All Team Project Briefs.MD

전체 프로젝트 리스트

팀번호	팀명	프로젝트
1	파브르	생성형 AI를 활용한 헬스 트레이너와 회원 간 스케줄 매칭 및 운동/식단 기록 서비스
2	탐탐	지출 관리에 어려움을 겪는 사회초년생을 위해, 개인의 특성과 월간 일정을 AI로 분석하여 예산 솔루션을 제공하는 맞춤형 가계부 애플리케이션
3	쌈뽕 워리어즈	AI 기반의 text-to-video 변환 기술을 이용하여 숏폼 컨텐츠에 익숙한 현대인의 뉴스 및 정보 소비 문제를 해결하기 위한 자동화된 뉴스 요약 숏폼 생성 시스템
4	217 더보기	유니티와 Gaussian Splatting을 활용하여 안전 장비 사용에 미숙한 현대인을 위한 VR 재난 상황 시뮬레이션 학습 게임
5	무한도전	귀국 후 남은 외국 현금을 거리 기반 매칭을 통해 필요한 사람들에게 연결하는 AI 환전 플랫폼
6	Goggle	LangChain과 RAG 기반의 AI 바둑 복기(復棋) 서비스
7	테스파	각 디바이스별 로컬 데이터로 학습한 모델의 명확성을 높이기 위해 디바이스 간 1:n 관계의 선택적이며 부분적인 Knowledge Transfer Learning을 통한 학습 최적화 및 generalization
8	eiai	X+Pruning: 다른 경량화 기법에 aware한 pruning 연구
9	Jppin’	실버 - 여가시간이 많고 정보 접근성이 취약한 노년층의 활동적이고 의미 있는 삶을 지원하기 위해, 선호 취미 키워드를 추출하는 AI 기반 추천 시스템을 사용하여 취미와 활동을 제안하는 플랫폼. 이 플랫폼은 노인 친화적인 직관적 UI/UX와 함께, 개인 맞춤형 취미 로드맵과 동기부여 시스템을 통해 지속적인 참여를 유도하고, 디지털 격차 문제를 해결한다. 이를 통해 사용자는 자기 주도적인 취미 생활을 통해 소외감을 줄이고, 삶의 활력을 되찾을 수 있다.
10	X10 (엑스텐)	딥러닝 기반 이미지 분석 기술과 챗봇 인터페이스를 통해 사용자가 SNS에 업로드할 사진 및 동영상에 최적화된 음원을 추천해주는 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 노동자의 한국 정착을 위한, AI 기반 맞춤형 정책 추천 서비스
14	고속도로위	ai-driven autonomous mobility service
15	SSB	TheraTalk
16	RexT	차세대 네트워크 환경인 Starlink 상에서 Tor 브라우저 트래픽 분석 및 Website Fingerprinting 공격을 통한 네트워크 취약점 탐색
17	테크핑	주식 투자에 입문하고 싶지만 진입 장벽을 느끼는 사람들을 위해 AI 챗봇을 활용해 쉽게 학습하고 모의 투자를 경험할 수 있는 초보자용 모의 투자 서비스
18	코드의 정상화	AI를 이용하여 시간, 거리, 길의 취향 선택을 통한 러닝경로 추천을 받고싶은 사용자들을 위한 맞춤형 추천 앱 개발
19	정상이다	제한된 시점에서의 NeRF 성능 개선: 생성형 AI와 비전 기술을 활용한 3D 모델 생성
20	뜨개걸즈	털실과 그레텔 - 도안을 찾기 어려운 뜨개 입문자와 도안 커스터마이징이 필요한 뜨개 숙련자까지, 모든 뜨개인을 위한 AI 뜨개질 도안 생성 및 커뮤니티 어플리케이션
21	가능한	Multimodal 모델의 견고성 강화를 위한 딥러닝 기술 기반 누락 데이터 생성
22	ZIP가기	솔직한 감정을 표현하고자 하는 사용자를 위한 AI 기반 영상 일기 분석 및 감정 맞춤형 콘텐츠 추천 플랫폼
23	클로버	개인 카페의 경쟁력 확보를 위한 선불권(금액권, 정기권) 결제 및 관리 서비스
24	대장정	모션 인식 기능과 챗봇을 이용한 AI 발표 도우미
25	디어리	open AI를 이용하여 교양을 쌓고 싶은 사용자가 맞춤형 퀴즈를 풀며 나만의 교양 스크랩북을 만드는 서비스
26	Joggim'	얼굴인식을 이용한 AI 기반 대학생 맞춤형 소개팅 서비스
27	그로쓰	팬의 기여를 인정하기 위해 블록체인 기술을 사용하여 크리에이터와 팬들의 공정한 수익 분배를 도모하는 계정 토큰화 서비스
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 AI 서비스
30	찹쌀떡	면접 준비자를 위해 자기소개서를 AI 분석하여 예상 질문을 제공해 면접 합격을 도와주는 면접 시뮬레이션 서비스
31	김미니	인공지능을 이용하여 대학생의 생활체력증진 및 자세교정을 위한 운동추천 및 코칭시스템
32	홈런볼	AI를 활용해 사용자 맞춤형 전자 기기를 추천하고, 스펙을 이해하기 쉽게 설명하며, LLM 기반 상담 시스템과 커뮤니티 기능을 제공하는 기기 추천 서비스
33	아리아리	LLM 기술 기반의 AI NPC와 상호작용 가능한 종교 전파 멀티플레이 게임
34	IT인	Cross-modal Federated Learning through Multimodal Data Integration and Translation
35	트리코드	Chat-GPT와 벡터 데이터베이스, RAG(Retrieval-Augmented Generation) 기술을 활용하여 사용자가 제공한 데이터를 기반으로 자신과 닮은 디지털 쌍둥이를 생성하고 실시간으로 대화할 수 있는 서비스
36	해피코더	천재지변에 따른 농산물(야채, 과일 등) 의 가격 변화 동향과 앞으로의 추이를 예측해 합리적인 소비를 도와주는 서비스
37	코드셋	AI 챗봇과의 대화를 통해 AI가 사용자 대신 하루의 일과를 요약해서 감정 상태를 중심으로 그날 하루를 정리해주는 어플
38	상상그이상	1. 대면 독서 모임이 어려운 사람들을 위해 비대면 실시간 채팅 독서 모임을 만들고 진행하는 AI 기반 플랫폼 2. 독서 모임을 주최하고 싶은 독서 애호가들을 위한 AI가 주제를 발제, 토론을 관리하고 요약해주는 독서모임 웹 서비스 3. 채팅과 음성인식으로 비대면 독서 토론을 간편하고 효율적으로 만들어주는 AI 기반 플랫폼
39	캡짱	[엣지 AI] 각 디바이스별로 학습한 모델들 사이의 1:1 선택적이며 부분적인 Knowledge Transfer Learning을 통한 학습 최적화
40	판타지	Limited Memory AI 기술을 통해 반려동물의 문제 행동을 분석하고 맞춤형 해결책을 제공하며, 다양한 부가 서비스를 통해 반려동물의 행동 교정과 생활 관리를 지원하는 플랫폼
41	tech wave	OpenAI 및 Google Maps API 기반 사용자 맞춤형 AI 여행 플래너 솔루션
42	수아정	오늘 입고 나갈 옷을 홀로 고민하는라 불편함을 겪는 젊은 여성들을 위한 파인튜닝된 chatGPT api기반의 외출복 추천 챗봇
43	코코넛	와일드 인 스쿨 : 동작 인식으로 즐기는 학교 배경 격투 게임
44	E-CLAIR	사용자의 취향과 동선을 기반으로 비어 있는 시간대에 이벤트를 추천하는 알고리즘 활용 캘린더 앱

