https://www.cnbc.com/2023/09/13/google-is-cutting-hundreds-of-jobs-in-its-recruiting-organization.html

Google is cutting hundreds of jobs in its recruiting organization

Google workers walk outside of Google headquarters in Mountain View, Calif., Thursday, April 12, 2012. Google Inc. said Thursday that it earned $2.89 billion, or $8.75 per share, in the first quarter. That’s up from $1.8 billion, or $5.51 per share, a year earlier. (AP Photo/Paul Sakuma)

Paul Sakuma

ChatGPT Passes Google Coding Interview for Level 3 Engineer With $183K Salary

ChatGPT, $183,000 급여로 레벨 3 엔지니어를 위한 Google 코딩 인터뷰 통과

'놀랍게도 ChatGPT는 코딩 직책을 위해 인터뷰를 할 때 L3에 고용됩니다'라고 Google 문서를 읽지만 ChatGPT 자체는 인간의 창의성과 문제 해결 기술을 복제할 수 없다고 말합니다.

https://www.pcmag.com/news/chatgpt-passes-google-coding-interview-for-level-3-engineer-with-183k-salary

내부 문서에 따르면 Google은 코딩 인터뷰 질문을 ChatGPT 에 제공 했으며 AI의 답변을 기반으로 레벨 3 엔지니어링 위치에 고용될 것이라고 결정했습니다.

보고된 바와 같이(새 창에서 열립니다)CNBC에 따르면 이 실험은 Google이 최근 사이트에 추가할 것을 고려 중인 여러 AI 챗봇에 대한 테스트의 일환으로 수행되었습니다. 질문에 대한 간결하고 충실한 답변을 표시하는 ChatGPT의 기능은 사용자가 일반적으로 동일한 정보를 찾기 위해 Google에서 링크를 서핑하는 데 소요되는 시간을 절약할 수 있습니다.

"놀랍게도 ChatGPT는 코딩 직책을 위해 면접을 볼 때 L3에 고용됩니다."라고 문서에 나와 있습니다. 레벨 3은 Google 엔지니어링 팀의 초급 직책으로 간주되지만 평균 총 보수는 약 $183,000 입니다.(새 창에서 열립니다).

Google의 소프트웨어 엔지니어 인터뷰 프로세스(새 창에서 열립니다)ChatGPT가 통과한 기술적인 질문에 주로 의존합니다. 그러나 인터뷰에는 몇 가지 행동 예("시간에 대해 알려주세요...")가 포함되어 있지만 Facebook, Amazon 및 다른 사람들도 특히 ChatGPT를 "고용"하는 데 장벽이 될 수 있는 리더십 역할에 대해 이러한 질문에 의존합니다.

그러나 ChatGPT가 코딩 인터뷰의 기술적 질문을 통과할 수 있다는 발견은 플랫폼이 Google뿐만 아니라 그 뒤에 있는 엔지니어링 작업을 변화시킬 수 있는 능력에 대한 의문을 제기했습니다. 이것이 이미 일어나고 있습니까? 5년 또는 20년 후에 일어날 것입니까?

PCMag가 ChatGPT에게 소프트웨어 엔지니어를 대체할 것인지 물었을 때 확신하지 못했습니다.

AI는 "아니요, ChatGPT는 소프트웨어 엔지니어를 대체하지 않을 것"이라고 답했습니다. "ChatGPT는 특정 작업을 지원할 수 있는 도구이지만 인간 소프트웨어 엔지니어의 창의성, 문제 해결 기술 및 비판적 사고 능력을 완전히 대체할 수는 없습니다. 또한 ChatGPT를 효과적으로 작동하려면 인간의 감독과 지시가 필요합니다."

우리는 이것이 20년 후에 해당될 것인지 또는 낮은 수준의 위치가 더 위험할 수 있는지 물었고 ChatGPT는 그것이 낮은 수준의 위치에 영향을 미칠 수 있음을 인정했습니다. 그러나 완전한 대체가 아니라 인간 소프트웨어 엔지니어를 지원하는 도구가 될 것이라고 반복했습니다.

