GitHub 2023의 상위 10개 최고의 오픈 소스 프로젝트

https://open-data-analytics.medium.com/top-10-best-open-source-projects-on-github-2023-784bf4df2a94

오픈소스 소프트웨어(OSS)는혁명을 일으켰다오늘날 소프트웨어 개발이 수행되는 방식. 수백만 개의 오픈 소스 GitHub 프로젝트를 사용할 수 있으므로 필요에 맞는 최고의 오픈 소스 프로젝트를 탐색하고 찾는 것이 어려울 수 있습니다.

이 기사에는 알아야 할 가장 빠르게 성장하는 오픈 소스 GitHub 리포지토리 상위 10개가 나열되어 있습니다.

1. RLHF + PaLM: 오픈 소스 ChatGPT 대안

PaLM-rlhf-pytorch: 오픈 소스 ChatGPT 대안

RLHF + PaLM repo는 Reinforcement Learning with Human Feedback(RLHF) 및 PaLM 아키텍처를 결합한 진행 중인 구현입니다. ChatGPT와 유사하지만 PaLM 아키텍처의 이점이 추가된 모델의 오픈 소스 버전을 만드는 것을 목표로 합니다. 안타깝게도 이 솔루션에 대해 사전 학습된 모델이 제공되지 않습니다.

PaLM-rlhf GitHub 스타 기록

깃허브 링크:

2. RATH - 오픈 소스 Tableau 대안

Kanaries(k6s) RATH: Tableau의 오픈 소스 대안

탐색적 데이터 분석에 RATH 사용

신인으로서 RATH는 GitHub에서 가장 빠르게 성장하는 커뮤니티 중 하나입니다. 최첨단 기술과 데이터 분석 및 시각화에 대한 혁신적인 접근 방식을 통해 RATH는 데이터 전문가와 매니아 사이에서 빠르게 인기를 얻었습니다.

RATH GitHub 스타 히스토리

RATH의 커뮤니티는 개발자, 데이터 과학자 및 비즈니스 분석가 모두 개발에 기여하고 잠재력을 극대화하는 방법에 대한 아이디어를 공유하면서 빠르게 성장하고 있습니다. 노련한 데이터 분석가이든 막 시작하든 관계없이 RATH는 데이터 분석 및 시각화 기술을 향상시키려는 모든 사람에게 필수 도구입니다.

카나리아(k6s) RATH GitHub:

RATH에 대한 추가 정보: https://kanaries.net/

3. Gogs — 오픈 소스 GitHub 대안

Gogs: 오픈 소스 GitHub 대안

Gogs는 Git 버전 제어를 위한 사용자 친화적인 인터페이스를 제공하므로 GitHub의 훌륭한 대안이 됩니다. 이슈 추적, 풀 리퀘스트, 위키를 포함한 다양한 기능을 제공합니다. 자체 호스팅 및 사용자 정의가 가능한 Gogs는 Git 협업을 위한 유연하고 안전한 솔루션을 제공합니다.

Gogs GitHub 스타 히스토리

Gogs GitHub:

4. NocoDB — 오픈 소스 AirTable 대안

NocoDB: 오픈 소스 AirTable

NocoDB는 SQL, NoSQL 및 Graph 데이터베이스를 지원하는 유연하고 확장 가능한 데이터 플랫폼을 제공합니다. 데이터베이스 생성 및 관리를 위한 간단하면서도 강력한 인터페이스를 제공하며 실시간 데이터 업데이트를 지원합니다. NocoDB는 데이터에 대한 더 많은 제어 및 사용자 지정이 필요한 사람들을 위한 Airtable의 훌륭한 대안입니다.

