사용자는 Reverse Proxy와 통신하고 실제 내부 서버의 구조나 주소를 직접 알 필요가 없다. Forward Proxy는 반대 방향이다. 내부 Client | v Forward Proxy | v 외부 Internet 따라서 다음처럼 기억한다. Forward Proxy → Client를 대신 Reverse Proxy → Server를 대신 Q15. TCP와 UDP 다음 중 UDP의 특징이 아닌 것은? 1 3-Way Handshake가 없다. 2 기본적으로 순서를 보장하지 않는다. 3 기본적으로 재전송을 통해 신뢰성을 보장한다. 4 실시간 음성/영상에 활용될 수 있다. 풀이 정답은 3번 UDP는 TCP처럼 기본적으로 재전송을 통해 신뢰성을 보장하지 않는다. UDP의 주요 특징은 다음과 같다. 비연결형 3-Way Handshake 없음 순서 보장 없음 기본 재전송 없음 상대적으로 작은 Overhead 반면 TCP에서는 Connection 설정 재전송 순서 보장 Flow Control Congestion Control 등의 기능을 제공한다. Q16. MTU와 DF 크기가 2000 Byte 인 IPv4 패킷이 MTU = 1500 Byte 인 구간을 지나야 한다. 그런데 DF = 1 로 설정되어 있다. 어떻게 처리될까? 1 단편화하여 전송 2 패킷 폐기 후 일반적으로 ICMP 메시지 전달 3 MTU를 2000으로 변경 4 TCP로 변환 풀이 처음에는 DF가 단편화 가능한 횟수 와 관련된 값인지 생각했다. 하지만 DF는 Don't Fragment 의 약자이다. DF = 0 → Fragmentation 허용 DF = 1 → Fragmentation 금지 현재 패킷은 2000 Byte이고 구간의 MTU는 1500 Byte이다. 따라서 단편화가 필요하지만 DF가 1이므로 라우터는 단편화할 수 없다. 결과적으로 패킷을 폐기하고 일반적으로 ICMP 관련 메시지를 전달한다. DF = Don't Fragment = 단편화하지 마 Q17. CA HTTPS에서 CA의 주요 역할은 무엇일까? 1 모든 HTTPS Data를 직접 암호화 2 인증서를 발급하고 서명하여 Server 신뢰성을 검증할 수 있게 함 3 TCP 연결을 대신 수행 4 DNS를 IP로 변환 풀이 정답은 2번 CA는 Certificate Authority 즉, 인증 기관이다. 주요 역할은 Digital Certificate 발급 Certificate 전자 서명 공개 키와 신원 정보 연결 신뢰 체계 제공 등이다. Client는 Server가 보낸 인증서를 확인하면서 인증서 유효기간 Domain 일치 여부 Certificate Chain CA 신뢰 여부 전자 서명 등을 확인할 수 있다. CA가 HTTPS 통신 데이터를 모두 직접 암호화하는 것은 아니다. Q18. SPoF 다음 구조에서 WEB Server는 두 대로 이중화되어 있지만 Load Balancer는 한 대이다. Client | v Load Balancer | +---- WEB A | +---- WEB B Load Balancer에 장애가 발생하면 어떻게 될까? 풀이 정답은 Load Balancer가 SPoF가 될 수 있고 서비스 접근이 중단될 수 있다. WEB A와 WEB B 자체는 정상이어도 Client 요청이 Load Balancer를 통과해야 한다면 Load Balancer 장애로 서비스에 접근하지 못할 수 있다. SPoF는 Single Point of Failure 의 약자이다. 처음에는 Simple Path Objective Failure? 와 비슷하게 기억하고 있었다. 정확한 의미는 하나의 구성 요소에 장애가 발생했을 때 전체 시스템이나 서비스에 큰 영향을 줄 수 있는 단일 장애 지점 이다. Client | v Load Balancer ← SPoF 가능 | +---+---+ | | v v WEB A WEB B 따라서 고가용성을 구성할 때는 서버뿐 아니라 중간 장비에도 SPoF가 남아 있는지 확인해야 한다. Q19. eBGP와 iBGP 서로 다른 AS 사이에서 BGP 정보를 교환할 때 사용하는 방식은? 1 iBGP 2 eBGP 3 OSPF 4 RIP 풀이 정답은 2 eBGP eBGP는 External BGP 로, 서로 다른 AS 사이에서 BGP 경로 정보를 교환한다. AS 100 | eBGP | AS 200 iBGP는 Internal BGP 로, 같은 AS 내부의 BGP Router 사이에서 BGP 정보를 교환한다. AS 100 Router A | iBGP | Router B 여기서 주의할 것은 iBGP ≠ IGP 라는 것이다. IGP는 RIP와 OSPF처럼 AS 내부 라우팅에 사용하는 라우팅 프로토콜 계열이다. IGP ├─ RIP └─ OSPF BGP ├─ iBGP └─ eBGP 또한 eBGP의 기준은 단순히 다른 Network 가 아니라 다른 AS 라는 점을 기억한다. Q20. 502와 504 다음과 같은 구조가 있다. 사용자 | v Reverse Proxy | v WEB Server 사용자가 웹사이트에 접속했는데 504 Gateway Timeout 응답을 받았다. 어떤 상황일까? 풀이 정답은 Reverse Proxy가 WEB Server로부터 제한 시간 안에 응답을 받지 못했을 가능성이 있다. 504 Gateway Timeout 은 Gateway나 Proxy가 뒤쪽 Server에 요청을 전달했지만 정해진 시간 내에 응답하지 않은 경우 발생할 수 있다. 반면 502 Bad Gateway 는 뒤쪽 Server에서 응답은 받았지만 유효하지 않은 응답인 경우와 관련된다. 502 Bad Gateway → 상위 Server의 응답에 문제 504 Gateway Timeout → 상위 Server의 응답 시간이 초과 쉽게 기억하면 502 → 응답이 이상함 504 → 응답을 기다리다가 시간 초과 📌 DAY 4 — 오답 및 헷갈렸던 개념 문제 개념 핵심 복습 Q3 DNS 조회 Root → TLD → Authoritative Q5 Wireshark ip.src == IP && tcp.dstport == Port Q8 TCP 재전송 Duplicate ACK → Fast Retransmit Q9 TLS 대칭 키는 실제 데이터 암호화에 효율적 Q12 DNS Record A = IPv4, AAAA = IPv6, CNAME = Alias Q14 Proxy Forward는 Client 측, Reverse는 Server 측 Q16 IPv4 단편화 DF = Don't Fragment Q18 SPoF Single Point of Failure 🔥 오늘 특히 기억해야 할 내용 Proxy Forward Proxy → Client를 대신 Reverse Proxy → Server를 대신 TCP 제어 Flow Control →
