LG CNS AM INSPIRE 프로그램의 마지막 멘토링 시간에 단위 테스트 케이스 작성 및 관리 방법 및 발표에 대한 피드백을 받았습니다.멘토님께서는 체계적인 테스트 관리를 위해 3단계 계층 구조를 제안해주셨습니다.이 구조를 통해 다음과 같은 정보를 관리할 수 있습니

이번 멘토링의 핵심 목표는 HAI(HistoryAI) 프로젝트에서 지금까지 구현한 기능들을 하나하나 단위 테스트(Unit Test)로 검증하는 단계로 전환하는 것이었다.특히, 단위 테스트는 단순한 연습이 아니라,HistoryAI에서 이미 만들어 둔 모듈들(TTS, 음성

Q. 여러 교과서가 있는데 왜 ‘미래엔’ 교과서를 사용했는가? A. 미래엔 교과서는 현장에서 가장 많이 사용되고 있는 교과서로,실제 수업 환경과의 적합성과 활용 가능성을 고려하여 선택하였다.Q. 토론을 요약하는 기능은 기존(레거시)에도 있는 기능 아닌가? A. 기존

이번 멘토링에서는 프론트엔드 / 백엔드 / 클라우드 각 파트에서 진행 상황과 개선 방향을 공유받고,“교과서 기반 History AI 서비스”를 더 현실적으로 만들기 위한 다음 액션 아이템을 정리했다.프론트: 교과서 PDF 처리 방식 재검토 (용량 이슈로 S3 구조 변경

“내 사내 문서/교재/매뉴얼을 LLM이 똑똑하게 참고하면서 대답해 주게 만들고 싶다” > 이걸 AWS 매니지드 서비스만으로 해결해 주는 게 바로 Amazon Bedrock Knowledge Bases(지식 기반) 입니다. > (https://docs.aws.amazon

3차 멘토링 회의 정리 – HAI(History AI) 1. 멘토링 개요 프로젝트명: HAI(History AI) 목적 작성한 User Story를 멘토님께 설명 각 Story에 대해 피드백 및 리뷰 진행 기술 스택·아키텍처·기능 범위에 대한 방향성 정리

지난 주 멘토링 시간에는 교육 도메인에 적용할 수 있는 인공지능 기술인 RAG, Tool Calling, Vector DB에 대해 배웠다. 이를 바탕으로 "AI가 개인 맞춤형 IT 로드맵을 제공하는 서비스"라는 주제를 설정했고, 지난 일주일간 Agile 방식으로 프로젝

API 라우팅 패턴은 클라이언트 요청이 어떤 서비스로 전달될지 명확하게 정의하는 규칙입니다.서로 다른 팀이 개발한 서비스가 뒤섞이면/users, /user, /api/v1/user, /v1/users같은 비일관적 경로들이 발생합니다.API 라우팅 패턴을 적용하면 다음처

ACL은 서로 다른 언어를 쓰는 두 시스템 사이를 통역해 주는 "통역사" 입니다!업스트림 팀 : 기존에 이미 있던 레거시 모놀로식 시스템다운스트림 팀 : 새로 만든 마이크로서비스업스트림, 다운스트림은 같은 곳에 있지만 서로 다른 언어와 구조를 사용합니다.업스트림(모놀로

첫 번째 멘토링 아이디어에 대해 생각하기 이전에 프로젝트 안에 들어가야는 핵심 요소부터 알아봤다. 첫번째 멘토링에서는 최근 인공지능 분야에서 핵심적으로 다뤄지는 개념인 RAG(Retrieval-Augmented Generation), Tool Calling, 그리고