Nocodb GitHub:

5. Rocket.Chat — 오픈 소스 슬랙 대안

Rocket.Chat: 오픈 소스 슬랙 대안

Rocket.Chat은 음성 및 화상 통화, 화면 공유, 파일 공유 등 다양한 기능을 통해 실시간 팀 커뮤니케이션을 제공합니다. 고도로 사용자 정의가 가능하며 자체 호스팅하거나 클라우드 기반 솔루션으로 사용할 수 있습니다. 강력한 협업 도구를 갖춘 Rocket.Chat은 Slack의 훌륭한 대안입니다.

Rocket.Chat GitHub 스타 기록

Rocket.Chat GitHub:

6. Airbyte — 오픈 소스 Fivetran 대안

Airbyte: 오픈 소스 데이터 통합

Airbyte는 데이터 통합을 위한 간단하면서도 강력한 인터페이스를 제공합니다. 데이터베이스, SaaS 애플리케이션 및 API를 포함한 광범위한 데이터 소스를 지원합니다. 실시간 데이터 전송 기능과 유연한 데이터 변환 옵션을 통해 Airbyte는 필요한 곳에 데이터를 쉽게 가져올 수 있습니다.

에어바이트 GitHub 스타 히스토리

에어바이트 GitHub:

7. 그럴듯한 분석 — 오픈 소스 Google Analytics 대안

그럴듯한 분석: 오픈 소스 Google Analytics 대안

Plausible Analytics는 개인 데이터를 수집하지 않고 자세한 웹 사이트 활동 보고서를 제공하는 개인 정보 보호 분석 솔루션입니다. 실시간 분석 및 보고 기능을 제공하며 웹사이트 성능을 이해할 수 있는 간단하고 직관적인 인터페이스를 제공합니다.

그럴듯한 분석 GitHub 스타 기록

그럴듯한 분석 GitHub:

8. Supabase — 오픈 소스 Firebase 대안

Supabase는 백엔드 데이터베이스, API 및 실시간 데이터 계층을 통해 웹 애플리케이션을 구축하고 호스팅하기 위한 완벽한 플랫폼을 제공합니다. 애플리케이션 생성 및 관리를 위한 간단하고 직관적인 인터페이스를 제공하며 팀을 위한 강력한 협업 도구를 제공합니다. 다양한 다른 도구와 확장 및 통합할 수 있는 기능을 갖춘 Supabase는 Firebase의 훌륭한 대안입니다.

Supabase: 오픈 소스 Firebase 대안

SupaBase GitHub 스타 히스토리

수파베이스 GitHub:

9. Kdenlive — 오픈 소스 Adobe Premiere 대안

KDenLive는 고품질 비디오 콘텐츠를 생성, 편집 및 생산하기 위한 강력하고 유연한 플랫폼을 제공하는 오픈 소스 비디오 편집 소프트웨어입니다. 다양한 형식을 지원하며 다중 트랙 편집, 색상 보정, 시각 효과와 같은 고급 기능을 포함합니다. 사용자 친화적인 인터페이스와 활발한 커뮤니티를 갖춘 KDenLive는 아마추어 및 전문 비디오 편집자 모두에게 탁월한 선택입니다.

Kdenlive — 오픈 소스 Adobe Premiere 대안

Kdenlive GitHub 스타 기록

Kdenlive GitHub:

10. Mastodon — 오픈 소스 Twitter 대안

Mastodon — 오픈 소스 Twitter 대안

Mastodon은 Twitter와 같은 중앙 집중식 소셜 미디어 플랫폼에 대한 오픈 소스 대안입니다. 사용자가 서로 연결하고 콘텐츠를 공유하며 온라인 커뮤니티에 참여할 수 있도록 하는 분산형 서버 네트워크입니다. 업데이트 게시, 이미지 및 비디오 공유, 좋아요, 댓글 및 재게시를 통해 다른 사용자와 상호 작용하는 기능을 포함하여 기존 소셜 미디어 플랫폼과 동일한 많은 기능을 제공합니다. Mastodon은 개인 정보 보호, 언론의 자유, 온라인 신원에 대한 통제를 강조하므로 이러한 원칙을 중시하는 사용자에게 인기 있는 선택입니다.

