문과지만 괜찮아

현재 계획 중에 있는 AI 관련 기능 개발은 아래와 같이 진행될 예정이다.MVP AI 기능데이터 전처리기본 AI AgentAPI 서버 전환1차 API 서버 최적화Github: FastAPI Best Practice비동기 처리 2차 AI 기능 고도화데이터 전처리 -> LLM for Data Preprocessing or ChatGPT 파인튜닝기본 AI Agent -> Multi AI AgentAPI 서버 전환 -> Fail Over, Exception Handling, Web socket구현 계획 선정 동기위와 같은 구현 계획을 선정하는 데에 있어서 한 가지의 현실과 그로 인한 수요가 크게 작용했다. 먼저 현실이다.흔히 말하는 SaaS(Software as a Service)에서의 AI 개발은 현재 불가능..

현재 계획 중에 있는 Chrome Extension 개발은 아래와 같이 진행될 예정이다.MVP Chrome Extension 개발Chrome Extension TutorialsChrome Extension - Page Data 수집Chrome Extension to AI & Spring Backend Server수집된 데이터 AI Server로 전송 및 결과 수신반환된 결과에 대한 사용자 선택 Spring Backend Server 전송 및 메인 서비스 페이지로의 이동(Challenge) Chrome Extension 실시간 종목 호가 조회반환된 결과에 따른 실시간 종목을 '더 보기'와 같은 버튼을 통해 조회인증과 백엔드 서버와의 통신을 기준으로 구현 계획을 구성하였다. 그리고 이번 포스팅에서는 Chro..

'온 세상이 주식이야'(온세주)의 핵심은 모의주식거래 시스템이다. 그리고 AI 기능은 해당 시스템에 접근하기 위한 하나의 수단이다. AI 기능의 역할은 아래와 같다. 사용자의 현재 웹페이지의 정보를 바탕으로 평가, 분석하여 유사한 주식종목을 반환한다. 반환된 종목의 경우 사용자의 선택에 따라 저장될 수 있고 저장된 주식은 온세주 웹사이트에서 모의 매매가 가능하다.  해당 기능을 만들기 위해서 아래와 같이 AI 기능 구현을 위한 구성을 아래와 같이 세분화 했다.Chrome Extension - Frontend온세주의 Chrome Extension은 AI 기능의 Frontend로 아래의 기능을 담당한다. 현재 화면의 정보를 AI Server로 전달하고AI Server에서 반환된 정보를 Service Serv..

기존에 진행해 왔던 프로젝트에서의 AI Application들의 특징을 정리해 봤을 때 의도한 기능으로서 잘 작동하는 반면 Fail Over, Exception Handling과 같은 기본적이 부분들에서 부족함이 있었다. 물론 최적화와 고도화를 진행한 프로젝트도 있었으나 실제로 적용하는 대에는 어려움이 있었다. 그래서 이번 프로젝트를 통해서 기존 프로젝트에서의 AI 기능들에서 챙기지 못했던 부분들에 대한 보완을 진행할 예정이다. 먼저 '온 세상이 주식이야'의 시작은 아래와 같다. 인터넷은 정보의 바다라고 한다. 하지만 실제로 대부분의 사용자는 자신이 찾으려고 하는 내용만을 확인하지 관련된 혹은 관련될 수 있는 내용에 대해서는 다들 지나치는 경향이 있다. 그래서 사용자가 사용하는 웹페이지에 대한 정보를 바..

문제 유형: Graph - Floyd Warshall작성 코드첫 번째 시도package KakaoCodingStudy.kakaoNov3;import java.util.*;// First Try BFSpublic class Main3 { static int N; static Map> nodeMap; static int[][] board; static int[][] answer; public static void input(){ Scanner sc = new Scanner(System.in); N = sc.nextInt(); board = new int[N][N]; answer = new int[N][N]; nodeMa..

문제 유형Grpah - BFS작성 코드import java.util.*;public class Main { static int N, M; static Map> nodeMap; static int[] visited; public static void input() { Scanner sc = new Scanner(System.in); // # of nodes N = sc.nextInt(); // # of relationship M = sc.nextInt(); nodeMap = new HashMap(); for (int i = 1; i ()); } for (int i = 0; ..

이전의 포스트에 이어 이번에는 모델 선정의 결과와 선정 배경에 대해 정리했다. 먼저 모델 선정 결과는 'Flux.schnell'이다.(dev 비용 문제와 용량 문제로 인해 불가능하다.) 먼저 선정에 있어 아래의 내용들을 먼저 각 모델별로 테스트해 봤다. 구체적인 Prompt를 구성한 뒤 생성Prompt 변경에 따른 생성 차이 비교Prompt에 대한 이해도 및 세부적인 지시 사항 이행여부 판단연속생성 및 리소스 네개의 이미지를 순차적으로 생성하기에 그 시간 또한 중요하다리소스가 얼마나 사용되는지는 리소스가 제한적인 상황에서 가장 중요한 부분이라고 할 수 있다. Prompt의 경우 추후에도 신경 써야 하는 부분이기 때문에 프로젝트 생성을 위해 기본적인 구조 구성을 감안하여 진행하였다. PromptPrompt..

이번 포스트에서는 콘티 생성기에 사용될 모델에 대한 선정과정을 정리해 봤다. Diffusion Model에 대해서는 추가적으로 '도대체 Diffusion Model은 뭘까?'에서 설명할 예정이다. 먼저 현재 가장 많이 쓰이고 있는 모델들을 추려냈다. 처음 사용하다 보니 사용경험들이나 관련 정보가 많아야 한다는 게 첫 번째 기준이었다.  그래서 추려낸 모댈은 Stable Diffusion(이하 SDXL)과 Flux다. 선정기준은 아래와 같았다.콘티를 생성해야하니 스케치의 특징인 핵심 표현 가능 여부역으로 말하자면 쓸데 없이 디테일한 생성은 필요가 없다.비용, 물론 현재 로컬에서 클라우드 저장소로 업데이트를 하는 로직을 구상했으나 중요한 점은 로컬에서도 벅차서는 안된다.현재 사용하고 있는 로컬환경은 Cola..

