tjdwl000801 님의 블로그

2025 패딩 구스다운 VS 덕다운 차이점 완벽 정리 | 보온력 가격 관리까지 한눈에

tjdwl000801 — Sun, 9 Nov 2025 11:25:16 +0900

패딩 구스다운 vs 덕다운 차이점 – 따뜻함의 비밀 완벽 정리

2025 겨울 대비 구매 가이드 | 구스다운과 덕다운의 핵심 차이, 선택 기준, 관리법

겨울마다 패딩은 필수죠. 그런데 막상 구매하려고 보면 구스다운이니 덕다운이니 용어가 헷갈립니다. 이름은 비슷하지만 실제로는 보온력, 무게, 가격, 냄새, 관리 난이도까지 차이가 제법 커요. 이 글에서는 구스다운과 덕다운의 차이, 장단점, 그리고 내 생활에 맞는 선택 기준을 한 번에 정리합니다.

1. 구스다운 vs 덕다운, 기본 개념
2. 보온력의 핵심: 필파워 이해하기
3. 구스다운의 장단점
4. 덕다운의 장단점
5. 냄새와 관리법 차이
6. 한눈에 비교표
7. 구매 체크리스트 3가지
자주 묻는 질문(FAQ)

1️⃣ 구스다운 vs 덕다운, 기본 개념부터

다운(down)은 오리와 거위의 가슴 쪽에 있는 부드러운 솜털을 뜻합니다. 이 솜털은 미세한 공기층을 품어 체온을 지켜주는 역할을 하죠. 용어를 간단히 정리하면 다음과 같습니다.

덕다운(Duck Down): 오리 솜털을 사용한 충전재
구스다운(Goose Down): 거위 솜털을 사용한 충전재

둘 다 따뜻하지만, 거위가 오리보다 몸집이 커서 솜털 크기와 구조가 달라지며 여기서 품질과 가격 차이가 발생합니다.

2️⃣ 보온력의 핵심 – 필파워(Loft Power) 이해하기

보온력을 수치화할 때 자주 쓰는 지표가 필파워(fill power)입니다. 간단히 말해 일정 무게의 다운을 눌렀다가 놓았을 때 얼마나 크게 다시 부풀어오르는지를 나타내요. 수치가 높을수록 같은 무게에서 더 많은 공기층을 만들어내므로 가볍고 따뜻합니다.

일반적으로 덕다운: 약 500~700 필파워
일반적으로 구스다운: 약 700~900+ 필파워

※ 브랜드, 등급, 가공 방식에 따라 예외가 있을 수 있습니다.

즉, 같은 무게일 때 구스다운이 더 가볍고 따뜻하게 느껴지는 이유가 여기에 있습니다. 한겨울 아웃도어·등산·여행용으로 구스다운이 선호되는 배경이죠.

3️⃣ 구스다운의 장단점

장점	설명
우수한 보온력	큰 솜털이 두꺼운 공기층을 형성하여 한겨울 체감 온도에 강함
가벼움 & 압축성	휴대 및 보관이 편하고 장기간 착용에도 편안함
내구성	형태 안정성이 좋아 오래 입기 좋음

단점

가격이 높은 편 (대체로 덕다운 대비 1.5~2배 이상)
원산지·등급에 따른 품질 편차가 큼
세탁·건조 등 관리 난이도가 상대적으로 높음

혹한기 용도, 장기간 투자 관점이라면 구스다운이 좋은 선택이 됩니다.

4️⃣ 덕다운의 장단점

장점

가격이 합리적이라 가성비가 좋음
일상·도심·실내 중심 라이프스타일에 적합
형태 유지력이 좋아 관리가 비교적 수월

단점

솜털 크기가 작아 공기층이 얇고 보온력이 다소 낮을 수 있음
저가형일수록 냄새 이슈 가능성

초겨울, 출퇴근, 가벼운 경량 패딩을 고려한다면 덕다운도 충분히 만족스럽습니다.

5️⃣ 냄새와 관리법 차이

오리는 수중 생활이 많아 기름기 냄새가 남을 가능성이 상대적으로 큽니다. 거위는 육상 생활 비중이 높아 냄새가 덜하다는 인식이 있어요. 다만 세탁·건조가 제대로 되지 않으면 어떤 다운이든 냄새가 날 수 있습니다.

관리 팁

세탁은 다운 전용 세제를 사용
완전 건조가 핵심: 통풍이 잘 되는 그늘에서 긴 시간 말리기
세탁볼(테니스공)과 함께 건조하면 뭉침 완화
장마철·여름엔 보관용 커버 사용 + 주기적 통풍

6️⃣ 구스 vs 덕 한눈에 비교

구분	구스다운	덕다운
보온력	매우 높음	보통~높음
무게감	가벼움	약간 무거움
가격	높음	합리적
냄새	적은 편	상대적으로 있을 수 있음
추천 용도	한겨울, 여행, 아웃도어	도심 일상, 경량 패딩

7️⃣ 구매 체크리스트 3가지

다운 비율: 솜털 80% / 깃털 20% 정도가 이상적입니다.
필파워: 700 전후면 일상·도심, 800 이상이면 한겨울·아웃도어에 유리합니다.
충전량(그램): 아무리 구스라도 충전량이 과하게 낮으면 보온이 떨어집니다.

빠른 결론 – 한겨울/혹한기·오래 입을 투자를 원하면 구스다운, 합리적 예산의 일상용이면 덕다운이 만족도가 높습니다. 중요한 건 “내가 언제 어디서 얼마나 입을지”를 먼저 정하는 것입니다.

