공개 가능한 리서치 리포팅을 위한 환경 구성 소개

본 포스팅은 공개 가능한 회사 프로젝트를 소개하는 방식과 방법에 대해 정리 해둔 포스팅입니다. 리서치 리포팅은 기술 블로그. API 서비스, 데이터 공개 및 소개 3 가지로 구성됩니다. 각 단계를 위해 사용되는 툴은 Github 블로그, fastAPI, huggingface Dataset입니다. 본 포스팅은 각 단계에 대한 환경 구성 방법과 컨텐츠 업로드 방법에 대해 설명하고 있습니다.

AI 모델 배포를 위한 fastAPI 기본 작성 규정

완성된 사내 AI 모듈을 테스트 용도로 배포할 때, 현재는 코드 전달 등 다양한 방식과 여러 프레임워크가 무질서하게 사용되고 있는 실정입니다. 이에 따라 별도 요청이 없는 한, Python FastAPI 프레임워크를 기본으로 사용하기로 하였습니다. 이에 따라, http 프로토콜 메서드, 요청형태, 미들웨어, 도큐멘팅 4가지 요소에서 대한 최소한의 표준을 아래와 같이 권장합니다. 특히 요청형태는 별도의 요청이 없는 경우 반드시 준수해 주시기 바랍니다.

Python 패키지 logie 에 대한 정보

Python 패키지 utilskit 에 대한 정보

dataframe 관련 전처리 함수, log, plot, 데이터 내 반복 탐지, 시간 등 다양한 데이터 처리에 있어서 활용가능한 함수를 모아둔 커스텀 전처리 패키지.

설치 명령어

pip install utilskit

도로 라벨링 구축

창원시의 도로 데이터를 정밀하게 활용하기 위해 도로 라벨링 데이터를 구축하였습니다.
QGIS 기반의 공간정보 분석 환경을 활용해 도로에 대한 라벨링을 진행하고, 도로별 속성 및 구간 정보를 표준 노드링크 데이터에 맞게 가공하였습니다. 이후 국토교통부의 표준 노드링크 체계와 연계하여 도로 간의 일대일 매핑을 수행했습니다. 이 매핑 과정에서는 표준 노드링크가 보유한 최고제한속도 정보를 라벨링된 도로에 연결함으로써, 주요 교통 속성 데이터를 반영할 수 있도록 구성하였습니다.
이번 포스팅에서는 도로 라벨링 진행 과정부터 데이터 구축, 속성 보정, 표준화에 이르기까지 전체 작업 흐름을 순차적으로 소개하고자 합니다.

LLM 기반 의료정보 챗봇 개발기

LLM 기반 의료정보 챗봇을 개발하며 얻은 다양한 경험과 노하우를 공유하고자 합니다. 성능 최적화, 신뢰성 확보, 개인화 및 문맥 관리, 평가 및 피드백 등 여러 측면에서 접근했으며, 특히 ‘프롬프트 엔지니어링’, ‘개인화 데이터 연동’, ‘테스트 데이터 구성’에 초점을 맞추어 실제 개발 과정에서 경험한 내용을 중심으로 설명하겠습니다.

하늘상태와 음영기복도를 활용한 일조시간 보간도 구축

일조시간은 태양의 직사광이 지표면에 비친 시간을 의미하며 농업, 에너지, 관광 등 다양한 분야에서 중요한 기상 요소입니다. 그러나 기상청 데이터에서 일조시간을 제공하지 않아 활용에 한계가 있습니다. 특히, 일조시간은 지형적 특성과 구름량에 따라 공간적 변동성이 크지만, 기상 관측소 간 간격이 넓어 정확한 분포를 파악하기 어렵습니다. 이에 본 연구에서는 하늘 상태 정보와 지형의 음영기복도를 결합하여 보다 정밀한 일조시간을 추정하고 이를 토대로 일조시간 보간도를 구축하고자 합니다.

스트림릿(Streamlit)에서 제공하는 기본 챗봇 디자인 변경하기

스트림릿은 파이썬 코드만으로 손쉽게 대화형 웹 애플리케이션을 개발할 수 있도록 도와주는 오픈소스 프레임워크입니다. 모델러가 자신의 AI 모델 애플리케이션을 배포하는 플랫폼인 허깅페이스 스페이스에서도 기본 구조로 제공할 만큼 모델러들 사이에서 많이 사용되는 도구입니다. 하지만 기본적으로 제공되는 프레임워크의 디자인이 정형화되어 있어 사용자에게 다소 지루하게 느껴질 수 있습니다. 이에 따라, 본 포스팅에서는 스트림릿(Streamlit) 패키지를 활용하여 기본 챗봇 웹페이지를 커스터마이징하는 방법을 다루고자 합니다.

Vision AI 기술 적용을 위한 ultralytics YOLOv11 활용법

딥러닝을 활용한 객체 감지, 세그멘테이션, 분류, 포즈(키포인트) 추출, 오리엔티드 바운딩 박스(방향을 고려한 감지) 등의 연구가 활발히 이루어지고 있습니다. 그 중 YOLOv8과 11은 YOLO(You Only Look Once) 모델을 개발 및 유지보수하는 AI 연구 기업인 Ultralytics가 2023, 2024년에 개발 및 배포한 모델입니다. Ultralytics는 2020년에 PyTorch 기반 YOLOv5를 배포했으며, YOLOv8은 그 후속 버전으로서 높은 사용성을 인정받아 다양한 분야에서 활용되고 있고, 2024년 발표한 YOLOv11은 더욱 개선된 정확도와 효율성을 보여줍니다. 본 포스팅에서는 YOLOv11을 신속하게 사용할 수 있는 방법을 설명합니다.

DPF 및 SCR 센서에 대한 정보

배디젤 엔진은 가솔린 엔진에 비해 오염물질이 더 많이 나오며 그 중에서도 특히 질소산화물 (NOx) 과 미세먼지(PM) 가 가장 큰 문제임. 게다가 질소산화물과 미세먼지는 관계로서 미세먼지를 줄이기 위한 완전 연소를 진행하면 질소산화물이 증가하고, 질소산화물을 줄이기 위한 불완전 연소를 진행하면 미세먼지가 증가하는 트레이드 오프 관계를 형성하고 있음. 이를 해결하기 위해 미세먼지를 줄이고, 그로 인해 늘어난 질소산화물을 다시 화학적으로 제거하기 위한 배기가스 저감 장치가 개발되었으며 그 중 가장 대표적인 것으로 선택적 환원촉매 장치(SCR, Selective Catalytic Reduction), 과 디젤 미립자 필터(DPF, Diesel Particulate Filter) 가 있음.