Team 1

항목	내용
팀명칭	파브르
프로젝트명	생성형 AI를 활용한 헬스 트레이너와 회원 간 스케줄 매칭 및 운동/식단 기록 서비스
키워드	NLP, 딥러닝, 데이터 파이프라인
무엇을 만들고자 하는가	헬스인을 위한 앱으로, 트레이너와 회원 간 PT 일정 관리, AI를 트레이너로 삼아서 개인 운동/식단을 받아보고 이를 기록하면서 관리할 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.
솔루션	paCy scikit-learn TensorFlow/Keras Apache Airflow Celery Plotly Optuna AWS S3
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 : 운동 수행 능력 별로 유저에게 운동 추천 가능합니다. 축적 데이터 : 같은 운동이여도 운동 수행 능력에 따라 다른 결과가 나오는데, 이를 통해 유저의 운동 수행 능력을 측정할 수 있습니다. 가치 : 테스트용 운동 세트를 유저에게 수행하게 하고 유저의 운동 수행 능력을 측정할 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	지출 관리에 어려움을 겪는 사회초년생을 위해, 개인의 특성과 월간 일정을 AI로 분석하여 예산 솔루션을 제공하는 맞춤형 가계부 애플리케이션
키워드	NLP, 예산 관리, 캘린더 API
무엇을 만들고자 하는가	저희는 사용자의 월간 일정과 소비 습관을 AI로 분석하여 맞춤형 예산을 제안하고 조정해주는 개인화된 예산 관리 가계부 앱을 개발합니다. 우리는 사용자가 예산을 현명하게 수립하여 지출을 효율적으로 계획할 수 있도록 돕습니다.
고객	저희의 고객은 돈을 아끼고 싶지만 예산 수립과 지출 관리에 어려움을 느끼는 20대 청년들로, 구체적으로는 1인 가구, 대학생 또는 사회초년생들을 타깃으로 합니다. 페르소나: 이름: 박수현, 25세 성별:여성 직업군: 대기업 개발자 연령:27세 거주 지역: 서울 마포구 소득 수준: 월 400만원 취미 : 해외여행, 클라이밍 생활 스타일 및 고충: MBTI가 P, 평소 충동적인 지출이 많은 편. 돈을 아껴쓰고 싶지만 늘 실패한다. 바쁜 일정 중에도 다양한 생활비 지출(식비, 취미, 모임, 여행 등)이 있다. 수입이 많음에도 불구하고 저축을 전혀 하지 못하며, 쓰기에도 급급한 상황이다.
Pain Point	- 일정과 예산의 비연동: 기존 가계부 앱은 사용자의 일정에 따른 지출 변동을 반영하지 않아, 중요한 행사나 지출 계획을 미리 예측하고 관리하기 어렵습니다. - 수동 예산 조정의 불편함: 일정 변경이나 예상치 못한 지출 발생 시, 가계부 앱을 쓰고 있더라도 사용자가 매번 수동으로 예산을 수정해야 하며 이는 번거롭고 비효율적입니다. - 예산 초과에 대한 미비한 대응: 예산 초과 시 경고만 제공되고, 어디에서 지출을 줄일지에 대한 구체적인 해결책이 없어 관리가 어렵습니다. - 개인화된 소비 패턴 분석 부족: 현재 앱들은 단순 기록에 그치며, 개인의 소비 습관에 맞춘 맞춤형 예산 제안이나 자동 조정 기능이 부족합니다.
솔루션	- 구글 캘린더 API 연동: 사용자의 일정을 자동으로 가져와 예산 계획에 반영합니다. - 거래 내역 연동: 금융결제원에서 제공하는 오픈API인 거래내역조회 API를 사용하여 가계부를 편리하게 사용하도록 돕습니다. - 프론트엔드-Flutter를 통한 크로스플랫폼 앱 개발 - 백엔드: - Spring Boot(Java): Spring 프레임워크 기반으로 백엔드 로직을 구현하고, 비즈니스 로직 처리. - FastAPI(Python): 일부 데이터 처리 및 AI 모델과 백엔드 간의 연동을 위한 스크립트 처리. - AI: - PyTorch: 사용자 소비 패턴을 분석하고 예산 추천을 위한 AI 모델 구축에 사용. - Keras: 딥러닝 모델 개발과 실험을 빠르게 수행. - Numpy: AI 모델을 위한 수치 연산과 데이터 전처리에 사용. - Pandas: 데이터 분석 및 전처리 작업에 사용. - 알고리즘 라이브러리 - LSTM (Long Short-Term Memory): 시간 시계열 데이터를 분석하여 개인의 과거 지출 패턴을 기반으로 미래 예산을 예측합니다. - ARIMA (AutoRegressive Integrated Moving Average): 과거 지출 데이터를 바탕으로 일/월별 예산 변동을 분석하는 데 사용합니다. - 잠재 요인 분석 (Latent Factor Analysis): 사용자 소비 성향을 분석해 맞춤형 예산 추천을 제공합니다. - NLP (Natural Language Processing): 자연어 처리 기술을 이용해 사용자가 입력한 지출 계획을 분석하고, 적절한 예산 카테고리에 자동 분류합니다. - 협업 필터링 (Collaborative Filtering): 비슷한 소비 성향을 가진 사용자들의 패턴을 분석하여 예산 추천을 개인화합니다. - 신경망 기반 예측 (Neural Network-based Prediction): 다양한 요인들을 고려해 지출 예산을 최적화하는 신경망 모델을 구축합니다.
오래 축적한 데이타의 잠재적 가치	- 개인 소비 및 예산 패턴 데이터: - 축적 데이터: 사용자의 소비 패턴, 예산 설정 및 초과 내역, 카테고리별 지출 등. - 가치: 맞춤형 예산 추천 정확도 향상과 소비 습관에 따른 지출 예측 및 예산 초과 방지 모델 개선. - 집단 소비 경향 분석 데이터: - 축적 데이터: 연령, 직업, 지역별 소비 패턴 및 예산 관리 트렌드. - 가치: 소비 트렌드 분석 및 마켓 인사이트 제공과 특정 집단 대상 맞춤형 서비스 개발 및 기회 발견. - 일정과 지출 상관관계 데이터: - 축적 데이터: 일정별 지출 패턴, 일정 유형에 따른 예산 변화. - 가치: 일정에 맞춘 예산 최적화 및 지출 예측 모델 구축과 일정 추가 시 맞춤형 지출 조정 및 알림 제공. - 사용자 행동 및 만족도 데이터: - 축적 데이터: 앱 사용 빈도, 예산 조정 패턴, 불편을 느끼는 지점. - 가치: UX/UI 개선을 통해 사용자 경험 최적화와 인기 기능 분석을 통한 서비스 확장 및 개선 전략 수립.
기대성과	- 개인화된 예산 관리의 실현: 사용자의 일정과 소비 패턴을 반영한 맞춤형 예산 관리가 가능해져, 소비 계획이 더욱 효율적이고 현실적으로 이루어집니다. 일정 추가 시 자동으로 예산을 조정하고 지출을 최적화하는 기능 덕분에, 번거로운 수동 예산 관리 없이 편리하게 재정 계획을 세울 수 있습니다. - 예산 초과 방지 및 지출 최적화: AI 기반 예산 예측 및 조정 기능으로 사용자는 예산 초과를 미리 방지할 수 있으며, 지출을 최적화할 수 있습니다. 이는 재정 건전성을 높이고 불필요한 소비를 줄이는 데 기여합니다. - 금융 관리 습관 개선: 지속적인 데이터 분석을 통해 사용자에게 맞춤형 예산 제안을 제공함으로써, 더 나은 금융 관리 습관을 형성하고 장기적인 재정 안정성을 촉진합니다.
팀 그라운드룰	https://github.com/Team-Tamtam/Tamtam-BE/blob/main/Ground_Rule.md

