All Team Project Briefs.MD

전체 프로젝트 리스트

팀번호	팀명	프로젝트
1	파브르	이미지 분석과 생성형 AI를 활용한 트레이너와 회원 간의 소통과 성과 관리를 위한 운동 기록 서비스
2	탐탐	예산 설정과 지출 관리에 어려움을 겪는 사회 초년생을 위한 개인 일정 및 소비 특성 기반 밀착관리 가계부 서비스
3	쌈뽕 워리어즈	gpt-4o와 Text-to-X 기술에 기반하여 숏폼 콘텐츠에 익숙한 현대인의 뉴스 및 정보 소비 문제를 해결하기 위한 자동화된 뉴스 요약 숏폼 생성 시스템
4	217 더보기	완강기 사용법을 배우고자 하는 현대인을 위한 몰입형 VR 교육 콘텐츠
5	무한도전	카메라 인식과 위치 기반 매칭을 통해 집에서 잠자고 있는 외화를 간편하게 환전할 수 있는 P2P 환전 플랫폼
6	Goggle	LangChain과 RAG 기반의 AI 바둑 복기(復棋) 서비스
7	테스파	EDGE: Efficient Decentralized and Generalized Exchange
8	eiai	NPU Aware Transformer for Edge AI and Green AI
9	Jppin’	의약품 구입 내역과 건강 관심사를 반영한 영양성분 솔루션 및 숏폼 추천 서비스
10	X10 (엑스텐)	음성 분석 기반 졸음 감지 및 음성 대화를 통한 졸음 운전 예방 서비스
11	nAIvis	지속 학습을 적용한 치명적 망각 해결과 Deep Fingerprinting model 강화
12	미룬이들	해외에서 발생할 수 있는 건강 및 언어 문제를 AI 챗봇을 기반으로 솔루션을 제공하는 해외 약품 정보 통합 플랫폼
13	tripleJ	외국인 유학생을 위한 KoBERT 모델 기반 맞춤형 채용 공고 추천 서비스
14	고속도로위	비전공자 혹은 비전공자를 대상으로 한 교육자를 위한 노코드 기반 AI 모델 생성 서비스
15	SSB	TheraTalk
16	RexT	위성인터넷 해킹을 통한 프라이버시 유출 방지를 위한 Fingerprinting 기법을 활용한 Starlink 네트워크 취약점 분석
17	테크핑	EASY-STOCK: 주식 투자에 입문하고 싶지만 진입 장벽을 느끼는 2030세대를 위해 AI 챗봇을 활용해 쉽게 학습하고 모의 투자를 경험할 수 있는 초보자용 모의 투자 서비스
18	코드의 정상화	거리와 길의 경사 선택, 사용자 피드백을 반영해 개인 맞춤형 러닝 경로를 추천하는 서비스
19	JEY	3D Gaussian Splatting과 Latent Diffusion을 이용한 Single image-to-3D Model 개선 연구: polygon 경량화를 통한 topology 최적화를 중심으로.
20	뜨개걸즈	털실과 그레텔 - Image Segmentation(DeepLab&Unet), GAN Pix2Pix를 활용하여 제품 이미지에서 뜨개질 패턴 추출 및 도안 생성하는 서비스
21	가능한	Missing Modality Generation via Video-Audio Semantic Mapping in Federated Learning for Action Recognition
22	ZIP가기	RAG 기반의 자립 준비 청년을 위한 신뢰성 있는 최신 복지 정보를 반영하여, 맞춤 응답을 제공해주는 대화형 3D 도우미 서비스
23	클로버	생성형 AI와 프롬프트 엔지니어링를 활용하여 실시간으로 주문과 매장 문의를 처리하는 대화형 휴먼터치 AI 챗봇 서비스
24	대장정	시선추적, 모션인식 및 생성형 AI 기반 발표 트레이너, SPitching
25	디어리	비독서자들의 읽기 습관 형성과 지식 습득을 위해 Open Ai를 활용한 사용자 맞춤 퀴즈와 게임 기반 학습 제공 서비스
26	Joggim'	얼굴인식을 이용한 AI 기반 맞춤형 이상형 매칭 서비스
27	그로쓰	크리에이터의 채널을 디지털 자산으로 변환하는 영상 공유 플랫폼
28	HUK	해외 여행 및 체류 중 ATM 스키밍을 비롯한 카드 정보 탈취와 부정 결제를 대처하는 이상 탐지 기반 카드 안전거래 서비스
29	컴세마리	바쁜 일상 속 현대인의 여가 시간 고민을 줄여주는 일정 & 취향 맞춤형 여가 추천 서비스
30	찹쌀떡	취업 준비자를 위해 gpt-4o를 이용하여 자기소개서를 분석하고 RAG 기반으로 예상 질문을 제공하는 면접 시뮬레이션 서비스
31	김미니	실시간 모션캡쳐 피드백을 기반으로 캐릭터와 함께할 수 있는 시니어 헬스댄스
32	홈런볼	영양제로 건강 관리를 하는 20대를 위한 RAG 기반 LLM을 활용한 개인 맞춤형 영양제 추천 서비스
33	아리아리	AI NPC 입체적 역할 부여를 통해 단조로운 대화패턴을 탈피한 <변호사 VS 검사> 재판 시뮬레이션 멀티플레이 게임
34	IT인	Cross-modal Federated Learning: Approaches to Reduce the Heterogeneity Gap through Multimodal Data Integration and Translation
35	트리코드	학습 자료에서 모르는 부분에 대해 정확한 설명을 얻기 힘들고, 파일이 분산 저장되어 있어 필요한 내용이 어디있는지 찾기 힘든 사람들을 위하여 RAG구조를 이용한 통합 저장 기능과 학습 자료를 기반으로 정확한 응답 생성 및 자료 위치 탐색 기능을 제공하여 학습을 돕는 챗봇 서비스
36	해피코더	ChatGPT 기반의 채팅분석 기능을 통해 관심있는 주제에 대해서는 알림을 보내주고 보고싶지 않은 내용을 지속적으로 보내는 사용자에 대해서는 요주의인물 처리를 해주는 오픈채팅 서비스
37	코드셋	대화로 작성하는 감정 일기 - EmotionBot Diary
38	상상그이상	대면 독서 모임이 어려운 사람들을 위한 GPT-4o 기반 AI 실시간 채팅형 비대면 독서 모임 서비스
39	캡짱	Mediapipe를 활용한 동작인식 피드백과 SAM2 기반 안무 시각화 기술을 결합하고 3D 기술을 활용하여 홀로 K-pop 안무를 연습하는 사람의 어려움 해결 및 지속적인 동기부여를 제공하는 서비스
40	판타지	생성형 AI를 활용한 사용자 취향 맞춤형 식단 추천 및 구입 연동 서비스
41	Flippers	OpenAI 및 Google Maps API 기반 사용자 맞춤형 AI 여행 플래너 솔루션
42	수아정	ChatGPT기반의 대화형 챗봇을 통해 2030 여성 사용자의 니즈 ( 외출목적, 취향 등)를 텍스트로 수집하고 해당 니즈를 반영해 개인 맞춤형 코디를 시각적인 이미지로 제공하는 시스템
43	코코넛	와일드 인 스쿨 : 동작 인식으로 즐기는 학교 배경 격투 게임
44	E-CLAIR	챗봇과의 일상 대화와 누적된 일정 한줄 소개를 활용한 사용자 맥락 정보를 기반으로 즉시 참여할 수 있는 일정을 추천하는 대학생 대상 스마트 일정 관리 서비스

Team 1

항목	내용
팀명칭	파브르
프로젝트명	이미지 분석과 생성형 AI를 활용한 트레이너와 회원 간의 소통과 성과 관리를 위한 운동 기록 서비스
키워드	생성형 AI, 이미지 인식, 데이터 분석, 스케줄 관리
무엇을 만들고자 하는가	트레이너는 회원을 효율적으로 관리하고, 운동인들은 개인 목표에 따른 운동 기록 및 성과를 시각적으로 확인, 개인 운동과 식단에 강제성을 부여받아 효과적으로 운동을 수행할 수 있는 앱입니다.
고객	성별, 연령 상관없이 체육관에서 1:1 헬스 Personal Training을 받는 운동인과 그들을 가르치며 식단을 정해주는 트레이너가 고객입니다.
Pain Point	1:1로 운동 스케줄을 잡거나 식단을 조정해주는 어플리케이션이 없기에, 카카오톡과 같은 메신저앱으로 주마다 스케줄을 상의해야 하는 불편함이 있고, 식단의 경우 트레이너가 구두나 메신저로 지정해주면 사용자가 일일이 먹은 것을 사진과 설명으로 보고해야하는 어려움이 있습니다. 또한 운동에 강제성이 부여되지 않아 개인 운동을 빠져 원하는 목표 달성이 어렵습니다.
솔루션	OpenAI API (ChatGPT4o) Node.js Electron AWS S3 Google Calendar API Firebase Cloud Messaging MySQL
오래 축적한 데이타의 잠재적 가치	축적 데이터 : 가입 시 받는 유저의 운동 수준과 추천한 운동 후에 유저가 기재할 근육통/난이도 등의 정보를 조합하여 유저의 운동 수준에 맞는 운동이 난이도별로 세분화 될 수 있습니다. 가치 : 트레이너가 회원에 맞는 수업을 계획할 수 있습니다.
기대성과	이 어플은 헬스 트레이너와 회원의 효율적 스케줄 조정과, 운동 및 식단 기록을 통한 AI의 운동 성과 보고서 제공을 통하여 효과적인 운동을 할 수 있도록 합니다. 이 모든 기능을 운동과 관련된 모든 정보를 하나의 앱에서 관리할 수 있도록 하여, 기존에 여러 앱과 채팅 도구를 이용해 따로 기록해야 했던 불편함을 해결할 것입니다.
팀 그라운드룰	https://github.com/minsihihi/Fabre/blob/main/Ground_Rule.md

Return Top

Team 2

항목	내용
팀명칭	탐탐
프로젝트명	예산 설정과 지출 관리에 어려움을 겪는 사회 초년생을 위한 개인 일정 및 소비 특성 기반 밀착관리 가계부 서비스
키워드	생성형 AI, 프롬프트 엔지니어링, 금융
무엇을 만들고자 하는가	사회초년생의 소비 관리에 길잡이가 되어줄 밀착관리 가계부 서비스를 만들고자 합니다. GPT 모델 기반의 프롬포팅을 통해, 세운 한달 예산을 잘 지킬수 있도록, 매일의 일정의 특수성을 고려한 하루예산을 제공합니다. 월말에는, 이번 달의 소비에 대한 상세 피드백 및 개선방향을 제공합니다. 더불어 이번달 소비내역, 다음달의 특수한 일정, 사용자의 예산에서의 요구사항을 반영하여 다음달 예산안을 추천합니다. 서비스를 사용하는 첫달에는, 예산을 세워보지 않은 사회초년생이 어려움을 겪지 않도록 예산 설정을 단계별로 안내하여 쉽게 첫 달 예산을 세울 수 있도록 돕습니다. 이러한 과정을 통해 사용자가 꾸준히 소비를 관리하여 재정 안정성을 촉진시킬 수 있도록 돕습니다.
고객	저희의 고객은 돈 관리가 아직 익숙하지 않아 예산 수립과 지출 관리에 어려움을 느끼는 20대 초중반 사회초년생 청년들입니다. 페르소나: 이름: 박수현 성별: 여성 직업: 대학생 연령: 22세 거주 지역: 서울 마포구 소득 수준: 월 100만원(아르바이트) 특징: (1) 바쁜 일정 중에도 친구들과의 약속 등 다양한 곳에 돈이 나감. (2) 월말에 항상 돈이 부족해 힘들어 가계부를 사용해 소비를 관리하려 함
Pain Point	- 적절한 예산 설정 어려움: 기존의 가계부 애플리케이션들에서는, 이번달의 예산이 마음에 들지 않아 다음달 예산을 기존과 다르게 세우고 싶어도, 기존 예산의 문제점과 해결방안을 사용자 스스로 분석하고, 다음달 예산 수정또한 일일이 수동으로 거쳐야 합니다. 또한 매달의 특수한 일정(ex.여행) 등을 다음달의 예산에 반영하는 것 또한 사용자의 몫입니다. 이에 많은 사용자들은, 기존의 예산이 마음에 들지 않지만 귀찮고 복잡하여 기존 예산을 그대로 유지하며, 효과적이지 못한 예산안 속에 가계부 서비스를 이용하게 됩니다. - 예산을 지키기 어려움: 기존의 가계부 애플리케이션은 사용자의 매일의 일정의 특수성을 고려하지 않고 1/N 방식으로 오늘의 예산을 배정하여, 하루에 얼마를 써야 한달 예산을 지킬 수 있는지 감을 잡기가 어려웠고, 결국 한달 예산을 지키기가 어려웠습니다. 또한 예산 계획을 지킬 수 있도록 돕는 수단이 부족했습니다.
솔루션	- Front-End(App) : Flutter - Back-End : SpringBoot 3.3.4, Java 21, JWT 0.11.5, AWS VPC, AWS EC2(Ubuntu), Nginx 1.24.0, Docker 27.1.2, Docker Compose 2.29.2, GitHub Actions - Database : AWS RDS(MySQL 8.0.35), Redis 7.4.0 - 생성형 AI API [프롬포팅을 통해 사용자 맞춤형 피드백, 예산안 등을 제공] : OpenAI GPT API(GPT-4o mini) - 사용자의 결제내역 문자를 읽어오기 위한 라이브러리 : flutter_sms_inbox 1.0.3 - 캘린더 API : Google Calendar API(v3) - 푸시 알림 : Firebase Cloud Messaging(HTTP v1)
오래 축적한 데이타의 잠재적 가치	[개인 소비 및 예산 패턴 데이터] - 축적 데이터: 사용자의 소비 패턴, 예산 설정 및 초과 내역, 카테고리별 지출 - 가치: 맞춤형 예산 추천의 정확도를 높이고, 소비 습관에 기반한 지출 예측을 개선 [일정과 지출 상관관계 데이터] - 축적 데이터: 일정에 따른 지출 패턴과 일정 유형별 예산 변화. - 가치: 일정에 맞춘 예산 최적화를 통해 효율적인 지출 관리 지원. [집단 소비 경향 분석 데이터] - 축적 데이터: 연령, 직업별 소비 패턴 및 예산 관리 트렌드 - 가치: 소비 트렌드 분석을 통해 마켓 인사이트를 제공, 특정 집단을 대상으로 한 맞춤형 서비스 개발 및 새로운 기회 발견
기대성과	- 효율적인 예산 수립 및 지출 관리 습관화: 사용자의 일정과 소비 특성을 반영한 맞춤형 예산 관리가 가능해져, 소비 계획이 더욱 효율적이고 현실적으로 이루어집니다. - 사회초년생 재정 안정성 촉진 및 재무적 자기효능감 향상: 지속적인 데이터 분석을 통해 사용자에게 맞춤형 예산 제안을 제공함으로써, 사회초년생이 재무 관리 능력을 향상시켜 재정 안정성을 촉진하고, 재무적 자기효능감을 높일 수 있도록 돕습니다.
팀 그라운드룰	https://github.com/Team-Tamtam/Tamtam-BE/blob/main/Ground_Rule.md

Return Top

Team 3

항목	내용
팀명칭	쌈뽕 워리어즈
프로젝트명	gpt-4o와 Text-to-X 기술에 기반하여 숏폼 콘텐츠에 익숙한 현대인의 뉴스 및 정보 소비 문제를 해결하기 위한 자동화된 뉴스 요약 숏폼 생성 시스템
키워드	gpt-4o, text-to-video, short-form영상 생성
무엇을 만들고자 하는가	텍스트 형식의 뉴스를 숏폼 영상 형식으로 산출하여 사용자에게 제공하는 서비스이다. 크롤링한 뉴스 데이터를 활용해 요약된 텍스트 데이터를 생성하고, 이를 기반으로 text-to-video 모델과 text-to-speech API를 이용해 영상과 음성을 각각 생성한 뒤, 생성된 데이터들을 하나의 영상으로 통합하는 자동화 파이프라인을 개발하고자 한다.
고객	- 이름 : 한민지 - 나이 : 32세 - 성별 : 여자 - 직업 : 회사원 - 성격 : 내향적이고 수동적임. - 라이프스타일 - 회사 집을 반복하며, 개인 시간을 충분히 가지지 못함. - 긴 영상이나 글을 읽을 여유가 없어 주로 숏폼 컨텐츠를 즐김. - 필요와 요구 - 시사 상식 향상 - 짧은 시간 안에 큰 노력 없이 얻을 수 있는 간결한 정보 - 자주 사용하는 서비스 - 유튜브 숏츠, 인스타그램 릴스
Pain Point	- 기존 영상 플랫폼을 통해 숏폼 컨텐츠를 즐기면 평소에 보는 특정 주제에 대한 영상만 계속적으로 접하게 된다. - 인터넷 상의 진위 여부가 판별되지 않는 자극적인 정보를 무비판적으로 받아들이게 된다. - 뉴스, 뉴스레터 등 긴 글에 담긴 이슈와 정보를 소비할 시간이 없어 정보 소외를 겪는다.
솔루션	[AI] TextToVideo-Zero - https://github.com/Picsart-AI-Research/Text2Video-Zero gpt-4o - https://openai.com/index/openai-api/ [Frontend] React Native - https://reactnative.dev/ TypeScript - https://www.typescriptlang.org/ [Backend] Spring Boot - https://spring.io/projects/spring-boot AWS EC2 - https://aws.amazon.com/ko/ec2/ AWS S3 - https://aws.amazon.com/ko/s3/ Docker - https://www.docker.com/ MySQL - https://dev.mysql.com/ [ETC] Selenium - https://www.selenium.dev/ Moviepy - https://zulko.github.io/moviepy/ Google TTS API - https://cloud.google.com/text-to-speech/docs/apis?hl=ko
오래 축적한 데이타의 잠재적 가치	- 연령대 및 성별에 따라 사람들이 선호하는 뉴스 유형(정치, 사회, 경제 등)과, 어떤 사회적 현상과 가치에 관심을 두고 있는지 파악을 하여 이를 바탕으로 사용자가 더욱 개인화된 뉴스를 소비할 수 있도록 지원하고, 광고와 유료 서비스와 같은 수익 모델을 최적화할 수 있다. - 숏폼 형식으로 변환된 뉴스를 통해 시간이 부족한 직장인 및 오랜 시간을 뉴스를 보는데 투자하지 않는 사람들에게 필요한 정보를 손쉽게 제공하여 효율적이고 다양한 정보 습득을 이끌어낼 수 있다.
기대성과	- 많은 사람들이 사회 이슈를 짧은 시간 안에 간략하고 쉽게 접할 수 있어 사회 내 정보 소외를 완화할 수 있다. - 과장되거나 편향된 정보가 아닌 공신력을 가진 실제 뉴스 기사를 기반으로 한 정보를 접하게 되면서 미디어 리터러시 능력을 향상하고 객관적인 시야를 가질 수 있다.
팀 그라운드룰	https://github.com/SSambbongWarriors/2024-fall-ewha-capston-design/blob/main/ground_rule.md

Return Top

Team 4

항목	내용
팀명칭	217 더보기
프로젝트명	완강기 사용법을 배우고자 하는 현대인을 위한 몰입형 VR 교육 콘텐츠
키워드	안전 장비 교육, 유니티 VR, Hand Tracking, 몰입형 경험
무엇을 만들고자 하는가	Unity 엔진을 통해 재난 상황을 실감 나게 구현하고, 플레이어는 VR 기기를 통해 몰입감 높은 가상 재난 환경 속에서 Hand Tracking 기술을 사용해 안전 장비를 직접 체험하며 학습할 수 있다. 이 과정에서 단순히 장비 사용법만 익히는 것이 아니라, 실제 상황에서 활용할 수 있는 유용한 정보까지 습득할 수 있다. 이러한 학습 경험을 통해 플레이어가 실제 재난 상황에서도 안전 장비를 능숙하게 사용할 수 있도록 돕는 것이 목표이다.
고객	김범석 (34세 직장인) - 직업 및 배경 : 회사원이자 4인 가족의 가장.  최근 회사에서 실시한 안전 교육에서 장비 조작법 영상을 시청하였다. 얼마 전, 옆 아파트에서 화재가 발생했을 때, 만약 그 화재가 자신의 아파트에서 일어났다면 교육에서 배운 내용을 잘 적용해 가족들과 함께 안전하게 대피할 수 있었을지 자신이 없어 걱정되었다. - 목표와 니즈 :  • 이론 교육보다는 실제 장비를 다루며 대처법을 몸에 익힐 수 있는 실습 위주의 안전 교육을 받고 싶다.  • 집안의 가장으로서 가족의 안전에 대한 책임감을 느끼기 때문에, 재난 상황 발생 시 가족을 보호할 수 있도록 장비 사용과 위기 대처 능력을 강화하고 싶다. 김혜미 (13세 초등학생) - 직업 및 배경 : 초등학교 6학년.  학교에서 화재 안전 교육을 듣던 혜미는 평소처럼 졸다가 운동장에서 소화기로 불을 끄는 모습을 보고 흥미를 느끼기 시작했다. 소화기를 직접 사용해보고 싶었지만, 반장이 대표로 체험하는 것을 지켜보기만 해서 아쉬웠다. 집에 돌아와 부모님께 소화기를 사용해보고 싶다고 이야기했더니, “그걸 어디에서 할 거며, 누가 치울 거냐”는 핀잔을 들어 속상했다. - 목표와 니즈 :  • 단순히 시연을 지켜보는 것이 아닌, 학생 개개인이 직접 참여하여 장비의 조작 방법을 몸으로 익힐 수 있기를 바란다.  • 장소와 위험 등 현실적인 제약 없이 실감나는 환경에서 안전 장비를 체험해보고 싶다.
Pain Point	최근 안전 장비 사용의 미숙함으로 인해 인명 피해 사례가 증가하고 있지만, 이를 예방하기 위한 실용적인 안전 교육은 제대로 이루어지지 않고 있다. 기존의 안전 교육은 시각 자료만을 활용하거나 일부 인원이 대표로 장비 사용법을 배우는 데 그치는 경우가 많다. 또한, 교육이 실제 재난 상황과는 다른 통제된 환경에서 진행되기 때문에 학습자들이 교육의 중요성과 실효성을 체감하기 어렵다는 문제가 있다.
솔루션	[VR 플랫폼] Unity 3D Universal Render Pipeline(https://unity.com/kr/products/unity-engine) Unity XR Plugin Management Package(https://docs.unity3d.com/Packages/[email protected]/manual/index.html) [Hand Tracking] Meta XR Interaction SDK (https://assetstore.unity.com/packages/tools/integration/meta-xr-interaction-sdk-265014) • OpenXR Skeleton
오래 축적한 데이타의 잠재적 가치	사용자들의 플레이 데이터를 통해 어떤 장비를 조작할 때 어려움을 느끼는지, 그리고 어떤 상황에서 어려움을 겪는지 파악할 수 있다. 이러한 데이터를 바탕으로 시뮬레이션 내에서 또는 실제 교육 현장에서 더 집중적인 교육을 제공하고, 사용자 맞춤형 교육을 통해 더욱 효율적인 학습을 지원할 수 있다.
기대성과	안전 교육 현장뿐만 아니라 VR 기기를 갖춘 환경에서도 해당 서비스를 이용해 교육을 받을 수 있을 것으로 기대된다. 이를 통해 사람들이 안전 장비 사용법에 더욱 익숙해져, 실제 상황에서 인명과 재산 피해를 줄일 수 있을 것이다.
팀 그라운드룰	https://github.com/217-etc/2024Capstone/blob/main/Ground_Rule.MD