[플레이데이터 SK네트웍스 Family AI 캠프 36기] 단위 2차 팀 프로젝트 1일차 (2026.09.28) 팀 프로젝트 1일차 📖 오늘 학습 내용 프로젝트 주제 선정 (League of Legends 플레이어 이탈 위험 예측) 시장조사 (국내 게임산업, League of Legends 영향력) 기존 서비스 조사 (OP.GG, FOW.KR, YOUR.GG) 문제 정의와 이탈(Churn) 정의 프로젝트 입력/출력 구조 GitHub 협업 구조 설계 프로젝트 첫날에는 바로 모델을 만드는 게 아니라 무엇을 예측할 것인지, 왜 이 프로젝트가 필요한지, 어떤 데이터를 사용할지 를 먼저 정의했다. 프로젝트 주제 선정 → 시장조사 → 기존 서비스 조사 → 문제 정의 → 이탈 기준 정의 → 프로젝트 요구사항 정리 → 팀원 역할 분담 → GitHub 협업 구조 설계 1. 프로젝트 주제 — League of Legends 플레이어 이탈 위험 예측 프로젝트의 핵심 목적은 League of Legends 사용자의 과거 경기 기록을 분석해서 앞으로 일정 기간 동안 게임 활동이 중단될 가능성이 높은 사용자를 미리 찾아내는 것이다. 사용자 A: 최근에도 계속 게임함 → 위험 낮음 사용자 B: 최근 게임 횟수 감소, 경기 간격 증가, 최근 활동일 감소 → 위험 증가 사용자 C: 마지막 경기 이후 오랜 시간 경과 → 위험 높음 즉 사용자의 과거 경기 행동을 이용해서 "이 사용자가 앞으로 게임을 하지 않을 가능성이 높은가?"를 예측한다. 왜 이런 프로젝트를 하는가 : 게임 운영 담당자가 사용자 10명 정도는 직접 확인할 수 있지만, 1,000명/10,000명/100,000명이 되면 모든 사람을 직접 살펴보기 어렵다. 그래서 모델이 위험도가 높은 사용자부터 낮은 사용자 순으로 정렬해주는 것이다. 프로젝트에서 제공하려는 결과 : 단순히 "이탈 O/X"만 보여주는 게 아니라, 사용자 → 이탈 위험 Score → 위험 Ranking → 주요 영향 Feature → 운영자가 우선 확인하는 흐름으로 이어진다. "누구를 먼저 봐야 하는가"와 "왜 이 사용자가 위험하다고 판단되었는가"를 함께 제공하는 게 목표다. 2. 시장조사 프로젝트의 필요성을 확인하기 위해 국내 게임시장과 League of Legends의 영향력을 조사했다. 국내 게임산업 : 조사 자료 기준 2024년 국내 게임산업 매출은 23조 8,515억 원이고, 이 중 PC 게임 시장은 6조 94억 원 규모다. PC 게임은 여전히 상당한 규모를 가지고 있다. League of Legends : 조사 시점 기준 LoL의 국내 PC방 사용시간 점유율은 34.37%로 전체 1위였다. 쉽게 생각하면 조사된 PC방 게임 이용시간 중 약 3시간 중 1시간 정도를 LoL이 차지한다고 볼 수 있다. 주의할 점 : "PC방 점유율 34.37%"가 "한국인의 34.37%가 LoL을 한다"는 뜻은 아니다. 정확히는 조사된 PC방 전체 게임 사용시간 중 LoL이 차지하는 비율 이다. PC방 점유율 ≠ 전체 이용자 비율 ≠ 월간 활성 사용자 수 ≠ LoL 전체 사용자 수라는 점을 명확히 구분해야 한다. 왜 LoL을 분석 대상으로 선택했는가 : LoL은 장기간 서비스되고 있는 게임이라 신규 사용자 확보뿐 아니라 기존 사용자 유지, 휴면 사용자 관리, 재활성화도 중요할 수 있다. 또한 Riot API를 이용하면 경기 횟수, 경기 시각, 승패, KDA, 챔피언, 게임 모드, 게임 시간, Gold, CS, Damage, Vision 같은 실제 경기 데이터를 수집할 수 있어서, 단순 설문조사가 아니라 실제 게임 플레이 기록을 기반으로 사용자의 행동 변화를 분석 할 수 있다. 3. 기존 서비스 조사 대표적인 LoL 서비스로 OP.GG, FOW.KR, YOUR.GG 등이 있다. 이런 서비스는 주로 전적, 승률, KDA, 챔피언 통계, 아이템 Build, Rune, Tier, 경기력, 플레이 스타일 등을 보여준다. 질문으로 바꾸면 "이 사용자가 지금까지 게임을 어떻게 했는가?"를 설명하는 서비스다. 우리 프로젝트의 질문은 조금 다르다 — "이 사용자가 앞으로 게임을 하지 않을 가능성이 높은가?" 기존 전적 서비스 우리 프로젝트 최근 경기 결과 최근 경기 수 변화 현재 승률 승률 변화 KDA 평균 KDA 및 변화 챔피언 통계 챔피언 다양성 현재 상태 미래 활동 가능성 경기력 분석 이탈 위험 분석 개인 실력 개선 위험 사용자 선별 4. 프로젝트 문제 정의 운영 담당자의 문제를 다음과 같이 가정했다. 사용자가 많음 → 모든 사용자의 여러 지표를 사람이 직접 확인하기 어려움 → 누구를 먼저 관리해야 할지 우선순위 결정 필요 → Machine Learning Model → Risk Score → 위험 사용자 Ranking 이탈이란? : 이 프로젝트에서 가장 중요한 부분이다. 일반적으로 이탈이라고 하면 회원 탈퇴, 게임 삭제, 계정 삭제 같은 걸 떠올리지만, Riot API에서는 이런 정보를 직접 확인할 수 없다. 그래서 게임 경기 기록을 이용해 이탈을 정의 했다. 초기 이탈 정의 : 프로젝트 초기에는 "과거 30일 경기 기록 → 향후 14일 동안 경기 없음 → 이탈"이라는 기준도 검토했지만, 진행하면서 최종 기준을 다시 정의했다. 최종 이탈 정의 : 기준일 이후 30일 동안 분석 대상 게임 모드에서 경기 기록이 없는 상태 를 이탈로 정의했다. 