Return Top

Team 3

항목	내용
팀명칭	쌈뽕 워리어즈
프로젝트명	AI 기반의 text-to-video 변환 기술을 이용하여 숏폼 컨텐츠에 익숙한 현대인의 뉴스 및 정보 소비 문제를 해결하기 위한 자동화된 뉴스 요약 숏폼 생성 시스템
키워드	- chatGPT - text-to-video - short-form 영상 생성
무엇을 만들고자 하는가	저희가 개발하려고 하는 것은 Text-to-Video기술과, 생성형 AI(GPT-4)를 활용하여 자동화 파이프라인으로 특정 뉴스레터, 기사, 뉴스를 입력으로 넣은 다음, 해당 텍스트에서 추출한 핵심 키워드를 기반으로 숏폼 형식의 영상을 산출하는 서비스입니다.
고객	- 이름 : 한민지 - 나이 : 32세 - 성별 : 여자 - 직업 : IT 회사의 대리 - 성격 : 내향적이고 수동적인 성격을 가지고 있음. - 라이프스타일 - 회사 집 회사 집을 반복하며, 개인 시간이 충분하지 않음. - 긴 영상이나 글을 읽을 여유가 없어 주로 숏폼 컨텐츠를 즐김. - 필요와 요구 - 시사 상식 향상을 필요로 함 - 짧은 시간 안에 큰 노력 없이 간결한 정보를 얻고 싶어함 - 자주 사용하는 서비스 - 유튜브 숏츠, 인스타그램 릴스(짧고 재미있는 영상 시청) - 관심분야 - 과학기술, 정치
Pain Point	- 기존 영상 플랫폼을 통해 숏폼 컨텐츠를 즐기면 평소에 보는 특정 주제에 편향된 영상들만 계속 접하게 됨 - 진위 여부가 판별되지 않는 자극적인 뉴스를 소비하게 됨 - 현대인이 뉴스, 뉴스레터 등 긴 글에 담긴 이슈/정보들을 소비하지 않아서 정보 소외를 느낌
솔루션	[AI] GPT4 (openAI) - https://platform.openai.com/docs/guides/text-generation T5 - https://github.com/google-research/t5x NeuralSpeech - https://github.com/microsoft/NeuralSpeech Wav2Lip - https://github.com/Rudrabha/Wav2Lip [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/
오래 축적한 데이타의 잠재적 가치	- 사람들이 주로 보고 싶어 하는 뉴스 유형(정치, 범죄, 연예 등)의 비율을 알 수 있게 되고, 현대인들이 어떠한 사회 현상와 가치에 관심이 있는지 파악할 수 있게 되어 이를 겨냥한 추가적인 상품이나 광고 서비스 등을 런칭할 수 있음. - 연령대별, 성별 뉴스 유형의 관심도 데이터가 축적되어 고객의 특성에 맞는 뉴스를 추천하는 서비스를 추가로 런칭할 수 있음.
기대성과	- 많은 사람들이 사회 이슈를 쉽고 빠르게, 그리고 간략하게 접할 수 있어 짧은 시간 안에도 쉽게 정보를 얻음에 따라 사회 내 정보 소외를 완화할 수 있음. - 과장되거나 편파적인 뉴스가 아닌 객관적인 사실만 접하게 되면서 미디어 리터러시 능력을 향상할 수 있고, 객관적인 시야를 가질 수 있음.
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	유니티와 Gaussian Splatting을 활용하여 안전 장비 사용에 미숙한 현대인을 위한 VR 재난 상황 시뮬레이션 학습 게임
키워드	안전 장비 교육 게임, VR, Gaussian Splatting
무엇을 만들고자 하는가	유니티 엔진과 Gaussian Splatting을 접목하여 재난 상황을 실감나게 구현하고, VR 기기를 통해 플레이어가 재난 상황 속에서 안전 장비를 학습하여 실제상황에서 안전 장비를 능숙하게 사용할 수 있도록 한다.
고객	- 34세 직장인 김범석: 김범석은 회사에서 안전 교육을 받은 적이 있다. 하지만 시각 자료만으로 교육이 끝났고, 장비 조작은 직접 한두 번 해 본 게 끝이다. 얼마 전 범석의 옆 아파트에서 화재가 났었는데, 만약 범석은 과연 그 아파트가 자신의 아파트였더라면 이 교육 내용을 적용하여 잘 탈출할 수 있을지 자신이 없다. - 13세 초등학생 김혜미 : 김혜미는 며칠 전 학교에서 화재 안전 교육을 받았다. 하지만 교육 내용은 운동장에 나가서 반장이 학교 대표로 소화기를 사용하는 걸 지켜보는 것 뿐이었다. 평소에 안전에 큰 관심이 없던 혜미도 이 날 만큼은 직접 장비를 조작해보고 배우고 싶었지만 그럴 수 없어 아쉬웠다. 집에 돌아온 혜미는 뭘 배웠냐는 어머니의 질문에 아무 대답도 할 수 없었다. 이에 혜미는 따로 장비를 직접 조작하는 경험을 해보고 싶어한다.
Pain Point	최근 안전 장비 사용법에 미숙해 인명 피해가 발생하는 경우가 많아졌다. 그러나 이를 예방하기 위한 안전 교육이 제대로 이루어지지 않는 상황이다. 기존의 안전 교육은 시각 자료만으로 진행되거나 일부 인원이 대표로 장비 사용법을 배우는 것에 그친다. 또한 교육이 진행되는 환경은 실제 재난 상황과는 다르게 안전하게 통제된 장소에서 진행되기에, 학습자들이 학습에 대해 열의와 중요성을 느끼기 어렵다는 문제가 발생한다.
솔루션	- Unity VR - OpenAI API - Gaussian Splatting
오래 축적한 데이타의 잠재적 가치	사용자들이 플레이한 데이터를 통해 어느 장비를 조작하는 데 어려움을 겪는지, 그리고 어느 상황에서 어려움을 겪는지 파악할 수 있을 것이다. 이를 토대로 시뮬레이션 내에서 또는 실제 교육 현장에서 더 집중적인 교육을 할 수 있고, 사용자 맞춤형 교육을 제공함으로써 더 효율적인 학습을 할 수 있을 것이다.
기대성과	안전 교육 현장에서 해당 서비스를 이용하여 교육을 진행할 수 있을 것으로 기대한다. 이를 통해, 사람들이 안전 장비 사용법에 더욱 익숙해짐으로써 실제 상황 속에서 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	귀국 후 남은 외국 현금을 거리 기반 매칭을 통해 필요한 사람들에게 연결하는 AI 환전 플랫폼
키워드	외화 환전 매칭/AI 기반 화폐 인식/환율 변동 분석
무엇을 만들고자 하는가	귀국 후 남은 외국 현금을 근거리에서 필요한 사람들과 자동으로 매칭해주고, AI 카메라 인식으로 화폐 종류와 원화 가치를 알려주며, 최근 환율 변동 추이 또한 분석해주는 플랫폼을 만들고자 합니다.
고객	- Demographic 정보: - 연령:10~60대 (모바일 플랫폼을 자유롭게 이용할 수 있는 연령대) - 성별:성별 무관 - 직업군:직장인, 학생, 여행자 등 해외 방문 경험자 혹은 예정자 - 고객 퍼소나: 해외 여행이나 출장 후 남은 외국 화폐, 특히 동전을 처리하기 어려워 누적된 해외 동전이 많은 사람들, 은행이나 환전소에서 작은 금액을 환전하기 번거롭거나 수수료를 아끼고 싶은 사람들, 당장 외국 화폐가 필요한 경우 간편하게 직거래를 통해 얻고자 하는 사람들.
Pain Point	1. 환율 변동을 수동으로 추적하는 번거로움 - 사용자들은 환율 변동을 실시간으로 모니터링해야 최적의 환전 시점을 파악할 수 있습니다. 이 과정은 시간이 많이 들고, 실수로 최적의 시기를 놓칠 경우 환전에서 손해를 볼 수 있습니다. 특히, 환율이 지속적으로 변동하기 때문에 항상 추적하는 것은 상당한 에너지 소모로 이어집니다. 2. 남은 화폐를 효율적으로 처리하지 못하는 문제 - 해외여행 후 남은 외화를 처리하는 것은 쉽지 않습니다. 특히 동전의 경우, 대부분의 환전소에서 취급하지 않거나 취급하더라도 액면가의 50% 이하만 환급해 주는 등의 문제가 있습니다. 이러한 상황에서 사용자는 남은 외화를 제대로 활용하지 못해 경제적 손실을 입거나, 필요 이상의추가 비용을 들여 환전하는 경우가 발생합니다. 이로 인해 환전소에서 이익을 얻지 못하는 부분을 사용자들이 고스란히 부담하게 됩니다. 3. 안전하고 신뢰할 수 있는 외화 거래 상대를 찾기 어려움 - 개인 간 외화 거래를 통해 남은 외화를 교환하려고 할 때, 사기나 신뢰 문제가 발생할 수 있습니다. 거래 상대방의 신원을 확인하고 거래의 안전성을 보장하는 시스템이 부족하기 때문에, 사용자는 신뢰할 수 있는 거래 상대를 찾는 데 어려움을 겪습니다. 이로 인해 안전한 거래를 위해서는 추가적인 노력이 필요하며, 거래 상대를 신뢰하지 못해 거래 자체를 포기하는 경우도 발생할 수 있습니다. 이러한 신뢰 문제는 개인 간 거래 활성화에 큰 장애물이 됩니다.
솔루션	- React.js - 사용자 인터페이스를 구축하고 환전 기능을 시각적으로 제공하기 위해 사용. - Node.js + Express.js - 환율 데이터 처리, 채팅 등 전반적인 서버 측의 작업 담당 - MongoDB - 사용자 정보, 거래 기록, 환율 데이터 등을 효율적으로 저장하고 관리하기 위한 데이터베이스. - Socket.IO - 실시간 채팅 및 거래 알림을 구현하여 사용자 간 빠른 소통과 매칭 지원. - Twilio - 환율 변동 알림을 위한 SMS 및 이메일 전송 API. - Tesseract.js - 카메라로 화폐를 인식하여 해당 화폐의 종류 및 액수를 파악하는 OCR(광학 문자 인식) 라이브러리. - OpenCV.js - 지폐와 동전의 이미지 인식 및 분석을 위해 사용하는 컴퓨터 비전 라이브러리. - TensorFlow.js - 웹 브라우저에서 머신러닝 모델을 실행하여 근거리 사용자 매칭을 지원. - ml5.js - 브라우저 기반의 간단한 머신러닝 구현을 통해 AI 모델을 손쉽게 구축하고 활용. - Axios - 외부 환율 API와의 통신을 위한 HTTP 요청 처리 라이브러리. - Tailwind CSS - 사용자 인터페이스를 직관적이고 빠르게 디자인하기 위한 유틸리티 기반 CSS 프레임워크. - Chart.js - 환율 변동 추이를 시각화하여 사용자에게 알기 쉽게 보여주기 위한 데이터 시각화 라이브러리.
오래 축적한 데이타의 잠재적 가치	3년 동안 축적된 데이터에는 사용자들이 어떤 선택지를 가장 많이 선택하는지, 환전 수요가 많은 시기, AI가 분석한 환율 변동 추이, 거래 후 만족도와 평가 등이 포함될 것입니다. 이러한 정보를 바탕으로 AI는 사용자들의 행동 패턴과 선호도를 파악하고, 미래의 거래에서 최적의 매칭을 제안할 수 있습니다. 예를 들어, 특정 시기에 환전 수요가 높은 패턴을 감지하여 미리 알림을 제공하거나, 사용자 선호에 맞춘 개인화된 환전 매칭을 제안할 수 있습니다. 또한, 매 거래마다 축적되는 신뢰도 평가를 기반으로 사용자 간의 신뢰 네트워크를 형성할 수 있습니다. 이러한 신뢰도는 안전한 거래 환경 조성에 기여하며, 장기적으로 플랫폼의 충성 고객층을 형성하는 데 중요한 역할을 할 것입니다. 결국, AI를 활용한 데이터 분석과 개인화된 서비스는 플랫폼의 사용자 경험을 향상시키고, 이를 통해 지속적인 성장과 경쟁력 강화를 이루게 될 것입니다. 이러한 데이터를 통해 추후에는 새로운 금융 상품이나 맞춤형 서비스 제안 등 추가적인 사업 기회를 발굴할 수 있을 것입니다
기대성과	이 서비스가 세상에 나오면, 해외여행을 다녀온 사람들이 남은 외환을 효과적으로 재환전할 수 있어, 더 이상 집에 사용하지 못한 현금, 특히 동전이 굴러다니는 일이 줄어들 것입니다. 덕분에 처음 환전을 할 때도 남은 돈을 어떻게 처리할지 걱정하지 않고 더 편안하게 환전할 수 있게 됩니다. 또한, 환전 후 남은 소액 현금을 쉽게 다시 사용할 수 있으므로, 사용자들은 해외여행 중 현금을 더 자유롭게 사용할 수 있습니다. 이를 통해 현금의 사용이 활성화되어 현금 흐름이 개선될 수 있습니다. 궁극적으로, 이 플랫폼은 개인 간의 외화 거래를 활성화해 보다 효율적인 환전 문화를 조성하고, 사용자 간 신뢰를 기반으로 한 새로운 거래 생태계를 만들어낼 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	LangChain과 RAG 기반의 AI 바둑 복기(復棋) 서비스
키워드	바둑, LangChain, LAG, 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: GPT or BERT - Front-end: React.js + Next.js + TypeScript - Back-end: NginX + Node.js or django + RDS
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/blob/main/Ground_Rule.md

