프로젝트

로고인데 잘 만들어 졌나요? ㅎ안녕하세요!이번에 2달 동안 5명에서 AWS 관련 프로젝트를 진행하게 되었습니다.!!주제는 "AI\_면접 서비스" 를 개발할 계획입니다.제가 맡은 파트는 생각보다 많은 부분이 있습니다..ㅠㅠ아직 부족한 부분이 많아서 걱정이 되네요.. 하지

저희 팀이 개발할 내용입니다.일단 완전 디자인을 낸것은 아니고 점점 개선해 나아갈 생각입니다.PPT를 만들어서 "왜 이주제 인지", "어떻게 할것인지" 등등여러가지 내용을 담아서 만들었습니다.점차 AI기반이 많아지는 통계를 확인할 수 있습니다.면접에서 꼬리 질문이 제일

서비스를 진행하기전에 피그마로 웹디자인을 만들어야겠죠?처음부터 일일히 만드는것은 비효율이라고 생각하여 괜찮은 템플릿을가지고 와서 부분적으로 바꾸는 느낌으로 갔습니다.로그인 & 회원가입홈화면AboutUs면접 시작하기 (주니어 기반)자소서 & 이력서 넣기 (내가 이전에 등

LLM = Large Language Model (대규모 언어 모델) 인간 처럼 문장(자연어)의 의미, 맥락, 패턴을 파악 엄청난 데이터로 학습된 AI 모델 LLM이 할 수 있는 일 요약 : 긴 문서 → 핵심 요약 질문 응답 대화: 사람처럼 채팅가능 글쓰기 코드

https://www.hankyung.com/article/2025050537461 TTS(Text-to-Speech) 란? 텍스트 데이터를 사람 목소리처럼 읽어주는 기술 사람이 읽는 것처럼 발음·억양·속도·감정을 합성해서 음성 파일을 생성함 TTS 기술 정리 |

사람이 말한 음성을 인식해서 텍스트로 변환하는 기술을 말한다.Whisper 에서도 여러 종류의 모델이 있다.웹 소켓 -> webm 녹음 -> wav 변환 -> 백서버 에서 AWS으로 wav 업로드(s3) -> 트랜스 크라이브를 통해 텍스트화 10초면 "Whisper"

이런 형태로 만들 계획을 했다. 이 시점까지는 디자인은 크게 중요하지않았다. 겉 보다는 내용이 중요하다. 기준 설정 일관성 앞 뒤 알맞게 이야기 하는지 자소서 내용과 부합하는지 이야기 흐름이 앞뒤로 자연스럽고, 자기소개서나 경력사항과 모순되지

“Claude 3 Haiku” 에 전달할 프롬프트를 생성 테스트 결과녹음이 계속되는건가? 아니면 파일이 나누어 져서 되는건가?한개의 질문 마다 녹음이 되어 s3에 저장된다.수치를 어떻게 조정해야할까?s3파일 위치가 수동적으로 표시를 해놔서 아직 개개인의 사용자의 음성분

일단 간단한 기준을 세우기로 했다. 우리는 전문가가 아니기 때문에 가능한데 까지만 생각했다, 기준 신체 기준 척추/허리: 허리가 구부정하거나 너무 젖혀지지 않았는가? → “허리를 곧게 펴면 자신감 있어 보여요.” 어깨: 좌우 높이가 균형 잡혔는가? 긴장해서

흐름 이력서를 업로드 이력서를 올린 S3 버킷에서 파일 가져오기 이력서의 내용을 뽑아서 LLM에 프롬프트 작성후 전달 LLM에서 이력서 내용을 기반으로 질문 생성 질문생성을 각각의 파일로 만든다. 질문 파일을 s3버킷에 저장 질문이 어떻게 나오는지 테스트 확인

키워드 판단 선택 이유: LLM 모델은 실시간 서비스 특성상 지연이 크면 UX가 크게 떨어짐.LLM은 정확하지만 느리다 랜덤방식은 근거가 없음.따라서 빠르고 합리적인 키워드 기반 분기 로직을 채택했다.자소서 키워드를 사전 구축 사용자 답변에서 키워드 추출 일치/유사

프로젝트 초반에는 RDS나 DynamoDB를 도입할지 고민했다.하지만 실제 요구사항을 검토하고 테스트한 결과, Cognito + S3 조합으로 충분하다는 결론을 내렸다.이 과정에서 어떤 기준으로 판단했고, 왜 해당 결정을 내렸는지를 기록한다.데이터 형태실제로 저장해야

AI 면접 서비스 프로젝트를 진행하면서, 사용자의 답변을 실시간으로 텍스트로 변환(STT) 하는 기능이 필요했다.단순 파일 업로드 방식으로는 지연(latency)이 너무 커서 실시간 면접 환경에 맞지 않았다.따라서 AWS Transcribe Streaming을 WebS

AI 면접 서비스에서 사용자의 자세 피드백을 제공하려면 영상 기반 데이터가 필요하다.하지만 어떤 방식으로 영상을 저장하고 관리할지 고민이 있었다.→ 비용, 구현 난이도, 사용자 경험을 모두 고려해야 했다.장점: 사용자가 요청 시 전체 영상을 제공할 수 있음 단점: 1

저장하지 않는 데이터는 결국 관리하기 어렵다.이력서 기반 질문뿐 아니라 꼬리 질문까지 저장해야 질문 히스토리를 일관되게 관리할 수 있다.단순한 규칙(번호 부여 + 병합)만으로도 사용자 경험과 운영 편의성을 크게 개선할 수 있었다.

AI 면접 서비스에 고품질 한국어 TTS를 붙이기 위해 Zonos 모델을 GPU 인스턴스에서 구동하고,Django API로 질문 음성을 생성해 S3에 업로드하는 흐름을 정리.구축 중 겪은 스토리지 용량 이슈(300GiB 권장), 성능 병목, 코드 수정 포인트를 중심으로

실제 면접을 가면 어떤 난이도의 질문이 들어올지 아무도 모른다. 그래서 난이도 조정으로 다양한 측면에서 연습이 가능하도록 하면 좋겠다고 생각을 하였다. 이렇게 난이도를 조정할수있다면 사용자 입장에서는 다양하게 연습이 가능하다고 판단했다.Bedrock(Claude 3 H

CI/CD 도구는 GitHub Actions, Jenkins, GitLab CI, CircleCI 등 다양하다.하지만 그중에서 GitHub Actions을 선택했다. 그이유는1\. GitHub 레포와 바로 통합: 추가 서버 설치나 별도 세팅 없이, push 이벤트만으로