기준일 T 과거 │ 미래 ───────────────────●──────────────────── │ 이후 30일 확인 │ ┌────────┴─────────┐ ↓ ↓ 경기 0회 경기 1회 이상 churn = 1 churn = 0 여기서 매우 중요한 점 : 우리 프로젝트에서 쓰는 churn 은 계정 탈퇴, 회원 탈퇴, 게임 완전 삭제, 로그인 중단, 영구적인 게임 중단이 아니다 . 정확히는 "기준일 이후 30일 동안 대상 게임의 경기 기록이 없음"이라는 의미다. 그래서 발표할 때도 "30일 무경기 상태" 또는 "게임 활동 휴면 위험"처럼 설명하는 게 더 정확하다. 5. 프로젝트 입력과 출력 입력 : 사용자의 과거 경기 기록으로부터 만든 행동 Feature를 사용한다 — 최근 7일 경기 수, 최근 30일 경기 수, 마지막 경기 이후 경과일, 평균 경기 간격, 승률, KDA, 연패, 게임 모드, 챔피언 다양성 등. 출력 : 사용자별 Risk Score, 위험 Ranking, High Risk 사용자, 주요 영향 Feature를 제공한다. 프로젝트 전체 구조 : Riot Games API → Player/Match Data → 전처리 → Feature Engineering → Machine Learning → Risk Score → 위험 사용자 Ranking → Dashboard 6. GitHub 협업 구조 설계 여러 명이 하나의 프로젝트를 동시에 수정하면 문제가 생길 수 있다. A가 collector.py를 수정하고 B도 collector.py를 수정하고 C가 dashboard를 수정하는 작업을 모두 main 에서 하면 충돌 위험이 커진다. 그래서 기능별 Branch를 사용했다. main └── develop ├── feature/data-collection ├── feature/data-analysis ├── feature/churn-model └── feature/dashboard Branch 역할 main 최종 발표·배포 가능한 버전 develop 각 기능을 합쳐 검증 feature/data-collection Riot API 및 데이터 수집 feature/data-analysis 전처리, EDA, Feature 생성 feature/churn-model 모델 학습 및 평가 feature/dashboard Web / Dashboard 왜 사람 이름으로 Branch를 만들지 않았는가 : feature/hyowon , feature/minsu 처럼 사람 이름이 아니라 feature/data-analysis , feature/churn-model 처럼 기능 기준으로 나눴다. 담당자가 바뀌더라도 이 Branch가 무슨 일을 하는지 알 수 있기 때문이다. Git 작업 순서 : # 작업 시작 git switch feature/담당브랜치 git pull origin feature/담당브랜치 # 작업 후 git status git add . git commit -m "feat: 작업 내용" git push origin feature/담당브랜치 기능 완료 흐름: feature Branch → Pull Request → develop → 통합 Test → Pull Request → main GitHub 협업 원칙 : main에 바로 Push하지 않기 develop에서 개인 작업하지 않기 담당 Feature Branch에서 개발 작업 전 Pull 의미 있는 단위로 Commit 기능 완료 후 PR develop에서 통합 확인 최종적으로 main 반영 핵심 정리 [시장조사] 국내 게임시장과 LoL의 영향력 확인 ↓ [문제 발견] 많은 사용자를 운영자가 직접 관리하기 어려움 ↓ [프로젝트 목표] 향후 게임 활동을 하지 않을 가능성이 높은 사용자 탐지 ↓ [최종 이탈 정의] 기준일 이후 30일 동안 경기 기록 0회 ↓ [결과] Risk Score, 위험 Ranking, 영향 Feature ↓ [개발 방식] 기능별 Git Branch를 이용한 팀 협업
" According to the latest report published by Data Bridge Market Research, the Smart Fleet Management Market CAGR Value The smart fleet management market was valued at USD 49.63 billion in 2022 and is expected to reach USD 91.29 billion by 2030, registering a CAGR of 8.5% during the forecast period of 2023-2030 An influential Smart Fleet Management Market advertising report puts light on the types of customers, product-buyer insights, market changes over last few years, reactions of various geographic regions, new developments in the market, actions of other corporate players and more. This marketing analysis gives an examination of various segments that are relied upon to witness the quickest development amid the estimate forecast frame. All the statistics are signified in graphical and tabular format for a clear understanding on facts and figures. By accomplishing an inspiration from the marketing strategies of rivals, businesses can set up inventive ideas and striking sales targets which in turn make them achieve competitive advantage over its