728x90
반응형

전체 글 285

클라이언트 프로그래머를 위한 게임 서버 이야기 Part.1 (26.09.20)

09월 20일 진행한 학술회는 내가 진행하였으며, 나머지 2명은 클라이언트 프로그래머였기 때문에 게임 서버의 깊은 이야기보단 내가 만들면서 클라이언트 프로그래머도 알았으면 좋았을 내용, 클라이언트 프로그래머 쪽에서 구현해야하는 내용 들을 위주로 진행하였다. 목차게임 서버가 왜 필요할까왜 모든 클라이언트가 같은 상태를 봐야 하는가충돌 판정 — 클라이언트 vs 서버서버 권위 모델과 치트 방지컴퓨터끼리 정보 교환지연시간과 체감 (발로란트 예시)네트워크 정보를 어떻게 구분할까패킷의 구성시리얼라이즈 / 디시리얼라이즈패킷 처리 흐름클라이언트 프로그래머가 알아야 할 범위서버 기본 구조 (IOCP)왜 멀티스레딩이 빠질 수 없는가실전 코드 보기 1. 게임 서버가 왜 필요할까 가장 근본적인 내용으로 시작할까한다. 게임 서..

주간 학술회 시작(26.09.20 ~)

시작하게 된 계기 26년 09월 20일, 동문생 3명이서 학술회를 진행하게 되었다. 같은 과에서 공부했지만, 각자 다른 분야를 준비하며 서로가 자신 있는 분야가 정해지게 되었고, 다른 분야에 대해서는 미숙하게 되었다. 때문에 학술회의 취지는 서로의 분야에 대해서 지식을 공유하며, 다양한 분야로 지식을 넓히고, 발표를 위해 공부를 하는 것을 목적으로 이 모임이 만들어졌다. 학술회의 목표 각자의 전문 분야에서 쌓은 경험과 지식을 서로 공유하며, 다른 분야에 대해서도 지식을 확장하기 위해서. 내 분야가 아닌 다른 분야를 접하며 개발 전반에 대한 이해를 넓히기 위해서. 발표를 준비하는 과정에서 자신의 분야에 대해 더욱 깊게 공부하기 위해서. 진행 방식 학술회는 매주 한 명씩 돌아가며 발표하는 형식으로 진행되며..

맛집 탐색기 만들기(Claude, Avalonia)

나는 평소 맛집들을 찾고 저장하는 것을 좋아한다. 그래서 네이버 지도에서 특정 지역의 식당들을 찾고는 했다. 하면서 불편한 점들은 카페들만 찾고 싶거나 식당들만 찾는 것이 한계가 있었고, 특정 범위도 지정하기 힘들다는 단점들이 있었다. 또한 왜인지는 모르겠지만 크롬창에서 여러 식당들을 둘러보다보면 창이 꺼졌다 닫혔다하면서 점점 느려지는 현상도 생겨서 한번에 많은 식당들의 리뷰를 비교하기가 힘들었다. 그래서 특정 반경에 있는 식당들을 불러와서 리뷰 수와 리뷰의 비율(맛있어요, 디저트가 맛있어요 등)을 자동으로 분석해서 표시해주는 앱을 만들고 싶었다. 사용한 기술 Claude Code를 사용해서 만들었으며, Windows 앱을 대상으로 만들었기에 기반 언어는 Avalonia를 사용하였다. 네이버 지도의 A..

프로젝트 2026.09.19

Ai 면접 프로그램(실무 면접 대비)

이번 넥토리얼에서 코딩테스트가 사라지고 Ai 면접이라는 새로운 전형이 추가되었다. 사용자의 전공 지식 수준을 파악하기 위한 전형으로 기존의 코딩테스트에서 알고리즘이 아닌 운영체제나 C++ 같은 전공 수준을 파악하기 위한 문제 대신 Ai 면접관을 통해 지원자들의 수준을 더 깊게 파악하기 위해서 도입한 것 같다. 여기서 아이디어를 받아 Claude로 Ai 면접 프로그램을 제작해보았다. AI 면접 프로그램 원리는 사용자의 컴퓨터 내에 CLI(Claude CLI 등)에 접근해서 해당 Agent가 면접관이 된다. 단, 실제 면접처럼 사용자가 질문에 답을 하면 Ai가 왜 그렇게 생각하는지, 더 깊이 알고 있는지를 추가 질문을 통해서 파악한다. Ai는 사용자에게 해당 답변이 맞는지 틀린지를 알려주지 않는다. 이후 ..

취업 관련 2026.09.08

Unity-mcp 연결하기

오늘은 요즘 Unity 클라이언트 작업을 할 때 알차게 사용하고 있는 Unity-mcp를 통해 Claude Code와 연결해서 Agent를 사용하는 법에 대해서 다뤄볼 것이다. MCP란? MCP(Model Context Protocol)는 AI가 외부 프로그램·데이터·API·파일·DB 같은 도구를 표준화된 방식으로 사용할 수 있게 해주는 통신 규격이다. 쉽게 말하면 AI한테 외부 프로그램 같은 것을 직접적으로 접근해서 파악 및 수정 등을 할 수 있게 도와주는 것이다. MCP가 왜 필요한가? 이전의 생성형 AI와 비교하면 이해가 쉽다. 생성형 AI는 사용자가 직접 질문을 하면, 질문한 내용을 분석해서 답변을 생성해준다. 즉, 우리의 프로젝트에 직접 접근하는 것이 아닌 사용자가 질문한 범위 내에서 정보를..

