머신러닝 프로젝트 라이프 사이클(기획서)

• 모델 구상 및 구현 | | 권수훈 T5017 | - 데이터 파이프라인 및 머신 러닝 모델 플랫폼 구축 역량
• python 프로젝트 구성 역량 | | 박상우 T5081 | - ops 역량 (모델 서빙)
• 완성이 가능한 (참신함 < 완성도) | | 이민호 T5140 | - 사용자의 관점에서 서비스 기획
• 유지보수가 용이한 모델 구현 | | 이한정 T5166 | - 사용자의 로그를 time-series data 형태 등으로 이해하여 추천에 활용하기
• 전반적인 데이터 엔지니어링(server API 구현, airflow, db 관리, 인프라 관리, spark, kafka 등 사용할만한 기술 있으면 사용해보기) | | 이준원 T5237 | - 데이터 엔지니어링 (크롤링부터 DB에 저장해서 꺼내오기)
• 유저 활동 로그를 기록해서 추천에 활용
• Cold Start 문제 해결, Session Based 추천 |

빠른 배포 및 실험 가능한 환경 구축

• 06/19 회의록
• 2안 선택 회의록!

준비 과정을 통해서 완성하고자 하는것 ✔️

• [ ] 프로젝트 방향성 통일

• 프로젝트 주제:

  • 1안 - 기존 이미지 기반 코디 추천 (가지고 있는 옷 잘 쓰기) - 매칭에 가까움
    • 이건 기능의 일부로 처리하고, 논외.
  • 2안 - 개인화된 코디 추천 (피드형이든 뭐든 상관 없음 ) - 개인화된 추천에 가까움
    • 민호) 배운거 활용하기에는 2안이 더 적절하긴 함
    • 수훈) 결국 만들고자 하는 것 패션용 틴더, 패션용 핀터레스트
    • 2안의 단점??? → 없음 ㅋㅋㅋ

• 핵심 기능(최소 기능)

  1. (가급적) single page 웹 (프론트)
     1. 페이지 갯수를 줄이자가 핵심.
     2. 예뻐야 함.
     3. mobile first
     4. 핀터레스트 뷰 + inf scroll + intersection observer + scroll smooth
  2. 유저 interaction 로깅 (to bq)
     1. 클릭 여부 (우클릭 포함)
     2. 따봉
  3. 개 간단한 로그인.
     1. 성별, 나이(Optional)
     2. 아이디, 비번(required)
     3. 로그인 없이 쓸 수 있도록 하자.→ LS나 cookies에 random hashing 값을 유저 식별자로 사용.
        1. 이후에 가입하면 연동되게 (optional)

• R&R

  • 모델링은 나중에 해(배포 이후)
  • 데이터 팀
    • 크롤링(script) + 데이터 관리(DE)
    • 팀의 요구 사항에 따라 on-demand 크롤링
    • 적재 (어디에?)
      • 사진 (bucket storage - s3)
      • 기타 정보(json) → mongodb atlas
  • 제품 팀
    • 프론트
      • 화면단을 구성한다. 백엔드와 의사소통하면서 api call을 하여 얻어온 정보를 화면단에서 뿌린다.
      • UI/UX 책임진다.
      • SEO
        • og:image, sitesmap.xml 등
    • 백엔드
      • 프론트가 만든 화면단을 배포한다.
      • 유저 행동 관리 및 api 전반
      • fastapi (속도, 배우기 쉽고, python)
      • 유저 로그인/로그아웃

• 역할 분담