Return Top

Team 7

항목	내용
팀명칭	테스파
프로젝트명	각 디바이스별 로컬 데이터로 학습한 모델의 명확성을 높이기 위해 디바이스 간 1:n 관계의 선택적이며 부분적인 Knowledge Transfer Learning을 통한 학습 최적화 및 generalization
키워드	Continuous learning, 1:N Federated learning, Edge AI
무엇을 만들고자 하는가	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 model concatenate 과정에서 communication cost, computational cost 문제를 겪었다. 2. SOTA 연구는 Federated learning에서 주로 class-incremental learning을 중점적으로 다루었는데, 이는 학습 과정에서 global model을 validate 하며 불가피하게 엣지 디바이스의 raw data의 전송을 요구하며 privacy 보호 문제를 갖게 되었다. 3. Continuous learning 과정에서 SOTA연구는 모델을 새로운 데이터로 학습시킬 때 disastrous forgetting 문제를 막기위해 server 또는 기존 모델 snapshot을 필요로하며 높은 computational cost를 보였다.
솔루션	PyTorch ModelDiff Keras Tensorflow
오래 축적한 데이타의 잠재적 가치	데이터로 만들어낼 수 있는 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	X+Pruning: 다른 경량화 기법에 aware한 pruning 연구
키워드	Efficient AI, Model Compression, Hardware-friendly AI
무엇을 만들고자 하는가	모델 cost를 줄이는 대표적인 방법인 prunig 기법을 이용하여 특정 모델을 경량화 하려고 한다.
고객	인공지능 모델의 사용 방식이 광범위해짐에 따라, 엣지 임베디드 디바이스에 AI 기술을 접목하는 것에 대한 요구가 증대하고 있다. 더불어, 인공지능 기술이 상용화됨에 따라 기술에 이용되는 개인정보에 대한 민감성이 주목되고 있다. 그러는 한편, 인공지능 모델은 점차 많은 데이터와 연산을 요구하는 방식으로 발달되었다. 이는 상당한 energy inefficiency를 유발하는 동시에, 임베디드 디바이스에서의 이용을 어렵게 한다. 즉, 현재 발달중인 모델은 가벼운 인공지능의 활용을 어렵게 하는 것이다. 이에 따라, 인공지능 모델의 정확도를 손상시키지 않는 동시에 모델을 경량화하는 방법에 대한 요구가 상승했다. 본 연구는 이러한 요구사항을 충족시키기 위한 pruning 기법을 연구할 것이다.
Pain Point	딥러닝 모델은 좋은 성능을 가지고 있지만 많은 메모리 공간과 연산량을 필요로 하기 때문에 하드웨어적인 제한이 발생한다. 고도의 컴퓨팅 자원이 요구된다는 본질적인 문제는 두 가지 문제를 발생시킨다. 첫째, 기업 차원에서 인공지능 모델을 활용하기 위해서는 심각한 에너지 소모와 컴퓨팅 자원의 구비를 감당해야만 한다. 둘째, 임베디드 디바이스에서의 활용이 어렵게 하기 때문에, 사용자 차원에서 보안을 보장받기 어렵다.
솔루션	Python CUDA C++ Git/GitHub Notion/Discord AWS
오래 축적한 데이타의 잠재적 가치	위 기법을 사용하여 경량화 성공한 모델이 늘어난다면 각 모델들의 경량화 정도 및 정확도를 수집할 수 있다. 이 모델들의 공통점을 분석하여 조금 더 효율적인 pruning 기법을 만들 수 있을 것 같다.
기대성과	맞춤형 pruning 기법을 구현한다면, 파라미터 감소로 인한 추론 속도 향상을 통해 보다 효율적인 인공지능의 활용을 가능하게 한다. 이는 효율성을 증대함과 더불어 온디바이스 AI의 개발 또한 용이하게 만들 것이다.
팀 그라운드룰	https://github.com/ei-ai/eiai/blob/main/GroundRules.md

Return Top

Team 9

항목	내용
팀명칭	Jppin’
프로젝트명	실버 - 여가시간이 많고 정보 접근성이 취약한 노년층의 활동적이고 의미 있는 삶을 지원하기 위해, 선호 취미 키워드를 추출하는 AI 기반 추천 시스템을 사용하여 취미와 활동을 제안하는 플랫폼. 이 플랫폼은 노인 친화적인 직관적 UI/UX와 함께, 개인 맞춤형 취미 로드맵과 동기부여 시스템을 통해 지속적인 참여를 유도하고, 디지털 격차 문제를 해결한다. 이를 통해 사용자는 자기 주도적인 취미 생활을 통해 소외감을 줄이고, 삶의 활력을 되찾을 수 있다.
키워드	NLP 기반 취미 추천 시스템, 개인화 로드맵 생성, 사용자 친화적 인터페이스
무엇을 만들고자 하는가	지팡이는 노년층을 위해 AI 기반 취미 추천 시스템과 개인 맞춤형 로드맵을 제공하여, 사용자가 쉽게 새로운 취미를 발견하고 꾸준히 참여할 수 있도록 돕는 노인 친화적 플랫폼이다.
고객	주요 고객층은 65세 이상의 노년층으로, 은퇴 후 시간이 많아졌지만 정보 접근성이 낮아 취미나 활동을 찾기 어려운 사람들이다. 정년퇴직을 했거나 사회 활동을 줄이고 가정에서 여가 시간을 보내고 있는 노인들을 대상으로 한다. 이들은 스마트폰을 사용하지만 디지털 기술에 익숙하지 않고, 신체 능력에 따라 서로 다른 활동량을 가진 취미를 선호한다,. 고객의 퍼소나 : - 이름: 김노인 (67세, 남성) - 배경: 정년퇴직 후 자녀들은 독립, 배우자는 활발한 취미 활동 중이나 자신은 취미나 모임이 없어 외로움을 느끼고 있음. - 니즈: 무리 없이 즐길 수 있는 취미를 원하며, 주도적으로 활동을 시작하기보다는 추천을 받고 싶어 함. - 문제점: 디지털 기기 사용이 익숙하지 않고, 새로운 것을 시작하는 데 동기부여가 필요함.
Pain Point	1. 취미나 활동을 찾기 어려움: 정보 접근성이 낮아, 자신에게 맞는 취미나 활동을 탐색하는 데 많은 시간과 노력이 든다. 취미를 추천받을 수 있는 자원이나 플랫폼이 부족해, 외로움과 무료함을 느끼는 시간이 길어진다. 2. 디지털 격차: 스마트폰이나 인터넷을 통한 정보 탐색이 익숙하지 않아, 복잡한 앱이나 웹사이트를 사용하는 데 불편을 겪는다. 특히, 현재의 디지털 플랫폼들은 노인 친화적이지 않아, 원하는 정보를 얻기 위해 더 많은 비용(시간, 노력)을 소비해야 한다. 3. 동기부여 부족: 새로운 것을 시작하는 데 막연한 두려움이나 동기 부족으로 인해, 자신에게 맞는 취미를 발견하더라도 꾸준히 참여하지 못하고 포기하는 경우가 많다.
솔루션	1. spaCy - NLP(자연어 처리)를 활용해 사용자의 선호도를 분석하고 취미 키워드를 추출하는 모듈 2. PyTorch - 딥러닝 모델을 사용해 사용자 데이터를 기반으로 맞춤형 취미 추천 시스템을 구현 3. Plotly/D3.js - 취미 로드맵을 시각화하여 사용자에게 목표 달성 단계를 제공하는 도구 4. Flask/Django - 사용자 맞춤형 웹 애플리케이션을 구축하는 서버 측 프레임워크 5. SQLite/PostgreSQL - 사용자 데이터와 추천 정보를 저장하고 관리하는 데이터베이스 6. TensorFlow.js - 웹에서 실시간으로 추천 모델을 구동해 빠른 피드백을 제공하는 브라우저 기반 딥러닝 라이브러리 7. Bootstrap - UI/UX를 구현하기 위한 프론트엔드 프레임워크
오래 축적한 데이타의 잠재적 가치	1. 사용자 선호 및 행동 데이터 - 사용자들의 취미 선택 기록 (선호하는 취미, 추천된 취미 중 선택한 취미) - 사용 빈도 및 시간대 (앱 사용 시간, 활동 참여 시간) - 취미 참여도 및 완료율 (시작한 취미와 꾸준히 지속한 비율) 가치 -> - 개인화 추천 시스템 개선 : 축적된 데이터를 분석하여 추천 알고리즘을 최적화해 더 정확하고 개인화된 취미 추천 가능. - 사용자 참여도 향상 : 사용 시간대와 활동 패턴을 분석해 알림, 보상 시스템을 최적화하여 사용자 유지율 및 참여도 증가. 2. 취미 발전 로드맵 및 달성 데이터 - 각 사용자가 달성한 취미 단계별 성과 (목표 달성 속도, 중도 포기율) - 각 취미에 대한 학습 자료의 사용 기록 (동영상, 도서 등 추천 콘텐츠의 활용도) 가치 -> - 맞춤형 학습 경로 제공 : 사용자의 발전 속도를 분석하여, 개인별 취미 학습 속도에 맞춘 맞춤형 로드맵 제공. - 학습 콘텐츠 개선 : 어떤 학습 자료가 효과적인지 분석하여, 더 적합한 콘텐츠를 추천하고 새로운 자료 개발 가능. 3. 노년층의 디지털 사용 패턴 데이터 - 사용자의 앱 내 탐색 패턴, 기능 사용 기록 (어떤 기능을 자주 사용하는지, 어떤 부분에서 어려움을 겪는지) - 디지털 기기 사용 적응도 (시간 경과에 따른 사용의 편리함 증가 또는 감소) 가치 -> - UI/UX 개선 : 어떤 UI/UX 요소가 노년층에게 더 직관적이고 사용하기 쉬운지를 분석하여 사용자 경험을 개선할 수 있음. - 디지털 접근성 연구 : 노년층의 디지털 적응 패턴을 연구해 향후 디지털 접근성 관련 제품 및 서비스를 개발하는 데 기여할 수 있음.
기대성과	노년층의 삶의 질 향상, 디지털 격차 해소
팀 그라운드룰	https://github.com/Jppin/capstone-design/blob/main/GroundRule.md