자주 묻는 질문(FAQ)

Q1. 필파워가 높을수록 무조건 좋은가요?: 필파워가 높으면 가볍고 따뜻하지만, 너무 높으면 활동 시 오히려 더울 수 있습니다. 겨울 일상용은 700~800 정도면 충분합니다.
Q2. 덕다운도 오래 입을 수 있나요?: 네. 세탁 후 완전 건조, 보관 시 통풍 관리만 잘하면 3~5년 이상 무리 없이 착용 가능합니다.
Q3. “구스 100%” 표기면 다 좋은 건가요?: 원산지, 등급, 다운 비율(솜털/깃털), 충전량이 더 중요합니다. 최소 80/20 이상, 필파워 수치, 충전량을 함께 확인하세요.

이 글이 도움이 되셨다면 저장해두고 쇼핑 전 체크리스트로 활용해보세요. 다음 글에서는 경량 패딩/롱패딩 선택 기준과 실제 코디 팁도 정리해보겠습니다.

일본어 문법 정리 N5 1장

tjdwl000801 — Tue, 28 Oct 2025 12:30:17 +0900

단어

일본어	히라가나	한국어

日本料理	にほんりょうり	일본 요리
てんぷら		튀김 요리
さしみ		생선회
富士山	ふじさん	후지산
エベレスト山	えべれすとさん	에베레스트 산
高い山	たかいやま	높은 산
三月	さんがつ	3월
四月	しがつ	4월
小学校	しょうがっこう	초등학교
中学校	ちゅうがっこう	중학교
父	ちち	아버지
母	はは	어머니
学校	がっこう	학교
うち		우리집
いけばな		꽃꽂이 예술
中国	ちゅうごく	중국
世界	せかい	세계
春	はる	봄
夏	なつ	여름
秋	あき	가을
冬	ふゆ	겨울

형용사

高い	높다
寒い	춥다
暑い	덥다
やさしい	다정하다 / 친절하다
しずか	조용하다
むずかしくない	어렵지 않다

1. がいちばん ~가 제일,가장

①	日本料理？てんぷらがいちばん好きです。	日本料理では、てんぷらがいちばん好きです。	일본 요리 중에서는 덴푸라를 가장 좋아합니다.
②	日本では、富士山がいちばん高いです。	同문	일본에서는 후지산이 가장 높습니다.
③	世界では、エベレスト山がいちばん高いです。	同문	세계에서는 에베레스트산이 가장 높습니다.
④	高い山が好きです。	同문	나는 높은 산을 좋아합니다.
⑤	てんぷらとさしみはどちらが好きですか。	同문	덴푸라와 사시미 중 무엇을 좋아하나요?
⑥	てんぷらのほうが好きです。	同문	덴푸라 쪽을 더 좋아해요.
⑦	三月より四月のほうがさむくないです。	同문	3월보다 4월이 덜 춥습니다.
⑧	小学校より中学校のほうが学生が多いです。	同문	초등학교보다 중학교가 학생이 더 많습니다.
⑨	男より女のほうが〜	男より女のほうが多いですなど（추정）	남자보다 여자가 더 ~(많다 등)
⑩	世界よりちゅうごくのほうが広くないです。	世界より中国のほうが広くないです。	세계보다 중국이 더 넓지는 않습니다.
⑪	はるよりなつのほうがあついです。	春より夏のほうが暑いです。	봄보다 여름이 더 덥습니다.
⑫	あきよりふゆのほうがさむいです。	秋より冬のほうが寒いです。	가을보다 겨울이 더 춥습니다.
⑬	父より母のほうがやさしいです。	同문	아버지보다 어머니가 더 다정합니다.
⑭	学校よりうちのほうがしずかです。	同문	학교보다 집이 더 조용합니다.
⑮	ようかい〜しゅくだいが多くなかったです。	宿題のほうが多くなかったです。(요괴는 추정)	숙제가 더 많지는 않았습니다.
⑯	いけばなはむずかしくなかったです。	同문	꽃꽂이는 어렵지 않았습니다.

2. あまり〜ない 별로 ~ 하지 않는다.

정중한 표현으로 작성할 때는 じゃありません 으로 사용

동사

食べます	たべます	먹습니다	あまり食べません (별로 안 먹어요)
飲みます	のみます	마십니다	あまり飲みません (잘 안 마셔요)
読みます	よみます	읽습니다	あまり読みません (거의 안 읽어요)
勉強します	べんきょうします	공부합니다	あまり勉強しません (많이 공부 안 해요)
行きます	いきます	갑니다	あまり行きません (잘 안 가요)
来ます	きます	옵니다	あまり来ません (잘 안 와요)

い 형용사

い 형용사가 く 로 바뀜

高いです	たかいです	높다, 비싸다	あまり高くないです (그렇게 비싸지 않아요)
安いです	やすいです	싸다	あまり安くないです (그렇게 싸진 않아요)
難しいです	むずかしいです	어렵다	あまりむずかしくないです (별로 어렵지 않아요)
面白いです	おもしろいです	재밌다	あまりおもしろくないです (그닥 재밌진 않아요)
暑いです	あついです	덥다	あまり暑くないです (많이 안 더워요)
寒いです	さむいです	춥다	あまり寒くないです (그렇게 춥진 않아요)

な 형용사

きれいです	예쁩니다, 깨끗합니다	あまりきれいじゃないです (별로 안 예뻐요 / 깨끗하지 않아요)
好きです	すきです	좋아합니다	あまり好きじゃないです (그렇게 좋아하진 않아요)
嫌いです	きらいです	싫어합니다	あまり嫌いじゃないです (그렇게 싫진 않아요)
上手です	じょうずです	잘합니다	あまり上手じゃないです (잘 못해요)
得意です	とくいです	특기다, 잘한다	あまり得意じゃないです (그다지 잘하는 편은 아니에요)
静かです	しずかです	조용합니다	あまり静かじゃないです (별로 조용하지 않아요)

3. ～が欲しい ~이 갖고싶다/ 원하다

‘欲しい’는 자기의 감정만 표현 가능!