근황 및 BIC 전시 후기

마지막 공부 일지 이후 7월 8일 이후로 공부일지를 못 쓰다가 오랜만에 다시 시작해보려고 한다. 사실 올해 초부터 학교 후배와 개발중이던 게임이 7월초에 BIC 루키 부문에 선정이 되었다. 이후 기존의 계획인 서버 프로젝트에 관한 계획들이 사실상 전시 이후로 전부 미뤄지고 전시를 위한 준비에 몰두하였다. 개발을 하면서 과정도 틈틈히 공부일지로 작성을 해보려고 했지만, 짧은 기간동안 본격적으로 프로젝트를 갈아 엎으면서 작업을 했기 때문에 기타 공부나 공부일지를 작업하는 것이 여유치 않았다. 그래서 7월 8일을 마지막으로 블로그를 업데이트하지 못한 상태였다. BIC 후기 8월 14일부터 8월 16일까지 부산 벡스코에서 BIC 전시를 진행하였다. 때문에 8월 14일까지는 개발중인 TUYA에 대부분에 시간을 사..

[26.07.08] 공부일지

2026-07-07 review11:00 ~ 12:00 : 피부과 방문12:00 ~ 14:00 : 점심 식사 및 귀가14:20 ~ 15:00 : 운동15:00 ~ 15:30 : 샤워15:30 ~ 19:00 : TUYA 작업19:00 ~ 20:00 : 저녁 식사20:00 ~ 04:10 : TUYA 작업 TUYA 작업 MusicPuzzle 개선 - 코어 적중 후 사운드 재생에 딜레이 넣어 자연스럽게 수정 - 코어가 여러번 사용되어야하는데 이펙트가 남아있는 문제 해결 - 프로펠러가 돌아가는 속도 선형적으로 감소하게 수정 - 퀴즈 풀면 문이 열리도록 추가, 퀴즈 풀면 코어와 프로펠러가 더이상 작동 안되도록 수정 - 정답음을 끝나면 다음 음 재생에서 딜레이 재생으로 변경 - 도트 불빛이 특정 부분에서만..

[26.07.07] 공부일지

2026-07-07 review12:00 ~ 12:40 : 유산소12:40 ~ 13:20 : 점심 식사13:20 ~ 14:30 : 운동14:30 ~ 15:00 : 샤워15:00 ~ 18:00 : TUYA 작업18:00 ~ 19:00 : 저녁 식사19:00 ~ 03:10 : TUYA 작업 TUYA 작업 플레이어 점프 시 점프 효과음 추가 파티클 시스템이 WindObject와 상호작용하게 개선 폴리건 콜라이더로 인해 문제가 생기던 부분 수정 MusicPuzzle 제작. - 미션 영역 진입 시 완성된 정답 노래 들려주기 - 프로펠러 활로 명중 시 외적을 사용해 회전하고 현재 index에 따른 효과음 재생 - 4개의 프로펠러에서 나오는 효과음을 연결했을 때 정답 노래를 제작하고 정답 코어를 명중 시 퍼즐 ..

[26.07.05] 공부일지

2026-07-05 review11:00 ~ 17:30 : 카페 근무17:30 ~ 20:30 : TUYA 작업20:30 ~ 21:00 : 저녁 식사21:00 ~ 22:00 : TUYA 회의 TUYA 작업 멈췄는데 move 애니메이션이 나오는 버그 수정 화살 궤적이 bloom이 영향받으면 투명도가 적용이 안되는 버그 수정 사용자 모니터가 지원하지 않는 해상도 설정 안되게 추가 캐릭터 활 조작감 개선(활 장전 속도, 발사 후 애니메이션 시간 감소)

강화학습 자동매매 프로그램 결과

프로젝트 진행 기간(6.4 ~ 7.5) 자동매매 프로그램을 강화학습을 사용하기로 선택한 이유는 아래와 같다. 코인 강화학습 자동매매 프로그램[제작계기]계기 살면서 누구나 한번쯤은 주식이나 코인매매로 자산을 불리고 싶은 생각이 들것이다. 나도 그랬으며 실제 매매를 시도해본적이 있다. 그치만 실제 돈이 들어가다보니 온 신경이 그쪽으로jinho082008.tistory.com 해당 프로젝트는 실제 해보고 싶었지만, 강화학습을 따로 집중해서 공부하기엔 다른 공부할 것이 많아서 미뤄오다가 이번에 agent의 성능이 좋아져서 agent에 대해서 공부하면서 진행한 프로젝트이다. 프로젝트는 claude code를 사용해서 진행하였으며, 사용한 기술로는 강화학습의 ppo를 사용해서 학습시켰고, 기본적인 agent 사용..

728x90
반응형