프로젝트
전체 보기
AI 활용
자세히 보기작업 순서를 스킬로
개발 순서와 글쓰기 기준을 정리해, 같은 조건을 매번 다시 설명하지 않도록 했습니다.
구현을 나눠서 진행
인터페이스와 테스트 틀을 먼저 정하고, 작업 폴더와 DB를 분리해 병렬로 구현했습니다.
반영 전 결과 확인
생성된 변경을 읽고 실제 DB와 화면 동작을 확인합니다. 검증한 범위와 남은 문제도 기록합니다.
기술 스택
01 / 10
Spring Boot
여행 서비스의 REST API와 비동기 추천 작업 흐름을 구현했습니다.
- 인증부터 여행, 추천 작업, 기록과 공유까지 API 구현
- 요청 접수와 추천 계산을 나누고 SSE로 진행 상태 전달
02 / 10
Java
인증, 여행과 사건 처리에 필요한 서버 로직을 작성했습니다.
- GABOLLE의 사용자와 여행, 추천 작업 상태 처리
- BBIYONG의 사건 저장과 알림 재시도 처리
03 / 10
Python
모델을 학습하고 평가하며 로봇의 화재 탐지 조건을 비교했습니다.
- 화재 탐지 평가 도구, 탐지 기준과 놓친 열원을 다시 찾는 로직 개발
- ONNX 변환과 TensorRT 실행을 공동으로 진행하고 실기기 시험
04 / 10
Django
도서 추천과 창작 지원 서비스의 웹 API를 구현했습니다.
- 도서와 사용자 정보를 저장하고 조회하는 API 개발
- 별도 AI 서버와 연결해 창작 지원 기능 제공
05 / 10
FastAPI
AI 기능을 별도 서버로 나누고 웹 서버와 연결했습니다.
- Arctic의 AI 기능을 처리하는 서버 구성
- Django와 내부 HTTP 요청으로 기능 연동
06 / 10
MySQL
경보가 중복 도착해도 사건이 한 번만 저장되도록 처리했습니다.
- 경보 번호의 unique 제약으로 최종 중복 저장 방어
- 개인 로컬 동시 저장 시험에서 실제 DB 행 수 확인
07 / 10
PostgreSQL
여행과 추천 작업의 상태, 결과를 저장하고 조회했습니다.
- GABOLLE의 사용자와 여행 데이터 저장
- 작업 번호로 진행 상태와 추천 결과 조회 연결
08 / 10
Docker
서비스를 실행할 환경을 컨테이너로 구성했습니다.
- BBIYONG의 EC2 실행 환경과 Docker Compose 구성
- 서버 준비 상태를 확인하는 배포 흐름 연결
09 / 10
Jenkins
MR 검증과 개발 브랜치 병합 후 배포를 자동화했습니다.
- 임시 MySQL을 사용한 빌드와 테스트 구성
- 병합 후 변경된 파트만 배포하도록 파이프라인 분리
10 / 10
Nginx
서비스 요청을 연결하고 HTTPS 실행 환경을 구성했습니다.
- EC2의 서비스 라우팅과 HTTPS 설정
- 로봇과 서버 사이 WebSocket 연결을 위한 프록시 구성