①	新しいスマホが欲しいです。	아타라시이 스마호가 호시이데스	새 스마트폰이 갖고 싶어요.
②	お金が欲しいです。	오카네가 호시이데스	돈이 갖고 싶어요.
③	時間が欲しいなぁ。	지칸가 호시이나	시간이 있었으면 좋겠다.
④	かわいい服が欲しいです。	카와이이 후쿠가 호시이데스	귀여운 옷이 갖고 싶어요.
⑤	車が欲しいです。	쿠루마가 호시이데스	차를 갖고 싶어요.
⑥	新しいパソコンが欲しいです。	아타라시이 파소콘가 호시이데스	새 컴퓨터가 갖고 싶어요.
⑦	友だちが欲しいです。	토모다치가 호시이데스	친구가 있었으면 좋겠어요.
⑧	日本のカメラが欲しいです。	니혼노 카메라가 호시이데스	일본 카메라가 갖고 싶어요.
⑨	休みが欲しいです。	야스미가 호시이데스	쉬는 날이 갖고 싶어요. / 휴식이 필요해요.
⑩	あなたの笑顔が欲しいです。	아나타노 에가오가 호시이데스	당신의 미소가 보고 싶어요.

문법적으로 틀린 것

① 彼女は車がほしいです。

❌ 틀린 이유:
「～がほしい」는 자신의 감정이나 욕망을 표현할 때만 쓸 수 있습니다.
다른 사람(3인칭)의 감정을 직접적으로 표현할 수 없기 때문에 문법적으로 부자연스러워요.
제3자의 감정을 말할 때는 다른 표현을 사용해야 합니다.

② 彼は友達がほしいです。

❌ 틀린 이유:
이 문장도 위와 같은 이유로 틀립니다.
‘그(彼)’는 화자가 아닌 제3자이기 때문에,
그 사람이 “친구를 원한다”는 감정을 직접 표현하는 것은 문법적으로 불가능합니다.
「～がほしい」는 오직 화자 본인의 감정만 표현 가능해요.

③ 私は散歩がほしいです。

❌ 틀린 이유:
「散歩(さんぽ)」는 ‘산책’이라는 행동을 나타내는 말입니다.
‘갖고 싶다(ほしい)’는 물건이나 눈에 보이는 대상을 원할 때 쓰는 표현으로,
행동이나 경험에는 사용할 수 없습니다.
행동을 하고 싶을 때는 ‘～たい’ 형태를 써야 합니다.

④ 私は野球がほしいです。

❌ 틀린 이유:
「野球(やきゅう)」 역시 ‘야구를 하다’라는 행동의 개념입니다.
야구는 ‘갖는 대상’이 아니라 ‘하는 행위’이기 때문에
「～がほしい」를 쓸 수 없습니다.
즉, 감정의 대상이 ‘사물’이 아닌 ‘행동’일 때는 사용 불가입니다.

백엔드 취업을 위한 SQLD 자격증 도전기: 준비 과정과 실무 활용 후기

tjdwl000801 — Mon, 13 Oct 2025 16:10:12 +0900

안녕하세요

오늘은 SQLD 자격증 후기에 대해 글을 작성하려고합니다.

저는 평소 데이터베이스와 서버 사이드 개발에 큰 관심이 있었고,

앞으로 백엔드 개발자로 커리어를 쌓고 싶다는 목표를 가지고 있었습니다.
그 과정에서 자연스럽게 SQL 실력을 공식적으로 인증할 방법을 찾게 되었고, 그중 하나가 바로 SQLD 자격증이었습니다.
단순히 자격증 취득을 목표로 한 것이 아니라, 실무에서 바로 활용 가능한 데이터 처리 능력을 키우고 싶었습니다.

그래서 SQLD의 자격증을 취득하기로 마음을 먹었습니다.

SQLD 시험 도전 계기

SQLD 도전 계기와 성장 이야기

SQLD를 준비하면서 가장 중점을 둔 점은 시험 합격 자체가 아니라 실무와 연결되는 실력 향상이 목표였습니다.
단순히 문제를 풀기 위해 쿼리를 외우는 것이 아니라, 실제 백엔드 개발자가 되었을 때 맞닥뜨릴 상황을 생각하며 공부했습니다.

특히 시험 준비 과정에서 부족하다고 느낀 부분들은 더 깊게 파고들어 실무 감각을 쌓는 데 집중했습니다.
예를 들어:

복잡한 JOIN과 서브쿼리 작성 시 효율성을 고민
데이터 구조 설계 시 발생할 수 있는 문제를 직접 시뮬레이션
성능 최적화와 쿼리 튜닝 연습

이런 과정을 통해 실제 업무에서 바로 활용 가능한 능력을 하나씩 체득할 수 있었습니다.

결국 SQLD 준비는 단순한 자격증 공부가 아니라, 저 자신의 부족한 부분을 보완하고 성장할 수 있는 기회였습니다.
덕분에 백엔드 취업 준비 과정에서도 한층 자신감을 얻을 수 있었고, 앞으로 개발자로서 맞닥뜨릴 업무를 미리 체험하며 준비할 수 있었다는 점에서 큰 의미를 느꼈습니다.

공부 방법과 준비 과정!

저는 SQLD 시험을 약 3주 정도 준비했습니다.
짧은 기간이었지만, 효율적으로 실력을 올리기 위해 반복 학습과 문제 풀이 중심으로 공부 계획을 세웠습니다.

주요 공부 방법은 다음과 같았습니다.

