행복한바보고양이😻

현대 AI 상품 기획에서는 모델 개발을 넘어, 이를 실제 서비스나 디바이스에 통합할 수 있는 역량이 필수입니다. 특히 “AI 미들웨어, 임베디드/클라우드 구조 이해, Edge AI 흐름 설계”는 온디바이스 AI와 클라우드 AI를 연결해 실시간 반응형 제품을 만드는 데 핵심이 되죠. 아래에서는 Slimedy, AI 피트니스 코치, SmartSync CRM 세 가지 주요 프로젝트를 통해, 해당 역량이 어떻게 적용되었는지 기술적 흐름과 아키텍처 관점에서 상세히 정리했습니다.1. Slimedy – AI 기반 비언어 진료 플랫폼핵심 역량클라이언트 ↔ 서버 ↔ LLM 통합 아키텍처 설계AI 미들웨어 역할을 하는 백엔드 흐름 정의실시간 UX 최적화를 위한 Edge AI 설계 마인드기술적 흐름 모바일 입력 ..

이번 프로젝트에서는 Hugging Face의 LLM(Open Source Language Model)을 기반으로, 다양한 CRM 시나리오에서 사용자 맞춤형 정보를 제공하는 지능형 추천 시스템을 구축하였습니다. 핵심은 도메인 특화 프롬프트를 구성하고, 목적에 적합한 모델을 선택하는 전략이었습니다.4개의 주요 시나리오별로 각기 다른 목적과 형식의 프롬프트를 설계했고, 이에 맞춰 Hugging Face의 모델도 달리 적용하여 응답 품질을 최적화했습니다.1. 글로벌 판매 전략 리포트 자동 생성현대/기아의 글로벌 판매 전략을 예측하기 위한 프롬프트는 매우 구조적이고 전문적인 형식이 요구되었습니다. 주요 키 포인트는 다음과 같습니다:모델: google/gemma-2-9b-it현대/기아의 글로벌 시장 전략을 자동 분..

고객 생애 가치(LTV) 분석은 기업이 장기적인 수익을 창출하는 핵심 고객을 식별하고, 마케팅 자원을 효율적으로 배분하는 데 필수적입니다. 특히 클러스터링을 활용하면 복잡한 고객 데이터에서 숨겨진 패턴을 발견하고, 맞춤형 전략을 수립할 수 있습니다. 이 글에서는 클러스터링을 적용한 LTV 분석의 단계와 실제 사례를 소개합니다. 1. 데이터 수집 및 전처리: 분석의 기초클러스터링의 성공은 데이터 품질에 달려 있습니다.수집 데이터구매 이력: 날짜, 빈도, 금액웹사이트 방문 횟수 및 체류 시간관심 상품 카테고리고객 인구통계학적 정보 (연령, 성별, 지역)전처리 핵심단계 설명 도구 예시결측값 처리평균값 대체 또는 관련성 없는 데이터 제거Pandas, Excel이상치 제거비정상적으로 높은 구매 금액/빈도 필터링..

Teachable Machine + Streamlit을 활용한 실전 프로젝트 개선 및 확장🎯 프로젝트 발전 과정과 추가 기능이 프로젝트는 이미지 분석을 통한 파충류 종 판별 및 특수동물 병원 검색, 유튜브 영상 추천 기능을 제공합니다.하지만 1편에서 다룬 기본 기능을 실제 프로젝트에서 적용하다 보니 한계점과 개선해야 할 사항이 발견되었습니다.따라서 2편에서는 다음과 같은 기능을 추가 및 개선하였습니다. 🛠 1. 실시간 바코드 스캔 기능 추가🏷 배경 및 필요성애완동물 사료, 사육 용품 등을 구매할 때 바코드를 스캔하여 제품 정보를 빠르게 확인할 수 있도록 기능을 추가.제품의 유통기한, 성분 정보, 저장 방법(냉장/냉동 여부) 등을 한눈에 파악 가능.공공 데이터 API를 활용하여 실시간으로 제품 데이터..

🏆 프로젝트 개요: AI가 파충류를 분류한다!파충류와 양서류는 형태적으로 비슷한 종이 많아 초보 사육자들에게 정확한 구분이 어렵습니다. 이에 따라 Teachable Machine과 Streamlit을 활용하여 사용자가 직접 이미지를 업로드하면 AI가 즉시 파충류의 종을 판별하는 웹 애플리케이션을 개발하였습니다.본 프로젝트는 이미지 분석을 통해 15종의 파충류를 분류하고, 병원 검색 및 유튜브 영상 검색 기능을 추가하여 실질적인 활용도를 극대화하였습니다.  🎯 프로젝트 목표AI 기반 종 분류 기능 제공업로드한 이미지를 분석하여, 파충류 15종 중 어느 종에 속하는지 예측모델이 제공하는 신뢰도(%)를 함께 출력병원 검색 기능사용자가 인식된 파충류를 치료할 수 있는 특수동물 병원 검색 가능유튜브 학습 기능..