Return Top

Team 5

항목	내용
팀명칭	무한도전
프로젝트명	카메라 인식과 위치 기반 매칭을 통해 집에서 잠자고 있는 외화를 간편하게 환전할 수 있는 P2P 환전 플랫폼
키워드	환전, 카메라 인식, 자동 매칭
무엇을 만들고자 하는가	귀국 후 남은 외국 화폐를 근거리에서 필요한 사람들과 매칭해주고, AI 카메라 인식으로 화폐 종류와 원화 가치를 실시간으로 알려주는 플랫폼을 제공합니다. 이를 통해 남은 외화를 간편하게 처리하고, 효율적인 환전 거래 환경을 제공합니다.
고객	- Demographic 정보: - 연령: 10~60대 (모바일 사용에 능숙한 연령대) - 성별: 무관 - 직업군: 직장인, 학생, 여행자 등 해외 방문 경험자 또는 예정자 - 고객 페르소나: 1. 김은우 (직장인) - 특징 출장 후 남은 소액의 미국 달러, 특히 동전을 많이 소지함 남은 외화의 환율과 원화 가치에 대해 알지 못함 은행은 평일에만 영업하여 영업시간이 짧아 방문할 시간이 부족함 - 목표 주말이나 퇴근 후 직거래를 통해 남은 외화를 간편하게 처리하고, 보유하고 있는 현금의 원화 가치를 알고 싶어 함 2. 박해린 (유튜버) - 특징 다양한 국가의 현금을 많이 보유함 각 화폐가 어느 나라 것인지 구별하기 어려움 특이한 국가의 화폐는 환전소에서 취급하지 않음 - 목표 보유하고 있는 화폐의 국가를 확인하고, 특이한 국가의 화폐도 필요한 사람들과 간편하고 신속하게 거래하여 처리하고 싶어 함
Pain Point	1. 남은 외화 처리의 어려움 -귀국 후 남은 화폐, 특히 동전은 환전소에서 취급되지 않거나, 매우 낮은 가치로 환급됩니다(대부분 액면가의 50% 이하). 이로 인해 사용자들은 경제적 손실을 감수하게 되며, 동전은 사실상 사용 가치가 없는 불필요한 물건으로 전락합니다. 결과적으로 이러한 화폐는 제대로 사용되지 않고 방치되거나 폐기됩니다. 2. 외화 종류 구별의 어려움 - 여러 국가의 화폐를 소지한 사용자들은 시간이 지나면서 화폐의 국가 및 종류를 구별하기 어려워집니다. 특히 외국어로 표기된 화폐나, 비슷한 크기와 모양을 가진 동전은 직관적으로 식별하기 어렵습니다. 또한, 동전의 경우 원화로 환산된 가치를 일일이 계산해야 하는 불편함이 있습니다. 3. 거래 대상과 장소 결정의 불편함 - 외화를 판매하거나 구매하고자 하는 사용자들이 거래 통화, 거래 금액, 거래 위치를 종합적으로 고려하여 매칭 상대를 결정하기는 매우 번거롭습니다. 매칭 후에도 판매자와 구매자가 서로의 위치를 기준으로 중간지점을 판단하고, 적합한 거래 장소를 선정하는 데 추가적인 시간이 소요되어 거래가 지연되거나 중단되는 사례가 빈번하게 발생합니다.
솔루션	프론트엔드: - React 백엔드: - Node.js + Express - AWS EC2 데이터베이스: - MongoDB AI: - Kaggle MobileNet V2: Coin Currency Identification API: - Google Cloud Vision API - Open Exchange Rates API - Kakao Local API
오래 축적한 데이터의 잠재적 가치	- 사용자 거래 패턴과 수요 예측: 사용자들이 주로 환전하는 화폐 종류와 환전 빈도, 특정 시기에 환전 수요가 높아지는 패턴 등을 파악할 수 있습니다. 이를 바탕으로 사용자들에게 더 나은 매칭 서비스를 제공하고, 특정 시기에 맞춘 환전 알림이나 거래 권장 시기를 제공하여 효율적인 거래를 유도할 수 있습니다. - 지역 별로 어떤 화폐가 많이 거래되고 있는지를 분석해 특정 지역에서 외화 수요가 높은 국가를 파악할 수 있습니다. 이를 통해 지역 특성에 맞는 외화 서비스 확장이 가능하며, 사용자가 많은 특정 지역에는 이벤트나 혜택을 제공하는 맞춤형 서비스를 기획할 수 있습니다. - 안전한 거래 환경 구축을 위한 신뢰 데이터 축적: 거래 후 사용자 피드백과 평가 데이터를 통해 신뢰도 높은 사용자를 식별할 수 있고, 이를 바탕으로 안전한 거래 네트워크를 강화할 수 있습니다. 이러한 데이터는 사용자 간의 신뢰 기반 거래 환경 조성에 기여하여 장기적인 충성 고객층 형성에 중요한 역할을 할 것입니다.
기대성과	- 단기적 성과: 카메라 인식 기능을 통해 사용자들은 외화의 종류와 가치를 빠르게 파악하고, 남은 외화를 손쉽게 처리할 수 있습니다. 특히 동전까지 간편하게 환전할 수 있어 소액 외화의 활용도가 높아집니다. 또한, 환전 서비스에 특화되어 있어 은행 창구에서 대기할 필요 없이 사용자가 원하는 시간에 원하는 화폐로 신속하게 교환할 수 있습니다. - 중장기적 성과: 외화 환전의 접근성이 높아지면서, 지방 거주자나 비수도권 사용자들도 쉽고 빠르게 환전 거래를 할 수 있습니다. 이를 통해 개인 간 외화 거래 활성화와 더불어 보다 효율적인 환전 문화가 형성될 것입니다. 장기적으로는 사용자 신뢰도를 기반으로 한 안전한 거래 환경을 구축하고, 이를 통해 지속적인 사용자 유입과 플랫폼 성장에 기여할 수 있을 것으로 기대합니다.
팀 그라운드룰	https://github.com/Capstone-infinite-challenge/2024-2-capstone/blob/main/Ground_rule.md

Return Top

Team 6

항목	내용
팀명칭	Goggle
프로젝트명	LangChain 기반 AI 바둑 복기(復棋) 서비스 : 중급자 실력 향상을 위한 맞춤형 LLM해설 지원
키워드	바둑, LangChain, RAG, LLM
무엇을 만들고자 하는가	바둑 AI엔진, 생성형 AI 기술, SGF-Analyze 오픈소스를 통합하여, 사용자가 업로드한 SGF 포맷의 바둑 기보를 분석하여 자동으로 해설을 생성하고 복기(復棋)를 지원하는 시스템 구축.
고객	- 아마추어 바둑팬: AI 복기를 통해 실력을 향상시키려는 초~고급 실력의 바둑 아마추어. - 바둑 지도사: 학생들에게 바둑을 교육할 때 참고할 수 있는 도구가 필요한 강사들. - 바둑 기자: 프로 경기를 분석하고 기사로 작성할 때 상세한 해설이 필요한 기자들.
Pain Point	- 복기의 고비용 문제: 복기는 기력 향상에 필수적이지만 초~중급자에게는 어렵고, 기존 AI 프로그램을 사용하기에는 시간과 노력이 많이 듦. - 해설의 품질 문제: 기존 바둑 AI 서비스에서 제공하는 해설은 사용자 수준에 맞추기 어렵고, 단순 수치 정보만 제공하는 경우가 많음.
솔루션	- 바둑 AI 오픈소스: KataGo or Leela Zero - SGF 분석 오픈소스: sgf-analyze, sgf parser - AI: LangChain, RAG - LLM: GPT4o - Front-end: React.js + Next.js + TypeScript - Back-end: NginX + Nest.js + MongoDB
오래 축적한 데이타의 잠재적 가치	- 기보 분석 데이터: 다양한 실력대의 기보 데이터를 바탕으로 바둑 연구 데이터로 활용 가능. - 데이터 기반 해설 개선: 사용자의 대국 해설 데이터를 축적하여 AI의 해설 정확도를 지속적으로 개선 가능.
기대성과	- 사용자 맞춤형 바둑 학습 지원: AI 기반의 자동 해설로 초보부터 고급자까지 각자의 수준에 맞는 복기 지원, 실력 향상에 기여. - 시간 절약 및 편의성 향상: 복잡한 분석 과정을 자동화하여 더 쉽게 바둑을 분석하고 해설을 얻을 수 있음. - 연구 및 교육 자료 지원: 다양한 기보 데이터와 AI 해설을 통해 바둑 연구 및 교육의 자료로 활용할 수 있는 가능성.
팀 그라운드룰	https://github.com/Team-Goggle/Goggle

Return Top

Team 7

항목	내용
팀명칭	테스파
프로젝트명	EDGE: Efficient Decentralized and Generalized Exchange
키워드	Decentralized Continual learning, Federated Learning, multi-modality, Edge AI, Knowledge Transfer
무엇을 만들고자 하는가	멀티 모달리티 연합 지속적 학습(Federated Continual Learning) 환경에서 디바이스들이 서로 선택적으로 학습된 지식을 전이할 수 있도록 엣지 AI에서 성능을 최적화하려고 한다.
고객	엣지 AI 환경에서는 각 디바이스가 자신의 로컬 데이터를 사용해 독립적으로 학습을 진행하는데, 이러한 데이터는 이질적이기 때문에 디바이스마다 학습한 지식에 차이가 발생한다. 하지만 디바이스들 간에 데이터를 직접 공유할 수 없다는 데이터 프라이버시의 한계로 인해, 성능 향상을 위해서는 디바이스들이 서로 부족한 지식을 효과적으로 보완하는 방법이 필요하다. 따라서 데이터를 공유하지 않고도 디바이스들이 서로의 학습된 지식을 활용하여 자신의 모델 성능을 강화할 수 있는 접근 방식이 필요하다.
Pain Point	1. Heterogeneous data의 효율적인 continuous, federated learning 알고리즘 부재로 인해 edge model은 real-life task에서 generalization 부족, Knowledge transfer 및 모델 연합과정에서 발생하는 communication cost, computational cost 문제를 겪었다. 2. 기존 연구는 Federated learning에서 주로 class-incremental learning을 중점적으로 다루었는데, 이는 학습 과정에서 global model을 validate 하며 불가피하게 엣지 디바이스의 raw data의 전송을 요구하며 개인정보 보호 문제를 갖게 되었다. 3. Continuous learning 과정에서 기존연구는 모델을 새로운 데이터로 학습시킬 때 재앙적 망각 문제를 막기위해 서버 또는 기존 모델의 snapshot을 필요로하며 높은 computational cost를 보였다.
솔루션	PyTorch, Keras, Tensorflow, Perceiver, Perceiver IO, CPG, PackNet, Piggyback, ModelDiff
오래 축적한 데이타의 잠재적 가치	다양한 디바이스에서 성능지표가 축적되고, 이 데이터를 통해 어떤 모델이나 작업이 knowledge transfer로 성능이 향상되었는지 알 수 있다. 각 디바이스 간의 knowledge transfer 과정에서 정보가 기록되며 시간이 지나면서 더 효율적인 통신 방법을 도출해낼 수 있는 데이터가 쌓인다. 데이터가 늘어남에 따라 지식 선택 전략이 더 정교해져, 기존 연구보다 더 나은 성과를 도출할 수 있을 것이다.
기대성과	엣지 AI의 학습 효율을 극대화할 수 있고, 사용자의 프라이버시를 보호하면서도 통신 비용을 절감할 수 있는 이점이 있다. 엣지 AI의 적용이 필요한 다양한 분야에서 인공지능의 활용을 크게 확장할 수 있다.
팀 그라운드룰	https://github.com/EWHA-Tespa/start_research/blob/main/Ground_Rule.MD

Return Top

Team 8

항목	내용
팀명칭	eiai
프로젝트명	NPU Aware Transformer for Edge AI and Green AI
키워드	NAS, NPU, Transformer
무엇을 만들고자 하는가	인공지능 처리에 최적화된 NPU칩의 구조에서 최적의 Transformer model을 찾아내는 NAS 기법 연구
고객	ChatGPT의 등장으로 인공지능 기술은 우리 일상 속에 깊숙이 자리잡았다. 데이터 센터에서 수많은 반도체를 활용하는, 공급자 중심의 클라우드 기반 AI는 우리에게 많은 기회를 제공하지만 동시에 보안, 응답지연, 유지비용과 같은 해결해야 할 문제들도 동반하고 있다. 이러한 문제를 해결하기 위해 중앙 클라우드에 대한 의존도를 줄이는 엣지 AI가 주목받고 있다. 하지만 현재 딥러닝 모델의 학습과 추론과정에서는 모델의 크기와 연산량 증가 문제가 심화되고 있으며 이에 대한 해결이 필요하다. 따라서 본 연구에서는 대규모 NLP 인공지능을 사용하는 기업이나 엣지 디바이스에서 LLM 사용을 원하는 일반 유저를 위해 엣지 AI를 실현할 수 있도록, 엣지 환경의 제한된 연산 능력과 메모리 및 전력 하에서 합리적인 모델의 탐색을 통한 경량화 기법을 연구하고자 한다.
Pain Point	딥러닝 모델은 좋은 성능을 가지고 있지만 많은 메모리 공간과 연산량을 필요로 하기 때문에 하드웨어적인 제한이 발생한다. 고도의 컴퓨팅, 메모리 자원이 요구된다는 본질적인 문제는 두 가지 문제를 발생시킨다. 첫째, 기업 차원에서 인공지능 모델을 활용하기 위해서는 심각한 에너지 소모와 컴퓨팅 자원의 구비를 감당해야만 한다. 이는 경제적 문제를 야기할 뿐만 아니라, 환경 규제의 제약 또한 적용되어 거대 인공지능 모델의 활용을 어렵게 만든다. 둘째, 거대 인공지능 모델은 본질적으로 자원이 부족한 엣지 디바이스에서의 활용이 어렵게 한다. 따라서 사용자에게 제공되는 인공지능 모델은 클라우드 모델을 통하게 되는데, 이 점에서 보안을 보장받기 어렵다. 즉 보안과 정확한 모델 사용 가능성 사이의 trade-off가 발생하는 것이다.
솔루션	NPU ROCK Pi 5B Model - Rockchip RK3588 ARM SoC Single Board Computer OS Ubuntu 22.04 (LTS x64 aarch64) Debian (Radxa Rock 5B image) Model Transformer Collaboration tools Git/GitHub Notion etc(python library, datasets) dataset: WMT16 requirements.txt charset-normalizer==3.4.0 datasets==3.1.0 fast-histogram==0.13 flatbuffers==24.3.25 huggingface-hub==0.26.5 mpmath==1.3.0 multidict==6.1.0 multiprocess==0.70.16 numpy==1.24.4 onnx==1.14.1 onnxoptimizer==0.2.7 onnxruntime==1.16.0 opencv-python==4.10.0.84 packaging==24.2 pandas==2.0.3 rknn-toolkit2==2.3.0 rknn-toolkit-lite2==1.5.0 safetensors==0.4.5 scipy==1.10.1 sympy==1.13.3 tokenizers==0.20.3 torch==2.4.1 torchdata==0.7.1 torchtext==0.15.2 torchvision==0.19.1 tqdm==4.67.1 transformers==4.46.3
오래 축적한 데이타의 잠재적 가치	실험 진행에 따라 NPU 구조에 적합한 Transformer model의 양상 데이터, NPU 구조에서 특이성을 보이는 layer에 대한 데이터를 얻어낼 수 있다. 이는 추후 다른 모델을 NPU에서 최적화하는 경우나 실험에 사용된 것 이외의 Transformer 모델을 경량화하는 데에도 활용될 수 있을 것이라 전망된다.
기대성과	NPU구조에 최적화 및 경량화된 Transformer 모델의 개발은 엣지 디바이스 환경에서도 딥러닝 모델이 효율적으로 동작할 수 있도록 한다. 이는 기존의 클라우드 AI가 가지고 있었던 에너지 소비 문제, 보안 문제 등을 해결하여 기업의 경제적 부담을 완화하며 보안을 강화한다. 또한, 향후 다른 모델 최적화에 활용될 수 있어, 다양한 산업에서 엣지 AI가 응용될 가능성을 확대할 것이다.
팀 그라운드룰	https://github.com/ei-ai/eiai/blob/main/GroundRules.md

Return Top

Team 9

항목	내용
팀명칭	Jppin’
프로젝트명	의약품 구입 내역과 건강 관심사를 반영한 영양성분 솔루션 및 숏폼 추천 서비스
키워드	사용자 맞춤형 추천, LangChain, YouTube Shorts
무엇을 만들고자 하는가	의약품 구입 내역과 사용자의 건강 관심 키워드 및 사용자 히스토리를 종합적으로 반영하여, 개인의 필요에 맞는 영양성분 솔루션을 제공하고, 사용자의 관심을 끌 만한 맞춤형 건강 숏폼 콘텐츠를 추천하는 서비스를 개발하고자 한다.
고객	- 건강에 대한 관심이 높아지고 있지만, 동시에 시간적 여유가 부족하고 정보 과잉 속에서 혼란을 겪는 현대인 - 재미있고 효율적인 방법으로 유익한 건강 관련 정보를 얻고 싶은 2030세대 Persona: 김민수씨(32세, IT회사 개발자)는 당뇨병 진단을 받은 지 5년째로, 혈당 관리를 위해 꾸준히 처방약을 복용하고 있다. 최근 피곤함을 많이 느껴 약과 함께 영양제를 병행하고 싶어도 복용 중인 약물과의 부작용이나 병용 금기 성분에 대한 정보를 찾기 어려워 늘 불안감을 느낀다. 복약 이력과 영양제 섭취 정보를 따로 관리하다 보니, 중복 섭취나 효율적인 관리가 어려워 혼란스러운 경우가 많다. 그리고 광고나 제한된 정보에 의존해 영양제를 선택하려고 하다 보면 자신에게 적합한 제품을 고르기가 쉽지 않고, 실제로 효과를 보고 있는지도 확신할 수 없는 상황이다. 바쁜 일상 속에서 건강 관리를 위한 유용한 정보 또한 접할 기회가 적어, 실질적으로 도움이 되는 관리법을 찾는데 어려움을 겪고 있다. 김민수씨에겐 체계적인 건강 관리 솔루션이 필요하다.
Pain Point	(1) 영양제 남용으로 인한 건강 위험 - 영양제를 무작위로 구매하여 복용하다가 부작용을 경험하는 사례가 늘고 있다. 특히, 복용 중인 의약품과 영양제 간 병용 금기를 확인하지 않고 섭취하여 예기치 못한 부작용을 겪는 경우가 있다. (ex : 오메가3와 이부프로펜) (2) 복약 정보의 방치 - 많은 종류의 처방약, 일반의약품, 건강보조제를 섭취하지만, 이와 관련된 정보를 기록하거나 체계적으로 관리하지 않는 경우가 많다. 이는 개인이 본인의 건강 이력을 파악하지 못하거나 잘못된 복약 습관을 유지하게 되는 주요 원인으로 작용하고 있다. (3) 선택의 어려움 - 자신에게 필요한 영양성분을 선택하는 과정에서 신뢰할 만한 정보를 얻기 어렵고, 과도한 광고와 제한된 정보 속에서 잘못된 결정을 내리기 쉽다. (4) 비효율적인 건강 관리 - 보통 약물 복용과 영양제 섭취를 분리하여 관리하거나 단순히 본인의 기억에 의존하는 경우가 많다. 이러한 방식은 개인에게 맞는 건강 관리를 어렵게 하고, 시간과 노력을 낭비하게 만든다. (5) 경제적 비효율성 - 자신에게 적합하지 않은 영양제나 의약품을 반복적으로 구매하거나, 중복된 성분의 제품을 복용하는 경우가 많다. 특히, 충분한 정보 없이 광고나 트렌드에 의존해 제품을 선택하는 경향이 강하다. 이러한 비효율적인 소비는 경제적 부담을 증가시키며, 불필요한 지출로 이어질 수 있다.
솔루션	프론트엔드: - React Native - TypeScript 백엔드: - Node.js + Express 배포: - AWS EC2 - Docker - GitHub Actions AI: - OpenAI : gpt-4o-mini, text-embedding-ada-002 - LangChain 데이터베이스: - MongoDB - Redis API: - YouTube Data API - Naver CLOVA OCR 협업 및 관리: - Git - GitHub - Notion
오래 축적한 데이타의 잠재적 가치	- 의약품 복용 이력과 건강 데이터를 기반으로 점점 더 최적화된 맞춤형 영양제 추천과 건강 개선 정보를 제공할 수 있다. - 사용자 개인의 약물 및 건강 기록을 분석하여 장기적으로 건강에 유익한 습관이나 경향을 제시할 수 있으며, 이를 통해 건강 관리에 대한 의사결정을 더욱 효과적으로 지원한다. - 축적된 데이터를 익명화하여 집단 건강 데이터를 분석함으로써, 공공데이터를 개선하는 데 기여할 수 있을 것이다.
기대성과	- 의약품 복용 이력과 건강 상태를 사용자 스스로가 체계적으로 관리함으로써, 건강 취약점을 이해하고 이에 맞춘 영양제와 건강 관리 팁을 효과적으로 활용할 수 있다. - OCR 기술을 활용하여 처방약 봉투를 자동으로 인식하고 기록함으로써, 간편하게 복약 이력을 관리하고 필요 시 쉽게 조회할 수 있다. - Youtube Shorts 추천 기능을 통해 지속적으로 흥미롭게게 앱을 사용하면서 건강 관리에 관심을 가질 수 있다.
팀 그라운드룰	https://github.com/Jppin/capstone-design/blob/main/GroundRule.md
Return Top

Team 10

항목	내용
팀명칭	X10 (엑스텐)
프로젝트명	음성 분석 기반 졸음 감지 및 음성 대화를 통한 졸음 운전 예방 서비스
키워드	음성 분석, 생성형 AI, 졸음 운전
무엇을 만들고자 하는가	저희는 음성 분석을 기반으로 운전자의 졸음을 감지하고 생성형 AI 기반의 개인 맞춤형 음성 대화 기능을 제공하는 졸음 운전 사고 예방 서비스를 만들고자 합니다.
고객	페르소나 • 이름: 김화물 • 나이: 47세 • 직업: 화물 운전사 • 운전 스타일: 장거리, 주로 야간 운전, 혼자 운전 • 필요: 졸음 운전 방지, 피로 관리, 맞춤형 대화, 알림 기능 • 목표: 혼자 장거리 운전 시 졸음을 피하고 안전하게 목적지까지 도착하는 것 • 김화물은 주로 야간에 대형 화물차를 운전하는 화물 운전사입니다. 교통량이 적은 밤을 이용해 전국 각지로 물품을 운송합니다. 하루에 6시간 이상 장거리 운전을 하는 경우가 많으며, 주로 혼자서 운전하기 때문에 외로움과 피로가 늘 그의 고민입니다. 장시간 혼자 운전하면서 졸음이 자주 몰려옵니다. 특히, 배송 일정이 촉박할 때는 휴식을 충분히 취하지 못한 상태로 운전해야 할 때도 있어 졸음 운전의 위험이 큽니다. 또한 주로 교통량이 적은 심야에 운전하다보니 전화통화 할 대상이 없습니다. 그를 도와줄 동승자가 없기 때문에 스스로 집중력을 유지하고 졸음을 쫓아내는 것이 어렵습니다. 졸음 운전 사고를 방지하기 위한 서비스도 사용해 보았지만 영상을 계속 촬영해야 하므로 부담스럽습니다.
Pain Point	- 운전 중 집중력이 떨어지면 도로 상황에 적절히 대응하지 못하는 상황이 발생할 수 있음 - 장거리나 밤에 혼자 운전할 때 피곤하면 깨워줄 사람이 없어 위험함 - 혼자 운전하다보니 심심하고 외로움
솔루션	- Front-End • React-Native https://ko.legacy.reactjs.org/ • Type-Script https://www.typescriptlang.org/ko/ - Back-End • SpringBoot https://spring.io/projects/spring-boot • MYSQL https://www.mysql.com - AI [개인 맞춤형 대화 생성] • gpt-4o-audio-preview : 자연스러운 맞춤형 음성 대화 구현 [하품 감지] • PaSST : Sound Event Tagging 모델 • librosa : Audio Feature 추출 • scikit learn RandomForestClassifier : 졸린 음성 이진 분류
오래 축적한 데이타의 잠재적 가치	축적될 데이터 1. 음성 분석 데이터: 운전자의 음성에서 추출한 피치, 발화 속도, 톤 등의 정보. 이를 통해 졸음 징후와 피로도를 실시간으로 분석. 2. 사용자 대화 내용: 사용자가 AI와 상호 작용한 대화 내용, 주제, 빈도 및 대화 중 중요한 정보만 뽑아낸 데이터 정보. 3. 사용자 프로필 정보: 사용자의 이름, 나이, 성별, 관심사 등 맞춤형 대화 제공을 위한 초기 입력 데이터. 창출 가치 1. 개인화 된 졸음 예방 시스템 개선: 축적된 음성 및 상호작용 데이터를 바탕으로 사용자 맞춤형 졸음 예방 시스템을 제공하여, 개인별 특성에 맞는 경고 및 대화 가능. 2. 교통 안전 향상: 수집된 졸음 감지 및 예방 데이터는 향후 교통 안전 향상을 위한 대책 수립과 정책 개발에 기여할 수 있으며, 나아가 교통 사고 감소에 도움이 됨. 3. 다양한 업체와의 통합 가능성: 내비게이션 업체와 협업하여 대화 서비스를 내부 기능으로 탑제하는 등 다양한 업체와의 통합 가능성을 통해 일상에서 효과적으로 졸음 운전 사고를 예방할 수 있음.
기대성과	- 졸음 운전 사고 감소 개인화된 음성 대화와 졸음 감지 기능을 통해 졸음 운전을 예방함으로써 야간 운전이나 장거리 운전 중 발생할 수 있는 교통사고를 감소시키는 데 기여할 수 있다. 특히 혼자 운전하는 운전자에게 유용한 솔루션이 되어, 교통 안전이 향상될 것으로 기대된다. - 졸음 감지 및 예방 기술의 상용화 가능성 성공적인 졸음 예방 기술 구축을 통해, 졸음 감지 및 예방 시스템의 상용화 가능성이 높아진다. 차량이나 지도 맵에 추가적인 기능으로 상용화하면 사용자들에게 더 편리한 서비스를 제공할 수 있어 다양한 시장에서 활용될 수 있는 기술로 자리잡을 것이다.
팀 그라운드룰	https://github.com/EwhaCapstone-X10/X10/blob/main/Ground_Rule.md