마스토돈에 대한 GitHub 스타 히스토리

마스토돈 GitHub:

결론

결론적으로 이 10개의 오픈 소스 GitHub 리포지토리는 활기차고 번성하는 오픈 소스 커뮤니티에 대한 증거입니다. 독점 솔루션에 대한 비용 효율적인 대안을 제공하고 개발자, 데이터 분석가 및 비즈니스 모두에게 유용한 도구를 제공합니다. 오픈 소스의 장점을 활용하여 이 10개 프로젝트는 강력하고 효과적인 솔루션을 개발했으며 확실히 탐색하고 지원할 가치가 있는 중요한 자산입니다.

https://github.com/MauryaRitesh/Facial-Expression-Detection

Facial Expression or Facial Emotion Detector can be used to know whether a person is sad, happy, angry and so on only through his/her face. This Repository can be used to carry out such a task.

This is the code for this video by Ritesh on YouTube.

Facial Expression or Facial Emotion Detector can be used to know whether a person is sad, happy, angry and so on only through his/her face. This Repository can be used to carry out such a task. It uses your WebCamera and then identifies your expression in Real Time. Yeah in real-time!

PLAN
This is a three step process. In the first, we load the XML file for detecting the presence of faces and then we retrain our network with our image on five diffrent categories. After that, we import the label_image.py program from the last video and set up everything in realtime.

NTILE(Transact-SQL)

정렬된 파티션의 행을 지정된 수의 그룹으로 분산시킵니다. 그룹에는 1부터 시작하는 번호가 매겨집니다. NTILE은 각 행에서 해당 행이 속한 그룹 번호를 반환합니다.

https://learn.microsoft.com/ko-kr/sql/t-sql/functions/ntile-transact-sql?view=sql-server-ver16 

USE AdventureWorks2012;   
GO  
SELECT p.FirstName, p.LastName  
    ,NTILE(4) OVER(ORDER BY SalesYTD DESC) AS Quartile  
    ,CONVERT(NVARCHAR(20),s.SalesYTD,1) AS SalesYTD  
    , a.PostalCode  
FROM Sales.SalesPerson AS s   
INNER JOIN Person.Person AS p   
    ON s.BusinessEntityID = p.BusinessEntityID  
INNER JOIN Person.Address AS a   
    ON a.AddressID = p.BusinessEntityID  
WHERE TerritoryID IS NOT NULL   
    AND SalesYTD <> 0;  
GO

FirstName      LastName              Quartile  SalesYTD       PostalCode  
-------------  --------------------- --------- -------------- ----------  
Linda          Mitchell              1         4,251,368.55   98027  
Jae            Pak                   1         4,116,871.23   98055  
Michael        Blythe                1         3,763,178.18   98027  
Jillian        Carson                1         3,189,418.37   98027  
Ranjit         Varkey Chudukatil     2         3,121,616.32   98055  
José           Saraiva               2         2,604,540.72   98055  
Shu            Ito                   2         2,458,535.62   98055  
Tsvi           Reiter                2         2,315,185.61   98027  
Rachel         Valdez                3         1,827,066.71   98055  
Tete           Mensa-Annan           3         1,576,562.20   98055  
David          Campbell              3         1,573,012.94   98055  
Garrett        Vargas                4         1,453,719.47   98027  
Lynn           Tsoflias              4         1,421,810.92   98055  
Pamela         Ansman-Wolfe          4         1,352,577.13   98027  

(14 row(s) affected)

https://support.google.com/chrome/answer/157179

https://www.ciokorea.com/news/23032

IT관리자나 HR 담당자라면 회사가 필요로 하는 기술, 지식, 경험과 기존 인재간의 격차가 존재한다는 사실을 알고 있을 것이다.