Google Colaboratory - python 실습하기

https://colab.research.google.com/

https://research.google.com/colaboratory/faq.html

자주 묻는 질문(FAQ)

기본 사항

Colab 사용하기

Google Colab Free GPU Tutorial

https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d

Hello! I will show you how to use Google Colab, Google’s free cloud service for AI developers. With Colab, you can develop deep learning applications on the GPU for free.

Thanks to KDnuggets!

I am happy to announce that this blog post was selected as KDnuggets Silver Blog for February 2018! Read this on KDnuggets.

What is Google Colab?

Google Colab is a free cloud service and now it supports free GPU!

You can;

• improve your Python programming language coding skills.
• develop deep learning applications using popular libraries such as Keras, TensorFlow, PyTorch, and OpenCV.

The most important feature that distinguishes Colab from other free cloud services is; Colab provides GPU and is totally free.

Detailed information about the service can be found on the faq page.

Getting Google Colab Ready to Use

Creating Folder on Google Drive

Since Colab is working on your own Google Drive, we first need to specify the folder we’ll work. I created a folder named “app” on my Google Drive. Of course, you can use a different name or choose the default Colab Notebooks folder instead of app folder.

I created an empty “app” folder

Creating New Colab Notebook

Create a new notebook via Right click > More > Colaboratory

Right click > More > Colaboratory

Rename notebook by means of clicking the file name.

Setting Free GPU

It is so simple to alter default hardware (CPU to GPU or vice versa); just follow Edit > Notebook settings or Runtime>Change runtime type and select GPU as Hardware accelerator.

Running Basic Python Codes with Google Colab

Now we can start using Google Colab.

I will run some Basic Data Types codes from Python Numpy Tutorial.

It works as expected :) If you do not know Python which is the most popular programming language for AI, I would recommend this simple and clean tutorial.

Running or Importing .py Files with Google Colab

Run these codes first in order to install the necessary libraries and perform authorization.

When you run the code above, you should see a result like this:

Click the link, copy verification code and paste it to text box.

After completion of the authorization process, you should see this:

Now you can reach you Google Drive with:

install Keras:

!pip install -q keras

upload mnist_cnn.py file to app folder which is located on your Google Drive.

mnist_cnn.py file

run the code below to train a simple convnet on the MNIST dataset.

!python3 "/content/drive/My Drive/app/mnist_cnn.py"

As you can see from the results, each epoch lasts only 11 seconds.

일을 더 잘하게 합시다. - reWork withgoogle.com

구글에서는 설문을 통해 리더들이 9가지 원칙을 점검하는지 스스로를 되묻게 한대요. 한번씩 읽어볼만 해요.

1.     직원들이 성과를 낼 수 있도록 "실행 가능한" 피드백을 주세요.

2.     팀원을 인간답게 배려해주세요.

3.     세세하게 관리하지 마세요.

4.     관점이 달라도 존중해 주세요.

5.     결과를 달성하도록 해주세요

6.     정보사항을 제대로 공유해 주세요

7.     더 나아가, 팀원들의 경력이 쌓일수 있도록 멘토링해주세요

8.     목표치 명확하게 전달해 주세요.

9.    이제 당신은 훌륭한 리더입니다.

https://rework.withgoogle.com/

일을 더 잘하게 합시다.

re:Work는 사람을 최우선으로 생각하는 데 도움이 되는 Google 및 기타 업체의 사례, 연구 및 아이디어 모음입니다.

re:Work with Google에 대해 자세히 알아보세요. 

• 목표 설정목표를 설정하여 노력을 조정하고, 목표를 전달하고, 프로세스를 측정합니다.
• 고용직무 설명, 구조화된 인터뷰, 고용 위원회 등을 통해 더 나은 고용 결정을 내립니다.
• 혁신혁신을 위한 기술을 구축하고 이를 직장의 일부로 만드는 방법을 배우십시오.
• 학습 및 개발학습을 모든 사람의 업무의 일부로 만들어 직원이 성장하고 발전할 수 있도록 역량을 강화하십시오.
• 관리자무엇이 훌륭한 관리자인지 파악하고 피드백과 개발 기회를 제공하십시오.
• 사람 분석과학과 데이터를 사용하여 정보에 입각한 객관적인 결정을 내립니다.
• 팀팀 효율성과 심리적 안전을 촉진하는 방법을 검토합니다.
• 편향되지 않음모든 사람을 교육하고, 측정하고, 책임을 지도록 함으로써 무의식적 편견의 영향을 줄입니다.