competitors. Stay informed with our latest keyword market research covering strategies, innovations, and forecasts. Download full report: https://www.databridgemarketresearch.com/reports/global-smart-fleet-management-market Smart Fleet Management Market Segmentation and Market Companies Segments Transport Type: The smart fleet management market can be segmented based on transport type into roadways, railways, maritime, and aviation. Each of these segments has unique requirements in terms of fleet management solutions, with roadways being the most common segment due to the high volume of vehicles on roads. Hardware Type: This segment includes tracking devices, vehicle cameras, and sensors, among others. The demand for advanced hardware solutions is driving the growth of this segment as fleet operators seek to improve efficiency and safety. Connectivity Type: The market can also be segmented based on connectivity type, including cellular network, satellite communication, and others. The choice of connectivity type impacts the data transmission speed and coverage, crucial for real-time monitoring and decision-making in fleet management. Market Players IBM Corporation: IBM offers a comprehensive smart fleet management solution that leverages IoT and AI technologies to optimize fleet operations, enhance driver safety, and reduce fuel consumption. Trimble Inc.: Trimble provides a range of fleet management solutions that incorporate GPS tracking, routing, and scheduling features to improve fleet visibility and operational efficiency. TomTom International BV: TomTom offers fleet management software that enables real-time tracking, performance analysis, and reporting to help fleet managers make data-driven decisions and streamline operations. Verizon Communications Inc.: Verizon's smart fleet management solutions focus on improving asset utilization, driver behavior monitoring, and preventative maintenance to drive operational excellence and cost savings. The global smart fleet management market is poised for significant growth as fleet operators across different industries increasingly adopt advanced technologies to streamline operations, enhance safety, and reduce costs. The segmentation of the market based on transport type, hardware type, and connectivity type highlights the diverse needs and preferences of fleet operators, driving the demand for tailored solutions. Leading market players such as IBM, Trimble, TomTom, and Verizon are at the forefront of providing innovative smart fleet management solutions that leverage IoT, AI, and data analytics to meet the evolving requirements of the market. Overall, the market is expected to witness continued expansion as technological advancements and digitization reshape the fleet management landscape. The global smart fleet management market is experiencing a rapid transformation driven by technological advancements and the increasing demand for efficient and cost-effective fleet operations. One