Return Top

Team 11

항목	내용
팀명칭	nAIvis
프로젝트명	지속 학습을 적용한 치명적 망각 해결과 Deep Fingerprinting model 강화
키워드	Continual Learning, Deep Fingerprinting, network security
무엇을 만들고자 하는가	변화한 데이터로 연속적으로 학습되었을 때 과거 데이터에 대한 성능이 훼손되는 Catastrophic Forgetting 문제를 해결하기 위해 Continual Learning의 기법들을 결합하여 강화된 Deep Fingerprinting model을 설계하고자 한다.
고객	시간에 따라 변화하는 네트워크 데이터셋의 특성상 현실세계에 적용되는 Deep Fingerprinting 모델에서 치명적 망각(Catastrophic Forgetting) 문제가 발생한다. 딥러닝 모델 개발자들이 처음 모델을 학습시킬 때, 아무리 막대한 비용을 들여 좋은 성능을 가진 모델을 만들더라도 현실 세계에 따라 변화된 네트워크 데이터들은 Deep Fingerprinting 모델의 기존 가중치를 훼손시키고 성능 저하 등의 문제를 발생시켜 모델을 지속적으로 사용할 수 없게 한다.

• 과거부터 현재까지 어떤 시점에서의 데이터를 사용해도 좋은 성능을 이끌어내고 싶어하는 인물
  

• 기존 데이터에 대한 정보를 잊지 않으면서 새로운 정보를 계속해서 모델을 학습 및 발전시키고자 하는 인물
  

• 학습시 사용한 폐쇄적인 데이터셋 뿐만 아니라, 현실 세계에서 계속해서 생성되는 데이터들에 대해 좋은 효용을 만들어내는 모델을 설계하고자 하는 인물
  

• 성능에 대한 Continual Learning 기술의 효과를 확인하고 싶은 인물
  
  (페르소나)
  힘들게 Deep Fingerprinting 모델을 만들어서 오래 사용하려고 했지만, 웹사이트 업데이트 이후 새로 들어온 데이터가 모델을 망쳐 버려 또다시 재학습을 시켜야 한다는 비용적 고민에 시달리는 중인 네트워크 연구원 A씨. | | Pain Point | 모델이 새로운 데이터를 학습하면서 기존 데이터를 망각하게 되면 모델의 성능이 저하되는 문제가 발생한다. 이로 인해 모델을 재학습시키거나 수정하는 데 추가적인 시간과 비용이 소요되며, 재학습을 위한 새로운 데이터를 수집하는 과정에서도 상당한 시간과 비용이 필요하다. | | 솔루션 | 지속적 학습(Continual Learning) : EWC, EWCo, SI
  Deep Learning
  Python : tensorflow, pytorch
  Git/GitHub | | 오래 축적한 데이타의 잠재적 가치 | 과거에 있던 웹사이트 데이터 뿐만이 아니라 새롭게 개발되는 웹사이트에 대한 데이터까지 학습함에 따라 넓은 시간적 범위에 대해 사용 가능한 데이터셋과 가중치를 수집할 수 있으며, 타 분야로의 Continual Learning 적용 가능성을 제시할 수 있다. | | 기대성과 | 더욱 강력하고 지속 가능한 Deep Fingerprinting 모델을 개발함에 따라 네트워크 보안 분야에 있어서 발전을 가져올 것으로 기대됨 | | 팀 그라운드룰 | https://github.com/baejuwon-30/2024-2-capston-design/blob/main/Ground_Rule.MD |

  Return Top

Team 12

항목	내용
팀명칭	미룬이들
프로젝트명	해외에서 발생할 수 있는 건강 및 언어 문제를 AI 챗봇을 기반으로 솔루션을 제공하는 해외 약품 정보 통합 플랫폼
키워드	AI 챗봇, 해외 약품, 질병 관리
무엇을 만들고자 하는가	전 세계 약품 정보를 개인 맞춤형 약품 정보 및 필터링을 반영하여 AI 챗봇을 통해 누구에게나 손쉽게 제공하는 서비스입니다.
고객	1. 현지 의료 시스템에 익숙하지 않고, 언어 차이로 약품 구매가 어려운 20-50대의 해외 거주자(해외 파견직, 외국계 회사원, 유학생) 2. 응급 상황이나 갑작스러운 질병으로 약품이 필요할 때 언어 및 문화적 차이로 어려움을 겪는 20-40대의 해외 여행자 3. 복용 중인 약물이나 알레르기로 인해 해외에서 적절한 약을 찾는 것이 어려운 30-60대의 만성 질환 환자나 건강에 민감한 사람들
Pain Point	1. 타지에서 건강과 관련해 문제가 발생시, 언어 장벽으로 인한 약국 직원과의 의사소통이 어려워 현지에서 약을 찾고 구매하는데 많은 시간이 소요되며, 약에 대한 신뢰도도 부족해 극심한 불안감을 얻을 수 있음. 2. 특정 약품에 대한 구체적 복용법이나 자신의 건강 상태에 따른 부작용 정보(알레르기 위험)를 얻기가 어려워서 심각한 약물 상호작용 및 부작용이 발생할 수 있음. 3. 잘못된 의약품을 구매하여 오용할까봐 아예 사용하지 못하고 아픈 상태를 지속하는 상황이 발생할 수 있음
솔루션	1. AI 챗봇 → gpt4, rag 2. 약물 상호작용 분석 및 리스트 제공(추천 시스템) → recommendation system, gpt4, rag 3. UI 개발을 위한 React-Native 4. 서버 구축 및 데이터 관리를 위한 Spring Boot 및 DB
오래 축적한 데이타의 잠재적 가치	1. 세계 각국의 약품 데이터가 축적되며 필요시 정리된 리스트들을 한국의 제약회사에 판매하여 신약 개발에 기여할 가치가 있을것이라고 판단됨. 2. 같은 약을 복용하거나 유사한 질병이 있는 사람들의 실구매 데이터를 축적하여 이후 사용자들에게 부작용이 적거나 후기가 좋은 약품을 추천해줄 수 있음.
기대성과	주요 국가로 서비스를 런칭하여 조금씩 서비스 지원국가를 확장해나가 어떤 국가에서든지 약품 정보 부족으로 피해를 보는 사람이 없도록 하고, 약품별 상호작용이나 부작용이 적은 약품들을 사용자의 실사용 데이터를 토대로 추려내어 더욱 건강한 사회를 만들도록 이바지할 수 있을 것이라고 기대함.
팀 그라운드룰	https://github.com/2024EwhaCapston/Start/blob/main/Ground_Rule.md

Return Top

Team 13

항목	내용
팀명칭	tripleJ
프로젝트명	외국인 유학생을 위한 KoBERT 모델 기반 맞춤형 채용 공고 추천 서비스
키워드	국제화 사회, 맞춤형 추천, KoBERT
무엇을 만들고자 하는가	외국인 유학생의 한국 취업을 돕기 위해, 채용공고를 맞춤 추천해주고 채용 공고 적합도를 예측하는 기능을 제공하여 외국인 유학생 취업 시장에 실질적으로 도움이 될 수 있는 서비스를 제작할 것입니다.
고객	한국에서 일하고 싶은 외국인 유학생 / 20-30대 외국인 유학생 알리씨는 한국 문화에 관심이 생겨 한국에서 공부를 하게 되었으나, 공부를 하다보니 한국에서 일해보고 싶다는 생각이 들었다. 하지만, 유명한 채용 사이트에 들어가봤을 때에는 외국인 유학생을 위한 채용 공고를 찾을 수 없었고 그나마 학교를 통해 몇몇 정보를 얻을 수 있었다. 알리씨는 더 다양한 채용공고를 찾아보고 싶지만 막막하기만 하다.
Pain Point	- 외국인 유학생 채용공고는 여기저기 흩어져있어 확인하기가 어려움. - 채용공고가 한국어로만 이루어져 있어, 언어적 어려움이 있음 (채용 공고 내용 파악 및 지원서 작성에 어려움). - 외국인 유학생 지원자 풀이 다양하지 않아, 기업에서는 원하는 인재를 찾기 어려움.
솔루션	- react - typescript - tailwind css - postgresql - nest.js - KoBERT (Hugging Face) - aws - rabbitmq - docker - redis - SVM(Support Vector Machine)
오래 축적한 데이타의 잠재적 가치	- 맞춤 채용 정보 제공을 통한 외국인 유학생의 한국 취업 장벽 완화 - 기업이 원하는 최적의 인재풀 제공을 통한 사회적 비용 절감 - 비수도권으로의 인재 분산을 통한 지역 경제 활성화 - 고학력 전문인력 확보를 통한 국가 경쟁력 강화
기대성과	점점 국제화 되어가는 세계 흐름에 따라, 한국 사회에 정착하고자 하는 외국인 유학생들이 늘어나고 있습니다. 다만, 유학생이 한국에 취업하기 위해서는 아직 불편함이 많습니다. 저희의 서비스가 세상에 나오게 된다면, 외국인 유학생들이 보다 쉽게 한국에 취업하고 애착을 가지며 한국에 정착할 수 있게 될 것입니다.
팀 그라운드룰	https://github.com/Capston-2024/GroundRule/blob/main/GroundRule.md

Return Top

Team 14

항목	내용
팀명칭	고속도로위
프로젝트명	비전공자 혹은 비전공자를 대상으로 한 교육자를 위한 노코드 기반 AI 모델 생성 서비스
키워드	No-coding, AI 모델제작, 블록 neural network layer
무엇을 만들고자 하는가	초보자도 가능한 노코드 기반 AI 모델 생성 서비스 ‘MuseLab’은 블록 기반 모델 설계, 유저 친화적인 오류 알림, 설명 가능한 블록 코드를 제공할 예정입니다.
고객	1) 코딩을 전혀 할 줄 모르지만 AI를 사용하고 싶은 비전공자 혹은 코딩에 미숙한 고등학생 2) 비전공자를 대상으로 AI를 가르치는 교육자 3) 코딩을 할 줄은 알지만, AI 모델을 구축하는데 있어서 코드보다 좀 더 직관적으로 모델 구조를 이해하고 싶은 초보자
Pain Point	1. IT 업무 이외에도 고객 서비스, 영업 및 마케팅, 생산 관리 등 다방면에서 AI 기술이 도입되는 추세에서, 이러한 전공 지식을 갖추지 못한 비전공자에게는 AI 이해가 큰 부담으로 다가오고 있습니다. 2. 코딩에 미숙한 고등학생 혹은 비전공자를 대상으로 AI를 교육하는 교육자의 입장에서는 AI 모델을 기초적인 개념부터 설명하기에는 방대하고, 현존하는 플랫폼 또한 유저 친화적이지 않아 활용에 어려움을 겪고 있습니다. 3. AI 모델 구축이 처음인 초보자에게 코드로는 모델의 전체 구조가 이해되지 않아 학습 효율성이 떨어집니다.
솔루션	프론트엔드 : React + TypeScript + Tailwind CSS 를 통한 웹 화면 구축, D3.js(시각화) 백엔드 : Node.js(API 서버), Nginx, Docker(배포), MySQL(데이터베이스) AI : TensorFlow.js (브라우저 기반 AI 학습), Keras (모델 정의 및 학습), Scikit-learn (기본 머신러닝 알고리즘), chatGPT API, FastAPI
오래 축적한 데이타의 잠재적 가치	서비스를 통해 축적된 데이터는 AI 교육에 있어서 중요한 역할로 작용할 것입니다. 학생들의 학습 데이터를 활용해 AI 모델의 성능 개선에 기여할 수 있고, 다양한 분야에서 노코드 AI 모델의 실제 적용 데이터가 축적되면, 향후 더 고도화된 고객 맞춤형 AI 모델 생성이 가능해집니다.
기대성과	1. 워크플로우를 전반적으로 시각화할 수 있으므로 코딩 지식이 부족한 사람들에게도 AI에 대한 접근성 향상 2. 이론과 실습을 동시에 경험할 수 있는 AI 교육 지원 활성화 3. 블록을 통한 모델의 구조 및 오류 원인을 시각화하여 AI 학습 효율성 향상
팀 그라운드룰	https://github.com/highway-bestdriver/Autoride/blob/main/Ground_Rule.md

Return Top

Team 15

항목	내용
팀명칭	SSB
프로젝트명	TheraTalk
키워드	AI Therapist Matching (AI 기반 치료사 매칭), Secure Encrypted Communication (보안 암호화 통신), Mental Health Support Platform (정신 건강 지원 플랫폼)
무엇을 만들고자 하는가	We are developing a platform that provides personalized mental health counseling services through AI-based therapist matching and secure encrypted communication.
고객	Demographics: Age: All ages Gender: All genders Occupation: College students, young professionals, and working adults Location: Primarily South Korea, expanding to global markets Persona Descriptions: Busy Professionals: Individuals with demanding jobs who struggle to find time for mental health support but seek flexible, remote therapy options. Stressed Students: University or college students dealing with academic pressure and life transitions, needing accessible mental health resources. General Users Seeking Privacy: People who value anonymity and privacy while discussing mental health issues and prefer online platforms for counseling.
Pain Point	TheraTalk’s target customers face several challenges: Busy Professionals: Struggle to find time for therapy due to demanding schedules and must rely on expensive, inflexible in-person sessions. Stressed Students: Lack accessible, affordable mental health resources and may avoid therapy due to cost or intimidation. Privacy-Seeking Users: Fear stigma or confidentiality issues, leading them to avoid seeking help or face discomfort with traditional therapy options.
솔루션	Front-End: React Native or Flutter: For building the mobile application. UI Libraries: Material-UI or Bootstrap for designing the user interface. API Integration: Axios or Fetch API for communicating with the back-end. Back-End: Node.js or Django: For server-side logic and API development. Database: PostgreSQL or MongoDB for storing user data, session logs, and therapist information. Authentication: OAuth 2.0 for secure user authentication and session management. Phone Number Authentication. K-Pass. Apple Pay/ KakaoPay/ Naver Pay / Samsung Pay/ Third Party payment methods: online banking.
오래 축적한 데이타의 잠재적 가치	After 3 years, TheraTalk will accumulate the following valuable data: User Data: Mental health needs, session usage, and engagement trends. Value: Personalize services and improve retention. Therapist Performance: Session outcomes and feedback. Value: Improve AI matching and therapist quality. Mental Health Trends: Anonymized data on user mental health patterns. Value: Contribute to research and identify emerging mental health trends.
기대성과	When TheraTalk is launched, the following outcomes are expected: Increased Access to Mental Health Support: More people will have access to affordable, flexible therapy options, breaking down barriers like cost, time, and location. Improved Mental Health Outcomes: Personalized AI matching will connect users with the right therapists, leading to more effective treatments and better mental health for users.
팀 그라운드룰	https://github.com/batoulissa/CapstoneProjectGroup15/blob/c44428cac185ca3e13c5c22c3ccaf031d693c22d/GroundRules.md

Return Top

Team 16

항목	내용
팀명칭	RexT
프로젝트명	위성인터넷 해킹을 통한 프라이버시 유출 방지를 위한 Fingerprinting 기법을 활용한 Starlink 네트워크 취약점 분석
키워드	Starlink Network, AI for security, Website Fingerprinting
무엇을 만들고자 하는가	저궤도 인공위성 네트워크인 Starlink에서 발생하는 트래픽을 분석하여, 사용자가 특정 웹사이트에 접속했는지 추적할 수 있는 Fingerprinting 공격 기법을 Starlink에 적용해 보안 취약점을 탐색하고, 유사한 보안 공격에 대비할 수 있는 방어 기법을 제시함.
고객	- 타겟 사용자 : 기존 네트워크 인프라가 발전하지 않은 지역의 사용자들과 더 빠른 인터넷을 원하는 사용자들, 나아가 6G 시대에 보편적으로 도입될 위성 인터넷을 사용하게 될 전 세계 사용자들 - 사용 시점: 위성 인터넷을 통해 사용자가 웹사이트에 접속할 때 - 문제의 구체성 : Fingerprinting 공격으로 인해 인터넷 사용자의 웹사이트 접속 기록을 비롯해 유저의 프라이버시가 자신도 모르는 사이에 유출될 수 있다는 문제가 있음
Pain Point	Fingerprinting 공격을 통해 사용자가 접속하는 웹사이트를 추적하면, 정치 성향이나 질병 정보, 금융 정보 등과 같은 민감한 개인 정보가 유출될 수 있다. Starlink를 포함한 전반적인 네트워크의 프라이버시 문제가 급부상하고 있는 반면, 현재 Starlink를 타깃으로 한 Fingerprinting는 선행 연구가 진행된 바가 없다. 이러한 상황에서 Starlink를 통한 위성 인터넷이 보급된다면 거대 보안 이슈가 발생할 수 있다.
솔루션	- Website Fingerprinting - Mutual Information Analyzer - Feature Analysis - Deep Learning: ResNet, GPT, GAN, etc.
오래 축적한 데이타의 잠재적 가치	현재 Starlink 네트워크 상에서 Fingerprinting을 위한 데이터 수집은 거의 이뤄지지 않고 있다. 앞으로 6G 시대에 보편적으로 도입될 위성 인터넷을 사용한 데이터 수집이 활발하게 이루어진다면, 대량의 데이터를 바탕으로 다양한 Fingerprinting 공격 시나리오를 만들어 여러 실험을 진행할 수 있을 것이다. 이를 통해 보다 더욱 현실적이고 좋은 성능을 내는 Fingerprinting 공격 모델과 이에 대응하는 보안 솔루션을 제안할 수 있을 것으로 예상한다.
기대성과	이번 프로젝트에서는 Starlink 네트워크 상의 새로운 Fingerprinting 공격 기법을 개발하여 위성 통신의 보안 취약점을 탐색하고, 추후 추가 연구를 통해 이를 보완할 수 있는 방어 기법을 제시한다. 이를 통해, Starlink를 포함한 위성인터넷 서비스의 보안 솔루션을 제공하고, 앞으로 6G 시대의 도래와 함께 상용화될 인공위성 네트워크와 Starlink 보안 분야 연구의 초석이 될 것으로 기대한다.
팀 그라운드룰	https://github.com/Capstone-RexT/Documents/blob/main/Ground_Rule.MD

Return Top

Team 17

항목	내용
팀명칭	테크핑
프로젝트명	EASY-STOCK: 주식 투자에 입문하고 싶지만 진입 장벽을 느끼는 2030세대를 위해 AI 챗봇을 활용해 쉽게 학습하고 모의 투자를 경험할 수 있는 초보자용 모의 투자 서비스
키워드	모의투자, 튜토리얼형 퀘스트, Custom Generative AI, Yahoo Finance API
무엇을 만들고자 하는가	저희는 주식 투자 입문에 진입장벽을 느끼는 2030세대를 위해 Custom Generative AI 챗봇을 활용해 주식 투자 방법을 학습하고, Yahoo Finance API를 연동하여 실제 데이터를 기반으로 쉽고 빠르게 주식 투자를 경험할 수 있는 모의 투자 플랫폼을 개발하고 있습니다.
고객	- 주식투자 입문에 진입장벽을 느끼는 2030 남녀 - 페르소나: 김이화(23세, 4학년 취준생) 고객 경험: 기존 증권사의 모의 투자 어플을 다운받아보았지만 주식 용어가 생소하고, 돈을 잃을까봐 겁을 먹고 삭제함. 인터넷에 정보가 너무 많아 어디서 시작해야 하고, 뭐가 사실인지 잘 모르겠음. 따로 주식을 공부하거나 동아리에 들어가기에는 시간이 나지 않음. - 구체적인 요구: 1) 주식 투자로 돈을 벌고 싶은 욕구: 재정적 자립과 추가 투자 수익을 목표로 자산 관리를 하고 싶음. 2) 학습의 용이성: 주식 투자에 대한 두려움을 극복하고 재정적 손실 없이 학습하고 싶음. 3) 빠르고 간편하게 주식 투자를 배우고 적용할 수 있는 방법을 찾고 있음.
Pain Point	- 페인포인트 1) 어려운 주식 개념 및 용어들: 주식 용어 및 차트 분석이 어려워 스트레스를 받고 실제로 투자를 할 수 있을 정도의 지식을 가질때까지 학습을 이어가기 어려워함. 2) 손실에 대한 공포: 잘 모르고 아무데나 투자했다가 돈을 잃게 되는것에 대한 두려움으로 인해 실제 투자를 시작하기 어려워함. 3) 시간과 정보 부족: 따로 시간내서 공부하지 않으면 신뢰할 수 있는 정보와 쉽게 접근 가능한 자료를 찾기 힘들어 학습 및 투자 의지가 약해짐.
솔루션	Features: 1)주식 용어와 데이터 답변을 제공하는 AI 챗봇 2)실제 주식 데이터를 활용한 모의투자 서비스 3.학습 보조 기능(튜토리얼, 퀴즈) Front-end: -React, TypeScript, Netlify Back-end: - Flask, Spring boot, Spring Security, Spring Data JPA, Oauth 2.0, AWS, Docker, Nginx AI: -Generative AI(NLP, LLM, GPT-4 Turbo, Prompt-Engineering) Data: - Crawling(Selenium, BeautifulSoup) - Yahoo Finance API Collaboration: - Swagger, Notion, Discord, Git
오래 축적한 데이타의 잠재적 가치	1) 초보 투자자들의 주요 질문 데이터: 서비스 사용 중 자주 묻는 질문(FAQ)을 분석하여 AI 챗봇의 학습 데이터를 업데이트하고 더 정확하고 유용한 답변을 제공함으로써 사용자 경험을 지속적으로 향상시킬 수 있음. 2) 입문 시 선호하는 종목 및 투자 패턴 데이터: 주식 입문자들이 처음에 선호하는 종목과 투자 성향을 파악하여, 맞춤형 추천 시스템을 추가하거나 인기 있는 투자 전략을 추천할 수 있음. 3) 투자 성과 및 피드백 데이터: 사용자의 모의 투자 결과와 플랫폼에 대한 피드백을 수집하여, 초기 투자 교육의 효과성을 측정하고 투자 전략 및 교육 콘텐츠를 제공할 수 있음.
기대성과	1) 주식 투자 진입 장벽 해소: AI 챗봇을 이용한 직관적인 학습과 모의 투자 경험으로, 주식 투자에 대한 진입장벽이 줄어들고 더 많은 사람들이 자신감을 가지고 투자에 도전할 수 있음. 2) 개인 맞춤형 투자 교육 제공: 축적된 데이터를 기반으로 사용자의 투자 성향과 관심사에 맞춘 맞춤형 투자 교육 콘텐츠를 제공하여 학습 효율성을 높이고 실제 투자의 성공 가능성을 높일 수 있음. 3) 모의 투자 데이터를 기반으로 투자 입문자에 대한 인사이트 제공: 투자 입문자들의 투자 패턴과 성향 관련 인사이트를 통해 향후 금융 교육과 투자 전략 개발에 기여함.
팀 그라운드룰	https://github.com/CapstoneTeam17/GroundRule/blob/main/GroundRule.md