[googlePhoto] A redesigned Google Photos, built for your life’s memories

https://www.blog.google/products/photos/redesigned-google-photos/

BERT 톺아보기  docs.likejazz.com/bert/

인공지능(AI) 언어모델 ‘BERT(버트)'는 무엇인가

github.com/google-research/bert

지난해 11월, 구글이 공개한 인공지능(AI) 언어모델 ‘BERT(이하 버트, Bidirectional Encoder Representations from Transformers)’는 일부 성능 평가에서 인간보다 더 높은 정확도를 보이며 2018년 말 현재, 자연 언어 처리(NLP) AI의 최첨단 딥러닝 모델이다. 

또한 BERT는 언어표현 사전학습의 새로운 방법으로 그 의미는 '큰 텍스트 코퍼스(Wikipedia와 같은)'를 이용하여 범용목적의 '언어 이해'(language understanding)' 모델을 훈련시키는 것과 그 모델에 관심 있는 실제의 자연 언어 처리 태스크(질문·응답 등)에 적용하는 것이다.

특히 BERT는 종래보다 우수한 성능을 발휘한다. BERT는 자연언어 처리 태스크를 교육 없이 양방향으로 사전학습하는 첫 시스템이기 때문이다. 교육 없음이란 BERT가 보통의 텍스트 코퍼스만을 이용해 훈련되고 있다는 것을 의미한다. 이것은 웹(Web) 상에서 막대한 양의 보통 텍스트 데이터가 여러 언어로 이용 가능하기 때문에 중요한 특징으로 꼽는다.

사전학습을 마친 특징 표현은 문맥에 '의존하는 방법'와 '의존하지 않는 방법'의 어느 방법도 있을 수 있다. 또 문맥에 의존하는 특징적인 표현은 단방향인 경우와 혹은 양방향일 경우가 있다. word2vec나 GloVe와 같이 문맥에 의존하지 않는 모델에서는, 어휘에 포함되는 각 단어마다 '단어 삽입(word embedding)'이라는 특징 표현을 생성한다. 따라서, 'bank'라는 단어는 'bank deposit' 또는 'river bank'과 같은 특징으로 표현되며, 문맥에 의존하는 모델에서는 문장에 포함되는 다른 단어를 바탕으로 각 단어의 특징을 표현 생성한다.

BERT는 문맥에 의존하는 특징적인 표현의 전학습을 실시하는 대응을 바탕으로 구축되었다. 그러한 대응은 Semi-supervised Sequence Learning, Generative Pre-Training, ELMo, 및 ULMFit를 포함하며, 대응에 의한 모델은 모두 단방향 혹은 얕은 양방향이다. 각 단어는 단지 그 왼쪽(혹은 오른쪽)에 존재하는 단어에 의해서만 문맥의 고려가 되는 것을 의미한다.

예를 들어, I made a bank deposit라는 문장은 bank의 단방향 특징표현은 단지 I made a만에 의해 결정되며, deposit은 고려되지 않는다. 몇개의 이전의 대응에서는 분리한 좌문맥모델과 우문맥모델에 의한 특징표현을 조합하고 있었지만, 이것은 얕은 양방향 방법이다. BERT는 bank를 왼쪽과 오른쪽 양쪽의 문맥 I made a ... deposit을 딥 뉴럴 네트워크(Deposit)의 최하층에서 이용해 특징을 표현하기 때문에 BERT는 '딥 양방향(deeply bidirectional)'이다.

BERT는 간단한 접근법을 사용한다. 입력에서 단어의 15%를 숨기고 딥 양방향 Transformer encoder(관련 논문다운)를 통해 전체 시퀀스를 실행한 다음 마스크 된 단어만 예측한다. 예를 들어, 아래와 같이 문간의 관계를 학습하기 위해서는 임의의 단언어 코퍼스에서 생성 가능한 심플한 작업을 이용하여 학습한다. A와 B의 두 개의 글을 받았을 때 B가 A의 뒤에 오는 실제 문장인지, 코퍼스 안의 랜덤한 글인지를 판정하는 태스크이다.
 