이론 정리 – 데이터베이스의 기본 개념과 SQL 문법을 꼼꼼히 정리하며, 실무에서 어떻게 활용될지 함께 고민했습니다.
문제 풀이 반복 – 기출 문제와 예상 문제를 반복해서 풀며, 실전 감각을 높였습니다.
노랭이 반복 학습 – ‘노랭이’ 교재를 활용해 중요한 개념과 쿼리 작성 방법을 몇 번이고 반복 학습하며 체득했습니다.

짧은 시간 안에 공부했지만, 반복 학습 덕분에 쿼리 작성 능력과 데이터 모델링 이해가 크게 향상되었습니다.
또한 문제를 풀면서 부족한 부분을 바로 확인하며 매일 3시간씩 공부했습니다.

그렇게 공부하는데 제가 암기가 약해서 반복학습을 하더라도 외우는게 부족하여 저는 쿼리문 위주로 공부하였는데

다행이 시험은 쿼리문 위주로 나와서 시험은 괜찮았습니다.

https://www.sqld.kr/#google_vignette

SQLD 문제은행

SQLD 기출문제들과 예상문제들을 마음껏 풀 수 있는 문제은행 사이트

www.sqld.kr

https://cbt.youngjin.com/m/index.php

이기적 CBT, 영진닷컴

★ CBT 온라인 모의고사 결과는 1년간 저장됩니다.

cbt.youngjin.com

위에 사이트에서 SQLD CBT문제를 풀었습니다.

SQLD요약정리_돌멩이.pdf

0.55MB

2024개정판_SQLD_개념정리.pdf

16.32MB

SQLD 기출문제 모음(21, 24, 25, 26, 30).pdf

1.15MB

공부 자료와 시험 난이도

저는 SQLD 공부를 위해 요약 정리본과 기출 문제를 활용했습니다.
SQLD는 백엔드 개발자의 기본 역량을 확인하는 시험이라, 전공자가 공부한다면 크게 어렵지 않지만, 전공자가 아닌 경우에는 약간 어렵게 느껴질 수 있습니다.

기본 개념을 요약본으로 달달 외우고, 기출 문제를 반복해서 풀면 대략 50점 정도는 충분히 받을 수 있습니다.
물론 시험 중간중간 조금씩 내용이 바뀌는 부분이 있겠지만, 기본 베이스가 그대로 유지되기 때문에 요약본과 최신 기출 문제를 병행해서 공부하면 7~80점 정도는 충분히 맞을 수 있을 것 같습니다.

일본어 부정문 핵심 정리: 동사·형용사 부정형 완전 정복

tjdwl000801 — Sun, 12 Oct 2025 17:48:01 +0900

1️⃣ 5단 동사 (끝 글자 바꾸기 + ない)

규칙: 끝 글자를 あ행으로 바꾸고 ない 붙이기
정중형: ない → ません


기본형	부정형	정중형	변환 과정
行く (가다)	行かない	行きません	く → か + ない
飲む (마시다)	飲まない	飲みません	む → ま + ない
書く (쓰다)	書かない	書きません	く → か + ない
話す (말하다)	話さない	話しません	す → さ + ない
死ぬ (죽다)	死なない	死にません	ぬ → な + ない
遊ぶ (놀다)	遊ばない	遊びません	ぶ → ば + ない
読む (읽다)	読まない	読みません	む → ま + ない
買う (사다)	買わない	買いません	う → わ + ない

2️⃣ 1단 동사 (る 떼고 + ない)

규칙: る 제거 + ない

기본형 부정형 정중형 변화 과정


기본형	부정형	정중형	변환 과정
食べる (먹다)	食べない	食べません	る 제거 + ない
見る (보다)	見ない	見ません	る 제거 + ない
寝る (자다)	寝ない	寝ません	る 제거 + ない
起きる (일어나다)	起きない	起きません	る 제거 + ない
信じる (믿다)	信じない	信じません	る 제거 + ない
教える (가르치다)	教えない	教えません	る 제거 + ない
借りる (빌리다)	借りない	借りません	る 제거 + ない

3️⃣ 불규칙 동사


기본형	부정형	정중형	변환 과정
する (하다)	しない	しません	외우기
来る (오다)	来ない (こない)	来ません (きません)	외우기
勉強する (공부하다)	勉強しない	勉強しません	する 활용
運動する (운동하다)	運動しない	運動しません	する 활용
予約する (예약하다)	予約しない	予約しません	する 활용

4️⃣ 형용사 부정

い → く + ない


기본형	부정형	변환 과정
高い (비싸다)	高くない	い → く + ない → 高くない
安い (싸다)	安くない	〃
新しい (새롭다)	新しくない	〃
古い (낡다)	古くない	〃
かわいい (귀엽다)	かわいくない	〃
元気だ (건강하다)	元気じゃない	だ → じゃない → 元気じゃない
静かだ (조용하다)	静かじゃない	〃
有名だ (유명하다)	有名じゃない	〃

5️⃣ 과거 부정

ない → なかった

ません → ませんでした


현재 부정	과거 부정	정중 과거	변환 과정
行かない	行かなかった	行きませんでした	ない → なかった / ません → ませんでした
食べない	食べなかった	食べませんでした	〃
見ない	見なかった	見ませんでした	〃
しない	しなかった	しませんでした	〃
来ない	来なかった	来ませんでした	〃
読まない	読まなかった	読みませんでした	〃
書かない	書かなかった	書きませんでした	〃

6️⃣ 가능형 부정

られる → ~할 수 있다

られる → ない


가능형	부정형	변환 과정
行ける (갈 수 있다)	行けない	られる → ない → 行けない
食べられる (먹을 수 있다)	食べられない	〃
見られる (볼 수 있다)	見られない	〃
書ける (쓸 수 있다)	書けない	〃
遊べる (놀 수 있다)	遊べない	〃
走れる (달릴 수 있다)	走れない	〃

7️⃣ 명령/제안 부정


기본형	부정 명령형	의미
行く	行くな!	가지 마!
食べる	食べるな!	먹지 마!
見る	見るな!	보지 마!
話す	話すな!	말하지 마!
書く	書くな!	쓰지 마!
飲む	飲むな!	마시지 마!
遊ぶ	遊ぶな!	놀지 마!