Return Top

Team 10

항목	내용
팀명칭	X10 (엑스텐)
프로젝트명	딥러닝 기반 이미지 분석 기술과 챗봇 인터페이스를 통해 사용자가 SNS에 업로드할 사진 및 동영상에 최적화된 음원을 추천해주는 서비스
키워드	컴퓨터비전, 음악추천시스템, 챗봇
무엇을 만들고자 하는가	저희 서비스는 딥러닝 기반 이미지 분석 기술과 챗봇 인터페이스를 결합하여 사용자가 SNS에 올릴 사진이나 동영상에 최적화된 음원을 추천합니다.
고객	- 이 서비스를 사용하게 될 고객은 SNS 활동을 활발히 하는 16-35세의 젊은 세대입니다. 주로 Z세대와 밀레니얼 세대로, 이들은 창의적이고 감성적인 콘텐츠를 제작하고 싶어하는 사람들입니다. 이들은 사진과 음악을 통해 자신을 표현하는 데 큰 가치를 둡니다. - 주요 고객층은 SNS 인플루언서, 일반 사용자, 그리고 콘텐츠 크리에이터로 구성됩니다. - 고객 페르소나 [32세 남성 인플루언서 A씨] - SNS를 통해 자신만의 브랜드를 구축하고, 이를 통해 수익 창출을 목표로 하는 크리에이터입니다. 독창적이고 차별화된 콘텐츠 제작을 서포트해줄 효율적이고 직관적인 툴을 필요로 합니다. A씨는 콘텐츠의 바이럴 가능성과 음악을 통한 브랜드 강화에 큰 관심을 가지고 있습니다. [21세 여성 대학생 B씨] - 창의적인 표현을 중시하고, 본인 SNS 프로필에 업로드될 사진과 동영상을 꾸미는 것을 즐깁니다. 친구들과 콘텐츠를 공유하고, 피드백을 주고받는 것을 좋아하며, 감성적인 요소를 이용해 자신의 개성을 표현하는 데 큰 만족을 느낍니다. B씨는 쉽고 직관적인 인터페이스를 선호하며, 챗봇을 이용해 본인만의 추천 음악 리스트를 받을 수 있는 툴을 필요로 합니다.
Pain Point	- 음악 선택의 어려움: SNS 콘텐츠에 맞는 최적의 음악을 찾기 위해 시간이 많이 소요되며, 결과적으로 콘텐츠의 감성을 충분히 전달하지 못하는 경우가 있습니다. - 일관성 있는 분위기의 연출이 어려워 실험적 시도를 많이 해봐야 한다. - 게시물에 알맞은 해시태그나 글을 어떻게 적을 지 고민하는데 시간을 많이 들여 비효율적이다. - 창작 과정의 부담: 사진과 동영상 콘텐츠에 적합한 음악을 선택하는 과정이 번거롭고 창작의 효율성을 저해합니다.
솔루션	- Front-End : React https://ko.legacy.reactjs.org/ - Back-End - SpringBoot https://spring.io/projects/spring-boot - MYSQL https://www.mysql.com - AI - CLIP (Contrastive Language-Image Pre-training) : https://github.com/openai/CLIP - Musicnn : https://github.com/jordipons/musicnn - Librosa : https://github.com/librosa/librosa
오래 축적한 데이타의 잠재적 가치	- 축적될 데이터 1. 사용자 업로드 데이터: 사진, 동영상 파일의 메타데이터(촬영 시간, 장소, 주제 등) 2. 음악 추천 데이터: 추천된 음악 목록과 해당 음악의 아티스트, 장르 정보 3. 사용자 피드백 데이터: 만족/불만족 반응 및 사용자의 세부 요청 정보 4. 챗봇 대화 로그: 사용자가 챗봇과 상호작용한 내용 및 요청사항 - 창출 가치 1. 개인화된 추천 알고리즘 개선: 사용자 피드백을 통해 추천 알고리즘을 지속적으로 개선하고 더 나은 사용자 경험 제공 2. 트렌드 분석: 업로드된 이미지 및 동영상과 추천된 음악 데이터의 반응을 분석하여 최신 트렌드 파악
기대성과	- 일반 사용자는 SNS에 업로드하는 콘텐츠에 최적화된 음악을 손쉽게 추천받아, 콘텐츠의 질을 높이고 소셜 미디어를 활성화할 수 있습니다. - SNS 인플루언서와 콘텐츠 크리에이터는 추천 음악을 통해 더욱 풍부한 활동과 차별화된 자신만의 콘텐츠를 제작할 수 있습니다. 서비스의 인지도와 새로운 사용자 유입을 촉진하여 성장할 수 있는 기반을 마련합니다.
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	Deep Fingerprinting 모델의 현실세계 적용에서 발생하는 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 싶다. - 기존 데이터에 대한 정보를 잊지 않으면서 새로운 정보를 계속해서 모델을 학습시키고 발전시키고 싶다. - 학습시 사용한 폐쇄적인 데이터셋 뿐만 아니라, 현실 세계에서 계속해서 생성되는 데이터들에 대해 좋은 효용을 만들어내는 모델을 설계하고 싶다. - 더 좋은 성능을 이끌어내는 Continual Learning 기술의 가능성을 확인하고 싶다.
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 Notion
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 노동자의 한국 정착을 위한, AI 기반 맞춤형 정책 추천 서비스
키워드	국제화 사회, 추천 시스템, 딥러닝
무엇을 만들고자 하는가	외국인 노동자들의 한국 정착을 돕기 위해, 정책 별 자격 요건 및 노동자 별 상황을 모두 고려하여 외국인 노동자들에게 실질적으로 도움이 될 수 있는 정책을 맞춤 추천해주는 서비스를 제작할 것입니다.
고객	한국에 정착하려는 외국인 이주 노동자 / 20-40대 / 가사 도우미, 일용직 등 외국인 노동자 알리씨는 네팔에 일자리가 있지만 조금 더 나은 경제적 여건을 갖추기 위해 한국에 오게 되었다. 네팔에 있는 가족을 부양하고 가족들이 안정된 삶을 살 수 있게 하기 위해 한국에서 일하게 된 것이다. 하지만 한국 노동환경에 대한 정보나 한국에서 받을 수 있는 정책 혜택에 대한 정보는 얻을 수 없었다. 한국 정부가 만든 다양한 정책이 있다는 것은 알고 한국에 오기는 했지만 막상 한국에 와보니 정보를 찾고 혜택을 받는 건 쉽지 않았다. 한국어에도 능숙하지 않은 알리씨는 앞으로의 정착 생활이 막막하기만 하다.
Pain Point	- 언어장벽으로 인해 각종 지원사업을 파악 및 지원이 어려움. - 생계활동으로 인해 각종 지원사업을 알아볼 시간적 여유가 없음. - 온라인 접수 등의 간편한 방법을 사용할 줄 몰라서 or 존재하는지 몰라서, 상대적으로 번거로운 방법(ex. 대면 상담)을 택함.
솔루션	- react - typescript - tailwind css - postgresql - nest.js - MarianMT (Hugging Face)
오래 축적한 데이타의 잠재적 가치	- 지역 별 외국인 노동자 분포 - 외국인 노동자 노동형태 별 정책 선호도 - 정책으로 인한 외국인 노동자의 경제적 개선 정도 글로벌화가 빠르게 되어가는 요즘, 외국인 노동자들이 한국 사회에서 어떤 정책을 활용하고 있고, 어떤 정책을 선호하는지 등등에 대한 외국인 노동자들의 한국 정책 관련 데이터들은 추후 한국이 국제화를 빠르게 적응 및 선도할 수 있을 것입니다.
기대성과	점점 국제화 되어가는 세계 흐름에 따라, 한국 사회에 정착하고자 하는 외국인 노동자들이 늘어나고 있습니다. 다만, 한국은 단일민족으로서의 역사가 길었기 때문에, 외국인 노동자의 정착을 위한 정책적/제도적 기반이 아직 충분치 않은 상태입니다. 마련되어 있는 몇몇 정책들도 언어 장벽 등으로 인해 외국인 노동자들이 이에 대해 찾아보고 활용하기에는 어려움이 있습니다. 저희의 서비스가 세상에 나오게 된다면, 외국인 노동자들을 위한 정책 및 제도가 실질적으로 그들에게 다다를 수 있을 것입니다. 국제화 흐름은 거스를 수 없기에, 저희의 서비스는 변화로 인해 발생할 수 있는 문제점을 최소화하는 솔루션이 될 것입니다.
팀 그라운드룰	https://github.com/Capston-2024/GroundRule/blob/main/GroundRule.md

