"한 가지 일에 실패하고 문책당해서 회사를 그만두면, 다른 회사에 가더라도 똑같은 패턴으로 그만두게 된다.
한 번 정복하지 않은 실패는 또 다시 엄습하게 되어 있다. 그러므로 '이 회사만 아니면, 이 상사만 벗어나면,
뭔가 새로운 환경만 주어지면 잘할 수 있다.'는 환상을 버려라. 실패와 포기의 패턴은 마치 유전자 코드처럼
사람의 몸과 마음에 세팅된다. 그 세팅을 한 번이라도 어그러뜨려서 뒤집어 놓아야 동일한 패턴을 다시 반복하지
않게 된다. 그때 필요한 것이 바로 '진보적 반발심' 이다.  by 전성호 쌤앤파커스

삼보컴, 구글 안드로이드 넷북 개발

삼성 ‘안드로이드' 스마트폰 6월 유럽 출시

에이서, 안드로이드 기기 '다수 개발 중'

MSI, `안드로이드` 운영체제 기반 넷북 만든다 [베타뉴스]

구글 '안드로이드' 진군나팔

계산 이론에서 재귀함수는 왜 계산 가능한가 입니다.

• 스마트폰 시장 : 핸드폰 업체 vs PC 업체
• 노트북, 넷북 시장 : PC 업체 vs 핸드폰 업체
• 비메모리 반도체 : 인텔 vs NVidia
• UC : 시스코 vs MS
• 서버 시장 : 시스코 vs IBM vs HP vs SUN…

"어떤 문제를 알고리즘으로 해결할 수 있는가?” 는 20세기 초반 계산 이론이라는 수학의 영역이었습니다.

이러한 계산 가능성을 탐구하기 위해 알랜 튜링은 튜링 머신이라는 가상의 알고리즘 기계를 고안했습니다.

튜링 머신을 통해 튜링은 알고리즘에 의해 풀리지 않는 문제가 존재함을  증명했습니다.

튜링이 증명했던 알고리즘에 의해 풀리지 않는 문제는 바로 정지 문제였습니다.

즉, 튜링 머신이 계산 알고리즘과 데이터를 입력 받아서 계산 후 멈추면 문제를 알고리즘으로 해결한 것이고, 멈추지 못 하면 해결하지 못 한 것입니다.

정지 여부를 통해 해결 여부를 판가름 한다는 것입니다.

튜링의 증명은 아래와 같습니다.

def halt(ftn) :

# ftn 함수가 계산 후 멈추면 True, 아니면 False를 반환

return True or False

def foo(ftn) :

if halt(ftn) == True :

while True:

print ‘hello’

# 재귀로 foo 함수를 호출하면, 모순이 발생합니다. foo 가 멈추면 halt(foo)가 참이고, foo는 결국 무한 루프를 돕니다. 따라서, 위의 halt 함수는 존재할 수 없습니다.

foo(foo)

물론 튜링은 위와 같은 pseudo 코드 대신 튜링머신으로 증명했는데 방법은 위의 pseudo 코드와 비슷합니다.

즉, 위의 foo 함수와 같은 튜링머신을 만들어서 재귀적으로 호출해서 halt 함수와 같은 튜링머신이 존재할 수 없음을 증명한 것이죠.

비슷한 시기에 알론소 처치도 재귀함수와 람다 계산법을 통해 이 정지 문제를 증명했습니다. (아쉽게도 처치의 자세한 증명은 아직 공부가 안되었습니다…)

튜링과 처치는 재귀를 통해서 정지 문제를 증명했다는 공통점이 있습니다.

재귀가 어떤 의미를 가지는지 아직 잘 모르겠지만, 전산학에 있어서 재귀는 시발점 역할이 되어 왔고, 재귀함수는 전산학에서 ‘계산 가능한 함수’의 일종으로 분류됩니다.

재귀를 상징하는 Ouroboros라는 전설의 동물

다음 글이 재귀가 가지는 의미에 대해 살짝 소개를 하고 있습니다.

해커 문화의 뿌리를 찾아서 Part 6: ‘괴델, 에셔, 바흐’ 그리고 해커리즘의 쇠락

코딩할 때도 그렇고, 이런 저런 글을 읽어봐도 “재귀”란 참 기묘합니다.

이를테면…

이 명제는 거짓이다라는 명제.

일반적으로 데이터와 정보를 구분하는 것 같습니다.방대한 데이터에서 유의미한 정보를 마이닝하는 것이 요즘 IT의 화두라고 보여집니다.

Web 2.0 과 더불어 많은 사람들이 데이터에 주목하기 시작했다는 것이죠.

따라서, 제한된 리소스(시간, 돈 등)를 가지고 방대한 데이터에서 얼마나 효율적으로 정보를 뽑아 낼 수 있느냐가 기술적 이슈가 되었습니다.

요즘 집단지성 이라는 책을 읽고 있습니다.

책의 요지는 몇가지 데이터 마이닝  테크닉을 실제 소스코드와 더불어 간결하게 보여주고자 하는데 있습니다.

한가지 감이 오는게, 책에 있는 기법을 실전에 적용하기 위해서는 엄청난  컴퓨팅 파워가 필요하겠구나 입니다.

그래서, 데이터 중심의 IT에서는 MapReduce와 같은 병렬분산처리 테크닉이 필요조건이 될 수 밖에 없다는 것입니다.

이런 분위기를 반영하듯 오픈소스 MapReduce 프레임워크가 속속 등장하고 있습니다.

Java에 Hadoop이 있다면, Ruby에는 skynet이 있습니다.

Channy Blog에서 본 것들을 한번 찾아 봤습니다.

Danga :  Memcached(캐싱처리), MogileFS(분산파일시스템), Gearman(병렬처리,로드밸런싱)

Twitter : Starling(메모리캐싱, 소스코드는 여기)

WordPress.com : Pound(로드밸런싱), Wackamole(클러스터링), Spread(메시징서비스), HyperDB

이른바 돈없는 미국의 벤처들이 퍼포먼스 이슈를 해결하기 위해 이런 짓(?)들을 하는군요. 대단합니다. 그리고 부럽습니다…

연구해야할 대상들이 많네요, 어쨌든 참 재미있습니다. ^^

• Introduction to Parallel Programming and MapReduce
• Cluster Computing and MapReduce 동영상 강의
• Distributed Systems and Parallel Computing 관련 논문들