일본 워킹홀리데이 사증신청서 작성 방법

tjdwl000801 — Sat, 11 Oct 2025 19:03:47 +0900

안녕하세요! 2025년 4분기 일본 워킹홀리데이를 준비하면서 가장 먼저 마주하게 되는 단계가 바로 사증(비자) 신청서 작성입니다. 많은 분들이 이 부분에서 막히거나 헷갈리곤 해서, 제가 직접 신청하면서 정리한 일본 워킹홀리데이 사증신청서 작성 방법을 공유해보려고 합니다. 이번 글에서는 작성 순서부터 주의사항까지 한눈에 볼 수 있도록 알려드릴게요.

우선 대사관에 나와있는 사증 신청서 양식입니다.

홈페이지를 보시면 신청서가 나와있는데요

수기로 작성하셔도되고 타이핑하셔도 상관없습니다.

저는 그래도 수기로 신청하려고 합니다.

대사관 기입 예시입니다.

기입 예시에 맞춰서 따라하시면 어려운건 없으실거라고 생각합니다.

주의사항

1) 사진은 신청서에서1장만 필요로함

3.5cm X 4.5cm 여권용 규격 사진(얼굴길이가 턱 ~ 머리끝 3cm이상 되어야합니다)

2) 현직업 및 직위란에 직장인이 아니면 "워킹홀리데이 준비중" 이렇게 작성하셔야합니다.

3) 서명은 볼펜으로 작성하기 (PC 작성후 서명은 볼펜으로 직접 작성해야합니다)

4) 주소는 되도록 구체적으로 작성하고 전화번호는 지역번호부터 작성해야합니다.

5) 특이사항이 없다면 전부 아니요 or 비워두기

워홀 입국 사증신청서.pdf

0.29MB

혹시라도 궁금하신점 있으면 댓글 남겨주세요!

[LLM,DeepSpeed] LLM 모듈 파인튜닝

tjdwl000801 — Thu, 14 Aug 2025 19:05:36 +0900

LLM 모듈 파인튜닝, DeepSpeed를 활용한 경험기

최근에 Hugging Face에서 제공하는 Solar 모델을 활용해 LLM(대규모 언어 모델) 파인튜닝 프로젝트를 진행했습니다.

데이터는 약 4,000개 정도였고, 전처리 과정까지 포함하면 모델 학습에 상당한 시간이 소요될 수 있는 환경이었어요.

실제로 처음에는 일반적인 GPU 환경에서 파인튜닝을 시도했는데,

한 번 학습을 돌리는데 약 7시간 30분이라는 시간이 걸리더라고요.

처음에는 이 시간이 크게 느껴지지 않을 수도 있지만, 모델 성능을 조금씩 조정하고 실험을 반복하려면 매번 7시간 이상을 기다려야 하는 상황이었습니다. 이는 곧 생산성 저하로 직결되었고, 모델 개선을 빠르게 반복하며 최적화하기에는 현실적인 한계가 있었죠.

그래서 고민 끝에 선택한 방법이 DeepSpeed를 활용하는 것이었습니다.

DeepSpeed는 마이크로소프트에서 개발한 딥러닝 최적화 라이브러리로, 특히 대규모 모델 학습에서 속도 개선과 메모리 효율 측면에서 큰 장점을 제공합니다. 제가 직접 경험해보니, 단순히 GPU를 여러 개 쓰는 것뿐만 아니라, 메모리 관리와 연산 최적화를 통해 학습 시간을 확실히 단축할 수 있었습니다.

이 프로젝트에서 DeepSpeed를 도입한 목적은 명확했습니다.

학습 시간 단축
모델이 크고 데이터가 꽤 있는 상황에서, 일반적인 학습 환경으로는 매 실험마다 반나절 이상 기다려야 했습니다. DeepSpeed는 이 시간을 줄여주어, 하루 안에 여러 번 실험을 반복할 수 있게 만들어 주었어요.
GPU 자원 효율화
모델을 그대로 학습하면 GPU 메모리 부담이 커서 배치 사이즈를 늘리거나 속도를 올리는 것이 제한적이었습니다. DeepSpeed는 메모리 최적화 기법을 사용해 더 큰 배치 사이즈와 더 빠른 연산이 가능하게 해주었습니다.
반복 실험 용이성
빠른 학습 덕분에 하이퍼파라미터 조정이나 데이터 전처리 방식 테스트를 훨씬 효율적으로 진행할 수 있었습니다. 결과적으로 모델 성능을 개선하는 사이클이 매우 짧아졌고, 실험 과정에서 얻는 인사이트도 훨씬 풍부해졌습니다.

참고로 저는 데이터 병렬화만 진행하였고 모델 병렬화는 진행하지 않았습니다

아래는 제가 직접 deepspeed를 사용한 코드입니다

우선 deepspeed를 사용하기 위한 config.json 입니다.