Return Top

Team 18

항목	내용
팀명칭	코드의 정상화
프로젝트명	거리와 길의 경사 선택, 사용자 피드백을 반영해 개인 맞춤형 러닝 경로를 추천하는 서비스
키워드	경로추천, 피드백, GraphHopper
무엇을 만들고자 하는가	사용자가 출발지와 목적지, 거리, 길의 경사를 선택하면 길의 정보를 실시간으로 반영하여 러닝 경로를 추천하고 사용자 피드백을 통해 추천 경로를 개선함
고객	이현우(32세, 서울 강남구 거주)는 IT 회사에서 데이터 분석가로 근무하는 직장인으로, 주 3-4회 러닝을 즐기는 열정적인 러너이다. 평균 5-10km의 러닝을 선호하며, 시간당 5-6km의 속도로 1시간 안팎의 러닝을 주로 계획한다. 건강 관리와 체력 단련, 스트레스 해소를 목표로 운동하며, 특히 서울 내 다양한 경로를 탐색하고 새로운 장소를 달리는 즐거움을 느낀다. 현우는 출근 전에 러닝을 하는 경우가 많아 러닝시간뿐만 아니라 출발부터 러닝을 완료한 후 집에 돌아오기까지 걸리는 시간을 알 수 있기 원하고, 무릎 건강을 고려해 경사도가 낮은 평탄한 길을 선호한다. 기존의 러닝 앱들은 이러한 개인적인 니즈를 세부적으로 반영하지 못해 아쉬움을 느끼고 있다. 또한 반복적인 경로로 인해 러닝에 대한 흥미가 점점 떨어지고 있어, 자신만의 맞춤형 경로 추천 서비스를 간절히 바라고 있다.
Pain Point	원하는 거리만큼 러닝을 하고 싶지만 길을 잘 몰라 직접 돌아다니며 거리와 경사를 확인해야 함
솔루션	React Native Django Python PostgreSQL GraphHopper Scikit-Learn
오래 축적한 데이타의 잠재적 가치	사용자 패턴과 보편적으로 선택되는 경로 패턴의 분석을 통해 초기 런칭 때보다 시행착오를 덜 겪고 개인 맞춤형 경로를 추천해줄 수 있음
기대성과	사용자가 원하는 시간 또는 거리만큼 러닝할 수 있으므로 불필요한 에너지 소모를 줄일 수 있음 -사용자가 기존 러닝 코스보다 다양한 코스로 러닝을 할 수 있게 되므로 러닝 빈도가 늘어나는 효과를 기대할 수 있음
팀 그라운드룰	https://github.com/jwayj/graduation-project/blob/main/Ground_Rule.MD

Return Top

Team 19

항목	내용
팀명칭	JEY
프로젝트명	3D Gaussian Splatting과 Latent Diffusion을 이용한 Single image-to-3D Model 개선 연구: polygon 경량화를 통한 topology 최적화를 중심으로.
키워드	3D Gaussian Splatting, Latent Diffusion, Computer Graphics
무엇을 만들고자 하는가	응용프로그램에서 활용할 수 있을 만큼 경량화된 3D 모델을 단 한 장의 사진으로 생성하는 프레임워크
고객	- 학부생 게임 개발자 정일반 개인 촬영이나 웹서핑으로 얻은 사진 몇 장만으로 자신의 게임 3D 환경에 모델을 업로드하고 싶음. - 3D 모델링 디자이너 이전문 3D 모델링 작업을 이용해 작업의 효율을 높이고 싶음.
Pain Point	- 학부생 게임 개발자 정일반 게임 내에 단 한 장의 사진으로 3D 모델을 생성해서 넣고 싶음. 하지만 현재 3D 모델링 기술은 다양한 각도의 전문적인 사진을 요구하고, 너무 오랜 시간이 걸림. 또한, 오랜 시간이 걸려 3D 모델링 했는데, 제작한 모델의 용량이 너무 커서 게임에 업로드 할 수 없음. - 모델링 디자이너 이전문 직접 모델링하는 것에 비해, 3D 모델링의 이점이 없음. 여러 각도로 사진 찍고, 오랜 시간을 기다려야 할 바에는 직접 모델링하는 것이 효율적임. 모델링 후에 수정할 부분도 많고, 용량도 너무 큼.
솔루션	1. Latent-Diffusion: 제한된 시점에서 3D 객체의 모습을 추론하고 생성하는 diffusion process를 더 낮은 차원으로 가능하게 하여 모델의 과정을 경량화한 deep generative 기술. 2. 3D Gaussian Splatting: 3D Gaussian 최적화를 사용해서 기존의 NeRF보다 빠른 속도로 3D 모델을 생성하는 기술. 3. Mesh Extraction/Mesh Refinement: Instant-NGP으로 3D Gaussian을 NeRF로, NeRF2Mesh으로 NeRF을 Mesh로 바꾼 후 추출된 mesh를 후처리하는 기술
오래 축적한 데이타의 잠재적 가치	- 3D 모델 데이터베이스(다양한 물체와 장면에 대한 3D 모델 데이터베이스), 2D에 대응되는 3D 모델 예측 데이터, 및 생성 결과에 대한 피드백(3D 모델 생성 과정에서의 diffusion 모델 피드백 기록) 축적 - 축적된 3D 모델과 피드백 데이터를 기반으로 diffusion model 개선 알고리즘을 지속적으로 발전시켜 3D 모델의 정확도와 품질 향상
기대성과	- 많은 사용자(게임 사용자)들이 단일 사진으로 빠르게 고품질 3D 모델을 생성할 수 있게 되어 3D 환경 구축에 대한 접근성이 확대될 것임. - 많은 사람들이 3D 모델링을 사용하게 되어 데이터가 풍부하게 축적될 것임. - 데이터의 양이 커짐에 따라 모델의 성능이 지속적으로 향상되어 상용화 될 것임.
팀 그라운드룰	https://github.com/jiu31/capstone-project/blob/main/Ground_Rule.md

Return Top

Team 20

항목	내용
팀명칭	뜨개걸즈
프로젝트명	Image Segmentation(DeepLab&Unet), GAN Pix2Pix를 활용하여 제품 이미지에서 뜨개질 패턴 추출 및 도안 생성하는 서비스
키워드	Image segmentation(Unet. DeepLabV3), GAN Pix2Pix, Deep Dream
무엇을 만들고자 하는가	뜨개질 입문자부터 숙련자까지 모든 뜨개인을 위한 AI 뜨개질 도안 생성 및 커뮤니티 어플리케이션
고객	연령 무관, 직업 무관, 주로 여성의 뜨개질 취미로 하고 있는 입문자 및 숙련자 <입문자> - 원하는 도안을 찾기 어렵고, 도안 읽는 법에 익숙하지 않은 뜨개질 입문자 - 어디가 틀렸는지 알 수 없어 물어볼 사람이 필요한 입문자 <숙련자> - 도안을 자신이 원하는 무늬로 커스텀하고 싶은 뜨개질 숙련자 - 도안을 자신의 사이즈에 맞게 편집하고 싶은 뜨개질 숙련자 <공통> - 자신의 작품과 도안을 공유하고 싶은 모든 뜨개인
Pain Point	<입문자> - 원하는 도안을 찾기 어렵고, 도안을 찾더라도 도안의 표기 방식이 제각각이라서 이해하기 어려움. - 주변에 같이 뜨개질을 하는 사람이 없으면, 틀린 부분이 있어도 물어볼 사람을 찾기 어려움. <숙련자> - 도안을 새로 그리거나 기존 도안을 편집할 때, 엑셀이나 일러스트레이터 등의 툴을 이용해서 수작업으로 수정해야 돼서 번거로움. - 체형에 맞춰 수정이 필요한 의류의 경우, 도안만으로는 사용자의 사이즈에 맞는 치수 계산이 어려움
솔루션	1. GAN pix2pix: 이미지 대 이미지 변환 모델 2. Deep Dream: 패턴 시각화 모델 3. Image Segmentation(Unet, DeepLabV3): 이미지 클래스 분류 4. OpenCV : object detection에 사용할 이미지 및 비디오 처리 라이브러리
오래 축적한 데이타의 잠재적 가치	1. 무료 맞춤형 도안 제공을 통해서 뜨개질 도안에 대한 ‘접근성’ 향상될 수 있음. 2. 축적된 커뮤니티 및 도안 데이터를 통해 트렌드 및 유행을 분석할 수 있음. 3. 뜨개질 과정 중에 생기는 질문을 커뮤니티에서 공유함으로써 ‘뜨개 문화의 대중화’ 가능함.
기대성과	1. 편리한 어플리케이션과 AI 도안 자동 생성 기능으로 누구나 쉽게 뜨개질에 입문하게 하여 뜨개질의 대중화를 노릴 수 있음 2. 여러가지 무료 도안과 사용자 맞춤형 도안들이 생성됨으로써 뜨개질을 하고자 하는 누구나에게 쉬운 경제적 접근성을 제공 3. 한국어로 된 서비스를 제공하여 기존 영어 어플리케이션의 불편함 해소함과 동시에 활발한 소통의 창구 마련
팀 그라운드룰	https://github.com/KnittingGirls/KnittingGirls/blob/main/Ground_Rule.MD

Return Top

Team 21

항목	내용
팀명칭	가능한
프로젝트명	Missing Modality Generation via Video-Audio Semantic Mapping in Federated Learning for Action Recognition
키워드	Federated Learning, Generative AI, Action Recognition, Multimodal
무엇을 만들고자 하는가	행동 인식 정확도를 높이기 위해, 연합 학습 환경에서 비디오-오디오 의미적 매핑을 통한 결손 모달리티를 생성한다.
고객	연합학습 환경에서 비디오-오디오 데이터를 활용한 video action recognition 작업 시, audio modality가 누락되는 문제가 종종 발생합니다. 이러한 문제는 데이터 불균형 상황으로 정의할 수 있으며, 이는 연합학습의 성능 저하를 초래하는 주요 원인 중 하나입니다. 또한, action recognition에 사용되는 데이터는 개인의 얼굴 등의 개인정보를 포함하고 있기 때문에 클라이언트 간 직접적인 데이터 공유 시 privacy 문제가 발생합니다. 더불어, video action recognition은 비디오를 처리해야 하므로, 이는 단순 이미지 혹은 텍스트 처리보다 communication overhead가 크다는 한계점이 있습니다.
Pain Point	audio modality의 누락은 연합학습 성능 저하를 유발하며, 이는 행동 인식의 정확도를 감소시키는 원인입니다. 또한, 비디오 처리는 communication overhead를 크게 증가시키며, 이는 시간과 비용 측면에서 매우 비효율적입니다. 더불어, 데이터의 privacy 보호가 이루어지지 않을 경우, 모델 학습에 사용할 수 있는 데이터의 양이 크게 줄어듭니다. 선행 연구들에서는 Semantic Mapping을 위해 주로 BERT를 사용하고 있습니다. 하지만 BERT는 텍스트 기반 모델로 설계되었기에, video(image)에서 추출된 정보와의 상호작용에는 한계가 존재합니다. 이러한 문제들은 모두 모델 성능의 저하, 행동 인식의 정확도 감소로 이어집니다.
솔루션	OpenCV (https://github.com/opencv/opencv) NumPy (https://github.com/numpy/numpy) PyTorch(VAE) (https://github.com/pytorch/examples/tree/main/vae) Hugging Face (https://github.com/huggingface/transformers) GPT-4 Vision API (https://platform.openai.com/) PySyft (https://github.com/OpenMined/PySyft)
오래 축적한 데이타의 잠재적 가치	누락된 데이터를 생성하는 경우, 행동 인식 모델의 안정성과 결과 처리 능력, 즉 정확도가 크게 향상될 것으로 예상됩니다. 현재 모달리티가 누락된 상황에서는 해당 모달리티를 무시하거나, 오히려 다른 모달리티를 제거하는 방식이 주로 사용되고 있습니다. 그러나 이러한 방법은 원래 기대했던 결과를 온전히 도출해내기 어렵습니다. 반면, 모달리티 누락 문제를 ‘데이터 생성’으로 해결한다면, 원래 의도한 결과는 물론, 그 이상의 성과를 얻을 수 있을 것입니다. 또한, 이 접근 방식은 비디오-오디오 기반 행동 인식 뿐 아니라, 더 나아가 다양한 멀티모달 연합학습 상황에서도 폭넓게 활용될 수 있을 것입니다.
기대성과	연합학습 환경에서 Audio Video Semantic Mapping을 통해 Audio Feature를 성공적으로 생성할 수 있다면, privacy 보호와 communication overhead 감소는 물론, 모델 성능 향상을 통해 action recognition의 정확도까지 높일 수 있을 것으로 기대됩니다. 이를 통해 의료 및 헬스케어, 스마트 보안 시스템과 같이 높은 Video Action Recognition 정확도와 데이터 보안이 필수적으로 요구되는 분야에 큰 이점을 제공할 수 있습니다. 즉, 이러한 연구는 민감한 개인정보를 다루는 상황에서 데이터 공유의 제약을 완화하면서도, 더 나은 예측 성능을 유지하는데 기여할 수 있어 매우 유용할 것입니다.
팀 그라운드룰	https://github.com/Capstone-TeamPossible/TeamPossible/blob/main/Ground_Rule.MD

Return Top

Team 22

항목	내용
팀명칭	ZIP가기
프로젝트명	RAG 기반의 자립 준비 청년을 위한 신뢰성 있는 최신 복지 정보를 반영하여, 맞춤 응답을 제공해주는 대화형 3D 도우미 서비스
키워드	자립 준비 청년, 3D 캐릭터, 커뮤니티, 복지 정보 제공, 크롤링, RAG
무엇을 만들고자 하는가	자립 준비 청년들이 자립 과정에서 맞닥뜨리는 어려움을 해결하는 통합 플랫폼으로, 주기적으로 크롤링한 최신신 주거 지원 정보, 취업 정보, 지원금 정보를 한 눈에 제공하며 사용자가 일일히 찾아보지 않더라도 대화형 3D 도우미에게 제공받고 싶은 정보를 입력하여 물어보면 3D 도우미가 텍스트, 음성 형태로 해당 정보를 제공해주는 기능과 자립 준비 청년들 간의 커뮤니티를 구축하는 웹서비스
고객	1. 김수현 (19세, 여성): 실질적인 지원 정보 탐색자 - 상황: 김수현은 아동복지시설에서 보호받다가 만 18세에 보호가 종료된 청년이다. 현재 자립을 위해 정부 지원금, 주거 지원, 그리고 취업 관련 정보를 알아보고 있지만, 정보가 산발적으로 흩어져 있어 찾는 데 어려움을 겪고 있다. 수현은 이제 독립적으로 생활할 준비를 해야 하지만, 아직 사회 경험이 부족해 어디서부터 시작해야 할지 막막하다. 자립 준비 청년을 위한 종합적인 플랫폼이 있다면, 한 곳에서 필요한 정보를 쉽게 찾고, 자기 상황에 맞는 맞춤형 도움을 받기를 원한다. - 평소 관심사: 안정적인 주거지 확보, 취업 정보 탐색, 재정 관리 - 기술 친화도: 스마트폰과 기본적인 인터넷 검색 능숙. 복잡한 절차에 익숙하지 않지만 필요한 기술을 배우는 데 어려움이 없음. - 플랫폼 이용 목적: 자립 준비 청년을 위한 정부 지원 정보와 주거, 취업 정보를 한 곳에서 종합적으로 제공받아, 안정적인 자립을 준비하기 위해. - pain point: 자립을 위해 필요한 정보가 여기저기 흩어져 있어 찾기가 어려우며, 자신에게 맞는 정보를 빠르게 찾지 못해 불안함을 느끼는 상황. - 목표: 자신에게 맞는 지원과 정보를 쉽게 찾아 자립 과정을 체계적으로 준비하고, 사회에 안정적으로 정착할 수 있도록 돕는 것. 2. 이준호 (20세, 남성): 사회적 연결과 심리적 지원을 원하는 청년 - 상황: 이준호는 가정위탁을 받다가 보호가 종료된 후, 홀로 사회에 나와 자립을 준비하고 있다. 그는 자립을 위한 실질적인 정보 외에도 비슷한 상황을 겪는 또래들과 소통하고, 사회적 고립감을 덜기 위해 네트워크를 형성하는 것이 중요하다고 느낀다. 준호는 자립 과정에서 경제적인 어려움뿐만 아니라 심리적 지원도 필요함을 절감하고 있으며, 이를 통해 안정적인 자립을 이루고 싶어 한다. 그가 바라는 것은 지원 정보와 함께, 비슷한 경험을 한 사람들과 연결되어 심리적 안정과 교류의 기회를 얻는 것이다. - 평소 관심사: 심리적 지원, 사회적 네트워크 형성, 재정 관리와 취업 정보 - 기술 친화도: 인터넷과 SNS 사용에 익숙하며, 온라인에서 다양한 정보를 탐색하고 공유하는 것을 좋아함. - 플랫폼 이용 목적: 자립 준비 청년들과 연결되어 서로의 경험을 공유하고, 심리적 안정과 더불어 맞춤형 자립 플랜을 통해 단계적으로 자립 과정을 준비하기 위해. - pain point: 자립 과정에서의 고립감과 불안감이 크며, 실질적인 지원뿐만 아니라 심리적 지원이 부족함을 느낌. 혼자 해결해야 하는 부담감이 큼. - 목표: 비슷한 상황에 있는 청년들과 연결되어 심리적 지지를 얻고, 재정 및 주거 상태에 맞춘 맞춤형 자립 계획을 세워 사회적, 경제적 안정감을 얻는 것.
Pain Point	<자립 준비 청년의 정보 접근성과 심리적 지원의 부재> 1. 정보 접근성 부족 : 공공 및 민간 지원 정보가 흩어져 있고 실시간 업데이트가 어려워 최신 정보를 놓치기 쉬움. 2. 비효율적인 정보 탐색 및 관리 : 사용자가 지원 정보를 기억하려면 따로 문서 작업, 메모 등의 과정을 거쳐야 하며 이 과정에서 많은 시간과 노력이 소모됨. 3. 정서적 지지 부족 : 동질감을 가진 자립 준비 청년들 간 온라인 소통 공간이 부재한 상황임.
솔루션	[Frontend] - React - Three.js ( 3D 모델링 라이브러리 ) [Backend] - MySql - SpringBoot - Chroma [AI] - Chat-GPT4 - Selenium (복지 정보 크롤링 목적) - RAG (맞춤형 자립 플랜) - rhubarb ( 음성을 음소 단위로 쪼개서 립싱크를 도와줌 )
오래 축적한 데이타의 잠재적 가치	축적될 데이터 - 복지 정보 : 공공기관에서 제공하는 자립 지원 관련 정보 (주거 지원, 취업 지원, 생활 지원금 등) 및 업데이트된 최신 정보. - 자립 준비 청년이 겪는 어려움이 무엇인지, 관심을 가지는 정보가 무엇인지. 데이터로부터 생성할 수 있는 가치 - 맞춤형 자립 정보 개선: 축적된 데이터를 기반으로 청년 개개인의 상황과 진척도에 맞춘 더욱 정교한 맞춤형 정보를 추천할 수 있음.<br- 데이터 기반 정책 제안: 자립 정보 조회 데이터를 바탕으로 자립 준비 청년들의 주요 어려움을 분석해 정부 및 관련 기관에 제안하여, 실제 정책 개선과 지원금 확대 등에 기여할 수 있음. 데이터 분석 결과를 바탕으로 복지 정책의 효율성 증대.
기대성과	1. 정보 접근성 향상 - 공공 및 민간에서 제공하는 최신 주거, 취업, 지원금 정보를 종합적으로 제공하여 자립 준비 청년들이 정보 탐색 과정에서 겪는 막막함을 해소. - 주기적으로 크롤링한 데이터를 기반으로 3D 챗봇이 사용자 질문에 텍스트와 음성으로 실시간 답변을 제공하여 정보 접근의 편의성을 높임. 2. 정서적 지원 및 사회적 네트워크 형성 - 비슷한 상황을 겪고 있는 자립 준비 청년들 간 커뮤니티를 제공하여 상호 교류와 지원을 통해 심리적 안정감과 동질감을 형성. - 자립 선배들의 경험과 조언을 통해 실질적인 도움과 심리적 지지를 받을 수 있도록 지원. 3. 정보 관리 효율화 - 사용자가 정보를 별도로 메모하거나 정리하는 과정을 줄이고, 플랫폼 내에서 필요한 정보를 효율적으로 검색하고 활용 가능 - 3D 챗봇을 통한 빠르고 간단한 정보 검색으로 정보 탐색 시간 단축. 4.사용자 친화적 경험 제공 - 3D 캐릭터와의 대화를 통해 딱딱하지 않은 친근한 방식으로 정보를 제공, 사용자 경험을 향상. - 직관적 인터페이스와 쉬운 접근성을 통해 누구나 쉽게 이용할 수 있는 환경을 조성.
팀 그라운드룰	https://github.com/TEAM-ZIP/submit/blob/main/Ground_Rule.md