최근 인재파견 기업인 맨파워(Manpower)가 전 세계 3만 7,000명의 고용주들을 대상으로 실시한 설문조사에 따르면, 응답자 중 36%가 적절한 인재 확보에 어려움을 겪고 있다고 밝혔다. 응답자 중 35%는 고도의 기술력 또는 ‘기술적 숙련도’의 부족을 이유로 꼽았고 25%는 경험의 부족을, 19%는 역량 부족으로 적임자를 찾기가 어렵다고 답했다.

기술 격차가 정말 존재하나?
펜실베니아대학교(University of Pennsylvania) 와튼 스쿨(The Warton School)의 경영학 교수 피터 카펠리는 기술 격차 문제를 연구했는데, 격차가 중요한 게 아니라 기술의 불일치 문제가 더욱 심각한 것으로 나타났다. 고용주가 문제를 방지하기 위해 모집, 고용, 보존 활동을 면밀히 파악한다면 해결할 수 있는 문제라고 카펠리는 말했다.

카펠리는 올 해 초 CEPR(Center for Economic Policy Research)에 실린 기고문에서 자신의 생각을 언급한 바 있다. 실제로 기술 공백을 뒷받침하기 위해 사용된 모든 증거는 고용주가 개인적인 일화, 컨설팅 기업의 독자적인 설문조사, 업계의 협회 등이 제시한 것이라고 카펠리는 전했다.

다시 말해 실제로 어디에 문제가 있는지 정확히 지적하기 위한 충분히 객관적인 데이터는 제공하고 있지 않다는 뜻이다. "설문조사에서는 고용주들이 고용에 어려움을 겪고 있다고 밝히고 있지만, 그 '어려움'이 무엇인지 정의하지도 않고 그 이유도 묻지 않는다. 이런 보고서를 검토하면서 많은 보고서가 실제로는 모순적인 증거를 제시하고 있다는 사실을 발견했다. 놀랍게도 많은 고용주들이 어려움의 원인을 저임금, 교육 부재, 기술 필요성의 예측성 부족 등으로 꼽고 있다"고 카펠리는 지적했다.

IT인재를 찾고 있는 상황에서 다음의 4가지 문제를 안고 있다면, 고용주 자신이 바로 최악의 적일 것이다.

완벽한 사람을 찾으려 한다
구인구직 연계 서비스를 제공하는 포처블(Poachable)의 CEO 이자 창업자인 톰 릉은 저녁 외식에 비유해 설명했다. "훌륭한 바클라바(Baklava)를 제공하고 야외 식사 공간이 있는 3성급 지중해풍 식당을 찾고 있는 상황에서 '음식이 뛰어난 최고급 식당을 원한다'고 말하는 순간 선택권은 훨씬 제한적이게 된다"고 밝혔다.

이 비유는 IT 및 엔지니어링 인재를 찾을 때와도 관련되어 있다. 검색 파라미터가 광범위하면 다이아몬드 원석을 찾아내는데 도움이 될 수 있다.

"IT의 명명법은 심오하지만, 어떤 점이 부족한 지에 대해 제대로 인지하지 못하도록 할 수 있다. 변화가 가능한 기술을 가진 좋은 지원자를 찾기 위해 선택의 폭을 넓히고 싶은가? 아니면 유리구두가 발에 딱 맞는 '신데렐라' 지원자를 찾기 위해 수 개월 동안 수 천 달러의 비용을 지출하면서 생산성 마저 잃고 싶은가?"라고 릉은 반문했다. 많은 경우에 고용 기업은 대기 비용을 간과하며, 적합한 사람이 되도록 교육할 수 있는 훌륭한 지원자를 고려하지 않는다는 게 릉의 지적이다.