{
  "bf16": {
    "enabled": true
  },
  "zero_optimization": {
    "stage": 1,
    "offload_optimizer": {
      "device": "none"
    },
    "offload_param": {
      "device": "none"
    },
    "contiguous_gradients": true,
    "overlap_comm": true,
    "allgather_bucket_size": 2e8,
    "reduce_bucket_size": 2e8
  },
  "train_batch_size": "auto",
  "gradient_accumulation_steps": 16,
  "gradient_clipping": 1.0,
  "steps_per_print": 200,
  "wall_clock_breakdown": false,
  "aio": {
    "block_size": 1048576,
    "queue_depth": 8,
    "single_submit": false,
    "overlap_events": true
  }
}

핵심 설정과 효과

BF16 연산 활성화 (A100 GPU 사용시 효과가 높아짐)
- 모델 학습을 bfloat16 반정밀도로 수행
- 메모리 사용량 절반, 연산 속도 빠름 → 더 큰 배치 사용 가능
ZeRO 최적화(Stage 1)
- 옵티마이저 상태를 분산 관리하여 GPU 메모리 부담 감소
- gradient와 통신을 병렬 처리 → 학습 속도 향상
- contiguous_gradients: true ➡️ gradient를 연속된 메모리 블록으로 관리, GPU 연산 효율 향상
- overlap_comm 덕분에 연산 효율 극대화
자동 배치 사이즈 (train_batch_size: auto)
- GPU 메모리에 맞춰 DeepSpeed가 최적 배치 사이즈 선택
- 메모리 부족 걱정 없이 최대 배치 사용 → 속도 ↑
Gradient Accumulation (gradient_accumulation_steps: 16)
- 작은 배치를 여러 번 합산 → 효과적인 큰 배치 학습
- 안정적인 학습 + GPU 효율 극대화
Asynchronous I/O (aio)
- 데이터 로딩과 연산을 동시에 수행
- GPU가 기다리지 않고 계속 학습 → 전체 학습 시간 단축

    training_args = TrainingArguments(
        output_dir="./solar10_7B",
        per_device_train_batch_size=1,
        gradient_accumulation_steps=16,
        num_train_epochs=1,
        learning_rate=3e-4,
        bf16=True,
        logging_steps=50,
        save_steps=500,
        save_total_limit=3,
        report_to="wandb" if is_master() else [],
        run_name="solar10_7B" if is_master() else None,
        logging_dir="./logs",
        remove_unused_columns=False,
        deepspeed="ds_config.json", # deepspeed 사용
        do_eval=True
    )

deepspeed 사용은 traing_args 쪽에 deepspeed = "내가 저장한 deepspeed.json" 파일을 넣어주면 됩니다.

이후에 deepspeed를 사용하기 위한 환경설정과 라이브러리를 import해주면 됩니다.

아래사이트에 자세하게 제가 실제로 deepspeed를 사용하면서 겪은 오류 및 해결과정이 들어있습니다.

https://tjdwl000801.tistory.com/7

deepSpeed 모델 사용 방법 및 오류

DeepSpeed란?Microsoft에서 개발한 딥러닝 최적화 라이브러리GPU 메모리와 연산 자원을 효율적으로 활용초대형 모델 훈련 및 추론을 용이하게 함핵심 기능:ZeRO (Zero Redundancy Optimizer): 옵티마이저/그래

tjdwl000801.tistory.com

https://github.com/genbotlabs/models/wiki/deepspeed-%ED%8C%8C%EC%9D%B8%ED%8A%9C%EB%8B%9D-%EA%B2%B0%EA%B3%BC

deepspeed 파인튜닝 결과

Contribute to genbotlabs/models development by creating an account on GitHub.

github.com

DeepSpeed를 적용한 덕분에, 원래 한 번 파인튜닝하는 데 걸리던 7시간 30분이 최종적으로 1시간 30분으로 크게 단축되었습니다.
GPU도 기존 1개에서 4개로 확장하면서 학습 속도가 눈에 띄게 빨라졌고, RunPod에서 실행한 덕분에 비용 또한 약 1달러 정도 절감되는 효과를 확인할 수 있었습니다.

이번 프로젝트를 통해 DeepSpeed를 활용한 LLM 파인튜닝의 속도 향상과 메모리 효율을 직접 체감할 수 있었습니다.
작은 설정 하나가 학습 시간과 반복 실험 효율에 큰 영향을 주는 것을 경험하며, 초대형 모델을 다루는 환경에서는 적절한 최적화 라이브러리 선택과 설정이 얼마나 중요한지도 깨닫게 되었죠.

앞으로 Solar 모델뿐만 아니라 다른 대규모 언어 모델을 다룰 때도, 이번 경험을 바탕으로 효율적이고 안정적인 학습 환경을 구축할 수 있을 것 같습니다.
DeepSpeed를 처음 접하는 분들께는 제가 정리한 설정과 경험이 도움이 되길 바랍니다.

이상으로 글 마치겠습니다 긴 글 읽어주셔서 감사합니다.