Return Top

Team 23

항목	내용
팀명칭	클로버
프로젝트명	생성형 AI와 프롬프트 엔지니어링를 활용하여 실시간으로 주문과 매장 문의를 처리하는 대화형 휴먼터치 AI 챗봇 서비스
키워드	생성형AI, 주문 및 매장 문의 처리, 휴먼터치 챗봇
무엇을 만들고자 하는가	생성형 AI와 프롬프트 엔지니어링를 활용하여 친절함을 바탕으로, 실시간으로 주문과 매장 문의에 유연하게 대응하는 대화형 휴먼터치 AI 챗봇 서비스를 만들고자 한다.
고객	(1) 이름 : 조승현 연령 : 35세 성별 : 남 직업 : 1인 음식점 사장님 상황 : 대학가에서 1인 음식점을 운영 중이다. 바쁜 시간대에는 고객 응대, 주문, 음식 조리를 혼자 처리하기 어려운 상황이다. 찾아주는 손님들을 보다 친절하게 맞이하고 소소한 대화로 따뜻한 경험을 제공하고 싶지만 혼자서는 역부족이다. 키오스크의 도입을 고려했지만 높은 설치 비용과 단순 주문 처리 외 고객 요청이나 문의 응대는 불가능하다는 한계에 마주쳤다. 메뉴 추천이나 문의 응대 등을 위해 직원 고용도 고려하였지만 경제적으로 부담되어 혼자서도 서비스를 원활하게 제공할 방법이 필요한 상황이다. (2) 이름 : 박채영 연령 : 29세 성별 : 여성 직업 : 회사 상황 : 채영은 회사 근처에서 일을 마치고 혼자 밥을 먹으러 음식점을 찾았다. 피곤한 하루를 보낸 채영은 음식점에서만큼은 편안하고 기분 좋게 시간을 보내고 싶었다. 평소 메뉴 선택에 고민이 많은 채영은 직원에게 추천 메뉴를 물었지만, 직원이 바빠 보이며 성의 없는 대답을 했을 때 조금 서운함을 느꼈다. 게다가 갑자기 추워진 날씨 탓에 매장이 너무 차가워 히터를 켜달라고 하고 싶었지만, 바쁜 직원에게 말을 걸기가 망설여져 그냥 참고 말았다. 힘든 하루를 기분 좋게 마무리하고 싶었던 채영은 결국 만족스럽지 않은 경험에 더 우울한 기분이 들었다.
Pain Point	- 1인 사장님은 혼자 모든 주문, 응대, 음식 조리를 처리해야해 고객의 주문 편의성과 문의 응대가 원활하지 않아 서비스 품질과 고객 만족도가 저하되는 어려움을 겪고 있다. - 키오스크나 테이블 오더에 익숙하지 않은 고객은 메뉴 선택과 주문 등의 과정에서 혼란을 겪어 시간이 지체되며, 이로 인해 불편함을 느끼고 전반적인 서비스 만족도가 저하된다.
솔루션	- 프롬프트 엔지니어링을 통해 챗봇이 고객의 요청을 정확히 반영하는 응답을 제공하도록 설계한다. [FE] - React : https://ko.legacy.reactjs.org/ [BE] - Language : JAVA https://www.java.com/ - Framework : Spring https://spring.io - DB : MySQL https://www.mysql.com/ - Server : AWS EC2 https://aws.amazon.com/ko/ec2 [API] - GPT 4o-mini: https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/
오래 축적한 데이타의 잠재적 가치	-고객 질문 유형 및 응답 성능 데이터: 고객이 자주 묻는 질문 유형, 각 질문에 대한 응답 시간과 정확도, 응답 후 고객이 다시 질문하기까지의 시간 -재요청 데이터: 고객이 답변을 이해하지 못해 반복 요청하는 횟수 -주문 진행 및 중단 데이터: 주문 흐름에서 특정 단계의 이탈률, 특정 메뉴나 옵션을 선택했을 때 주문 중단 빈도, 전체 주문 완료 비율 이 데이터를 통해 고객의 주요 문의 유형과 응답 시간을 분석하여 챗봇의 응대 품질을 향상시킬 수 있습니다. 프롬프트 엔지니어링을 통해 고객의 요청을 더 정확하게 이해하고, 반복 요청을 줄임으로써 편리한 사용자 경험을 제공합니다. 또한, 주문 과정에서 발생하는 이탈 데이터를 분석해 주문 완료율을 높이고 고객의 주문 환경을 더욱 원활하게 만들 수 있습니다.
기대성과	- 생성형 AI를 통한 자연스러운 대화가 가능해지면서, 다양한 요구나 질문에도 즉각 대응할 수 있어 사용자의 서비스 만족도 향상을 기대할 수 있다. - 마치 손님을 응대하는 직원을 둔 것과 같은 서비스를 제공함으로써, 기존 매장 운영자들의 고객 응대 부담과 직원 고용의 부담을 줄일 수 있다. -직원과 달리 감정 기복 없이 항상 친절하고 공감 어린 응대를 제공하여 고객에게 일관된 응대와 만족감을 줄 수 있다. - 챗봇 사용을 통한 대화형 주문 방식으로 기존 키오스크나 테이블 오더 조작에 비해 매장 이용의 장벽을 낮출 수 있다. - 자신의 휴대폰을 이용해 주문하고, 메뉴 설명이나 추천 등을 받을 수 있어 빨리 주문해야 한다는 압박에서 벗어나 여유롭게 주문할 수 있다.
팀 그라운드룰	https://github.com/Clover-21/Clover-start/blob/main/Ground_Rule.md

Return Top

Team 24

항목	내용
팀명칭	대장정
프로젝트명	시선추적, 모션인식 및 생성형 AI 기반 발표 트레이너, SPitching
키워드	발표 습관 개선, 제스쳐 인식, 시선 트래킹, 생성형 AI
무엇을 만들고자 하는가	드라마 스타트업의 수지처럼 능숙하고 유창한 발표를 할 수 있도록, 시선추적 및 모션인식을 통해 사용자의 발표습관을 피드백해주고 생성형 AI를 통해 질의응답 대비 기능을 제공해주는 발표 트레이너 서비스입니다.
고객	이름 : 최떨림 나이 : 23세 직업 : 경영학과 4학년 대학생 Persona : 최떨림씨는 학과에서 발표할 일이 많은 경영학과 4학년 학생입니다. 발표실력을 스스로 향상시키고자 하지만 스피칭 학원에 다니거나 발표 코칭을 받기엔 시간과 비용이 많이 들어 이를 혼자 해결할 방법을 찾고 있습니다.
Pain Point	1. 시선처리 불안 : 떨림이는 발표할 때 청중을 보지 않고 대본만 보고 달달 읽을 때도 있고 종종 허공만 바라보며 발표하기도 합니다. 2. 불필요한 제스처 : 떨림이는 당황할 때 손을 입술에 갖다대거나 머리를 긁적입니다. 습관적으로 안경을 자주 올리기도 하고 너무 과한 손짓을 사용하기도 합니다. 3. 부정확한 말과 부적절한 어투 : 떨림이는 긴장을 하면 말 더듬거나 어..., 음...과 같은 불필요한 추임새를 넣습니다. 사투리가 나오거나 말이 빨라지면서 호흡이 가빠지기도 합니다. 4. 매끄럽지 않은 문맥과 부정확한 발표 내용 : 떨림이는 발표할 때 긴장하면 말의 순서가 다 꼬이고 중요한 내용을 빠뜨리기도 합니다. 5. 질의응답에 대한 두려움 : 떨림이는 발표 이후 질의응답에 대한 자신감 부족이 항상 큰 고민거리입니다.
솔루션	시선추적 기능 : OpenCV - Head Pose Estimation 모션인식 기능 : Google MediaPipe Pose 말의 정확도 및 어투 측정 기능 : Naver Clova STT or Google Cloud STT 질의응답 대비 및 전체 발표내용의 정확도 측정 기능 : Chat GPT 4o 프론트엔드 : react, typescript, tailwind 백엔드 : springboot, mysql, aws
오래 축적한 데이타의 잠재적 가치	오랜 데이터가 쌓이면서 다양한 사용자 그룹의 특성에 맞춘 코칭을 제공할 수 있습니다. 예를 들어 기업 발표, 투자자 대상 피칭, 학술 발표 등 특정 목적에 따라 데이터 기반 맞춤형 발표 코칭 서비스를 추가하는 것도 가능해집니다. SPitching이 수집한 데이터는 발표 습관 분석 및 개선을 위한 API 서비스로도 제공할 수 있습니다. 예를 들어 교육 플랫폼, 리더십 트레이닝 서비스, 대학 발표 연습 프로그램에 AI 발표 분석 기능을 더해, 추가적인 수익 모델을 창출할 수 있습니다.
기대성과	개인 맞춤형 발표습관 피드백을 받고 그에 맞는 발표 연습을 반복함으로써 발표에 대한 불안감을 극복하게 해줍니다. 시간과 공간의 제약 없이 발표 준비를 할 수 있습니다.
팀 그라운드룰	https://github.com/2024-capstone-project/MainRepo/blob/main/README.md

Return Top

Team 25

항목	내용
팀명칭	디어리
프로젝트명	비독서자들의 읽기 습관 형성과 지식 습득을 위해 Open Ai를 활용한 사용자 맞춤 퀴즈와 게임 기반 학습 제공 서비스
키워드	퀴즈봇, 프롬프트 엔지니어링, 교양 지식
무엇을 만들고자 하는가	비독서인들을 위해 빠르고 재미있게 글 읽기 습관 형성과 글을 통한 지식 습득을 도와줄 시용자 맞춤 퀴즈와 게임 기반 학습 제공 서비스
고객	고객의 demographic 연령: 22세 성별: 여성 직업군: 대학생 취미: 게임, 여행 고객 특징: 독서의 습관이 잡히지 않은 비독서자이지만 무식하다는 인상을 남들에게 주고 싶지 않은 일반적인 젊은이 최근 고민: 사람들과 대화하면서 교양있다는 느낌을 주고 싶긴한데... 책을 읽자니 안 읽는 책만 집에 쌓여 있고 좀 쉽게 상식을 얻을 수 있는 방법은 없을까?
Pain Point	1. 숏츠 등 짧은 영상 매체의 범람으로 인해 독서 습관이 제대로 잡히지 않아, 책을 통한 학습이 어려움 2. 책을 읽는 수가 줄어들어, 교양과 상식이 부족하다는 말을 듣는 젊은이가 늘어남 3. 책을 완독하기에는 많은 시간이 듦
솔루션	Front: reactNaitive Back: dajango DB: firebase 사용자에게 학습하고 싶은 키워드를 받아 기사를 출력해주는 기능과 퀴즈 생성 용도의 AI: Open API (gpt 4.0, gpt-4o-mini)API: Custom Search JSON API
오래 축적한 데이타의 잠재적 가치	장기간 데이터를 통해 사용자가 특정 유형의 문제나 주제에 대해서 어떤 성과를 보이는 지를 확인 할 수 있다. 이를 바탕으로 퀴즈 난이도를 최적화함으로써 사용자 경험을 개선하고 학습 스타일별 맞춤형 교육 서비스를 개발할 수 있다.또한 축적된 데이터는 AI가 사용자의 학습 수준과 패턴에 맞는 맞춤형 퀴즈와 학습 자료를 추천하는데에 도움을 줄 수 있으므로 AI 기반의 교육 솔루션을 제공할 수 있다.
기대성과	빠른 시간 안에 교양을 얻을 수 있어 사용자의 지적 욕구를 효율적으로 충족시킴으로써, 지식 습득함에 있어 새로운 패러다임을 제시한다. 또한 교육 기관에서의 활용을 기대해 볼 수 있으며, 경쟁 모드를 통해서 서로의 지식 수준을 파악할 수 있어 사용자들의 학습 욕구 증진이 가능하다.
팀 그라운드룰	https://github.com/dear-yy/CapstoneDesignProject/blob/main/Ground_Rule.md

Return Top

Team 26

항목	내용
팀명칭	Joggim'
프로젝트명	얼굴인식을 이용한 AI 기반 맞춤형 이상형 매칭 서비스
키워드	얼굴인식, 이상형 매칭 모델, 학습형 추천 시스템
무엇을 만들고자 하는가	얼굴 인식과 AI 기술을 결합하여 대학생들에게 자신에게 가장 적합한 외모와 성향을 가진 이상형을 쉽고 빠르게 찾을 수 있도록 돕는 맞춤형 소개팅 서비스이다.
고객	- 이름: 남새미 - 나이: 22세 - 특징: 외모와 첫인상에 많은 신경을 쓰며 자신의 이상형을 중요하게 생각한다. - 불편함: 외모의 기준이 확고하여 기존의 소개팅 앱에서 자신이 원하는 외모의 사람을 찾지 못해서 외로워하고 있다. 다양한 방법으로 연애를 시도했지만, 자신이 생각하는 외적 이상형에 부합하는 상대를 찾지 못해 지속적으로 연애에 어려움을 겪고 있다. 기존의 소개팅 어플을 사용해봤으나 만족스러운 결과를 얻지 못하고, 주변에서 맞는 사람을 찾기 힘들어 외로워하고 있다. - 목표: 남새미의 완벽한 외적 이상형을 찾아 매칭시키기!
Pain Point	1. 시간과 노력을 많이 소모: 이상형을 찾기 위해 여러 소개팅 앱이나 소셜 미디어를 사용하며, 수많은 프로필을 확인하고 메시지를 주고받는 데 많은 시간이 필요합니다. 이 과정에서 원하는 사람을 찾는 것이 어렵고 비효율적입니다. 2. 매칭의 부정확성: 기존 소개팅 앱들은 외모보다는 성격이나 취향에 기반한 매칭에 집중하는 경우가 많지만, 사용자가 중요하게 생각하는 외모적인 요소를 고려한 매칭은 상대적으로 부족합니다. 이로 인해 원하는 외모 기준을 맞추기 어려워 불만족스러운 결과를 얻을 수 있습니다. 그리고 유료 기능을 사용하더라도 사용자가 선호하는 외모나 성향을 제대로 반영하지 못하는 경우, 만족스러운 매칭이 이루어지지 않아서 유료 기능에 대한 기대감이 줄어듭니다. 3. 개인 맞춤형 경험 부족: 대부분의 소개팅 서비스는 사용자의 개별적 취향을 충분히 반영하지 않기 때문에 매칭이 맞지 않거나 만족도가 낮습니다. 사용자들은 자신이 정말 원하는 이상형을 찾기 위해 여러 번 실패하는 경험을 할 수밖에 없습니다.
솔루션	[Frontend] - React: https://ko.legacy.reactjs.org/ - TypeScript: https://www.typescriptlang.org/ [Backend] - Spring Boot: https://spring.io/projects/spring-boot [DB] - PostgreSQL: https://www.postgresql.org/ - pgvector: https://github.com/pgvector/pgvector [AI] - OpenCV: https://opencv.org/ - DeepFace: https://github.com/serengil/deepface - scikit-learn: https://scikit-learn.org/stable/
오래 축적한 데이타의 잠재적 가치	사용자 데이터 축적 -> 개인화된 매칭과 알고리즘 개선에 활용되어 매칭 정활도를 높임 매칭 데이터 축적 -> 매칭 성공률을 개선하여 사용자 유지율을 높이는데 사용 AI/머신러닝 데이터 -> 매칭 알고리즘 고도화, 다른 맞춤형 서비스 확장에 기여
기대성과	- 외적 이상형까지 고려한 매칭 기능으로 높은 매칭 성공률 예상. - 사용자가 이상형 찾기에 소모하는 시간을 단축해 더 나은 매칭 경험을 제공. - 외적 이상형과 성격, 취미 등을 고려한 다각적인 매칭으로 다양한 유형의 사용자들의 요구를 충족 가능.
팀 그라운드룰	https://github.com/Joggim/GROUND-RULE/blob/main/Ground_Rule.MD

Return Top

Team 27

항목	내용
팀명칭	그로쓰
프로젝트명	크리에이터의 채널을 디지털 자산으로 변환하는 영상 공유 플랫폼
키워드	블록체인, 토큰 이코노미, 크리에이터 이코노미
무엇을 만들고자 하는가	채널 자산화와 NFT 발행을 통해 크리에이터와 그의 컨텐츠 자체에 대한 가치를 인정하는 생태계 구축
고객	1. 영상 자체에 대한 인정을 받기를 원하는 크리에이터 “유바바” - 나이 : 27세 - 성별 : 여성 - 직업 : 숏폼 전문 영상 크리에이터 - 상황 : 영상 콘텐츠를 제작하며 수많은 팬들에게 사랑받고 있지만, 자신의 작품이 디지털상에서 충분히 가치를 인정받지 못한다고 느끼고 있다. 특히 영상이 무단으로 재업로드되거나 불법적으로 복제되어 사용되는 사례가 많아 저작권 침해와 관련된 문제를 겪고 있다. 자신의 창작물에 유일성과 소유권을 부여하고, 이를 통해 정당한 가치를 인정받을 수 있는 방안을 모색 중이다. 2. 채널의 경제적 가치를 인정 받아 수익을 극대화하기를 원하는 크리에이터 “유바보” - 나이 : 31세 - 성별 : 남성 - 직업 : 스트리밍 전문 영상 크리에이터 - 상황 : 미디어 산업에서 크리에이터가 운영하는 ‘채널’ 자체가 자산이지만, 금전적 가치로 연결되지 못한다. 주 수입원은 플랫폼 광고로, 월 수익의 대부분이 광고에 의존하고 있다. 하지만 광고 수익의 한계로 인해 수익이 불안정하다고 느끼고 있다. 자신의 채널과 콘텐츠가 추가적인 수익을 창출할 잠재력이 있다고 생각하며, 이를 극대화하기 위한 새로운 방법을 찾고 있다.
Pain Point	-크리에이터의 ‘채널’이라는 것 자체가 하나의 자산임에도 불구하고 이에 대한 경제적 가치를 충분히 활용하지 못함. -자신의 창작물에 대한 소유권과 통제권을 가질 수 없음. 영상 콘텐츠가 무단 복제되거나 숏폼 플랫폼에서 허가 없이 재가공되는 등 저작권 보호에 어려움이 있음.
솔루션	[Blockchain, 분산 원장 기술] - EVM 호환 Testnet ‘Ganache’ [Smart Contract] - Solidity, Truffle, OpenZeppelin [FE] - React, Next.js, Web3.js [BE] - Spring Boot, AWS EC2, Docker
오래 축적한 데이타의 잠재적 가치	- Web3 서비스의 활용도 증가가 증가하여 블록체인 기술에 대한 신뢰도가 쌓임으로써 블록체인이라는 신기술이 대중화된다. - 크리에이터에 대한 팬들의 직접적인 투자 데이터를 통해 트렌드 동향 파악할 수 있다. - 사용자 간 토큰의 거래 내역이 담긴 트랜잭션 데이터를 통해 사용자 행동을 분석하고 시장 수요를 예측할 수 있다. - 투명하게 콘텐츠 거래 이력이 누적됨으로써 미디어 콘텐츠에 대한 저작권 인식을 향상 시킬 수 있다.
기대성과	1) 채널의 경제적 가치 실현 : 크리에이터가 자신의 채널과 콘텐츠를 ERC20 토큰 및 NFT 등의 디지털 자산으로 변환하여 추가적인 수익 창출이 가능. 2) 콘텐츠의 가치 인정 및 신뢰 확보 : 블록체인을 통해 콘텐츠의 소유권과 출처가 명확히 증명되어 크리에이터의 작품 가치가 공식적으로 인정될 뿐만 아니라, 무단 복제 및 재가공 사례를 크게 감소. 3) 지속 가능한 생태계 구축 : 팬들은 크리에이터의 디지털 자산에 직접 투자하거나 소유할 수 있는 기회를 통해 콘텐츠 제작을 지원하여 크리에이터와 더욱 밀접하게 연결될 수 있고, 크리에이터와 팬이 함께 성장하는 생태계를 구축하여 플랫폼의 지속 가능성을 확보.
팀 그라운드룰	https://github.com/Growth-and-Start/Growth_AboutUs/blob/main/Ground_Rule.MD

Return Top

Team 28

항목	내용
팀명칭	HUK
프로젝트명	해외 여행 및 체류 중 ATM 스키밍을 비롯한 카드 정보 탈취와 부정 결제를 대처하는 이상 탐지 기반 카드 안전거래 서비스
키워드	금융, AI, 이상탐지
무엇을 만들고자 하는가	해외 여행 혹은 해외에서 체류 중인 우리나라 사람들이 안전하게 카드 거래를 할 수 있도록 돕는 서비스이다. 해외에서는 ATM 스키밍을 비롯한 갖가지 방법으로 카드 정볼르 탈취해 부정 거래를 하는 범죄가 빈번하게 일어난다. 때문에 이상 탐지 알고리즘을 기반으로 카드 안전거래를 돕고자 하였다.
고객	이름: 김철수 연령: 35세 성별: 여성 직업: 대학생 특성: 교환학생으로 유럽에 거주 중이다. ATM 기기를 사용할 때마다 스키밍 사기를 당할까봐 걱정이 많다. 욕구: 걱정 없이 안전하게 카드 거래를 할 수 있기를 바란다. ATM 기기 뿐만 아니라 호텔, 레스토랑에서도 편하게 카드로 결제할 수 있기를 기대한다.
Pain Point	해외 금융 사기 피해에 대한 불한감이 있다. 거래 내역 이상 징후에 대한 즉각적인 인지가 부족하다. ATM 기기의 안전 여부 판단이 어렵다.
솔루션	1. ATM 스키밍 사기 방지를 위해 사용자가 찍은 ATM 기기 사진을 컴퓨터 비전, CNN으로 인식하고, 이상 탐지 알고리즘을 이용해 정상적인 기기와 차이가 있을 시 알린다. 2. 부정 거래 발생 시 이상 탐지 알고리즘을 이용해 이를 인식하고, 사용자에게 경고한다.
오래 축적한 데이타의 잠재적 가치	우선, ATM 기기 이미지 데이터를 축적할 수 있다. 사용자가 업로드하는 다양한 ATM 기기를 저장해 모델을 계속 학습시키면 더 정교한 모델로 발전시킬 수 있다. 또한 사용자의 카드 거래 패턴 데이터를 축적할 수 있다. 이상 탐지 알고리즘을 위해 사용자의 카드 거래 내역을 수집할 것이고, 이는 많은 이들의 거래 패턴을 얻을 수 있는 기회로 이어진다.
기대성과	우리나라 국민들이 해외에서도 안심하고 카드거래를 할 수 있을 것이다. 부정 거래 피해가 생기더라도 즉각적인 재처를 통해 피해를 줄일 수 있을 것이다.
팀 그라운드룰	https://github.com/ajaewnfldnflk/.github/blob/main/profile/Ground_rule.md