또한 큰 모델(12층에서 24층의 Transformer)을 큰 코퍼스(Wikipedia + BookCorpus)로 긴 시간을 들여(100만 갱신 스텝) 훈련했다. 그것이 BERT이며, 이용은 '사전학습'과 '전이학습'의 2단계로 구분된다.

사전학습(pre-training)은 상당히 고가로 4에서 16개의 Cloud TPU로 4일(12 층의 Transformer 모델의 경우 4개의 TPU를 사용하여 4일, 24층 Transformer 모델의 경우 16개의 TPU를 사용하여 4일이라는 의미) 각 언어마다 1회만의 순서이다. 자연 언어 처리 개발자는 처음부터 자신의 모델을 사전 학습할 필요가 없다.

전이학습(Fine-tuning)은 저렴하며, 논문(아래 참조)과 똑같은 사전학습이 끝난 모델을 사용하여 하나의 Cloud TPU를 이용, 1시간 GPU를 사용하면 2, 3시간만에 재현할 수 있다. 예를 들면 SQuAD는 하나의 Cloud TPU를 이용 30분으로 하나의 시스템으로서는 최첨단(state-of-the-art)인 91.0%의 Dev F1을 달성할 수 있다.

이밖에 BERT의 또 다른 중요한 측면은 많은 종류의 자연 언어 처치 태스크로 인해 매우 쉽게 채택될 수 있다. 논문 중에서 문장 수준 (SST-2 등), 문장 쌍 수준(MultiNLI 등), 단어 수준(NER 등) 스팬 레벨 2 (SQuAD 등)의 태스크에 대해서 거의 태스크 특유의 변경을 실시하는 일 없이, 최첨단 결과를 얻을 수 있는 것을 나타내고 있다.

참고) 'BERT: 언어 이해를 위한 양방향 트랜스포머 사전 학습(BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding)' 논문(다운받기), BERT Google-research의 깃허브(GitHub) (바로가기) 
 

www.aitimes.kr/news/articleView.html?idxno=13117

ebbnflow.tistory.com/151

vhrehfdl.tistory.com/15

구글 마인트맵 -  How to set up MindMup 2.0 to open files on double-click

drive.mindmup.com/

youtu.be/c88_WauKevs

Great for individual note-taking

• Capture ideas at the speed of thought: MindMup has powerful keyboard shortcuts to speed up your work, and the interface is optimised for frictionless work and designed to get out of your way.
• Access your ideas from anywhere: Your mind maps are stored in Google's cloud infrastructure, so you can use them from any device and any location. The user interface adjusts automatically to screen sizes and input devices, so it will work great both on your desktop and on your mobile devices.
• Add images easily: Easily insert images from Google Drive albums. If your mobile phone is synchronised with Google Drive, just snap, click, and they are in your mind map.

Do more with mind maps, faster

• Capture ideas at the speed of thought: MindMup has powerful keyboard shortcuts to speed up your work, and the interface is optimised for frictionless work and designed to get out of your way.
• Make slideshows and articles: If you plan presentations or prepare for writing using mind maps, MindMup will help you take your thoughts into a slideshow or a document outline quickly.
• Access your ideas from anywhere: Your mind maps are available everywhere, instantly, from the cloud.
• Connect team documents visually: link to other project documents on Google Drive easily, and you'll be able to preview them in the map and use the mindmap as a central overview of your work.

Great for teams and classrooms

• Work safely and securely: All the data is stored on Google Drive, directly from the browser. The access is completely controlled by Google Apps authentication, so you can easily control who can read or modify the map. MindMup does not have any third-party ads and does not send any private information to third parties.
• Easy to administer: Administrators can easily enable or block MindMup similar to any other Google Apps for Domains/Education application. Google authentication is used throughout the application, so there are no separate accounts to manage. The entire domain can easily be authorised for MindMup Gold.
• Get started easily: The user interface is simple and intuitive, and even young students will be able to use it on their own without much help.