Blog
//
Blog
About Me
//
🧳

Programming Study

# of Posts
10
1 more property
Search
[1일차: C++ 개요, 환경 구축 및 기초 제어문 강의 대본]

1. C++ 언어 개요 및 게임 개발에서의 역할

슬라이드 1: 강의 오리엔테이션 및 과정 소개

[C++] 1. C++ 개요, 환경 구축 및 기초 제어문

1. 마이그레이션 전략 (Migration Strategy)

안전한 데이터 이관을 위한 순서: "스키마 먼저, 데이터는 나중에”
•
MySQL과 PostgreSQL 간 데이터 타입(DATETIME vs TIMESTAMP, TINYINT vs BOOLEAN 등) 차이로 인한 직접 마이그레이션 시 오류 발생 위험 존재.
•
단계별 전략:
1.
JPA 연동: Spring Boot 접속 정보를 PostgreSQL로 변경.
2.
스키마 자동 생성: 애플리케이션 실행을 통해 JPA(Hibernate)가 엔티티(@Entity)를 분석, PostgreSQL용 빈 테이블(스키마) 자동 생성 유도.
3.
데이터 적재: 완성된 빈 테이블에 기존 MySQL 데이터를 Export/Import 방식으로 이관.
해당 세션의 목표
•
OS 환경에 구애받지 않는 Docker 기반의 PostgreSQL 및 pgvector 환경 구축
•
기존 MySQL에 적재된 전시관(Exhibition) 및 작품(Production) 데이터의 손실 없는 이전
•
Spring Boot 백엔드와 새로운 DB의 JPA 연동 및 기존 API 정상 동작 검증

2. Spring Boot 백엔드 설정 변경 (Backend Configuration)

2.1 데이터베이스 의존성 교체

[Spring AI/RAG] 3. Backend MySQL→PostgreSQL 마이그레이션

1. 제안 배경 (Background)

현재 구현 단계의 한계 및 문제 인식
•
현재 가상 전시관(VExhibition)의 AI 도슨트 시스템은 작품의 짧은 설명(Description)과 LLM(대형 언어 모델)의 사전 학습된 내부 지식과 프롬프트 정의(Prompt Engineering)에만 의존하여 대본을 생성하고 있다. 이러한 구조는 다음과 같은 한계점을 지닌다.
◦
환각 현상(Hallucination): LLM이 작품의 의도나 작가의 배경에 대해 존재하지 않는 거짓 정보를 사실처럼 지어낼 위험성이 존재한다.
◦
전문성 및 정보의 깊이 부족: 단순한 텍스트 묘사를 넘어선 깊이 있는 미술사적 배경, 작가의 철학, 전시 기획 의도 등을 상세히 전달하기 어렵다.
◦
최신 데이터 반영의 한계: 전시회 라인업이 변경되거나 새로운 작품이 추가될 때마다 LLM을 미세 조정(Fine-tuning)하는 것은 비용과 시간 측면에서 비효율적이다.
RAG를 통한 AI 1차 고도화
•
신뢰할 수 있는 외부 지식(전시 도록, 미술사 문헌 등)을 검색하여 프롬프트에 제공하는 RAG(검색 증강 생성, Retrieval-Augmented Generation) 파이프라인을 도입하고자 한다.

2. 기대 효과 (Expected Benefits)

[Spring AI/RAG] 1. AI 서비스 고도화 개요와 핵심 용어 정리 (feat. LLM 활용 도슨트 사례)

1. 마이그레이션 배경 및 목표 (Background & Objective)

왜 PostgreSQL과 pgvector인가?
•
현재 가상 전시관 서비스는 관계형 데이터베이스인 MySQL을 기반으로 운영되고 있다.
•
하지만 향후 도입할 RAG 시스템은 문서를 임베딩한 고차원 배열인 '벡터(Vector)' 데이터를 저장하고, 벡터 간의 '코사인 유사도'를 밀리초 단위로 계산해 낼 수 있는 특수한 기능이 필요하다.
•
기존 MySQL 환경에서는 이러한 고속 벡터 연산이 매우 비효율적이거나 지원되지 않으므로, Spring AI 생태계에서 가장 널리 쓰이고 호환성이 뛰어난 PostgreSQL과 그 확장 프로그램인 pgvector로 데이터베이스를 전면 마이그레이션하기로 결정했다.
해당 세션의 목표
•
OS 환경에 구애받지 않는 Docker 기반의 PostgreSQL 및 pgvector 환경 구축
•
기존 MySQL에 적재된 전시관(Exhibition) 및 작품(Production) 데이터의 손실 없는 이전
•
Spring Boot 백엔드와 새로운 DB의 JPA 연동 및 기존 API 정상 동작 검증

2. 왜 Docker로 환경을 구축해야 하는가? (Why Docker?)