Return Top

Team 14

항목	내용
팀명칭	고속도로위
프로젝트명	ai-driven autonomous mobility service
키워드	자율주행, 공유 경제 활성화(카풀 및 카쉐어링), 가상 환경을 통한 미래 도시 직관화
무엇을 만들고자 하는가	자울주행 가상 시물레이션을 활용하여 실시간 시스템 최적화 및 자동 결제 시스템 등을 구현할 예정입니다.
고객	이동 수단을 이용하는 모든 사람을 타겟층으로 잡았지만, 퍼소나에 따라 구체화한다면 1) 택시를 이용하기에는 혼자라 비싸고, 대중교통은 접근성이 낮은 이용객 2) 안전하게 이동할 수단이 필요한 어린이, 임산부, 장애인 3) (제주도와 같은) 버스 배차가 너무 긴 곳애서의 관광객 으로 정의해보았습니다.
Pain Point	1. 택시는 주로 지인과 함께 혹은 혼자 탑승하게 되는데 비싼 택시 비용이 부담된다. (+야간 할증) 2. 출퇴근 시간 너무 혼잡한 버스/지하철로 인해 다른 정류장으로 이동해서 타려고 해도 쉽게 찾거나 여유로운 정류장의 정보/지하철 칸을 알기가 힘들다. 3. 임산부, 장애인 등의 사회적 약자는 이동 수단을 이용함에 있어 안전성, 편리성의 측면에서 불편함을 많이 겪는다.
솔루션	1. CARLA(자율주행 시뮬레이션 오픈소스) 2. Autoware 3. YOLO(객체 인식 및 추정) 4. 대규모 데이터 처리를 위한 데이터 분석 및 머신러닝 프레임워크(pytorch, pandas, numpy) 5. React 6. nodejs 7. AWS
오래 축적한 데이타의 잠재적 가치	미래 지향적인 서비스이니만큼, 실 사용을 통한 데이터 축적이 중요한 역할로 작용할 것 같습니다. 현재 대중교통 이용에 어려움을 겪는 대상들의 이용 정보 데이터가 적은데, 서비스 런칭 후 해당 데이터들이 축적되면 고객 맞춤형 서비스(최적 경로, 배차 간격, 이용 시간) 등을 더 효율적으로 제공할 수 있습니디.
기대성과	1. 주차난 감소 2. 사고율 감소(이에 따른 교통사고 사상자 비율 대폭 감소) 3. 사회적 약자의 편리한 이동
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	차세대 네트워크 환경인 Starlink 상에서 Tor 브라우저 트래픽 분석 및 Website Fingerprinting 공격을 통한 네트워크 취약점 탐색
키워드	Starlink Network, AI for security, Website Fingerprinting
무엇을 만들고자 하는가	저궤도 인공위성 네트워크인 Starlink와 익명 네트워크 Tor에서 발생하는 트래픽을 분석하고, 사용자가 특정 웹사이트에 접속했는지를 추적할 수 있는 Website 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 : Website Fingerprinting 공격으로 인해 인터넷 사용자의 웹사이트 접속 기록이 자신이 모르는 사이에 유출될 수 있다는 문제가 있음
Pain Point	Website Fingerprinting 공격을 통해 사용자가 접속하는 웹사이트를 추적하면, 정치 성향이나 질병 정보와 같은 민감한 개인 정보가 유출될 수 있다. 이에 반해 현재 Starlink 상에서 Website Fingerprinting는 선행연구가 진행된 바 없으며, 이로 인해 Starlink를 포함한 전반적인 네트워크의 프라이버시 문제가 급부상하고 있다. 이러한 상황에서 Starlink를 통한 위성 인터넷이 보급된다면 많은 보안 이슈가 생길 것이다.
솔루션	- Website Fingerprinting - Mutual Information Analyzer - Feature Analysis - Deep Learning (CNN, DNN, RNN)
오래 축적한 데이타의 잠재적 가치	현재 Starlink 네트워크 상에서 Website Fingerprinting을 위한 데이터 수집은 거의 이뤄지지 않고 있다. 앞으로 6G 시대에 보편적으로 도입될 위성 인터넷을 사용한 데이터 수집이 활발하게 이루어진다면, 대량의 데이터를 바탕으로 다양한 Website Fingerprinting 공격 시나리오를 만들어 여러 실험을 진행할 수 있을 것이다. 이를 통해 보다 더욱 현실적이고 좋은 성능을 내는 Website Fingerprinting 공격 모델과 이에 대응하는 보안 솔루션을 제안할 수 있을 것으로 예상한다.
기대성과	이번 프로젝트에서는 Starlink 네트워크 상의 새로운 Website Fingerprinting 공격 기법을 개발하여 위성 통신의 보안 취약점을 탐색하고, 이를 보완할 수 있는 방어 기법까지 제시한다. 이를 통해, Starlink를 포함한 저궤도 인공위성 네트워크 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	주식 투자에 입문하고 싶지만 진입 장벽을 느끼는 사람들을 위해 AI 챗봇을 활용해 쉽게 학습하고 모의 투자를 경험할 수 있는 초보자용 모의 투자 서비스
키워드	모의투자, Generative AI, 증권사 Open API
무엇을 만들고자 하는가	저희는 주식 투자 입문에 진입장벽을 느끼는 사람들을 위해 증권사 오픈 API를 연동하여 실제 데이터를 통해 시장을 학습하고, Generative AI를 활용하여 쉽고 빠르게 투자 경험을 쌓을 수 있는 모의 투자 플랫폼을 개발하고 있습니다.
고객	- 주식을 처음 시작하는 2030 남녀 - 직업군: 1) 대학생: 학업 중이며 여유 시간이 상대적으로 있지만, 투자에 대한 지식 부족과 두려움이 있음. 2) 취업 준비생: 안정된 직장에 대한 고민과 동시에 재정적 자립을 원하며, 투자에 대한 관심이 있지만 정보 부족과 시간이 부족함. 3) 사회 초년생: 직장에 갓 들어선 사람들로, 경제적 여유를 가지고 있지만 투자의 복잡함과 손실에 대한 불안감이 큼. - 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) 시간과 정보 부족: 빠르고 간편하게 주식 투자를 배우고 적용할 수 있는 방법을 찾고 있음.
Pain Point	- 페인포인트 1) 주식 용어와 복잡한 개념에 대한 두려움: 주식 투자 앱을 사용하려 했지만, 생소한 용어와 그래프 해석의 어려움 때문에 두려움을 느끼고 바로 포기함. 2) 재정적 손실에 대한 불안감: 실제 돈을 투자하면서 손실을 볼까 봐 겁이 나고, 안전하게 학습할 수 있는 방법이 부족함. 3) 초기 투자에 대한 학습의 어려움: 주식 투자를 시작하고 싶지만, 어디서부터 어떻게 시작해야 할지 몰라서 혼란스럽고, 스스로 정보를 찾아보기도 부담스러움.
솔루션	- Generative AI (NLP, LLM, GPT-4, Fine-Tuning) - Spring boot, Spring JPA, OAuth, AWS, Docker, Nginx - Flutter
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 있습니다. 2) 입문 시 선호하는 종목 및 투자 패턴 데이터: 초보자들이 처음에 선호하는 종목과 투자 성향을 파악하여, 맞춤형 추천 시스템을 추가하거나 인기 있는 투자 전략을 추천할 수 있습니다. 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 있습니다.
기대성과	1) 주식 투자 진입 장벽 해소: AI 챗봇을 이용한 직관적인 학습과 모의 투자 경험으로, 주식 투자에 대한 두려움이 줄어들고, 더 많은 사람들이 자신감을 가지고 투자에 도전할 수 있게 됩니다. 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 있습니다. 3) 모의 투자 데이터를 기반으로 투자 입문자에 대한 인사이트 제공: 투자 입문자들의 투자 패턴과 성향 관련 인사이트를 통해 향후 금융 교육과 투자 전략 개발에 기여합니다.
팀 그라운드룰	https://github.com/CapstoneTeam17/GroundRule/blob/main/GroundRule.md