of the emerging trends in the market is the shift towards more sustainable and eco-friendly practices, with fleet operators embracing electric vehicles and alternative fuel options to reduce their carbon footprint. This emphasis on sustainability is not only driven by regulatory requirements but also by the growing awareness of environmental issues among consumers and stakeholders. Another key trend shaping the smart fleet management market is the integration of advanced analytics and artificial intelligence capabilities into fleet management solutions. By leveraging data analytics tools, fleet operators can gain valuable insights into driver behavior, vehicle performance, and operational efficiency, allowing them to make informed decisions and optimize their fleet operations. AI-powered predictive maintenance programs are also becoming increasingly popular, as they help prevent costly breakdowns and minimize downtime. Furthermore, the rise of the Internet of Things (IoT) technology is revolutionizing fleet management by enabling real-time communication and data exchange between vehicles, sensors, and fleet management platforms. IoT-powered solutions offer enhanced visibility and control over fleet assets, allowing operators to track vehicles, monitor driver behavior, and optimize routing in a more efficient and proactive manner. The integration of IoT technology with other advanced solutions, such as cloud computing and big data analytics, is driving increased automation and connectivity in smart fleet management systems. Moreover, the growing emphasis on driver safety and compliance with regulatory standards is driving the adoption of advanced safety technologies in fleet management solutions. Features such as driver monitoring systems, collision avoidance systems, and fatigue detection tools are becoming standard components of smart fleet management platforms, helping to reduce accidents, improve driver behavior, and ensure regulatory compliance. Fleet operators are increasingly investing in these technologies to protect their drivers, vehicles, and cargo, while also reducing insurance costs and minimizing legal liabilities. In conclusion, the global smart fleet management market is undergoing significant changes driven by technological innovation, sustainability goals, and regulatory requirements. The integration of advanced technologies such as AI, IoT, and data analytics is reshaping the way fleet operators manage their assets, enhance operational efficiency, and ensure driver safety. As the market continues to evolve, we can expect to see further advancements in smart fleet management solutions, with a focus on customization, integration, and scalability to meet the diverse needs of fleet operators across different industries.The global smart fleet management market is poised for remarkable growth propelled by the continuous technological advancements and increasing adoption of efficient and cost-effective fleet