일본어 공부 복습

tjdwl000801 — Thu, 14 Aug 2025 18:36:23 +0900

1. 仕事 (しごと) - 일, 직업

2. 財布 (さいふ) - 지갑

3. ミルク- 우유

4. 右 (みぎ) - 오른쪽

5. 病院 (びょういん) - 병원

6. 午後 (ごご) - 오후

7. 話す (はなす) - 이야기하다

8. 電話 (でんわ) - 전화

9. 手紙 (てがみ) - 편지

10. 学校 (がっこう) - 학교

11. 銀行 (ぎんこう) - 은행

12. 悪い (わるい) - 나쁘다

13. 広い (ひろい) - 넓다

14. 住む (すむ) - 살다

15. 押す (おす) - 밀다

16. 物 (もの) - 물건

17. 辞書 (じしょ) - 사전

18. 宿題 (しゅくだい) - 숙제

19. 答える (こたえる) - 대답하다

20. 電気 (でんき) - 전기

21. 大人 (おとな) - 어른

22. 低い (ひくい) - (높이가) 낮다

23. 夏 (なつ) - 여름

24. 交番 (こうばん) - 파출소

25. 出口 (でぐち) - 출구

26. 明るい (明るい) - 밝다

27. ポケット - 주머니

28. 年 (とし) - 나이

29. 去年 (きょねん) - 작년

30. 寝る (ねる) - 자다

31. 手 (て) - 손

32. 塩 (しお) - 소금

33. 千 (せん) - 천

34. 外国 (がいこく) - 외국

35. 食べ物 (たべもの) - 음식

36. 兄 (あに) - 형

37. 降る (ふる) - (비가)내리다

38. 時計 (とけい) - 시계

39. パソコン - 컴퓨터

40. 川、河 (かわ) - 강

41. 一番 (いちばん) - 가장, 최상

42. 一人 (ひとり) - 한 명

43. 番号 (ばんごう) - 번호

44. 今週 (こんしゅう) - 이번주

45. 降りる (おりる) - 내리다

46. 洗う (あらう) - 씻다, 닦다

47. 音楽 (おんがく) - 음악

48. 一つ (ひとつ) - 한개

49. エレベーター - 엘리베이터

50. 午前 (ごぜん) - 오전

일본어 명사 앞에 쓰는 공부

tjdwl000801 — Tue, 12 Aug 2025 17:35:35 +0900

일본어를 배우다 보면 단어와 문법을 외우는 것만큼 중요한 것이 바로 ‘조사(助詞)’의 활용입니다.

조사는 짧지만 문장의 의미와 뉘앙스를 결정하는 핵심 요소이기 때문에, 올바르게 이해하고 사용하는 것이 필수적입니다.

이번 글에서는 일본어를 사용할 때 꼭 알아두어야 할 각종 조사를 한눈에 보기 좋게 정리하고,

예문과 함께 쉽게 공부할 수 있도록 구성했습니다.

일본어 회화와 작문을 조금 더 자연스럽게 만들고 싶은 분들에게 도움이 되길 바랍니다.

기본 조사

は	와	~ 은/는	私は学生です。	나는 학생입니다.
が	가	~ 이/가	猫が好きです。	고양이를 좋아합니다.
を	오	을/를	水を飲みます。	물을 마십니다.
に	니	~에 (장소(목적지), 시간)	日本に行きます。	일본에 갑니다.
で	데	~ 에서 (장소(행위 발생), 수단)	学校で勉強します。	학교에서 공부합니다.
へ	에	~에 (방향, 목적지)	家へ帰ります。	집에 돌아갑니다.
と	토	~와 (함께, 인용)	友達と遊びます。	친구와 놀아요.
の	노	~의 (소유, 소속)	私の本	나의 책
も	모	~도	私も行きます。	나도 갑니다.

부사격 조사

から	~부터, ~에서	東京から来ました。	도쿄에서 왔습니다.
まで	~까지	学校まで歩きます。	학교까지 걸어갑니다.
より	~보다	彼より上手です。	그보다 잘합니다.

접속 조

が	하지만, 그런데	雨が降っていますが、行きます。	비가 오지만 갑니다.
けど	~지만	暑いけど頑張ります。	덥지만 힘낼게요.
ので	~이므로	病気なので休みます。	아파서 쉽니다.
から	~이니까	時間がないから急ぎます。	시간이 없으니까 서둘러요.

종결 조사(문장 끝)

か	의문	これは何ですか。	이것은 무엇입니까?
ね	동의, 확인	いい天気ですね。	날씨 좋네요.
よ	단정, 강조	これは美味しいですよ。	이거 맛있어요.

일본어 조사 연습문제

1. 빈칸에 알맞은 조사를 넣으세요.

猫(　) 好きです。
日本(　) 行きます。
学校(　) 勉強します。
友達(　) 映画を見ます。
東京(　) 来ました。
学校(　) 歩きます。
これは私(　) 本です。
明日(　) 会いましょう。

2. 다음 한국어 문장을 일본어로 바꾸세요.

나는 학생입니다.
이 책은 재미있습니다.
내 친구와 놀아요.
내일 일본에 갑니다.
고양이가 창문에 있습니다.

3. 다음 중 올바른 문장을 고르세요.

私は猫が好きです。
私が猫は好きです。
猫は私が好きです。

4. ‘は’와 ‘が’ 구분하기

다음 문장에서 は와 が 중 어떤 조사를 써야 하는지 고르세요.

(　) 오늘은 비가 옵니다. → 주제를 나타내는 조사
창밖에 고양이 (　) 있습니다. → 새로운 정보 강조

정답 & 해설

1. 빈칸에 알맞은 조사를 넣으세요.

猫(が) 好きです。
→ 좋아하는 대상이 ‘고양이’라는 새로운 정보이므로 が 사용.
日本(に) 行きます。
→ 목적지(방향)를 나타내므로 に 사용.
学校(で) 勉強します。
→ 행동이 일어나는 장소를 나타내므로 で 사용.
友達(と) 映画を見ます。
→ 함께하는 대상을 나타내므로 と 사용.
東京(から) 来ました。
→ 출발점을 나타내므로 から 사용.
学校(まで) 歩きます。
→ 도착점을 나타내므로 まで 사용.
これは私(の) 本です。
→ 소유를 나타내므로 の 사용.
明日(に) 会いましょう。
→ 특정 시점을 나타내므로 に 사용.

2. 다음 한국어 문장을 일본어로 바꾸세요.

나는 학생입니다.
→ 私は学生です。(は = 주제 표시)
이 책은 재미있습니다.
→ この本は面白いです。(は = 주제)
내 친구와 놀아요.
→ 私の友達と遊びます。(の = 소유, と = 함께)
내일 일본에 갑니다.
→ 明日日本に行きます。(に = 목적지)
고양이가 창문에 있습니다.
→ 猫が窓にいます。(が = 새로운 정보 주어, に = 위치)

3. 다음 중 올바른 문장을 고르세요.