Return Top

Team 29

항목	내용
팀명칭	컴세마리
프로젝트명	바쁜 일상 속 현대인의 여가 시간 고민을 줄여주는 일정 & 취향 맞춤형 여가 추천 서비스
키워드	AI, 공공 데이터, 맞춤형 여가 추천
무엇을 만들고자 하는가	사용자의 취향과 위치, 일정을 분석하여 최적의 여가 활동을 제안하는 AI 기반 사용자 맞춤형 여가 추천 서비스입니다. 이 서비스는 최신 영화, 공연, 전시의 다양한 정보를 한 곳에서 조회할 수 있는 통합 플랫폼의 양상을 띠며, 추천 알고리즘을 통해 해당 서비스 내에서 핵심 기능인 사용자 맞춤형 여가 추천 기능을 수행합니다. 추천 알고리즘은 사용자들이 경험한 여가에 남긴 평점 데이터가 축적될수록 더욱 정교해집니다.
고객	주요 타겟 고객은 자신의 취향에 맞는 실시간 여가 활동을 찾을 시간이나 여유가 없어 결정을 내리기 어려운 현대인입니다. 구체적으로 설정한 고객 페르소나는 IT 계열 회사에 근무하는 30대 초반 미혼 여성 개발자 김이화씨입니다. 김이화 씨는 평일 근무시간이 바빠서 여가 시간을 계획할 시간이 부족하며, 혼자 뮤지컬이나 영화를 관람하는 것을 좋아하지만 현재 공연이나 상영 중 정보를 찾을 여유가 없어 관람에 어려움을 겪고 있습니다. 계획적이고 체계적인 성격을 가진 그녀는 서울에서 혼자 거주하며, 여가 계획 수립에 있어 간편한 솔루션을 필요로 합니다.
Pain Point	선택지의 과다로 인해 어떤 여가 활동을 즐길지 결정을 내리지 못해 시간이 낭비되는 경우가 많습니다. 또한, 여가 활동에 대한 정보가 여러 플랫폼에 분산되어 있어서 필요한 정보를 탐색하는 데 많은 시간이 소요되어 불편함을 느끼는 사용자들이 많습니다. 하지만 개개인의 위치와 일정을 반영하여 여가 활동을 추천해주는 서비스가 부족하여, 사용자들은 적합한 여가 활동을 발견하고 예약하는 데 어려움을 겪고 있습니다.
솔루션	[FE] - Language : CSS, Html, TypeScript - Library : React native https://reactnative.dev/ [BE] - Language : JAVA https://www.java.com/ - Framework : Spring https://spring.io - DB : MySQL https://www.mysql.com/ - Server: AWS EC2 https://aws.amazon.com/ko/ec2/ [API] - 네이버 지도API Maps - Application Services - NAVER Cloud Platform 네이버 클라우드 플랫폼 (ncloud.com) [Data] - 영화 상영 정보 API (영화진흥위원회): https://www.kobis.or.kr/kobisopenapi/homepg/apiservice/searchServiceInfo.do (KMDb 한국영화데이터베이스): https://www.kmdb.or.kr/info/api/apiDetail/6 (영상물등급위원회 영화 등급분류정보 조회 서비스): https://www.data.go.kr/data/15127668/openapi.do#/tab_layer_prcuse_exam - 공연전시 정보 API (한국문화정보원): https://www.data.go.kr/data/15000120/openapi.do [AI Algorithm] - 협업 필터링: Surprise Library SVD 모델 https://github.com/NicolasHug/Surprise - 콘텐츠 기반 추천 : -scikit-learn의 pairwise 모듈의 cosine similarity https://scikit-learn.org/stable/modules/metrics.html#metrics - sklearn.feature_extraction.text 모듈의 TfidfVectorizer https://scikit-learn.org/1.5/modules/generated/sklearn.feature_extraction.text.TfidfVectorizer.html - 추천 알고리즘 : surprise library https://github.com/NicolasHug/Surprise
오래 축적한 데이타의 잠재적 가치	서비스를 통해 다양한 성별과 연령대의 사용자 데이터가 축적되며, 이를 통해 특정 계층의 선호도를 분석하여 추천 알고리즘의 정확도를 높일 수 있습니다. 사용자가 남긴 평가 데이터는 새로운 여가 활동에 대한 선호도를 예측하거나 유사한 취향을 가진 사용자의 활동 추천에 활용될 수 있습니다. 이러한 데이터를 바탕으로 여가 활동 소비 패턴을 분석하여 더개인화된 맞춤형 서비스를 강화할 수 있습니다.
기대성과	여가 활동의 소비자가 증가하고 여가 산업의 규모가 확장되어, 더욱 다채로운 예술 문화를 경험할 수 있는 기회를 제공할 것입니다. 사용자의 취향, 위치, 일정에 따른 여가 활동을 추천하기 때문에, 주류 중심의 공연 예술 시장에서 비주류 여가 활동도 알려지는 기회를 제공하여 다양한 여가 문화 형성에 기여합니다. 또한, 많은 사람들이 여가 활동을 즐기면서 스트레스를 해소하여 삶의 질을 높이게 되고, 정신 건강 개선에 따른 사회적 비용 절감과 같은 효과도 기대할 수 있습니다. 경제적 관점에서는 여가 제공 업체와의 협력을 통해 업체 홍보와 수수료 기반의 수익 구조를 구축함으로써 사업적 가치를 창출할 수 있습니다.
팀 그라운드룰	https://github.com/dxxrjh/2024-capston/blob/main/GROUND_RULES.md

Return Top

Team 30

항목	내용
팀명칭	찹쌀떡
프로젝트명	취업 준비자를 위해 gpt-4o를 이용하여 자기소개서를 분석하고 RAG 기반으로 예상 질문을 제공하는 면접 시뮬레이션 서비스
키워드	면접 시뮬레이션, AI 면접관, 자기소개서 분석
무엇을 만들고자 하는가	취업 준비에 어려움을 겪는 사람들을 위해 gpt-4o를 통해 이용하여 자기소개서를 분석하고 RAG 기반으로 예상 질문을 제공하는 면접 시뮬레이션 서비스를 제공하여 취업 성공을 돕는다.
고객	1. 처음 취업을 해보는 24세 졸업 예정자 김이화, 계속해서 서류평가에서 떨어지고 자기소개서에 부족함이 있음을 느낀다. 자기소개서에 대한 피드백을 받고 부족한 점을 보충하고 싶다는 생각이 들었지만 다른 사람들에게 자기소개서를 보여주기에는 부끄러웠던 이화는 사람이 아닌 ai 가 제공하는 피드백 서비스가 있으면 좋겠다고 생각한다. 또한 자기소개서의 내용을 어떻게 수정해야 하는지 알아보고 수정 예문을 받아보고 싶다고 생각한다. 2. 취업준비생인 25세 이화연. 이제 막 대학교를 졸업하여 취업을 앞둔 평범한 취준생이다. 몇번 면접을 본적은 있으나 면접관이 자신에게 질문하는 상황 자체가 주는 압박감 때문에 제대로 답변도 못하고 돌아오는 경우가 많았다. 따라서 화연은 혼자서도 충분히 면접을 연습할 수 있는 서비스가 있으면 좋겠다고 생각한다. 또한 자기소개서와 자신이 지원하는 기업과 직무에 맞는 면접 예상 질문을 제공받고 싶다고 생각한다.
Pain Point	1. 면접 준비를 혼자서 하기에는 실제로 면접을 보듯 질문을 듣고 답하는 연습을 하기 어려움이 있다. 2. 자기소개서를 다른 사람에게 보여주는 것이 부담스러울 수 있다. 3. 취업 준비 학원을 다니기에는 금전적으로 부담스러울 수 있다.
솔루션	JavaScript https://developer.mozilla.org/ko/docs/Web/JavaScript React https://ko.legacy.reactjs.org/ JAVA https://www.java.com/ SpringBoot https://spring.io/projects/spring-boot MySQL https://www.mysql.com/ Python https://www.python.org/ Perplexity https://docs.perplexity.ai/home ChatGPT 4o https://platform.openai.com/docs/models Chroma https://www.trychroma.com/ Selenium https://www.selenium.dev/ Google TTS (Text-to-Speech) https://cloud.google.com/text-to-speech/docs/apis?hl=ko Google STT (Speech-to-Text) https://cloud.google.com/speech-to-text/docs/apis?hl=ko
오래 축적한 데이타의 잠재적 가치	잘 작성된 자기소개서와 그렇지 않은 자기소개서에 대한 데이터 축적를 축적하여, 객관적이고 맞춤형 피드백을 제공하고 합격 가능성을 높이는 요소를 분석해 사용자에게 전략적인 개선 방향 제안할 수 있다. 다양한 면접 질문과 그에 대한 답변 데이터 축적하여, 더 자연스럽고 현실적인 면접 질문 생성하고 사용자 맞춤형 면접 질문 및 시뮬레이션 제공할 수 있다. 위의 축적된 데이터들을 통해 개인 맞춤형 자기소개서 및 면접 준비 서비스 제공할 뿐만 아니라 취업 준비 트렌드 분석 및 기업 맞춤형 서비스까지도 확장될 수 있다.
기대성과	1. 개인별로 맞춤화된 다양한 질문 제공을 통해 약점을 보완함으로써 면접 준비의 효율성을 높일 수 있다. 2. AI를 활용해 면접 준비 시간을 절약하고 면접 예상 질문을 대비함으로써 실전에서 긴장하지 않을 수 있다. 3. AI의 지속적인 학습과 데이터의 축적을 통해 점점 더 적합한 질문을 제공할 수 있다. 4. AI의 객관적 분석으로 개인이 인식하지 못했던 약점을 파악하고, 피드백을 제공받아 자기소개서의 개선 방향을 명확히 알 수 있다.
팀 그라운드룰	https://github.com/Chapssal-tteok/capstone-project/blob/main/GroundRule.md

Return Top

Team 31

항목	내용
팀명칭	김미니
프로젝트명	ar 시니어 헬스댄스 : 실시간 모션캡쳐 피드백 기반 맞춤형 피트니스 시스템
키워드	모션트래킹, 셀프운동, 자세교정, 시니어
무엇을 만들고자 하는가	증강현실(AR)과 모션캡쳐를 이용한 시니어의 생활체력증진 및 자세교정을 위한 피트니스 게임형식의 피드백 서비스
고객	68세 김00, 여성. 3년 전 은퇴 후 주로 집에서 생활. 무릎 통증과 관절염으로 의자에서 일어나기, 계단 오르기 등 일상의 기본적인 동작에서 어려움을 겪음. 혼자 거주하고 있어서 즐겁게 누군가와 함께 운동하고 싶음
Pain Point	1. 일상적인 불편함: 의자에서 일어나기, 계단 오르기 등 기본적인 동작을 수행하는 데 어려움이 있음. 2. 운동 정보 접근성 부족: 적절한 운동 정보를 스스로 찾기 어렵고, 인터넷 사용에 익숙하지 않음. 3. pt의 비용과 시간 부담: 개인 트레이닝은 비용이 비싸고 시간적으로도 부담이 큼. 거동이 불편한 노인에게는 접근성이 떨어지기도 함. 4. 혼자 운동하기는 외롭고 쓸쓸함. 5. 일반적으로 젊은 층을 타겟으로 설정된 서비스들이 복잡하고 어려움
솔루션	- 캐릭터(운동모션 애니메이션) 구현 : Three.js, blender, mixamo - 모션인식 : mediapipe, tensorflow - 프론트엔드: React.js, 프로젝트 구조 및 UI 관리 - 데이터 시각화: Recharts(성과 표시) - 챗봇 : gpt4 API
오래 축적한 데이타의 잠재적 가치	- 수행력 향상, 자세 오류 감소 추이를 확인하여 지속적인 운동수행결과를 확인할 수 있다. - 어떤 운동동작을 잘하고 어려워하는지에 대한 데이터를 바탕으로 모션을 추가할 때 활용가능 - 운동성과 및 실행빈도수를 통해 본 서비스의 실효성 확인
기대성과	- 운동에 대한 고령층의 정보 접근성 향상 - 고령층이 건강 관리에 관심을 갖고 소외감을 감소시키고 즐겁게 운동에 참여하도록 하여 건강한 사회적 참여를 유도함. - 운동이 필요한 부위를 집중적으로 타겟하여 운동의 효과를 극대화할 수 있음
팀 그라운드룰	https://github.com/zion0117/2024-2-kimminni/blob/main/Ground_Rule.md

Return Top

Team 32

항목	내용
팀명칭	홈런볼
프로젝트명	영양제로 건강 관리를 하는 20대를 위한 RAG 기반 LLM을 활용한 개인 맞춤형 영양제 추천 서비스
키워드	RAG기반 LLM, OCR, Fine-tuning
무엇을 만들고자 하는가	'Pill Me In'은 사용자의 건강 상태에 맞춰 적합한 영양제를 추천하며, 각 영양제의 성분, 효과, 상호작용 정보를 제공하는 서비스입니다.
고객	1. 수진은 체육교육과에 재학 중이며, 건강 관리에 관심이 많아 영양제를 복용하고 있다. 하지만 각 영양제가 자신의 몸에 어떤 효과를 주는지, 자신에게 필요한 성분이 무엇인지 명확하게 알기 어려워 답답함을 느낀다. 특히, 수진은 자신의 운동 목표에 맞는 최적의 영양제 조합을 알고 싶어 하지만, 성분을 일일이 찾아보고 비교하는 과정이 번거롭고 시간이 많이 소요되어 종종 가족이나 친구의 추천에 의존하게 된다. 2. 현지는 디자인을 전공하며 학업과 과제에 대한 압박을 많이 받고 있다. 최근 건강을 챙기기 위해, 과제와 아르바이트로 바쁜 일상 속에서도 영양제를 복용하려고 한다. 그녀는 특히 눈 건강과 스트레스 완화를 위해 복합 영양제를 복용하고 있지만, 성분에 대한 이해가 부족해 자신이 복용하고 있는 영양제가 최선의 선택인지, 현재 복용하고 있는 여러 영양제를 동시에 먹을 때 안좋은 상호작용은 없는지에 대한 걱정을 가지고 있다.
Pain Point	1. 개인 맞춤형 영양제 선택의 어려움 자신에게 필요한 영양제를 선택하는 과정이 복잡하고 번거롭다. 각 영양제가 어떤 효과를 주는지, 개인의 목표와 건강 상태에 맞는지를 판단하는 데 시간이 많이 소요되며, 이는 결국 영양제 선택의 효율성을 저하시킨다. 2. 성분에 대한 정보 부족과 불안감 영양제를 선택하고 복용할 때, 성분에 대한 정확한 정보 부족으로 인해 자신이 선택한 영양제가 최선의 선택인지, 영양제 성분 간 안좋은 상호작용은 없는지에 대한 불안감을 느끼게 된다. 특히 여러 영양제를 동시에 복용할 때 상호작용에 대한 명확한 정보가 부족하여 사용자가 위험성을 감수해야 하는 상황이 발생한다.
솔루션	1. OCR과 GPT-3.5 Turbo를 활용한 성분 파악: Google Cloud Vision API를 사용하여 카메라로 스캔한 영양제 제품의 라벨에서 제품명을 추출한 뒤, 이를 식품의약품안전처 OpenAPI와 매칭하여 해당 영양제의 성분, 효능, 주의사항 정보를 가져온다. 성분과 효능 데이터는 GPT-3.5 Turbo에 전달하여 사용자 친화적인 응답을 생성한다. 이를 통해 사용자는 각 영양제의 성분과 관련 정보를 쉽고 직관적으로 이해할 수 있다. 2. 파인튜닝된 GPT-4o-mini 모델 기반 상호작용 정보 제공: PubMed API와 NIH API를 활용해 영양제 성분 간의 상호작용 정보를 학습 데이터로 구축한 뒤, OpenAI API의 GPT-4o-mini를 파인튜닝하여 이러한 상호작용에 대한 신뢰성 있는 정보를 제공한다. 이를 통해 사용자는 복용 중인 영양제의 상호작용 정보를 정확히 이해하여 안전성을 높이고 불안감을 줄일 수 있다. 3. 개인 맞춤형 영양제 추천 시스템: 사용자의 건강 설문 데이터 및 복용 중인 영양제를 바탕으로 RAG 기반 LLM을 활용하여 개인의 건강 목표와 상태에 적합한 영양제를 추천한다. 이를 통해 사용자는 복잡한 선택 과정을 간소화할 수 있다.
오래 축적한 데이타의 잠재적 가치	1. 개인 맞춤형 건강 관리 최적화 사용자의 복용 기록과 건강 상태 변화 데이터를 지속적으로 축적함으로써, 더욱 정밀한 맞춤형 건강 관리가 가능해진다. 사용자의 생활 패턴에 맞는 영양제 조합을 제안하고, 시간이 지남에 따라 변화하는 건강 요구사항에 맞춰 최적의 솔루션을 제공하여 건강 관리의 효율성을 극대화할 수 있다. 2. 헬스케어 산업을 위한 데이터 인사이트 제공 대규모 사용자 데이터를 분석함으로써 헬스케어 및 영양제 산업에 중요한 인사이트를 제공할 수 있다. 소비자들의 실제 복용 패턴, 선호 제품, 건강 목표 등은 새로운 제품 개발, 시장 동향 분석, 소비자 트렌드 예측 등에 활용될 수 있으며, 기업들은 이를 기반으로 보다 혁신적인 제품과 서비스를 만들어낼 수 있다. 3. 영양제 상호작용 데이터 축적 및 분석 여러 영양제를 동시에 복용하는 사용자들의 데이터를 장기적으로 수집하여, 영양제 간 상호작용에 대한 실제 사례를 분석할 수 있다. 이를 통해 상호작용으로 인한 부작용을 사전에 예측하고, 사용자에게 경고하거나 대안을 제시하는 서비스를 제공할 수 있으며, 안전하고 효과적인 복용 방법을 제안할 수 있다.
기대성과	1. 영양제 선택 과정에서의 사용자 편의성 향상 개인 맞춤형 영양제 추천과 영양제 성분 관련 정보 제공 및 상호작용 분석을 통해, 복잡했던 영양제 선택 과정을 단순화하고 사용자의 시간과 노력을 절약할 수 있다. 2. 헬스케어 시장의 경쟁력 강화 개인 맞춤형 헬스케어의 중요성을 강조하며, 20대 사용자의 높은 만족도와 적극적인 참여를 바탕으로 시장에서 맞춤형 헬스케어라는 새로운 트렌드를 선도한다.
팀 그라운드룰	https://github.com/pillmein/HomerunBall/blob/main/Ground_Rule.md

Return Top

Team 33

항목	내용
팀명칭	아리아리
프로젝트명	AI NPC에게 입체적 역할을 부여해 단조로운 대화 패턴을 탈피한 <변호사 VS 검사> 재판 시뮬레이션 멀티플레이 게임 : QUACK TO HELL (꽥 투 헬)
키워드	3D, AI, 멀티플레이, 재판, 게임
무엇을 만들고자 하는가	저승과 이승의 경계에 존재하는 삼도천 부근의 한 마을을 배경으로, 변호사와 검사 팀으로 나뉜 플레이어들이 ‘망자’라 불리우는 자들의 전생을 조사하고 선악을 판별하여 그들의 운명을 천국 또는 지옥으로 결정하는 AI 채팅 기반 3D 멀티플레이 재판 시뮬레이션 게임.
고객	주요 타겟 : 기존에 이미 존재하던 게임들이 AI NPC를 다루는 방식에 더 이상 새로움을 느끼지 못하는 유저. 고객 페르소나 : 인터넷에서 종합 게임 스트리머로서 게임과 관련된 다양한 콘텐츠를 제작하고 있는 26세 여성 크리에이터 김한나. 그는 게임 플레이 영상, 게임 추천 영상, 게임 공략 영상 등 다양한 게임 관련 콘텐츠를 제작해 더 많은 수익을 창출하는 동시에, 한 명의 게이머로서 재미있는 게임을 플레이하고 싶은 욕구를 갖고 있다. 전에는 그저 AI라는 키워드만 들어간 게임이라도 조회수가 보장되었지만, 이제 더 이상 AI를 활용한 게임을 단순히 소개하는 것으로는 구독자가 참신함을 느끼지 못하고 조회수가 오르지 않는다. 더 나아가 그는 자기 자신에게 새로운 경험을 제공할 수 있는 게임을 찾고 있다.
Pain Point	기존 AI NPC의 고정된 역할과 상호작용의 한계 → 대부분의 게임에서 AI NPC는 '적'이나 '조력자'와 같은 고정된 역할에 한정된다. 이러한 역할은 사전에 설정된 패턴에 따라 움직이기 때문에, 비록 게임의 내용이 다를지라도 결과적으로 반복적이고 예측 가능한 상황만을 만들어 낸다. 이러한 구조는 게임 내 레파토리를 단조롭고 평면적으로 만들며, 플레이어가 AI NPC와의 상호작용에서 느끼는 재미와 몰입감을 크게 감소시키는 한계로 작용한다. 결국, 이러한 고정된 패턴은 플레이어에게 도전적이지 않은 게임 경험을 제공하고, 게임에 대한 흥미를 빠르게 잃게 만드는 주요 요인이 된다. 이는 기존 AI NPC 시스템이 더 이상 현대의 고도화된 게임 환경과 플레이어의 기대를 충족시키지 못한다는 점을 보여준다.
솔루션	게임 엔진 : Unreal Engine 5.4.4 AI : Dall-E, GPT-4o, Whisper API, Inworld API 서버 : Unreal Engine 5.4, Amazon Gamelift DB : Amazon S3, MongoDB
오래 축적한 데이타의 잠재적 가치	플레이어와 AI NPC 간의 대화 로그, 상호작용, 선택한 전략, 재판 결과 등이 방대한 데이터로 축적되어, 이를 통해 더욱 현실적이고 입체적인 NPC를 개발할 수 있다. 또한, 플레이어의 행동 패턴을 분석하여 개인 맞춤형 콘텐츠를 제공하거나 새로운 게임 모드를 추가함으로써 참여도와 만족도를 높이며, 지속적인 게임 경험을 강화할 수 있다.
기대성과	1. AI NPC의 혁신적 상호작용 플레이어는 예측 불가능한 AI NPC와의 상호작용을 통해 전례 없던 재미와 도전을 경험할 수 있다. 이러한 상호작용은 기존에 존재하던 정형화된 패턴을 벗어나, 유연하고 동적인 게임 플레이를 제공하며 기존 AI NPC의 한계였던 고정된 역할과 반복적인 상호작용에서 벗어나 더욱 깊이 있는 몰입감을 유도한다. 2. 유저 경험 혁신 및 유저 기반 확대 예측 불가능한 AI NPC는 기존의 식상한 게임 경험에 지루함을 느끼던 유저들의 흥미를 새롭게 자극한다. 이는 유저들의 재참여율을 높이고, 신규 유저 유입을 유도함으로써 기반을 확대하는 데 기여할 수 있다. 특히, AI를 통해 유연하고 동적으로 변화하는 게임 상황은 플레이어에게 지속적인 도전 의식을 부여하고 게임의 생명력을 연장하는 효과를 가져온다. 3. 게임 산업 발전과 새로운 디자인 트렌드 선도 AI를 활용한 예측 불가능한 상호작용은 게임 디자인에 새로운 패러다임을 제시하여 AI 기술을 게임에 접목하는 혁신적인 사례로 주목 받을 것이다. 이는 게임 산업 전반에 창의적인 트렌드를 확산시키고, 기술적인 진보와 함께 게임의 재미 요소를 극대화 할 것으로 기대된다.
팀 그라운드룰	https://github.com/AriAri-Project/ImSi

Return Top

Team 34

항목	내용
팀명칭	IT인
프로젝트명	Cross-modal Federated Learning: Approaches to Reduce the Heterogeneity Gap through Multimodal Data Integration and Translation
키워드	Multimodal Deep Learning, Federated Learning, Modality Translation
무엇을 만들고자 하는가	“클라이언트마다 서로 다른 데이터 모달리티가 존재할 때, 중앙 서버가 이러한 데이터를 효과적으로 통합해 학습하는 연합학습 구조” 를 디자인하고자 합니다.
고객	기존의 연합학습 연구는 homogeneous data 를 이용하여 진행되었습니다. 그래서 기존의 연합학습 시스템은 한 가지 모달리티에만 집중해 전체 데이터를 통합적으로 학습하는 데 한계가 있습니다. 하지만 현실 세계에는 다양한 모달리티의 데이터가 존재하기 때문에, 지금까지의 연구는 현실 세계를 온전히 반영하기 어렵습니다. 모달리티 간 변환 및 통합을 통해 다양한 형태의 데이터를 효과적으로 학습하는 연합학습 모델을 도입하면 더 다양한 현실 세계의 문제를 푸는 데에 있어 큰 도움이 될 것입니다.
Pain Point	예시 1) 소셜 미디어에서의 사용자 경험 저하: 소셜 미디어 플랫폼은 다양한 모달리티 데이터를 다룹니다. 예를 들어, 텍스트, 이미지, 비디오, 음성 데이터가 사용자와의 상호작용을 통해 생성됩니다. 기존의 연합학습은 한 가지 모달리티에만 집중하게 되어, 텍스트 데이터만 학습하거나 이미지 데이터만 학습하는 식의 제한이 있습니다. 결과적으로 사용자의 행동 패턴이나 관심사를 정확히 파악하기 어려워, 개인화 추천 시스템의 성능이 떨어지거나 사용자 경험이 저하될 수 있습니다. 예시 2) 병원마다 보유한 의료 데이터는 다양할 수 있습니다. 한 병원은 MRI 이미지 데이터를, 다른 병원은 환자의 임상 텍스트 기록 데이터를 보유하고 있을 수 있습니다. 기존의 단일 모달리티 연합학습 구조에서는 각 병원이 가진 데이터를 별도로 학습해야 하기 때문에, 여러 모달리티를 통합하여 정확한 진단 모델을 만드는 것이 어렵습니다. 예를 들어, 이미지 데이터만 학습한 모델은 텍스트 정보에서 유의미한 패턴을 학습하지 못해, 진단 정확도가 떨어질 수 있습니다. MMFL이 있다면 이러한 다양한 의료 데이터를 통합 학습하여 보다 정확한 예측과 진단이 가능할 것입니다.
솔루션	- PyTorch : 딥러닝 모델 설계 지원 - Tensorflow : 딥러닝 모델 설계 지원 - Flower : 연합학습 프레임워크 - Tensorflow Federated : 연합학습 프레임워크 - PySyft : 연합학습 프레임워크 - Hugging Face : 다양한 SOTA 모델과 데이터셋 제공 - Open CV : 이미지, 비디오 데이터의 pre-processing을 위한 라이브러리 지원 - W&B : 머신러닝 운영(MLOps) 플랫폼 실험 결과 저장 및 분석
오래 축적한 데이타의 잠재적 가치	학습 데이터의 양이 많아질수록 모델의 정확도도 높아질 것으로 기대합니다. 기존 연구 발표 당시보다 더 좋은 성능의 모델이 만들어질 것이라고 기대합니다.
기대성과	다양한 모달리티의 데이터를 다룰 수 있으면서도 동시에 유저의 데이터를 직접적으로 확인하지 않아 개인정보를 보호할 수 있는 방향으로 학습하는 AI 모델을 구축할 수 있을 것입니다. 이를 통해 다양한 형태의 데이터가 증가하고 있는 현재의 트렌드에 맞춰갈 수 있을 뿐만 아니라, 증가하는 개인정보 유출의 위협에서도 유저들을 보호할 수 있습니다. 또한 정제된 모델만 중앙 서버로 전송하므로, 네트워크 트래픽 완화와 중앙서버의 저장공간 확보에 큰 도움이 될 것입니다.
팀 그라운드룰	https://github.com/Capstone-IT-in/CapstoneDesignProject/blob/main/Ground_Rule.md