operations solutions. One of the significant trends shaping the market is the industry's move towards sustainability and eco-friendly practices, with a growing emphasis on electric vehicles and alternative fuel options to reduce carbon footprint. This shift is not only driven by regulatory mandates but also by the rising awareness of environmental concerns among consumers and stakeholders, making sustainability a key priority for fleet operators worldwide. Another crucial trend influencing the smart fleet management market is the integration of advanced analytics and artificial intelligence capabilities into fleet management solutions. By leveraging data analytics tools and AI algorithms, fleet operators can gain valuable insights into driver behavior, vehicle performance, and operational efficiency, enabling them to make data-driven decisions and optimize fleet operations effectively. The adoption of predictive maintenance programs powered by AI is gaining traction as it helps prevent costly breakdowns, minimize downtime, and enhance overall fleet efficiency. Moreover, the emergence of Internet of Things (IoT) technology is revolutionizing fleet management by enabling real-time communication and data exchange between vehicles, sensors, and fleet management platforms. IoT-powered solutions offer enhanced visibility into fleet assets, enabling operators to track vehicles, monitor driver behavior, and optimize routing in a proactive and efficient manner. The integration of IoT technology with other advanced solutions such as cloud computing and big data analytics is driving increased automation and connectivity in smart fleet management systems, leading to improved operational efficiency and cost savings for fleet operators. Furthermore, the increasing focus on driver safety and compliance with regulatory standards is propelling the adoption of advanced safety technologies in smart fleet management solutions. Features like driver monitoring systems, collision avoidance systems, and fatigue detection tools are becoming essential components of fleet management platforms, helping to reduce accidents, enhance driver behavior, and ensure regulatory compliance. Fleet operators are investing in these technologies to safeguard their drivers, vehicles, and cargo while also reducing insurance costs and mitigating legal liabilities. In conclusion, the global smart fleet management market is undergoing a significant transformation fueled by technological innovation, sustainability initiatives, and stringent regulatory requirements. The integration of advanced technologies such as AI, IoT, and data analytics is reshaping how fleet operators manage their assets, drive operational efficiency, and ensure driver safety. As the market evolves, we anticipate further advancements in smart fleet management solutions, focusing on customization, integration, and scalability to address the diverse needs of fleet operators across various industries. F