✅ 1) 私は猫が好きです.
→ 주제는 ‘나’이고, 좋아하는 대상은 ‘고양이’이므로 주제 조사 は + 주어 조사 が 구조가 맞음.

4. ‘は’와 ‘が’ 구분하기

(は) 오늘은 비가 옵니다.
→ 오늘이라는 주제를 제시하므로 は 사용.
창밖에 고양이 (が) 있습니다.
→ 고양이라는 새로운 정보를 강조하므로 が 사용.

정리 포인트

は = 주제(Topic), 대조, 이미 알고 있는 정보
が = 주어(Subject), 새로운 정보, 강조
に = 목적지·시점, で = 장소·수단
と = 함께·인용, の = 소유·소속
から / まで = 출발점 / 도착점

ec2에서 aws --version 확인 안될 때 CLI 설치 방법

tjdwl000801 — Sat, 9 Aug 2025 20:18:11 +0900

ec2에서 aws --version 확인 안될 때

✅ Ubuntu EC2에 AWS CLI 설치 (공식 방법)

# 1. 설치에 필요한 도구 설치
sudo apt update
sudo apt install unzip curl -y

# 2. AWS CLI 설치 파일 다운로드
curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"

# 3. 압축 해제
unzip awscliv2.zip

# 4. 설치
sudo ./aws/install

# 5. aws 명령어가 정상 작동하는지 확인
aws --version

이후 aws --version

버전 확인 가능해짐

이후 aws --version을 입력하면 버전이 확인되는걸 볼 수 있음

[백준] 1021번, 회전하는 큐(파이썬) - 코테준비하기

tjdwl000801 — Sat, 19 Jul 2025 10:50:50 +0900

https://www.acmicpc.net/problem/1021

문제

지민이는 N개의 원소를 포함하고 있는 양방향 순환 큐를 가지고 있다. 지민이는 이 큐에서 몇 개의 원소를 뽑아내려고 한다.

지민이는 이 큐에서 다음과 같은 3가지 연산을 수행할 수 있다.

첫 번째 원소를 뽑아낸다. 이 연산을 수행하면, 원래 큐의 원소가 a1, ..., ak이었던 것이 a2, ..., ak와 같이 된다.
왼쪽으로 한 칸 이동시킨다. 이 연산을 수행하면, a1, ..., ak가 a2, ..., ak, a1이 된다.
오른쪽으로 한 칸 이동시킨다. 이 연산을 수행하면, a1, ..., ak가 ak, a1, ..., ak-1이 된다.

큐에 처음에 포함되어 있던 수 N이 주어진다. 그리고 지민이가 뽑아내려고 하는 원소의 위치가 주어진다. (이 위치는 가장 처음 큐에서의 위치이다.) 이때, 그 원소를 주어진 순서대로 뽑아내는데 드는 2번, 3번 연산의 최솟값을 출력하는 프로그램을 작성하시오.

입력

첫째 줄에 큐의 크기 N과 뽑아내려고 하는 수의 개수 M이 주어진다. N은 50보다 작거나 같은 자연수이고, M은 N보다 작거나 같은 자연수이다. 둘째 줄에는 지민이가 뽑아내려고 하는 수의 위치가 순서대로 주어진다. 위치는 1보다 크거나 같고, N보다 작거나 같은 자연수이다.

출력

첫째 줄에 문제의 정답을 출력한다.

예제 입력 1

10 3
1 2 3

예제 출력 1

예제 입력 2

10 3
2 9 5

예제 출력 2

예제 입력 3

32 6
27 16 30 11 6 23

예제 출력 3

예제 입력 4

10 10
1 6 3 2 7 9 8 4 10 5

예제 출력 4

풀이방법

python의 deque(double-ended queue)를 사용

1,2,3,,,,N-1,N 으로 이루우진 큐를 생성

왜 큐 대신 덱? -> 큐는 선입선출 방식이지만 덱은 양방향에서 삽입 삭제가 가능하기때문에 deque을 이용한 문제 풀이 해결

import sys
from collections import deque

n,m = map(int,sys.stdin.readline().split()) 

result = list(map(int,input().split()))

q = deque([i for i in range(1,n+1)])

count = 0

for res in result:
    while 1:
        if q[0] == res:
            q.popleft()
            break
        else:
            if q.index(res) <= len(q)//2:
                q.rotate(-1)
                count +=1
            else:
                q.rotate(1)
                count +=1
print(count)

메모리 34924 KB , 시간 60ms , 코드 길이 471B

문제 풀이

n,m = map(int,sys.stdin.readline().split())

sys.stdin.readline() : int형으로 문자를 잘라서 받아옴 (n,m)

result = list(map(int,input().split()))

q = deque([i for i in range(1,n+1)])

count = 0

result = list(map(int, input().split()))
한 줄 입력을 공백 기준으로 나눈 뒤(split()), 각각을 int로 변환(map(int, ...))하고 리스트로 감싸 최종적으로 정수 리스트로 저장합니다.
예) 입력: 3 7 12 → result = [3, 7, 12]

q = deque([ i for i in ragne(1,n+1)]

q = 1 ~ n+1 까지 연속된 숫자를 deque로 감싸줍니다.

예) n =5 q = deque([1,2,3,4,5])

for res in result:
    while 1:
        if q[0] == res:
            q.popleft()
            break
        else:
            if q.index(res) <= len(q)//2:
                q.rotate(-1)
                count +=1
            else:
                q.rotate(1)
                count +=1

q[0] == res q[0]에 값이 있으면

q.popleft() 값을 꺼냄

            if q.index(res) <= len(q)//2:
                q.rotate(-1)
                count +=1
            else:
                q.rotate(1)
                count +=1
                
       q.index(res) 현재 위치 확인
       len(q) //2 절반보다 작으면 왼쪽으로 회전
       절반보다 크다면 오른쪽으로 회전