Return Top

Team 18

항목	내용
팀명칭	코드의 정상화
프로젝트명	AI를 이용하여 시간, 거리, 길의 취향 선택을 통한 러닝경로 추천을 받고싶은 사용자들을 위한 맞춤형 추천 앱 개발
키워드	경로추천, scikit learn, GraphHopper
무엇을 만들고자 하는가	사용자가 출발지와 목적지, 시간, 거리, 길의 경사를 선택하면 AI가 길의 정보를 실시간으로 반영하여 러닝 경로를 추천하고 사용자 피드백을 통해 추천 경로를 개선함
고객	20대 여성, 대학생, 지방에서 서울로 대학교 진학, 주변 지리를 잘 모름, 러닝 경로를 추천받고 싶음
Pain Point	러닝을 하고 싶지만 길을 잘 몰라 직접 돌아다니며 거리와 시간 등을 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 낯선 곳에서도 원하는 시간 또는 거리만큼 러닝할 수 있으므로 불필요한 에너지 소모를 줄일 수 있음 사용자가 기존 러닝 코스보다 다양한 코스로 산책을 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	정상이다
프로젝트명	제한된 시점에서의 NeRF 성능 개선: 생성형 AI와 비전 기술을 활용한 3D 모델 생성
키워드	NeRF, Computer Vision, Generative AI
무엇을 만들고자 하는가	제한된 사진 데이터로도 고품질 3D 모델을 생성할 수 있도록 생성형 AI와 비전 기술을 활용해 NeRF 기술을 개선하는 솔루션 개발
고객	페르소나: 개인 촬영이나 웹서핑으로 얻은 사진 몇 장만으로 자신의 개인화된 3D 환경을 구축하고 싶은 2-30대 비전문가들 NeRF와 같은 최신 기술을 활용하여 제한된 데이터로도 3D 모델을 생성하고 싶지만 다양한 각도의 사진을 요구하는 기존 기술의 제약으로 어려움을 겪고 있음 따라서 간편하게 2D 이미지로 존재하는 물건을 3D 환경에 통합하여 활용할 수 있는 방법을 찾고 있음
Pain Point	- 일반 사용자는 3D 모델을 생성하는 데 필요한 다양한 각도의 사진을 확보하기 어려움. 또한 적합한 사전 데이터를 준비하는데 많은 시간이 소요됨. - 충분하지 못한 데이터를 입력하면, 불완전한 3D 모델이 생성됨. - 3D 모델링 과정에서 추가적인 비용과 시간이 필요하여 효율성이 저하됨.
솔루션	Instant NGP(NeRF): 신경망을 단순화하여 빠른 속도로 3D 모델을 학습하는 NeRF Mip-NeRF: Mip-mapping 기술을 적용해 렌더링 품질 개선된 NeRF Gaussian Splatting: 3D 객체의 형태를 빠르고 간단하게 표현하는 기술 비전 모델 (Diffusion): 제한된 시점에서 3D 객체의 모습을 추론하고 생성하는 기술 Generative AI: 적은 데이터로도 고품질 3D 모델 생성을 지원하는 생성형 AI 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 비전 모델 피드백 기록)들이 축적될 것임. 축적된 3D 모델과 피드백 데이터를 기반으로 모델 개선 알고리즘을 지속적으로 발전시켜 3D 모델의 정확도와 품질이 향상될 수 있음.
기대성과	다양한 사용자들이 저비용으로 고품질 3D 모델을 생성할 수 있게 되어 3D 환경 구축에 대한 접근성이 확대될 것임. 많은 사람들이 3D 모델링을 사용하면 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	털실과 그레텔 - GAN Pix2Pix와 Deep Dream 모델을 활용한 뜨개질 도안 생성 및 커뮤니티 어플리케이션
키워드	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. 사진에서 제품을 스캔하여 자동으로 도안 생성하는 모듈: OpenCV, CNN, YOLO, DeepLab 등을 이용하여 객체를 인식한 뒤, Skia, SVG Export를 활용하여 도안을 시각화 하여 도안 생성 및 편집/관리 2. 사용자 사이즈에 맞게 도안 제공하는 모듈: Blender 등의 3D 모핑 기술 3. 도안 사진을 업로드하고 사용자끼리 소통 가능한 커뮤니티 모듈: API 개발, 서버와의 통신 기술 활용, 클라우드 서비스를 통해 데이터 관리
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	Multimodal 모델의 견고성 강화를 위한 딥러닝 기술 기반 누락 데이터 생성
키워드	Multimodal, 생성형 AI, 딥러닝
무엇을 만들고자 하는가	딥러닝 기반 데이터 학습 환경에서 멀티모달 모델의 견고성을 강화하기 위해, 누락된 데이터를 보완하는 생성 모델을 개발한다.
고객	멀티모달 데이터를 사용하는 AI 시스템을 구축할 때, 다양한 도메인에서 여러 모달리티의 데이터를 통합하여 모델을 훈련 시키려는 경우 누락된 데이터가 발생하는 문제가 자주 발생합니다. 멀티 모달 모델은 다양한 형태의 데이터를 결합하여 더 나은 성능을 기대할 수 있는 AI 모델이지만, 현실적으로 데이터가 불완전하거나 일부 모달리티가 누락됨에 따라 문제점이 발생합니다. 모달리티의 누락은 모델의 성능 저하로 이어질 수 있으며, 데이터가 불완전한 환경에서는 견고하고 신뢰성 있는 모델을 개발하기 어려워집니다. 일부 기존 모델은 누락된 데이터를 단순히 무시하고 남은 데이터를 사용하여 학습하는데, 이러한 방식은 데이터의 다층적 특성을 온전히 반영하지 못하고 성능을 제한할 수 있습니다.
Pain Point	멀티모달 모델에서 누락된 데이터를 생성 기술이 불완전 함에 따라 정확도 저하, 데이터 수집 비용 증가, 그리고 비즈니스 리스크 커진다는 한계점이 있습니다. 특히, 불완전한 데이터는 모델의 신뢰성을 떨어뜨리고, 중요한 의사결정에서 오류를 유발할 수 있습니다. 따라서 누락된 데이터를 보완하는 기술은 비용 효율성을 높이고, 사용자 경험을 개선하며, 더 나은 예측 성능을 제공할 수 있습니다.
솔루션	Transformer 기반 모델 (멀티모달 데이터 처리 AI, 모달리티 정보 간 상관관계 학습에 유리
오래 축적한 데이타의 잠재적 가치	타겟 모델의 누락된 데이터를 생성하는 경우, 해당 모델의 안정성 및 결과 처리 능력이 크게 개선될 것으로 예상됩니다. 현재는 누락된 데이터를 무시하거나 K-NN, Stochastic Regression Imputation과 같은 정형 데이터 처리 방법으로 대체하는 방식이 일반적이지만, 비정형 데이터의 경우는 이러한 전통적인 방법으로는 한계가 있습니다. 비정형 데이터가 늘어남에 따라, 새로운 누락 데이터 생성 방식은 모델의 학습 및 예측 성능을 높여 정확도와 신뢰성을 강화할 수 있습니다. 따라서, 누락된 데이터를 효과적으로 생성하고 보완함으로써, 모델의 견고성을 높이고, 다양한 실세계 응용에서 성능 향상을 기대할 수 있습니다. 더 나아가 이러한 접근은 효율적인 데이터 활용을 가능하게 할 것입니다.
기대성과	저희가 개발하고자 하는 멀티모달 데이터를 활용한 누락된 데이터 생성 모델이 성공적으로 구현된다면, 다양한 분야에서 데이터 불완전성으로 인한 예측 정확도 향상 및 비용 절감이 기대됩니다. 특히, 완전한 데이터 확보가 어려운 환경에서 신뢰성 높은 결과를 도출할 수 있어, 비즈니스 의사결정과 같은 중요한 분야에서 리스크를 줄일 수 있습니다. 또한, 멀티모달 모델이 인공지능 일반화(AGI)의 발전 가능성으로 주목받고 있는 만큼, 이러한 모델은 AGI 구현에 필요한 복합적 데이터 처리 능력을 증진시킬 수 있습니다. 현재 AGI 연구에서 중요한 문제로 대두되는 데이터 불완전성을 해결하는 것은, AGI의 견고성 및 신뢰성을 강화하는 데 기여할 수 있을 것이라고 기대합니다.
팀 그라운드룰	https://github.com/Capstone-TeamPossible/TeamPossible/blob/main/Ground_Rule.MD

Return Top

Team 22

항목	내용
팀명칭	ZIP가기
프로젝트명	솔직한 감정을 표현하고자 하는 사용자를 위한 AI 기반 영상 일기 분석 및 감정 맞춤형 콘텐츠 추천 플랫폼
키워드	LLM, Computer Vision, 영상 일기
무엇을 만들고자 하는가	사용자가 촬영한 영상일기를 통해 감정을 분석하고 해당 감정이나 일기 내용에 맞추어 관련 컨텐츠를 제공해주며 추후에 해당 일기를 날씨나 장소에 따라 모아 읽을 수 있는 웹서비스
고객	1. 오장녀 (23세, 대학생) - 상황: 한국에서 조화와 균형을 중시하는 환경에서 자라왔으며, 셋째 동생이 어렸을 때 소아암을 앓아 책임감이 강한 장녀로 성장했다. 부모님에게 걱정을 끼치지 않으려 부모님 앞에서 부정적인 감정을 억제하며 살아왔다. - 목표: 자신의 감정을 더 솔직하게 표현하고 이해하는 것이 필요하지만, 타인에게 자신의 고민을 털어놓는 것을 어려워한다. - 특징: 1. 감정 억제 습관: 부모님뿐만 아니라 다른 사람들과의 관계에서도 자신의 감정을 드러내는 것을 피하고 회피하는 경향이 있다. 2. 일기 작성: 자신의 감정을 일기장에 기록하려 하지만 솔직하게 표현하지 않고 두루뭉술하게 작성하는 편이다. 3. 고민 털어놓기 어려움: 고민거리가 생겼을 때 이를 해결할 수 있는 친구가 필요하지만, 그 과정에서 상대방을 걱정시키는 것이 싫어 고민을 말하는 것을 꺼린다. 2. 이서연 (35세, 직장인) - 상황: 혼자 여행을 떠난 상태로, 처음으로 혼자 하는 여행에서 새로운 경험을 하고 있다. 새로운 도시에서의 하루를 마무리하며, 다양한 감정들을 느끼고 이를 기록하는 것을 좋아한다. - 목표: 여행 중 자신이 느끼는 감정들을 더 깊이 이해하고, 여행지와 연결된 특별한 플레이리스트를 만들어 음악과 함께 기억하고 싶어 한다. 또한, 힘들 때는 과거 여행의 기억으로 위안을 받는다. - 특징: 1. 기록도구 필요 : 여행 중 느낀 감정을 쉽게 기록할 수 있는 도구가 필요하다. 2. 음악 추천 : 여행지의 분위기와 잘 맞는 음악을 추천받아, 그 여행과 감정이 오래 기억에 남기를 원한다. 3. 추억 회상: 힘들 때, 과거의 좋았던 기록을 다시 살펴보며 감정적으로 위안을 얻으며, 그 기억을 통해 현재를 이겨내고자 한다.
Pain Point	- 오장녀 : 자신의 감정을 억누르고 표현하지 않으려는 경향 때문에 장기적으로 정서적 피로감이 쌓이고, 마음속에 쌓인 부정적인 감정들이 적절히 해소되지 못해 스트레스를 유발할 수 있다. 또, 이것을 타인에게 말하는 것을 어려워하기 때문에 더욱 고립감을 느낄 수 있다. - 이서연 : 여행 중 느낀 감정들을 제대로 표현하지 못하거나 기록하지 못하면, 나중에 그 감정들을 떠올리기 어렵고, 당시의 추억과 감정이 흐려질 수 있다. 또, 음악을 추천받아 여행과 감정을 연결시키고 싶어하지만, 그 과정에서 매번 자신에게 맞는 음악을 차직 위해 많은 시간을 소비하게 된다. 음악을 따로 검색하고 플레이리스트를 구성하는 것이 여행 중에는 비효율적일 수 있다.
솔루션	[Frontend] - React [Backend] - MySql - SpringBoot [AI] - Chat-GPT4 - NHN Cloud - Megvii - Face Analyze API
오래 축적한 데이타의 잠재적 가치	축적될 데이터 1. 사용자 감정 데이터: - 각 사용자가 작성한 영상일기에서 분석된 감정 상태(예: 행복, 슬픔, 불안 등) - 감정의 변화 추이(시간, 날씨, 장소에 따른 변동) - 특정 이벤트나 상황에서 발생한 감정 패턴 2. 일기 내용 및 키워드: - 일기에서 사용된 키워드 및 주제(예: 학업, 인간관계, 여행 등) - 감정과 관련된 주제의 빈도 3. 사용자 행동 데이터: - 사용자가 추천받은 콘텐츠와의 상호작용(재생, 좋아요, 공유 등) - 사용자들이 음악 추천, 기록 도구 사용 등에서의 선호도 및 사용 패턴 데이터로부터 생성할 수 있는 가치 1. 개인화된 경험 제공: - 감정 변화 및 선호도를 기반으로 사용자에게 맞춤형 콘텐츠 추천을 강화하여 사용자 경험을 개선합니다. 2. 감정 분석 및 통계 제공: - 사용자들이 겪는 감정의 패턴을 분석하여, 특정 시기나 상황에서 공통적으로 느끼는 감정을 통계적으로 제공할 수 있습니다. 이를 통해 사용자가 자신의 감정을 이해하는 데 도움이 될 수 있습니다. 3. 트렌드 및 인사이트 도출: - 전체 사용자 데이터에서 감정 트렌드를 파악하고, 특정 주제나 감정에 대한 사회적 관심을 분석할 수 있습니다. 이는 마케팅 전략이나 서비스 개선에 활용될 수 있습니다.
기대성과	1. 감정 인식과 표현의 향상 사용자들이 자신의 감정을 더 잘 인식하고 표현할 수 있는 기회를 가지게 됩니다. 영상일기와 감정 분석을 통해 자신을 더 깊이 이해하게 되며, 이는 심리적 웰빙에 긍정적인 영향을 미칠 것입니다. 2. 개인화된 콘텐츠 제공 사용자에게 맞춤형 콘텐츠와 추천이 이루어져 개인적인 경험이 강화됩니다. 이를 통해 사용자들은 더욱 만족스러운 경험을 누릴 수 있으며, 서비스에 대한 충성도가 높아질 것입니다. 3. 데이터 기반 인사이트 제공 축적된 데이터에서 도출된 인사이트가 개인뿐만 아니라 기업이나 기관에도 활용될 수 있습니다. 사회적 감정 패턴이나 트렌드를 분석하여 더 나은 서비스나 제품 개발에 기여할 수 있습니다. 4. 창의적인 기록 및 추억 관리 사용자들은 여행의 감정과 경험을 음악과 함께 기억할 수 있어, 보다 풍부한 추억을 남길 수 있습니다. 이는 나중에 소중한 순간을 회상할 때 큰 가치를 제공할 것입니다.
팀 그라운드룰	https://github.com/TEAM-ZIP/submit/blob/main/Ground_Rule.md