릉의 관점에서 중요한 것은 장기적인 관점에서 투자를 결정하는 것이다. "'완벽한' 사람을 찾는데 1년이 걸릴 수 있으며, 찾는다 하더라도 치열한 경쟁을 벌여야 한다. 그렇게 괜찮은 사람이라면 다른 곳에서도 분명 그 사람을 원할 것이다. 또는 배움에 목마른 젊고 경험이 부족한 사람을 찾아 교육하고 다듬어서 수 개월 만에 자신에 원하는 직원으로 변신시킬 수 있다. 어느 쪽에 투자하고 싶나?"라고 릉은 말했다.

교육과 훈련에 초점을 맞추지 않는다
대부분의 고용주들은 고용을 통해 필요한 기술을 얻고자 하며, 이런 기술의 상당부분은 업무 경험에서 얻을 수 있는 것으로 보인다고 카펠리는 주장했다. 이 때문에 지난 수 십 년 동안 훈련과 견습의 기회가 점차 사라지게 되었다.

"미국 내에서 고용주가 제공하는 교육에 관한 신뢰할 수 있는 증거는 최근 더 이상 찾아볼 수 없게 되었다. 데이터에 따르면, 1979년에는 젊은 노동자들이 연 평균 2.5주의 교육을 받았다. 인구조사국에 따르면, 1991년까지 당 해에 공식적인 교육을 받았다고 밝힌 직원은 전체의 17%에 불과했다. 1995년경 고용주들을 대상으로 하는 여러 설문조사에서 고용주의 42~90%가 교육을 제공했으며 (수치가 낮을수록 교육이 계획적이라는 뜻이다) 개인이 받는 교육의 양은 연 평균 11시간 미만인 것으로 나타났다"고 카펠리는 설명했다. 이어서 그는 ILR 검토 (Industry and Labor Relations Review) 를 위해 작성한 근간서류를 위해 축적한 데이터를 공개했다.

이 데이터는 현재 약 20년이나 된 것으로, 여기서 얻을 수 있는 새로운 정보는 거의 존재하지 않았다. "2011년, 액센츄어는 미국의 고용인들을 대상으로 설문조사를 조사하여 지난 5년 동안 고용주가 제공한 공식적인 교육을 받은 직원이 21%에 불과하다는 결과를 얻었다. 다시 말해 약 80%가 5년 동안 교육을 받은 적이 없으며, 그 전에도 교육을 받은 사람이 그리 많지 않았을 것이라 생각한다"고 카펠리는 말했다.

공식적인 내부 교육은 감소세를 보이고 있다. 인재채용 및 파견기업 캐리어글라이더(CareerGlider)의 공동 창업자 선일 사니는 "과거에는 현장 교육의 기회가 많았지만, 기업들이 예산 삭감을 시도하면서 씨가 말랐다"고 밝혔다.

고용주들은 오늘날의 IT 전문가가 상황을 해결해주길 바라고 있다. "요즘의 기업들은 직원들이 필요한 기술을 교육하기 위한 기반시설 없이 이미 이런 기술을 갖추고 입사하기를 원하고 있지만, 현실은 그렇지 못하다"고 사니는 말했다.

독립적인 프로그래밍 교육기관과 전자학습 제공자들은 지원자들이 고용주가 내부적으로 인재를 발전시키고 성장시키기 위한 내부적인 교육 프로그램과 과정에 대한 투자를 고려해야 하는 중요한 기술을 얻을 수 있도록 돕고 있다.

"확보한 인재의 교육과 성장에 투자해야 하며, 이를 통해 고용에만 의존하는 대신에 충분한 결과물을 얻게 될 것이다"고 사니는 전했다.

경쟁력 있는 충분한 임금을 지불하지 않는다
또한 카펠리는 조사를 통해 흥미로운 추세를 발견했다. 예를 들어, 맨파워의 설문조사에서는 적합한 지원자가 부족한 이유를 물었을 때 응답자의 약 20%가 구직자들이 제시하는 임금 수준에 해당 직위를 수용할 의향이 없다고 답한 반면에 오직 5%만이 고용 문제를 해결하기 위해 임금 인상을 계획 중이라고 답했다.

