기본 콘텐츠로 건너뛰기

라즈베리 파이는 먹는게 아니랍니다. - 거침없이 배우는 라즈베리 파이

거침없이 배우는 라즈베리 파이 - 8점
에벤 업튼 & 가레스 할퍼크리 지음, 유하영.전우영 옮김/지&선(지앤선)

이 책을 받을 때까지 전 라즈베리 파이를 들어본 적이 없습니다.

IT로 밥을 먹고 사는 사람이.. 둔한건지...

처음에 라즈베리 파이를 보면서 든 생각은 .. 요리책?

먹는게 왜??

외국애들은 요즘 먹는걸로 프로젝트 이름을 붙이는게 유행인가봅니다.

그렇게 책을 받아서 잠시 구석에 짱박아두었는데..

현재 참여하고 있는 프로젝트에서 DCU로 라즈베리 파이를 검토하고 있더군요..

라즈베리 파이라고?? 어디서 많이 들어본거 같은데.. 라고 생각해보니.. 제가 받은 책 중 하나더군요.

그래서 잽싸게 꺼내서 먼지 후~ 탁탁 두들기고 신나게 읽어보았습니다.

책의 내용은 꽤 쉽고 재미있게 써져 있어서 술술 잘 읽힙니다.

그런데, 책을 덮고 나서 드는 생각은 라즈베리 파이보다는 '들어가며' 에 소개되었던 '디지털 네이티브'라는 단어에 꽂혔습니다.

라즈베리 파이라는 이 장비를 누가 어떤 용도로 쓸 것인가에 대한 근본적인 시작이 디지털 네이티브에서 시작하고 있습니다.

책의 내용을 조금 옮긴다면 '원하는대로 프로그래밍을 할 줄 아는 그런 아이들이야 말로 진짜 디지털 네이티브라 할 것이다.' 라고 얘기하고 있습니다.

그 내용을 읽으면서 솔직히 조금 충격을 받았습니다.

저는 IT로 밥을 먹고 살고 있지만 프로그래밍을 할 줄 모릅니다.

젊을때는 프로그래밍(정확히는 게임을 직접 만들어보고 싶었습니다.)을 너무나 하고 싶어서 독학으로도 공부를 해보았고, 대학교에서 교양강좌로 남의 과에 가서 운영체제, 전산학, 프로그래밍, 전자 회로 등을 닥치는대로 들어도 보았지만.. 결국에는 포기했습니다.

저에게는 프로그래밍이라는 세계는 너무 낯설고 이해하기 힘든 영역이었습니다. 이론 물리학보다 더 어려운 세계였습니다.

프로그래밍 언어의 컴파일도 잘 이해를 못했고, 어셈블리어도 배워보았지만 내가 짠 프로그래밍 언어를 컴퓨터가 이해하고 장치를 제어하는 그 과정이 저에게는 너무 낯설었습니다.

그리고 지금도 어렴풋이 알고만 있을 뿐, 실제적인 이해는 별로입니다.

그런 의미에서 저는 진정한 디지털 네이티브도 아니면서 사기 치며 밥을 먹고 사는 사람인가? 라는 생각을 해보았습니다. 내가 과연 내가 일하고 있는 이 대상에 대한 이해를 얼마나 하고 있는것인가? 라는 생각도 해보았습니다.

그런데, 솔직히 책을 읽어보아도 이 책을 통해 아니 라즈베리 파이라는 장비를 통해 프로그래밍을 자유자재로 할 수 있는 디지털 네이티브가 될 수 있을지 저는 의문입니다.

라즈베리 파이로 프로그래밍을 배운 후에 안드로이드나 윈도우와 같은 다른 플랫폼에서도 어렵지 않게 프로그래밍을 할 수 있는지도 조금은 의문입니다.(이런 오해는 제가 프로그래밍에 대한 이해가 부족해서 그렇습니다. 그런데, 이 책에서는 이러한 질문에 대한 답은 없네요.)

그리고 이 책은 막상 아해들이 읽기에는 조금 어려울 듯 싶습니다.

책의 내용은 쉽고 간단히 따라할 수 있을 수 있도록 구성되어 있지만 아무래도 많은 내용을 다루다보니 깊이가 깊지 않습니다.

입문서에 어떤 깊이를 요구하는 것이 좀 말이 안되기는 하지만 그래도 조금은 아쉽습니다.

하지만 라즈베리 파이를 처음 접하는 사람에게 입문서로는 충분하다고 생각됩니다.

그러고보니 이번 프로젝트에서 라즈베리 파이를 검토하다가 팽당하는 분위기이던데.. 자세한 사항은 알지 못하나.. 문제 중 하나가 전자파 인증이라나?

우리 나라는 규제가 너무 심해서 이런게 성공할까 싶기도 하고, 이런 생각도 못하는 것 같아.. 조금 서글프더군요.

흔히 개러지(Garage) 문화라 불리는 그.. 영화에 보면 차고에서 외국애들 무언가를 쿵쿵짝짝 만드는 문화가 조금은 부럽더군요.(제 기억이 맞다면 애플의 컴퓨터도 처음에는 잡스의 차고(?)에서 만들어졌다고 기억합니다.)

이 책과 같이 읽어볼만한 책으로 FAB 이라는 책이 있습니다.

쉽게 말하면 가내공장과 같은 걸 소개하는 책인데요.. 라즈베리 파이도 결국은 나만의 컴퓨터, 나만의 프로그램을 만드는 개러지 문화의 산물이 아닌가 싶습니다.

하지만 우리 나라에서는 이런걸 취미로나 직업으로 즐기기에는 .. 좀 그렇죠..

어쨌든 이 책은 개인적으로 5점만점에 4점을 부여합니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...