Return Top

Team 35

항목	내용
팀명칭	트리코드
프로젝트명	학원 강사의 질문 조교 관리 피로감과 부정확한 답변 문제, 수강생의 학습자료 위치 탐색 어려움과 질의응답의 시공간적 제약을 해결하기 위해, RAG 구조를 활용하여 학습 자료 통합 저장 기능과 학습 자료를 기반으로 정확한 답변 생성 및 자료 위치 탐색 기능을 제공하는 학습 지원 챗봇 서비스
키워드	RAG, chatGPT, 학습 질의응답
무엇을 만들고자 하는가	학원에서 학습자료를 업로드하여 통합 및 관리하여 학생들에게 효율적으로 정확한 정보를 제공하고, 학생들은 이를 바탕으로 시공간의 제약 없이 학습자료를 탐색하거나 답변을 얻을 수 있도록 RAG구조와 chatGPT를 활용하여 학습 자료 아카이브 및 챗봇 서비스
고객	1. 학원 원장 (강사) - 강원장씨 대치동의 대형 사회탐구학원 원장이자 사회문화와 생활과 윤리 과목 강사인 38세 강원장씨. 10년 전 학원을 차려, 지금은 학생 수가 많아진 대형 학원을 운영하면서 강사로 일하고 있다. 학생 개개인의 질문을 대답해주기 위해 질문조교를 고용하기 시작했지만, 괜찮은 질문조교를 뽑기 위해 이력서를 보고, 면접을 보는 등의 선발 과정에 피로감을 느끼고, 뽑더라도 종종 잘못된 답변으로 수강생들에게 혼란을 주는 경우도 있다. 인건비 또한 만만치 않아 이를 줄이고 싶다. 학원에서 제공하고 있는 학습자료를 효율적으로 관리하고 이를 기반으로 수강생들에게 시공간의 제약없이 답변을 줄 수 있는 자동화된 솔루션을 필요로 하고 있다. 2. 강원장의 학원을 다니는 학생 - 김학생 김원장이 운영하는 학원에서 사회문화 과목을 수강하고 있는 19세 김학생. 학원에서 나눠준 교재가 좋기는 하지만, 너무 두껍고 무거워 들고 다니기에는 불편함을 느낀다. 또, 공부 도중에 모르는 문제가 생겼을 때, 바로 답을 얻고 싶지만 밤늦은 시간이나 주말 등 바로 질문에 대한 답을 얻지 못할 때면 답답함을 느낀다. 또한, 자신이 취약한 유형의 기출문제들을 모아보고 싶지만, 학원 교재에는 흩어져있어 일일이 찾아야하고, 또 문제에 해당하는 개념을 찾기 위해 두꺼운 교재를 찾아보는 등의 자료가 분산되어 있어번거로움을 느끼고 있다.
Pain Point	1. 수강생이 겪는 자료 접근의 비효율성 강사가 제공하는 학습자료는 한 번 잃어버리면 다시 받기 어렵고 자료의 종류와 수가 많아 필요한 자료를 찾기 어렵다. 2. 강사가 겪는 비효율적인 Q&A 과정 여러 학생이 같은 질문을 반복하여 강사의 답변 작업량이 증가하고 강사가 다수인 학생들의 질문에 즉각적으로 답변해주기 어려워 학생들이 오랫동안 대기해야 하는 문제가 발생한다. 또한 이러한 문제를 해결하기 위해 질문 조교를 고용하여도 강사가 직접 답변해주는 것만큼 정확한 답변을 얻기 힘들며 이를 위한 비용이 소모된다. 또한 질문 조교가 여럿이거나 강사가 많은 질문에 답변하는 경우 다른 방식으로 답변을 제공할 때 일관된 답변이 어렵다. 3. 질문 조교가 겪는 자료 기반 답변의 어려움 질문조교가 기억에 의존해 답변할 시 중요한 세부 정보를 놓치거나 부정확한 답변을 제공할 수 있다. 학습자료에 기반한 정확한 답변을 제공하기 위해서는 자료를 일일이 찾아야 하기에 답변하는데 오랜 시간이 소요된다.
솔루션	- 음성 파일에서 텍스트를 추출하기 위한 STT - 사용자의 자료를 저장해 둘 RAG구조를 위한 임베딩 모델과 벡터 데이터베이스 - 실시간 질의응답 생성을 위한 chatGPT API
오래 축적한 데이타의 잠재적 가치	1. 개인화된 학습 경로 제공 축적된 데이터를 분석하여 각 수험생의 학습 스타일, 성향, 강점 및 약점을 파악할 수 있다. 이를 통해 학원에서는 맞춤형 학습 경로를 제공하고, 학습자료를 개인화시켜 효율적인 학습 지원이 가능해진다. 2. 질의응답 정확도 향상 수강생들이 자주 묻는 질문, 응답 패턴 등을 분석함으로써, ai모델을 점진적으로 개선할 수 있다. 데이터가 축적되면 질문에 대한 정확한 답변을 생성할 수 있는 능력이 향상되고, 점차 더 나은 자동화된 질의응답 시스템이 구축된다. 3. 학습 자료의 최적화 학습자료의 사용 패턴과 피드백을 분석하여 수강생들이 가장 많이 찾고 효과적으로 사용하는 자료를 선별하고 추천할 수 있다. 이를 통해 자료의 가치를 극대화하고, 검색 및 탐색 효율성을 높일 수 있다. 4. 학습 동기 부여 및 행동 예측 수강생들의 학습 행동과 피드백 데이터를 바탕으로 학습 동기 부여 전략을 개발할 수 있다. 예를 들어, 학원에서 수강생의 질의응답을 분석하여 특정 성과나 진척 상황에 따라 동기 부여 메시지나 추천 학습자료를 제공하여 학습을 지속할 수 있도록 유도할 수 있다.
기대성과	1. 정확한 질의응답 수강생이 묻는 질문에 대해 실시간으로 정확하고 일관된 답변을 제공함으로써, 학습에 대한 불확실성을 줄이고 정확한 정보를 얻을 수 있다. 이를 통해 효율적이고 집중적인 학습을 경험할 수 있으며 학습 시간의 단축과 더 높은 학습 성과를 기대할 수 있다. 2. 자료 탐색 효율성 증가 학습 자료의 효율적인 탐색 및 추천 시스템을 통해, 수강생들이 원하는 자료를 빠르고 쉽게 찾을 수 있게 된다. 3. 시공간적 제약 해소 24/7 학습 지원이 가능해짐으로써, 수험생들은 언제 어디서나 원하는 시간에 학습을 할 수 있게 된다. 그 결과 학습의 자유도를 향상시키며 시간과 장소에 구애받지 않는 학습환경을 제공한다.
팀 그라운드룰	https://github.com/TriCode-Ewha/2024-fall-ewha-capston-design/blob/main/Ground_Rule.md

Return Top

Team 36

항목	내용
팀명칭	해피코더
프로젝트명	ChatGPT 기반의 채팅분석 기능을 통해 관심있는 주제에 대해서는 알림을 보내주고 보고싶지 않은 내용을 지속적으로 보내는 사용자에 대해서는 요주의인물 처리를 해주는 오픈채팅 서비스팅 분석 기능을 통해 특정 인물이나 내용을 블랙리스트 처리하여 숨기고, 원하는 주제에 대해서만 알림을 받을 수 있도록 하는 채팅 서비스
키워드	LangChain, 오픈채팅, Chat GPT, fastAPI
무엇을 만들고자 하는가	사용자가 채팅방의 설정페이지에서 부정적인, 관심있는 키워드를 각각 5개씩 설정할 수 있도록 한다. ChatGPT 기반의 채팅 분석 기능을 통해 부정적인 키워드가 포함된 채팅을 보낸 사람에 대해서는 요주의 인물처리(이름을 빨간색으로)를 해주고, 관심있는 키워드에 대한 대화가 오가는것이 인식된다면 알림을 받을 수 있도록 하여 편의성과 효율성을 높여주는 오픈채팅 서비스를 만들고자 한다.
고객	성명 : 홍길동 성별&나이 : 남성&25세 상황 : 동아리 오픈채팅방에 읽지 않아도 되는 대화들이 많이 오가는데 가끔씩 의미있는 정보들도 올라온다. 읽기 너무 귀찮지만 혹시 중요한 정보가 올라왔을까봐 항상 훑어보게되는데 그 시간이 아깝고 자기가 보고싶은 정보가 올라올때만 확인을 하고싶다. 또한 동아리 단체방에서 누군가 지속적으로 취업얘기를 하는데 취준때문에 스트레스를 많이 받고있는 홍길동씨는 취업 관련 얘기는 듣고싶지 않다.
Pain Point	a. 그룹 오픈채팅 방에서 아주 빠른 속도로 다양한 주제의 이야기가 오고간다. 이때 의미없는 내용들도 많기 때문에 모든 채팅 내용을 확인하기는 번거롭고, 그러다 정작 중요한 정보는 놓치는 경우가 많다. b. 그룹 채팅 방에서 사용자가 보고 싶어하지 않는 내용에 대한 이야기를 지속적으로 하는 사용자가 있는데, 특정 사용자들 때문에 채팅 서비스를 이용하는 동안 스트레스를 받는 경우가 많다.
솔루션	[Frontend] -react [Backend] -spring-boot -MySQL -MongoDB [AI] - chat GPT 4.o - LangChain
오래 축적한 데이타의 잠재적 가치	데이터가 축적되어 사용자들이 보기 싫어하는 내용들, 관심있어하는 내용들이 무엇인지에 대한 데이터들이 쌓이면 이것을 기반으로 연령대별 사용자의 관심사나 패턴을 학습하여 보다 맞춤화된 알림 및 필터링 서비스를 제공할 수 있다.
기대성과	관심있는 키워드에 등록한 내용의 채팅이 올 경우 알림을 받을 수 있어 불필요한 정보 탐색에 소요되는 시간을 절감하고 사용 편의성을 높일 수 있으며, 중요한 연락을 놓치는 문제가 발생하지 않도록 할 수 있다.취업이나 돈얘기 등 개인적으로 듣고싶지 않은 내용에 대해 지속적으로 이야기하는 사용자에 대해 요주의 인물처리를 해주어 사용자가 평소 오픈채팅 서비스를 사용하면 느꼈을 스트레스를 감소시켜준다.
팀 그라운드룰	https://github.com/2024-fall-ewha-capston-design/BACK/blob/main/README.md

Return Top

Team 37

항목	내용
팀명칭	코드셋
프로젝트명	대화로 작성하는 감정 일기 - EmotionBot Diary
키워드	친밀하게 대화할 수 있는 챗봇 / 간편하게 얻을 수 있는 일기 / 감정 상태 분석
무엇을 만들고자 하는가	AI 챗봇과의 대화를 통해 사용자가 하루 동안의 일과를 자연스럽게 기록하도록 돕고, 이를 일기 형식으로 정리해 제공하는 스마트 다이어리 서비스입니다. 또한, 대화에서 얻은 정보를 분석해 사용자의 하루 감정 상태를 시각적으로 표현함으로써 하루를 한눈에 돌아볼 수 있도록 합니다.
고객	1) 정신없는 신입 회사원 김이화씨(28세) : 회사에 입사한지 얼마 되지 않은 김이화 씨는 회사 생활이 너무 피곤하고 우울하다고 느끼지만 정확히 무엇 때문에 그러는지 그 이유를 알 수 없습니다. 이유를 알아보기 위해 자신의 생활을 돌아보며 일기를 쓰려해도 새로운 일을 배우기 위해 매일매일 바쁘게 생활하느라 시간적 여유가 없는 상태이며, 이런 생활을 누군가에게 토로하려해도 친구들도 자신과 비슷한 상황이기에 결국 아무것도 하지 못하고 혼자 속을 삭히고 있습니다. 2) 고민이 많은 사춘기 소녀 이공댕양(17세) : 이공댕 양은 사춘기 청소년이 가장 겪기 쉬운 학업 문제, 친구 문제를 겪고 있으며 이로 인해 심한 스트레스를 받고 있습니다. 이공댕 양은 그런 부정적인 마음을 정리하고 싶어하지만, 일기를 적으며 본인의 감정을 들여다 보기에는 심리적 여유가 부족하고, 친구들에게 자신의 솔직한 마음을 말해보기에는 내용이 너무 부정적인 것 같아 고민이 되기도 하고 친구가 다른 사람들에게 소문을 내지는 않을 지 걱정이 됩니다.
Pain Point	1. 기억이 잊히더라도 감정은 누적되기 때문에 하루를 돌아볼 시간적 여유가 충분하지 않다면 자신이 왜 힘든지 그 원인을 정확하게 찾기가 어려울 수 있다. 2. 바쁜 일상 속에서 책상 앞에 오래 앉아 수기로 일기를 작성하는 것은 시간적으로 부담이 크고, 정신적으로도 피로감을 더한다. 3. 주위 사람들도 마음의 여유가 부족할 경우 부정적인 감정을 상대에게 털어놓는 것은 부담스러울 수 있다. 4. 자신의 문제에 대해 솔직하게 말했을 때 상대방이 그 내용을 다른 사람에게 알려주는 등의 프라이버시 문제가 생길 수도 있다.
솔루션	AI : Open AI GPT (GPT-4) 를 사용 1. 스트레스를 받는 순간마다 챗봇과 대화를 나누면, 시간적 여유가 없어도 챗봇이 대화에서 힘든 원인을 찾아 일기 형식으로 정리해 준다. 사용자는 이를 통해 자신의 감정을 더 깊이 이해할 수 있다. 2. 챗봇과의 대화는 짧은 시간 안에 부담 없이 이루어지며, 일기또한 AI가 대신 작성해 준다. 3. AI와의 대화이기 때문에 부정적인 감정을 부담 없이 털어낼 수 있다. 4. 대화 내용은 AI와만 공유되므로 주변 사람들에게 전달될 걱정이 없다.
오래 축적한 데이타의 잠재적 가치	주 사용자들의 정보(성별, 연령대) 특정 집단 사용자들의 심리적 상태나 라이프 스타일 파악 가능
기대성과	일기 작성의 시간적 부담 해소 감정 분석을 통한 자기 성찰과 정신 건강 관리 개인화된 감정 분석을 통한 정확한 데이터 제공
팀 그라운드룰	https://github.com/daeun1022/ewhafallcapston/blob/main/Ground_Rule.MD

Return Top

Team 38

항목	내용
팀명칭	상상그이상
프로젝트명	대면 독서 모임이 어려운 사람들을 위한 GPT-4o, RAG, Langchain 기반 AI 실시간 채팅형 비대면 독서 모임 서비스
키워드	실시간 채팅형 독서모임, 챗봇 사회자, chatgpt-4o
무엇을 만들고자 하는가	이 플랫폼은 대면 모임이 어려운 독서 애호가들을 위해 AI 기반의 비대면 독서 모임을 지원하며, 실시간 채팅에서 AI가 주제를 발제하고 토론을 관리하여 책에 대한 깊이 있는 대화를 돕고 핵심 내용을 요약합니다.
고객	1. 대학생 000(24세, 여성) - 책을 좋아하고 생각을 깊게 하는 성향이지만, 다른 사람들과의 토론이나 교류를 어려워한다. - 독서 모임에 참여하고 싶으나 바쁜 학업 일정으로 인해 직접 참석할 시간이 부족하며, 마이너 장르의 책을 좋아해서 비슷한 취향을 가진 사람들을 찾는 데 어려움을 겪고 있다. - 대면 모임보다는 온라인에서 익명으로 의견을 나누는 방식을 선호하며, 모임을 스스로 관리하거나 조율하는 데는 부담을 느낀다. 2. 직장인 000(30세, 남성) - 지방 소도시에 거주하는 중소기업 사무직으로, 주로 재택근무를 하고 있다. - 자기계발서와 비즈니스 관련 서적을 즐겨 읽으며, 실무와 개인 성장에 도움이 되는 인사이트를 얻기 위해 독서에 많은 관심을 가지고 있다. - 독서 모임에 참여하려고 시도하였으나 지방에 거주하기 때문에 가까운 곳에서 독서 모임을 찾기 어려웠고, 이에 대면 모임 참석이 번거롭다고 느껴, 더 효율적인 방법을 모색하고 있다.
Pain Point	1. 시간적, 물리적 제약: 지방이나 대도시 외곽에 거주하는 사람들은 모임 장소까지 이동하는 데 많은 시간을 할애해야 하며, 교통비와 이동 시간이 큰 부담이 될 수 있다. 2. 발언과 모임에 대한 부담감: 모임에 참여하더라도 자신의 의견을 말로 피력하고 소통하는 것에 어려움을 느낀다. 또한 독서 대면 모임에서 겪는 낯선 사람과의 만남으로 인해 욕설이나 거친 언행 등 부정적인 상황을 겪을까 우려한다. 3. 모임 성사 어려움: 흥미롭게 읽은 책에 대한 생각을 다른 사람들과 나누고 싶지만, 선호하는 장르가 대중적이지 않아 모임이 성사되기 어렵다. 그리고 독서 모임을 주최하거나, 진행하는 것에 큰 부담을 느낀다. 4. 토론 내용 정리 문제: 토론이 성사되더라도, 대화 후에 내용을 체계적으로 정리하고 요약하는 데 어려움이 있다. 또한 나중에 논의된 내용을 복습하거나, 새로운 모임 구성원에게 내용을 공유하기 힘들다.
솔루션	Back-End: Springboot Front-End: React DataBase: MySQL Server: aws ec2 Gpt-4o OpenAI: 참여자들에게 발제문을 제공한다. 모임 참여자들의 발언을 요약하고 내용을 체계적으로 정리한다. RAG: 책 PDF 문서(외부 데이터) 기반으로 정보를 검색하여 발제문을 생성한다. langchain: RAG를 활용해 정보를 검색하고 GPT-4o를 통해 결과를 생성하는 과정을 통합 관리한다.
오래 축적한 데이타의 잠재적 가치	- 참여자 수, 주최된 독서 모임 수, 평균 참여 인원, 각 모임의 참여 시간, 채팅 빈도 등의 사용자 활동 데이터를 통해 맞춤형 독서 모임 추천을 만들 수 있다. - AI가 생성한 발제문, 사용자의 토론 내용, 주요 키워드 등 발제문과 토론 내용에 대한 데이터를 통해 맞춤형 책 추천이 가능하고, AI의 발제문을 개선할 수 있다.
기대성과	- 성별, 나이, 직업, 외모 등 다양한 개인 정보가 토론의 분위기에 영향을 미치지 않고 배제되어 오로지 책과 토론 주제에만 집중할 수 있다. - 공간적 제약이 사라짐에 따라 다양한 지역의 사람들이 모여 풍부한 경험과 관점을 공유할 수 있다. - 모임 준비와 진행에 대한 부담을 덜고, 더 많은 사람들이 독서 모임을 주최할 수 있는 기회를 얻게 된다.
팀 그라운드룰	https://github.com/sooooscode/Beyond_Imagination/blob/db33f2bc70408cba003f78dab5d416f31a3d31cf/Ground_Rule.md