"2008년과는 상황이 다르다. 기업들은 정신을 차리고 필요한 주요 기술을 갖춘 인재를 얻기 위해서는 인상된 시장 가치를 지불해야 한다는 사실을 깨달아야 한다"고 릉은 지적했다. 실리콘밸리에서 파시픽 노스웨스트(Pacific Northwest)와 기타 기술 지향적인 도시들, 소프트웨어 엔지니어, 개발자들은 높은 임금을 요구하고 있으며, 똑똑하고 혁신적인 기업들은 이런 기술에 지불해야 할 프리미엄의 필요성을 인지하고 있기 때문에 그만한 대가를 지불하고 있다. "고임금을 지불할 생각이 없다면 모든 것을 잃게 될 것이다"고 릉은 강조했다.

내부 IT인력으로 기술 공백을 해결하려 노력한다
기업이 필요한 인재를 찾는데 어려움을 겪고 있다면 지원자들을 탓하거나 ‘보이지 않는 시장의 손’이 문제라고 생각하기 십상이다. 하지만 이런 변명은 대부분이 근거 없는 것들이다. 뛰어난 인재를 끌어 들여 보유하고 싶다면 스스로 첫 걸음을 내디뎌야 한다.

순다르 피차이 구글 최고경영자(CEO)가 10일(현지시간) 미국 캘리포니아주 마운틴뷰 쇼어라인 엠피씨어터에서 열린 '구글 연례 개발자 회의(I/O)'에서 연설을 하고 있다. 연합뉴스

구글이 사람처럼 묻고 답하는 인공지능(AI) 챗봇 '바드'(Bard)를 미국과 한국 등 전세계 180개국에서 전면 공개했다. 이에 따라 지난해 11월 출시된 오픈AI의 챗GPT와 본격적인 경쟁이 전개될 전망이다.

순다르 피차이 구글 최고경영자(CE)는 10일(현지시간) 미국 캘리포니아주 마운틴뷰 쇼어라인 엠피씨어터에서 개최한 '구글 연례 개발자 회의(I/O)'에서 "오늘부터 바드 이용을 위한 대기자 명단 운영을 종료한다"고 밝혔다. 바드 전면 공개는 지난 3월 출시한 지 한 달 반 만이다.

바드에는 구글의 최신 대규모 언어 모델(LLM) 팜2(PaLM)가 탑재됐다. 팜2는 지난해 4월 선보인 팜의 업그레이드 버전으로, 100개 이상의 언어를 지원한다. 5300억개의 파라미터(매개변수)를 바탕으로 과학·수학에 대한 추론뿐 아니라 코딩 작업도 한다고 구글은 설명했다.

그동안 영문만 지원해온 바드는 이날부터 한국어와 일본어 지원하기 시작했다. 바드의 두 번째 지원 언어가 한국어인 것이다. 구글은 조만간 40개의 언어로 서비스를 지원할 예정이라고 밝혔다.

바드의 질문과 답변에는 시각적인 요소도 추가됐다. 이에 따라 이용자 질문에 이미지를 제시해 답할 수 있다. 바드에는 시각 분석을 통해 관련 정보를 가져올 수 있도록 구글 렌즈(Google Lens)가 결합된다.

눈의 피로를 줄이기 위해 다크모드(어두운 화면에 흰 글자) 기능이 적용됐다. 다음 주부터는 답의 출처 표기 기능도 추가된다. 바드 답변은 바로 구글 G메일과 문서로도 내보낼 수 있다.

바드가 내놓을 오답을 의식한 듯 피차이 CEO는 "현재 사용되는 대규모 언어 모델들은 아직 한계가 있는 초기 기술"이라며 "앞으로 관련 서비스를 확장해 나가면서 품질을 중시하고 엄격한 기준을 유지하며 AI 원칙을 준수해 나갈 것"이라고 말했다.  https://www.joongang.co.kr/article/25161607 

https://bard.google.com/