[Spring AI/RAG] 2. PostgreSQL + pgvector를 통한 Vector Database 환경 구축

1. Why React? Vite?

1. React란?

React
•
Node.js 기반 프레임워크
•
컴포넌트 기반 프론트엔드 프레임워크
•
가상 DOM 구현체를 통한 빠른 데이터 바인딩 및 페이지 로딩
•
선언적 UI(컴포넌트 모듈)와 JSX(JavaScript 기반 XML) 직관적인 코드(객체지향)

2. Vite란?

Vite
•
[React+vite] 1. 프로젝트 개발 환경 구축과 핵심 용어 정리

6일차: 최종 시스템 통합 및 데모 (FastAPI)

부제: 딥보이스/딥페이크 탐지 모델을 활용한 추론 API 서버 구축 및 전체 통합

Agenda: 6일차 학습 목표 및 일정 (8H)

•
모듈 1 (이론/실습): FastAPI 서버 환경 설정 및 프로젝트 구조 구성
◦
Python 환경 설정 및 FastAPI, Uvicorn, TensorFlow 라이브러리 설치
◦
models/ 폴더에 5일차 모델 파일 배치
•
모듈 2 (실습): 딥보이스 탐지 API 개발 (FastAPI)
◦
model_audio.h5 로드 및 추론 함수 구현
◦
/deepfake/audio 엔드포인트 구현 (음성 파일 수신 및 진위 판별)
•
모듈 3 (실습): 딥페이크 이미지 탐지 API 개발 (FastAPI)
◦
model_image.h5 로드 및 추론 함수 구현
◦
/deepfake/image 엔드포인트 구현 (이미지 파일 수신 및 진위 판별)
[AI딥페이크] 6. 딥페이크 탐지 프로젝트(2) - Inference API + Frontend + Backend → Docker 애플리케이션 통합

5일차: 딥페이크 탐지 앱 개발(1) 프로젝트

(슬라이드 1: 표지) "안녕하십니까. 5일차 강의를 시작하겠습니다. 오늘은 '프로젝트를 통한 AI 역량강화 과정' 중 **'딥페이크 탐지 앱 개발(2) 프로젝트'**에 대해 다루겠습니다. 어제까지 만든 웹 애플리케이션의 뼈대에, 실제 지능을 불어넣는 AI 모델 파트를 집중적으로 학습하겠습니다."
부제: 데이터 전처리, 딥보이스 및 딥페이크 이미지 모델 분석과 훈련

Agenda: 5일차 학습 목표 및 일정

•
데이터 전처리: 개념 이해 및 딥페이크 탐지를 위한 기초 데이터 확보.
•
딥보이스 모델 분석: 음성 특징 학습 및 진위 판별 메커니즘 이해.
[AI딥페이크] 5. 딥페이크 탐지 프로젝트(1) - AI 모델 학습

4일차: 백엔드 프로그래밍 (NestJS)

부제: Node.js, TypeScript, NestJS 핵심 개념과 RESTful API 서버 구축

Agenda: 4일차 학습 목표 및 일정

1.
NestJS 이론 (1): 핵심 개념, 아키텍처 (DI, Module)
2.
NestJS 실습 (1): Nest CLI 환경 구축 및 프로젝트 생성 (Resource)
3.
NestJS 이론 (2): 데이터베이스와 ORM (TypeORM)
[AI딥페이크] 4. 백엔드 프로그래밍 언어 및 개발 환경 구축 (NestJS)

3일차 - 프론트엔드 개발: React 기초

부제: JavaScript 핵심 문법, React 컴포넌트, Hooks를 활용한 딥페이크 탐지 웹 UI 구현

Agenda: 3일차 학습 목표 및 일정

1.
JavaScript Core (이론): ES6+ 주요 문법, 비동기 처리 (Promise, async/await).
2.
React Core (이론): SPA, JSX, Component, Props, State 개념.
3.
실습 1 (환경 구축): React 개발 환경 구축 (Vite), 기본 컴포넌트 및 Props.
[AI딥페이크] 3. 프론트엔드 프로그래밍 언어 및 개발 환경 구축 (React)

2일차: 스마트시티 산업 동향 및 딥페이크 탐지 프로젝트 설계

부제: 딥페이크 탐지 기술의 스마트시티 적용 방안 모색 및 웹 서비스 기획

2일차 학습 목표 및 일정

1.
이론 (2H): 스마트시티 산업 동향 및 딥페이크 탐지 기술 적용 방안
2.
실습 (6H): 딥페이크 탐지 웹 애플리케이션 프로젝트 설계
•
목표 설정 (SMART) 및 기능 정의
•
시스템 아키텍처 및 UI/UX
•
데이터베이스 (ERD) 및 API 설계
3.
발표 및 피드백: 팀별 설계 내용 발표
[AI딥페이크] ２. 스마트시티 산업과 AI
Load more
　｜　Main Page　｜　Category　｜　 Tags　｜　About Me　｜　Contact　｜　Portfolio