전체 글
-
상하이를 다녀오다...뻘글 2026. 8. 29. 19:40
드디어 다녀왔다상하이;; 작년 한 8월달 쯤 부터 릴스에 상하이 관련 영상이 올라오더니3월쯤엔 그냥 점령을 해버림그래서 상하이 가자 위원회를 추진했고,먘걸들과 함께 가게 되었다... 원래 6월 피사 끝나구 바로 가려고 했는데 극P모임인지라 비행기 예약을영원히 미루다보니 8월에 가게 되었다 ㅎㅎ 날짜를 진짜 럭키걸 수준으로 잘 잡았습니다.예약하고보니 21일 전 전주에는 태풍이 왔고, 전 주에는 태풍이 와서 어수선 했고 그 다음주는 또 비 엄청 온다는 소식이 있었네요 ㅎㅎ 물론 저히가 간 주에도 그렇게 날씨가 좋진 않았다만... 그래도 비가 쪼금만 온 다 해서 다행인가 아닌가 제발 비 오지마라 빌고 또 빌었습니다. 시간도 딱 좋음!!!인 당 왕복 36만원에 다녀올 수 있었습니다.(비싼건지 아닌지 모름 ㅋ..
-
최종 플젝 회고…는 아니고 주저리FISA 2026. 6. 19. 19:24
드디어 6개월간 배운 내용을 바탕으로 7주?8주동안 한 프로젝트가 끝이 났다.원래 기록을 좀 열심히 하려 했는데, 딱 성능평가 이후로 너~무 바빠져서 … + 체력이슈로 좀 못썼다우선 느낀점을 한 줄로 정리하면, pm진짜 잘 만 났다!!! + 입과할 때의 나와 비교해 봤을 때, 정말 많은 걸 배웠구나 이다.피엠을 잘 만났다 부터 시작하자면…용완오빠가 진짜 개고수다. 일단 ml ai부분에 대해서 아마 거의다 피드백 받고 조언 해줬다. Graph Rag쓰는 거 하며, 성능평가가 진짜 중요하다. 그리고 어떠한 기술 스택을 쓸 때든 뭐든 이유가 중요하다. 라고 조언해줬다. 그덕분에 최종발표에서 심사원분들 왈,“ai에서 왜 이렇게 했지?의문이 들 때마다 바로바로 설명을 해서 잘 짜오신 것 같다” 라고하셨다.물론 이..
-
파일역할 ㅁㄴㅇㄹ카테고리 없음 2026. 6. 10. 16:17
도메인별로 정리해줄게.파일별 역할 정리domain/recommend_ai/ — AI 추천 파이프라인 핵심graph.py — LangGraph 파이프라인 조립 및 실행. 노드들을 순서대로 연결하고 run_recommend_pipeline(user_id)로 비동기 실행. initial_state 초기화도 여기서 함.nodes.py — 파이프라인의 각 노드 함수 구현. profile_node, embed_node, vector_search_node, rerank_node, filter_node, graph_expand_node, conflict_node, llm_recommend_node, save_node 전부 여기 있음.state.py — LangGraph State 타입 정의. 노드 간 데이터를 주고받는..
-
추천시스템 ㅁㄴㅇㄹ카테고리 없음 2026. 6. 10. 16:16
줄글로 정리해줄게.MoneyLog AI 추천 시스템 동작 방식추천 파이프라인은 LangGraph 기반으로 구성되어 있으며, 유저가 혜택 탭에 진입하면 백그라운드에서 POST /internal/recommend/generate/{user_id}가 호출되어 비동기로 실행된다.1. Profile Node — RDS에서 유저의 나이, 성별, 월 소득, 이번 달 monthly_summary(카테고리별 지출)를 조회한다. 카테고리는 SQS로 들어온 영어값(FOOD, SHOPPING 등)을 한글(식비, 쇼핑 등)로 변환해서 사용한다.2. Embed Node — 유저 소비 패턴을 카테고리별 키워드 텍스트로 변환하고 AWS Bedrock Titan Embed V2(256차원)로 임베딩한다. 단순 텍스트 하나를 임베딩하는..
-
-
ㅁㄴㅇㄹ카테고리 없음 2026. 6. 10. 11:00
이전 Ablation Study 결과와 오늘 작업 내용을 종합해서 정리해줄게.MoneyLog AI 추천 시스템 성능 개선 과정1. 기반 파이프라인 구축 (초기 ~ Ablation Study)추천 파이프라인은 LangGraph 기반으로 profile → embed → vector_search → rerank → filter → graph_expand → conflict → llm → save 순서로 구성했다. 각 단계를 순차적으로 추가하며 Ablation Study를 통해 효과를 검증했다.단계 구성 LLM JudgeStage 1벡터 검색만55.1점Stage 2+Neo4j50.8점 (-4.3)Stage 3+Reranker60.2점 (+9.4)Stage 4+소득조건 필터66.6점 (+6.4)Neo4j를 단독 ..
-
오랜만에 오랜만인 일상 오랜만뻘글 2026. 6. 9. 09:01
미방잠실을 갔었슨용감한쿠키 아쿠아리움+ 팝업스토어 해서!잠실에 꽤 볼 게 많음대망의 팝업…귀여운녀석들이 한가득인데 가갹이 너무 사악해쿠키는 다 팔려서 ㅜ아쉽게도 카메라라도건짐장난감 같지만 실제로작동함!!그리거 종각역을 감lck직관하러!!!젠 든슾 경기였는데 충격적인 경기결과…입장하는거 생각보다 가까워서 얼굴 개잘보임;;충갹적인 경기결과는 젠지 승리 ㅎㅎ인터뷰 따로 하는 줄 알았는데관객석 앞에서 하도라요덕분에 룰러 진짜 가까이서 봄무대 난입해서 싸인받아도 될 정도의 거리;그리거 맛도리 바질토마토에이드와 파슷타머그러옴꽤 맛있음!!이 파스타 꽤나 생긴거나 맛이나캐나다 그 폭포앞에서 먹었던 맛 남덕분에 기억이 새록새록 나면서캐나다통 ㅈㄴ옴……..캐나다 기억에서 영원히 못 헤어 나올듯또 가고싶다…요즘 수박주스 나..
-
[project]성능평가3FISA 2026. 6. 8. 10:38
AI 추천 시스템 개발 및 성능 평가1. 시스템 개요MoneyLog는 청년을 위한 개인 금융 관리 애플리케이션으로, 사용자의 소비 패턴을 분석해 맞춤형 카드, 보험, 청년 정책을 추천하는 AI 추천 시스템을 핵심 기능으로 합니다. 추천 파이프라인은 LangGraph를 기반으로 profile → embed → vector_search → rerank → filter → graph_expand → conflict → llm → save 순서로 구성되며, pgvector, Neo4j AuraDB, AWS Bedrock Titan, Cross-Encoder 리랭커가 각 단계에서 역할을 담당합니다.2. 추천 파이프라인 단계별 개발Stage 1: 벡터 검색 기반 추천사용자의 월간 소비 패턴을 텍스트로 변환하고 AW..