현재까지 구현한 기능들은 단순하다. 공통적인 로직은 아래와 같다.요청이 들어온다.요청에 대한 평가를 진행한다.텍스트를 평가한다.이미지로 평가한다.평가 결과를 생성한다.그리고 모든 평가 기준들이 Prompt로 들어가 있기 때문에 특별한 기술이 들어가 있는 상태는 아니다.  그렇기 때문에 새로운 나의 개발 능력을 어필할 수 있는 새로운 기능에 대해 고민해봤고 Project Joing이 기획자와 크리에이터를 매칭해 주는 플랫폼이라는 사실을 바탕으로 기획자의 기획안을 시각화해 주는 기능에 대해 생각하게 됐다. 그래서 아래의 과정을 통해서 기획자의 기획안을 시각화해주는 콘티 생서기: Storyboard Generator를 만들기로 했다.  먼저 현재 기준으로 생각중인 작동 로직은 아래와 같다.작성된 기획안 중 콘..

이전의 RecSystem을 위한 데이터 수집의 경우 데이터를 Youtube Data API를 통해 가져온 뒤에 어떤 정보에 대한 수정 및 조작도 하지 않았다. 하지만 기획안의 경우에는 상황이 다르다. 그 어떤 곳에서도 기획안을 찾기가 힘들다.기획안이 있다 하더라도 우리의 서비스에서 진행하는 양식과 다르다.이 두 가지 이유 때문에 어쩔 수 없이 기획안의 경우에는 직접 생성해야 하는데 팀원들과 함께하기엔 팀원들에게 미안하고 직접 하기에는 양이 너무 많고 가장 중요한 점은 기획안의 퀄리티에 차이가 우려됐다. 그래서 위와 같은 문제를 해결하기 위해 어쩔 수 없이 LLM을 활용하여 기획안을 생성하기로 했다. 그래서 아래의 영상의 도움을 받아 기획안 생성 Workflow를 생성했다.노코드캣님의 Youtube 요약생..

일전의 포스트에서 말했듯이 두 가지 문제가 있었다.Selenium을 사용하기에 한 가지의 보조기능을 위해 너무 많은 클라우드 컴퓨팅 리소스가 Chrome Driver에서 사용된다.실제로 이미지 평가가 정확성을 떠나 작동하지 않는 경우가 있다.먼저 Youtube Data API를 활용하여 첫 번째 문제의 경우 확실히 해결을 했다. 그리고 두 번째 문제의 경우 Youtube Data API에서 Thumdnail과 동시에 조회해 올 수 있는 title과 description을 활용하여 text_evaluation을 추가하기로 했다. 그래서 아래와 같은 로직으로 FastAPI로 전환을 마무리했다. Youtube Data API로 최근에 업로드한 영상 4개 조회해당 영상들읠 Title, Description 그리..

현재 구현된 Profile Evaluation의 경우 아래와 같은 로직으로 작동한다.사용자(크리에이터)에게서 자신의 Youtube Channel URL을 받는다.사용자에게 건네받은 URL을 Selenium을 통해 스크린숏을 찍는다.우리가 Youtube Channel 처음들어갈때의 첫인상을 느끼는 것과 유사한 로직으로 구성했다.스크린숏은 LLM에게 전해지고 유해성 평가를 진행하게 된다.위와 같이 구현한 이유는 언급한 거와 같이 스크린숏이라는 방식이 우리가 느끼는 채널의 첫인상과 유사하다고 판단했기 때문이다.하지만 이를 위해서 Selenium이 필요 했고 추가적으로 Chrome Driver를 설치해야만 했다. 이는 Chrome Driver를 서비스 서버에 설치해야 하고 용량이 너무 커서 로직을 변경해야만 하..

문제 유형Binary Search작성 코드첫번째 시도package KakaoCodingStudy.kakaoNov1;import java.util.ArrayList;import java.util.List;import java.util.Scanner;// 2473 세용액 1트public class Main { static int N; static long[] given; static long minCombination; static List threeLiquids; public static int getIndex(long num) { int right = threeLiquids.size() - 1; int left = 0; int center;..

문제 유형Binary Search작성 코드import java.util.ArrayList;import java.util.List;import java.util.Scanner;public class Main { public static int N; public static long[] given; public static List dynamic; public static int getIndex(long num) { int right = dynamic.size() - 1; int left = 0; int center; while (left = num) { right = center - 1; ..

프로젝트의 추천 시스템은 두종류의 추천을 진행한다.기획안 to 크리에이터크리에이터 to 기획안이 두 추천에 있어서 크리에이터에 대한 특징을 잡을 수 있는 정보가 지금 현재 필요하다. 그래서 아래의 로직 바탕으로 크리에이터(Youtube)에 대한 데이터를 수집하려고 한다. Youtube Handles 확보Handles를 Channel ID로 전환Channel ID로 Youtube Channel 정보 조회조회된 정보를 RecSystem 요구 조건에 맞춰 전처리Youtube Handles 확보먼저 Youtube Handles의 경우 대한민국 유튜버 분야별 구독자수 탑 200위까지를 기준으로 확보했고 총 확도한 Handle의 수는 7729개이다.  Handles를 Channel ID로 전환안타깝게도 Handle..