Return Top

Team 39

항목	내용
팀명칭	캡짱
프로젝트명	Mediapipe를 활용한 동작인식 피드백과 SAM2 기반 안무 시각화 기술을 결합하고 3D 기술을 활용하여 홀로 K-pop 안무를 연습하는 사람의 어려움 해결 및 지속적인 동기부여를 제공하는 서비스
키워드	MediaPipe, SAM2, 3D
무엇을 만들고자 하는가	“이 서비스는 사용자가 춤을 연습하면서 동작에 대한 정확한 피드백을 받고, 춤 실력을 효과적으로 향상하도록 돕습니다.”
고객	퍼소나1 : [이름 및 기본 정보] - 이름: 정은우 - 나이: 11세 - 성별: 여성 - 직업/직책: 초등학생 - 위치: 서울 금천구(석수역 부근) [배경] - 틱톡에 챌린지를 찍어 자주 올리고 K-pop 춤추는 것을 좋아합니다. - 주로 혼자서 춤을 추다보니 쉽게 흥미를 잃곤 합니다. - 춤을 체계적으로 배울 수 있는 학원이 집 주변에 없어 주로 유튜브와 틱톡 영상을 보며 독학으로 춤을 배우고 있습니다. 혼자 연습하는 과정에서 어려움을 느낄 때도 있지만, 꾸준히 노력하며 자신의 실력을 키워가고 있습니다. 퍼소나2 : [이름 및 기본 정보] - 이름: 박지훈 - 나이: 28세 - 성별: 남성 - 직업/직책: 첫 직장에 입사한지 3개월 된 마케팅 직장인 - 위치: 서울 서초구 [배경] - 대학 시절부터 친구들과 함께 K-pop 춤을 추며 즐겼습니다. 현재는 업무 때문에 따로 시간을 내기 힘들지만, 여전히 춤을 추는 것을 좋아하고 여가 시간에 안무를 배우고 싶어합니다. - 마케팅 직장인으로 바쁜 업무 일과로 인해 춤을 배우고 즐길 시간이 제한적입니다. 춤 학원을 정기적으로 다니기에는 금전적인 부담도 있습니다. - 회사 스트레스를 해소하고, K-pop 춤을 배우며 운동도 겸하고자 합니다. 새로운 안무를 쉽게 배우고 익혀 성취감을 느끼고 싶어합니다.
Pain Point	- 문제 1: 시간과 비용의 제약 댄스 학원에 다니고 싶어도 시간적, 경제적 이유로 부담을 느끼는 사람들이 많습니다. - 문제 2: 학습 동작 확인의 어려움 유튜브로 안무를 학습할 때 거울이 없으면 자신의 동작이 올바른지 한눈에 확인하기 어렵습니다. 또한 안무가의 영상과 자신의 안무를 한번에 확인할 수 없습니다. - 문제 3: 재미의 한계 혼자 춤을 연습할 때는 상호작용이나 즐거움을 줄 요소가 부족해 쉽게 지루함을 느낍니다. 또한, 영상을 공유하거나 댄스팀에 참여해 무대에 서지 않는 이상, 연습은 개인적인 반복에 그쳐 성취감이나 동작에 대한 피드백을 얻기 어렵습니다. 이러한 한계를 챌린지와 같은 재미있는 요소를 통해 해소할 수 있습니다.
솔루션	- MediaPipe(https://github.com/google/mediapipe) : 혼자서 안무 연습을 할 때는 자신의 동작이 전문가의 동작과 얼마나 유사한지 정확히 판단하기 어렵습니다. 이를 해결하기 위해 MediaPipe를 사용하면 인체의 주요 관절 포인트를 정확하게 추출하여, 사용자의 안무 동작을 전문가의 동작과 정량적인 비교가 가능합니다. 따라서 사용자는 시간적, 공간적 제약 없이도 정확한 피드백을 받을 수 있습니다. - SAM2(https://github.com/facebookresearch/sam2) : 영상 속 움직이는 객체를 탐지하여 마스크 정보를 추출합니다. - OpenCV (https://opencv.org/releases/): 사용자 혼자 안무를 연습할 때, 자신의 동작과 안무가의 동작을 한눈에 비교하기 어렵습니다. 이를 해결하기 위해 OpenCV를 사용하여 두 영상을 나란히 배치하고, 평가 점수와 피드백을 시각적으로 제공합니다. 또한 안무가의 동작 실루엣을 OpenCV로 생성하여 안무를 배우는 사용자에게 시각적인 가이드를 제공하고, 비디오 분석의 시각적 직관성을 높이기 위해 네온 효과를 추가함으로써 안무가의 윤곽선을 명확히 표현합니다. - Unity(https://unity.com/kr)를 이용해 가상의 아이돌 아바타를 만들고 안무 데이터를 활용해 움직임을 만듭니다.
오래 축적한 데이타의 잠재적 가치	1. 사용자 행동 데이터 - 사용자에게 피드백을 제공 - 사용자 이탈 방지 및 유지를 위한 대안 마련 가능 => 사용자 학습 데이터를 통해 안무 정확도 변화 추이와 특정 안무나 장르에 대한 선호도를 분석하면 각 사용자에게 최적화된 학습 콘텐츠와 피드백을 제공할 수 있습니다. 또한 앱 사용 데이터인 총사용 시간, 사용 지속성(장기/단기 사용자 비율), 로그인 빈도와 사용 패턴, 그리고 앱 내 기능 및 콘텐츠 선호도를 활용하면 사용자의 서비스 이용 습관과 니즈를 더욱 구체적으로 파악할 수 있습니다. 이 데이터를 기반으로 사용자에게 맞춤형 학습 경로를 제공하고, 학습 동기를 높이는 피드백을 설계함으로써 학습 효율을 극대화할 수 있습니다. 동시에, 사용 패턴 분석을 통해 이탈 가능성이 있는 사용자를 예측하고, 사용자 이탈 방지와 장기적 유지를 위한 대안을 마련할 수 있습니다. 결과적으로, 데이터 중심의 전략은 사용자 만족도를 높이고 서비스의 지속 가능성과 경쟁력을 강화하는 데 기여합니다. 2. 사용자 피드백 데이터 - 서비스 개선점 파악 가능 => 사용자 피드백 데이터는 서비스 개선에 중요한 역할을 합니다. 사용자 평점 및 후기, NPS 등과 데이터를 통해 사용자의 만족도와 불편 사항을 구체적으로 파악할 수 있습니다. 이를 통해 서비스의 개선점을 명확히 도출하여 사용자 경험을 지속적으로 향상할 수 있습니다. 3. 시장 데이터 - 맞춤형 콘텐츠 제공 - 문화권별 타겟 지정 => 시장 데이터를 성별, 연령대로 분석하여 사용자 맞춤형 콘텐츠를 제공할 수 있습니다. 이를 통해 각 사용자의 선호도와 행동 패턴을 고려하여 최적화된 경험을 제공해 줍니다. 또한 문화권별 시장 데이터를 활용해 지역마다의 문화적 차이를 반영한 로컬라이제이션 전략을 수립할 수 있습니다. 이를 통해 특정 문화권의 타겟 고객층을 정확히 공략하여 글로벌 시장에서도 경쟁력을 확보할 수 있습니다.
기대성과	1. 재미 극대화 - 가상의 아이돌과 함께하는 챌린지를 통해 혼자 춤을 출 때 느끼는 외로움과 재미 부족을 해소할 수 있습니다. 2. 편리한 연습 환경 - 시간과 장소에 구애받지 않고 자유롭게 춤을 연습할 수 있으며, 수강료를 걱정하지 않아도 됩니다. 3. 지속적인 동기부여 - 혼자 연습하는 지루함을 줄이고, 지속적으로 춤을 연습하고 싶은 동기부여를 제공해 줍니다. 4. 개인 실력 향상 - 피드백을 통해 사용자의 춤 실력이 빠르게 향상됨
팀 그라운드룰	https://github.com/CapstonProject-2024/CapstonProject/blob/main/GROUNDME.md

Return Top

Team 40

항목	내용
팀명칭	판타지
프로젝트명	생성형 AI를 활용한 사용자 취향 맞춤형 식단 추천 및 구입 연동 서비스
키워드	생성형 AI, 맞춤형 식단, 구입 연동
무엇을 만들고자 하는가	GPT-4o를 활용해 사용자 맞춤형 식단을 추천하고, 개인의 니즈에 맞춰 레시피를 수정하며, 냉장고 관리 기능과 필요 식재료 구입 연동까지 제공하는 서비스를 만들고자 함
고객	1. 이름: 한우리(26세) 2. 거주지: 서대문구 대현동 3. 직업: 앱 개발자 4. 특징: 이제 막 홀로서기를 시작한 초보 자취생 5. 상황: - 사회 초년생으로, 회사 일이 끝나고 집에 돌아오면 피곤해서 제대로 된 식사를 챙기기보다 간편하게 배달 음식을 시켜 먹는 일이 많아짐 - 완제품 도시락을 구입해봤으나 일회용품 쓰레기가 많이 나오고, 입맛에 맞지 않아 버리는 경우가 다수 발생함 - 건강하게 직접 요리해 먹고 싶은 마음이 있으나, 요리 경험이 거의 없고 매번 식단을 짜고 필요한 재료를 사는 일이 번거로움 7. 요구사항: - 건강한 식단을 손쉽게 구성할 수 있는 서비스가 필요함 - 필요한 재료를 리스트업 해 한 번에 주문하거나, 집에 남아있는 재료로 만들 수 있는 요리를 추천해주기를 원함 - 기존 일반식에서 일부 레시피를 수정해 영양 균형이 잡힌 대체식 식단과 레시피를 원함
Pain Point	1) 일상 속 식단 설계의 번거로움 - 매일 식단을 계획하는 데 많은 시간과 노력이 소요되며, 특히 바쁜 일상 속에서 영양 균형을 고려한 식단을 설계하는 것은 큰 부담임 2) 재료 및 레시피 서치의 번거로움 - 정해진 식단에 필요한 재료와 레시피를 직접 검색하는 시간이 오래 걸리며, 특히 마음에 드는 레시피를 찾는데 어려움을 겪는 경우가 많음 3) 개인의 특성에 맞춘 대체식단 구성의 어려움 - 최근 지속가능식품과 동물 복지와 관련해 식물성 대체육, 배양육, 식물성 우유 등 신소재 식품에 대한 니즈가 증가하고 있음 - 영양성분에 대한 관심 증가로, 당 함량을 줄이거나 단백질 함량을 늘리는 등 원하는 영양 성분에 가깝게 레시피를 수정해주기를 원함 - 식품산업통계정보시스템에 따르면 식사 준비의 번거로움(47.0%), 다양성 부족(42.6%)이 대체식품에 대한 페인포인트로 도출됨 4) 냉장고 관리 및 식재료 주문의 번거로움 - 매번 냉장고 속 식재료를 확인하고 필요한 재료를 구입하는 과정이 번거로움 - 필요한 식재료를 빠르게 리스트업하고 간편하게 주문할 수 있는 시스템에 대한 니즈가 존재함
솔루션	1. Front-End: JavaScript, React 2. Back-End: JavaScript, Node.js, Express, MySQL 3. AI: GPT-4o(사용자 취향 맞춤형 식단 생성 및 수정 결과 출력에 사용), RAG(사용자 입력 정보 데이터와 마켓 상품 데이터를 대량으로 검색해 실시간으로 식단에 반영)
오래 축적한 데이타의 잠재적 가치	[축적된 데이터] 1. 사용자 취향 데이터 - 사용자가 선택한 요리 테마 - 사용자가 선택한 영양 성분 및 재료 - 사용자가 입력한 건강 및 질환 2. 식단 데이터 - 과거에 생성된 식단 - 주문한 재료 3. 레시피 수정 데이터 - 레시피 수정 시 사용자가 변경한 재료 [창출 가능 가치] - 축적된 데이터를 바탕으로 더욱 만족스러운 식단과 레시피를 제공할 수 있음 - 기존 서비스보다 세부적으로 사용자의 기호를 반영할 수 있음
기대성과	- 생성형 AI을 통해 개인들이 겪는 시간적/정보적 문제를 해결할 수 있음 - 개인의 취향에 맞춘 식단 제공에서 더 나아가, 사용자의 세부적인 요구사항에 부합하도록 레시피를 수정해주는 기능을 통해 사용자 맞춤형 식단 결정 및 레시피 탐색과 수정, 재료 구입의 전반적인 과정에서 편의성 향상을 기대할 수 있음
팀 그라운드룰	https://github.com/tnediser/fantasy/blob/main/Ground_Rule.MD

Return Top

Team 41

항목	내용
팀명칭	Flippers
프로젝트명	OpenAI 및 Google Maps API 기반 사용자 맞춤형 여행 계획 추천 AI 앱/웹 서비스
키워드	OpenAI, 맞춤형 여행, 경로 추천
무엇을 만들고자 하는가	저희 앱은 사용자가 입력한 여행지, 예산, 선호하는 활동 및 날씨 조건을 기반으로 AI가 최적의 여행 일정을 자동으로 생성해 주는 맞춤형 여행 플래너로서 복잡한 계획 과정을 간소화하고, 사용자의 시간과 노력을 절약하며, 개인의 취향에 맞춘 유연하고 효율적인 여행 경험을 제공합니다.
고객	연령: 20대 ~ 40대 성별: 남녀 모두 직업군: 직장인, 프리랜서, 대학생 특징: 바쁜 생활 속에서도 효율적으로 여행을 준비하고 싶어하는 사람들, 예산과 취향을 고려한 맞춤형 여행 일정을 선호하는 여행자. 니즈: 시간 절약, 예산 관리, 개인 취향에 맞는 여행 일정.
Pain Point	사람들은 여행 계획을 세울 때, 여러 웹사이트에서 정보를 수집하고, 예산에 맞는 숙박과 활동을 찾으며, 개인의 취향을 반영한 일정을 구성하는 데 많은 시간과 노력을 소모합니다. 특히, 예산 관리와 선호 활동을 모두 만족시키는 일정을 짜기가 쉽지 않다는 점에서 불편함을 느낍니다.
솔루션	1. Frontend(Web) : React(18.0.0), Typescript(5.0.0), Next.js(14.2.15), Tailwind CSS(3.4.), @tanstack/react-query(5.59.13), axios(1.7.7)

2. Frontend(App) : React-Native(0.75.4, 웹뷰 사용)
3. Backend : Node.js&Express or Spring(java), AWS EC2, S3
4. Database : MySql(3.9.7), MariaDB
5. AI : ChatGPT 4o-mini | | 오래 축적한 데이타의 잠재적 가치 | 사용자들의 선호 여행지, 일정, 예산, 활동 패턴, 날씨와의 상관관계 등의 데이터가 축적됩니다. 이를 통해 더 정교한 맞춤형 추천 시스템을 개발하고, 계절별 또는 예산별 여행 트렌드를 분석할 수 있습니다. 또한, 예산 및 지출 패턴을 기반으로 비용 최적화 기능을 제공할 수 있으며, 축적된 데이터를 활용해 현지 업체와의 파트너십 기회를 발굴해 맞춤형 패키지나 할인 혜택을 제공할 수 있는 부가가치를 창출할 수 있습니다. | | 기대성과 | 사용자들은 여행 계획 과정에서 시간을 크게 절약하고, 개인의 취향과 예산에 맞춘 맞춤형 일정을 손쉽게 받을 수 있을 것입니다. 날씨나 상황 변화에도 유연하게 대응할 수 있어 더욱 만족스러운 여행 경험을 제공할 수 있습니다. 이로 인해 여행 준비의 번거로움이 줄어들고, 사용자는 더 편리하고 최적화된 여행을 즐기게 될 것입니다. 또한, 축적된 데이터를 통해 더 정확한 추천 서비스가 가능해지고, 여행 산업과의 협력 기회를 확대하며, 여행 관련 비용 절감 효과까지 기대할 수 있습니다. | | 팀 그라운드룰 | https://github.com/Filppers/Ground_Rule/blob/main/Ground_Rule.md |

Return Top

Team 42

항목	내용
팀명칭	수아정
프로젝트명	ChatGPT기반의 대화형 챗봇을 통해 2030 여성 사용자의 니즈 ( 외출목적, 취향 등)를 텍스트로 수집하고 해당 니즈를 반영해 개인 맞춤형 코디를 시각적인 이미지로 제공하는 시스템
키워드	ChatGPT-4o api, 개인 맞춤형 코디 추천, 패션 추천에 특화된 기능형 챗봇
무엇을 만들고자 하는가	챗봇의 주도적인 질문을 통해 얻은 사용자의 패션 니즈를 바탕으로, 20대 여성의 말투를 학습시킨 ChatGPT-4o모델과 트렌드를 반영한 패션 데이터셋을 활용하여 사용자의 필요에 맞는 옷을 조합하여 시각적인 이미지로 제공해주는 서비스
고객	이름: 김사랑 (25세, 여성) 직업: 패션 스타트업 마케팅 팀 사원 거주지: 서울 강남구 설명: 트렌드에 민감하고 자기표현에 적극적인 성격의 소유자. 인스타그램을 통해 자신의 일상과 스타일을 공유하는 것을 즐김. 주말에는 애인과 새로 오픈한 카페나 팝업 스토어를 방문하는 것을 좋아함. 패션 스타일은 y2k, 그리고 과감한 컬러 매치. 이름: 이우정 (23세, 여성) 직업: 패션 디자인 전공 대학생 거주지: 서울 홍대 인근 설명: 창의적이고 예술적인 감각이 뛰어난 성격의 소유자. 독특하고 개성있는 스타일을 추구하며, 자신만의 패션 브랜드를 론칭하는 것이 꿈임. 주말에는 친구와 전시회나 패션 팝업 이벤트에 참여하는 것을 즐김. 패션 스타일은 지적이고 세련된 긱시크. 이름: 서윤 (28세, 여성)> 직업: 프리랜서 거주지: 서울 서초구 설명: 평소 옷에 큰 관심도 없고, 사람들의 시선도 신경 쓰지 않는 성향. 다만 최근 업무 관련 외출이 잦아지면서 복장에 신경 쓸 수밖에 없는 상황.
Pain Point	많은 사람들이 매일 아침 옷을 고르는데 많은 시간이 소요됨. 그리고 특별한 행사에 참석할 때 적절한 옷을 고르기가 어려울 수 있음. 그 결과, TPO를 고려하지 않은 옷차림으로 인해 불편함을 겪거나 부적절한 인상을 주기도 함. 등교 또는 출근 전 아침 시간이라는 제한된 상황에서 여러 가지를 고려하여 코디를 하는 것은 상당한 부담이 될 수 있음. 또한 일부 사람들에게는 옷을 고르는 과정 자체가 스트레스의 원인이 될 수 있음. 일반인은 빠르게 변화하는 패션 트렌드를 모두 파악하기 어렵고 패션 전문가만큼 스타일링 지식이 풍부하지 못하기 때문에 새로운 스타일을 시도하거나 자신의 코디 능력을 향상시키기 어려움. 그리고 시행착오 과정에서 불필요하게 많은 시간과 돈을 낭비하게 됨.
솔루션	프론트엔드 : Flutter 백엔드 : FastAPI 데이터베이스 : MongoDB Atlas 클라우드 및 배포 : AWS EC2, AWS S3 AI : ChatGPT API 4o 데이터셋 : 카카오 채팅 데이터셋,패션 커스터마이즈 데이터셋 검색엔진 : ElasticSearch
오래 축적한 데이타의 잠재적 가치	1) 개인화된 추천의 정교화: 사용자의 기분, 선호도, 스타일 변화 등을 장기간 추적하면서 점점 더 정확한 패션 추천이 가능하다. 예를 들어, 특정 계절이나 기분에 따른 패턴을 파악해 미래에도 적합한 추천을 제공할 수 있다. 2) 트렌드 예측: 다수 사용자의 데이터를 분석하면, 특정 패션 스타일이나 색상의 트렌드가 어떻게 변화하는지 예측할 수 있다. 이를 통해 새로운 유행을 미리 감지하고 추천할 수 있다. 3) 비즈니스 기회: 축적된 데이터는 패션 브랜드나 쇼핑몰과 협력하여 맞춤형 광고나 상품 추천, 콜라보레이션 기회를 창출할 수 있다. 예를 들어, 특정 스타일을 선호하는 사용자를 위한 맞춤형 광고를 제안하거나, 추천된 쇼핑몰과 제휴를 통해 수익을 창출할 수 있다.
기대성과	1) 사용자는 친근하고 자연스러운 말투의 챗봇과 대화하며 정서적 위안을 얻을 수 있을 것이다. 2) 사용자의 기분과 취향에 맞춘 개인화된 패션 추천을 통해 사용자 만족도를 높이고, 판매처 url을 제공하여 따로 찾아볼 필요 없이 구매에 있어서도 편리함을 제공한다. 3) 장기적으로는 데이터 분석을 통해 트렌드를 예측하고, 맞춤형 광고 및 제휴를 통해 수익 창출 기회를 극대화할 수 있다.
팀 그라운드룰	https://github.com/Capston-Team42/2024-capston/blob/main/Ground_Rule.md

Return Top

Team 43

항목	내용
팀명칭	코코넛
프로젝트명	와일드 인 스쿨 : 동작 인식으로 즐기는 학교 배경 격투 게임
키워드	게임, OpenCV, 비디오처리
무엇을 만들고자 하는가	사용자의 움직임을 캐릭터의 움직임으로 바꿔주는 격투 게임.
고객	학교의 일탈감을 느껴보고 싶은 10대 혹은 20대 , '철권'을 새롭게 즐겨보고 싶은 사람들
Pain Point	같은 플레이 방식으로 인한 지루함을 느낄 수 있음
솔루션	OpenCV를 통한 손, 눈 인식 실시간 비디오 처리를 통해 사용자 인식 후 캐릭터에 반영
오래 축적한 데이타의 잠재적 가치	축적될 데이터 : 사용자 행동 및 동작 데이터, 전투 기록, 사용자 피드백, 접속 및 참여율 데이터로부터 만들어낼 가치 : 게임 밸런스 조정 및 개인화된 경험 제공, 사용자 참여 증대, AI 트레이닝, 새로운 서비스 개발 아이디어 창출
기대성과	게임 장르 및 플레이 방식의 혁신, 신체 활동 촉진, 팬층 확장, AI 및 동작 인식 기술 발전
팀 그라운드룰	https://github.com/Capston-Team43/Capston43/blob/main/Ground_Rule.md

Return Top

Team 44

항목	내용
팀명칭	E-CLAIR
프로젝트명	챗봇과의 일상 대화와 누적된 일정 한줄 소개를 활용한 사용자 맥락 정보를 기반으로 즉시 참여할 수 있는 일정을 추천하는 대학생 대상 스마트 일정 관리 서비스
키워드	컨텍스트 기반 추천 시스템, LLM, LBS(Location-Based Service)
무엇을 만들고자 하는가	대학생의 비어 있는 시간을 효율적으로 활용하도록 맥락 기반 일정 추천을 제공한다. GPT-4 기반 챗봇 대화 내용과 Perplexity를 활용한 일정 한줄소개를 통해 사용자 맥락 정보를 생성하며, 추천 과정에서 Perplexity는 최신 데이터를 반영해 검색풀을 확장하고 웹 구조 변화에 유연하게 대응한다. 이를 통해 제한 없는 맞춤형 추천이 가능하다.
고객	1. 김이화(23세, 여, 대학생, 서울 서대문구 거주): 외향적이고 실외활동을 선호한다. 수강신청을 실패해서 매일 3-4시간의 공강이 있다. 반복되는 일상에 실증을 느껴 새로운 활동을 하고 싶어 한다. 2. 박삼화 (21세, 여, 대학생, 서울 송파구 거주): 즉흥적인 성향이 강하며 미리 계획을 세우는 걸 선호하지 않는다. 수업이 없는 날은 보통 팀플이나 협업 프로젝트 관련 일정이 있어 여유 시간이 테트리스처럼 분포한다. 즉흥적인 성향이 강해 미리 계획을 세우는 걸 선호하지 않는다. 3. 정사화(22세, 여, 대학생, 서울 성동구 거주): 우주 공강이 생긴 정사화 씨는 통학 중이라 집에서 쉬지도 못하고 대부분의 공강을 단과대학 건물에서 보낸다. 보통 공강에는 라운지나 도서관에서 할 일을 하며 시간을 보낸다. 정적인 활동을 선호한다.
Pain Point	1. 김이화(23세, 여, 대학생, 서울 서대문구 거주): 공강 때 마다 핸드폰 게임만 하며 무의미하게 시간을 때우는 것에 회의감을 느낀다. 공강 시간을 활용할 수 있는 방법을 몰라서 곤란함을 느낀다. 공백 시간이 불규칙하기 때문에 매번 상황에 맞는 계획을 세우기 어렵다. 2. 박삼화 (21세, 여, 대학생, 서울 송파구 거주): 여유 시간대에 갑자기 무언가 하고 싶어도 어디서 무엇을 해야 할지 계획하는 일이 귀찮아서 포기하는 경우가 많다. 포기하는 경우 보통 단과대학 건물 내 빈 의자에 앉아서 유튜브 쇼츠를 보기 때문에 제대로 휴식을 취한 것 같지도 않다. 빈 시간에는 확실한 휴식을 취하고 싶다. 3. 정사화(22세, 여, 대학생, 서울 성동구 거주): 3년째 같은 공간에서 같은 생활을 반복하는 게 매우 지겹다. 독서, 자기계발 등의 일을 할 때, 라운지나 도서관 외에 기분을 전환할 수 있는 새로운 공간이 필요하다.
솔루션	1. Front-End: - React Native 0.71.0 (https://reactnative.dev/) 2. Back-End: - Spring Boot 2.5.0 (https://spring.io/projects/spring-boot) - FastAPI 0.95.0 (https://fastapi.tiangolo.com/ko/) - Redis 6.2 (https://redis.io/) -Docker 20.10 (https://www.docker.com/) 3. API: - 네이버 지도 API (https://navermaps.github.io/) - Google Calendar API (https://developers.google.com/calendar) 4. AI: - Perplexity llama-3.1-sonar-small-128k-online (https://www.perplexity.ai/) - OpenAI GPT-4 (https://openai.com/)
오래 축적한 데이타의 잠재적 가치	1. 정교한 개인화와 예측: 수집된 데이터를 바탕으로 더욱 개인화된 추천을 제공할 수 있으며, 사용자마다 더욱 정교하고 유의미한 일정을 예측하여 제안할 수 있다. 2. 트렌드 데이터 수집: 여러 조건과 상황에 따른 대학생 트렌드 변화를 분석하여 인사이트를 얻을 수 있다.
기대성과	1. 사용자 맥락을 반영한 개인화된 일정을 추천하며, 최신 데이터와 트렌드도 반영해 제한 없는 맞춤형 추천을 제공한다. 사용자가 직접 입력할 필요 없이 일상 속에서 사용자의 취향을 자연스럽게 파악한다. 2. GPT-4 기반 챗봇이 사용자의 말동무가 되어 사용자에게 즐거움을 준다. 3. 비어 있는 시간에 새로운 경험을 제안해서 삶의 다양성을 늘리고 만족감을 높인다. 사용자는 비어 있는 시간을 보다 생산적이고 의미 있게 사용할 수 있게 되며, 일상적인 시간 관리의 효율성을 향상시킬 수 있다.
팀 그라운드룰	https://github.com/Yeolmaeg/Capstone-SGK/blob/main/Ground_Rule.MD

Return Top