[부스트캠프 4기] 머글끼니 프로젝트

머글끼니 프로젝트 회고 

잘했던 점

• 개발 계획에 맞추어서 개발을 진행했습니다.
• MLOPs를 경험할 수 있는 프로젝트였습니다.
• 논리적인 구조를 이루기 위해 노력했고 어느정도 성공했습니다.
• 모델 성능이 유의미하게 나왔습니다.

---

시도 했으나 잘 되지 않았던 것들

• 하둡을 사용해서 데이터베이스를 구축하려 했지만 실패한 점이 아쉬움으로 남습니다.
• 빠르게 서비스를 하고 피드백을 받아보려 했으나 조금 늦어졌습니다.

---

아쉬웠던 점들

• 지역이 서울시로 한정된 부분이 아쉽습니다.
• UI가 조금 부족한 것이 아쉽습니다.
• Cold-Start 유저에게 더 다양한 추천을 하지 못한 것이 아쉽습니다.

개인 Wrap up 리포트

• 이번 프로젝트에서 나의 목표는 무엇이었는가?
  1. 실제 유저들의 데이터 수집부터 추천, 서비스 배포를 통해 실제 환경에서 가능한 추천 시스템의 전체 사이클을 경험하는 것
  2. 유저에게 설명할 수 있는 추천 시스템을 만들기
• 나는 내 학습목표를 달성하기 위해 무엇을 어떻게 했는가?유저에게 설명가능한 추천시스템을 만들기 위해 팀원들이 만들어준 모델 결과에 설명을 첨부하는 과정을 진행했습니다. 프로젝트 서빙까지의 시간 부족으로 nlp를 기반으로 한 유저 리뷰 데이터 감성 분석과 추천의 이유를 타당하게 설명하는 과정을 진행하지 못한 점이 아쉬움으로 남습니다.
• 데이터 수집부터 모델 학습, 서비스 배포까지 모든 절차를 수행하기 위해서는 모델 외에도 데이터 수집, 웹 페이지 개발, 서비스 환경 구축이 필요했습니다. 이번 프로젝트에서 데이터 수집, 웹 페이지 개발, 서비스 환경 구축 개발을 주로 진행했습니다.
• 전과 비교해서, 내가 새롭게 시도한 변화는 무엇이고, 어떤 효과가 있었는가?
• 추천 모델 개발 외에 전체 서비스 배포를 주로 생각하며 개발했습니다. 추천 모델 학습 외에도 추천 시스템을 추천하기 위해서는 모델 추천 결과와 비슷하게 다양한 개발 과정을 경험했습니다.
• 마주한 한계는 무엇이며, 아쉬웠던 점은 무엇인가?
• 주어진 시간 안에 배포를 경험해보기 위해 웹 페이지와 서버 개발에 시간을 소비되어 스스로 고민했던 점들을 프로젝트에 적용하지 못한 점이 아쉬움으로 남습니다. 한정된 기간 안에 개발을 진행하기 위해서 타협했던 부분들이 아쉬움으로 남습니다.
• 한계/교훈을 바탕으로 다음 프로젝트에서 스스로 새롭게 시도해볼 것은 무엇일까?
  1. 프로젝트에 적용된 airflow 실습과 실험
  2. 현재 데이터를 기반으로 추천 모델 공부

프로젝트 관련 링크

Git:  https://github.com/SeongJaeBae/Recommend_Serving_BoostCamp

GitHub - SeongJaeBae/Recommend_Serving_BoostCamp: level3_productserving-level3-recsys-04 created by GitHub Classroom

구글 슬라이드 :https://docs.google.com/presentation/d/1LzMaXzlGS6LU0P8DhYBDtIHtQy2xCXFV12woF-199yg/edit#slide=id.g20697d02fb6_0_1

최종프로젝트

Youtube : https://www.youtube.com/watch?v=x_vlYl8tzi4&feature=youtu.be 

 

랩업 리포트 : https://scythe-belly-899.notion.site/2207107097d24b9e81441b82c1bfb28b

랩업리포트 - 머글끼니