Return Top

Team 23

항목	내용
팀명칭	클로버
프로젝트명	사용자의 즉각적인 빈 테이블 필요 충족을 위한 조건 맞춤형 카페 정보를 제공하는 AI 기반 카페 매칭 서비스
키워드	카페 빈 테이블 실시간 예약, NLP, 조건 맞춤 카페 매칭 챗봇
무엇을 만들고자 하는가	AI 챗봇을 통해 사용자의 빈 테이블 필요 상황에 대한 문장을 분석한 후, 조건에 맞으며 현재 이용 가능한 카페를 신속하게 매칭해주는 예약 서비스를 만들고 한다.
고객	(1) 이름 : 이해린 연령 : 22 성별 : 여자 직업 : 대학생 3학년 상황 : 대학교에서 컴퓨터공학을 전공하고 있으며, 학기 중 팀 프로젝트와 과제를 위해 카페에 자주 방문한다. 하지만 바쁜 시간대에 카페를 방문할 때 마다 자리가 없어서 불편함을 겪고 있다. 특히 주말과 평일 점심 시간에 친구들과 함께 공부를 하거나 그룹 스터디를 진행하는 것을 선호하지만, 그 시간대에 카페는 항상 붐벼 자리 잡기 어렵다. 헛걸음하지 않기 위해 미리 카페 사장님께 전화로 자리가 있는지 물어보거나, 결국 직접 돌아다니면서 원하는 자리가 있는지 찾아본다. 전화로 물어보고 방문한 경우나 비교적 한산한 시간대에 방문한 경우마저도 노트북을 놓을 수 없는 작은 테이블만 남아있거나 주변에 콘센트가 없는 등의 예상치 못한 상황을 자주 겪는다.
Pain Point	-카페에 자리가 없는 경우 기다릴지 아니면 다른 카페를 찾아볼지 고민하게 되는 상황이 발생한다. -시험 기간이나 주말 오후와 같은 붐비는 시간대에 카페에 방문하면 자리를 찾지 못해 기다리거나 돌아가는 경우가 많다. -콘센트나 넓은 테이블이 필요한 상황 등 특정 조건을 충족하는 카페를 찾는데 많은 시간과 노력이 소모된다.
솔루션	-결제 API를 연동하여 예약금을 바로 결제할 수 있도록 하여 사용자는 손쉽게 빈 테이블을 예약할 수 있다. -NLP를 이용한 챗봇을 통해 사용자의 필요 상황을 분석하고, 조건에 맞는 빈 테이블이 있는 카페를 사용자에게 매칭해준다.
오래 축적한 데이타의 잠재적 가치	-예약 및 방문 패턴 데이터: 예약 시점과 주기, 예약 성공/실패율, 방문 확인 데이터, 예약 장소 -카페 운영 및 예약금 데이터: 빈 테이블 수 및 예약 가능 여부, 예약금 처리 -챗봇 상호작용 데이터: 사용자 질문 패턴, 챗봇 사용 빈도 이 데이터를 통해 예약 패턴 분석 및 매칭 성공률, 개인화된 추천 시스템을 고도화할 수 있다. 또한, 사용자와 카페 운영자 양쪽의 경험을 개선하는 데도 활용 가능하다. 고객 만족도를 높이고, 카페의 운영 효율성을 극대화하는 전략을 수립할 수 있다.
기대성과	-테이블 가용성 실시간 확인과 챗봇을 통한 카페 매칭으로, 카페 찾는 시간 및 대기 시간을 단축할 수 있다. 이로 인해 고객 편의성 및 만족도 향상을 기대할 수 있다. -빈 테이블 정보를 실시간으로 제공하여 고객의 수요를 효율적으로 충족 시킴으로써, 지역 카페가 더욱 안정적으로 고객을 유치할 수 있도록 지원한다.
팀 그라운드룰	https://github.com/Clover-21/Clover-start/blob/main/Ground_Rule.md

Return Top

Team 24

항목	내용
팀명칭	대장정
프로젝트명	모션 인식 기능과 챗봇을 이용한 AI 발표 도우미
키워드	발표 습관 개선, 맞춤형 챗봇(NLP), 모션 인식(cv)
무엇을 만들고자 하는가	발표를 하려는 모든 사람들이 발표를 잘할 수 있도록, 모션 인식하고 그에 맞는 질문 및 키워드를 제공해 도움을 주는 인공지능 서비스입니다.
고객	연령 : 20대 성별 : 상관없음 직업군 : 대학생 퍼소나 : 중요한 발표를 앞두고 발표를 자연스럽고 유창하고 하고 싶고, 발표 이후 교수님이나 학우들의 질문에 걱정하고 있음.
Pain Point	지식 전달이 더 중요한 요소인데 학생들은 지식 검색에만 치중을 두고 있다. 혼자 연습하면 상호작용이 없어서 발표 습관을 혼자 개선하기 힘들다. 만약 하려면 관련 지식이 있는 지인을 섭외해야 한다.
솔루션	모션인식 (cv) 챗봇 (nlp) 프론트엔드 (react) 백엔드 (spring)
오래 축적한 데이타의 잠재적 가치	다양한 분야 및 상황(격식/비격식)의 발표 유형을 대비할 수 있도록 도와준다.
기대성과	무대 공포증을 극복 가능하게 해주며, 시간과 공간의 제약 없이 발표 준비를 할 수 있다.
팀 그라운드룰	https://github.com/2024-capstone-project/MainRepo/blob/main/README.md

Return Top

Team 25

항목	내용
팀명칭	디어리
프로젝트명	교양을 쌓고 싶은 사용자가 맞춤형 퀴즈를 풀며 나만의 교양 스크랩북을 만들어 나가는 open AI 활용 서비스
키워드	LLM / promt engineering / 교육
무엇을 만들고자 하는가	Open AI를 이용하여 교양을 쌓고 싶은 사용자가 맞춤형 퀴즈를 풀며 나만의 교양 책을 만들고 다른 사용자들과 공유하는 퀴즈 기반 교양 학습 플랫폼
고객	고객의 demographic 연령: 22세 성별: 여성 직업군: 대학생 취미: 게임, 여행 고객 특성: 바쁜 일상 속에서 깊이 있는 독서를 할 시간이 부족하지만, 자신이 더 나은 선택을 할 수 있도록 교양을 쌓고 삶의 방향성을 설정하고 싶어하는 지식 욕구가 높은 사람이다. 주로 자기 계발과 정신적 성장을 추구하며, 짧은 시간 내에 쉽게 지식을 습득할 수 있는 콘텐츠를 선호한다.
Pain Point	익숙하지 않은 분야를 배우려고 할 때 인터넷 서칭과 서적만으로 시작하기에는 초기에 어려움을 겪을 수 있다. 다양한 지식에 대한 접근성을 용이하게 하는 서비스가 부족하여 교양 지식에 대한 갈망을 가지고 있지만 서적을 제대로 읽을 시간과 서치 시간 또는 능력이 부족한 사용자들의 욕구를 충족할 방법이 마련되어 있지 않다. 또한 학습한 내용을 정리하는 습관을 가지고 있는 않은 사용자들은 지식을 획득하여도 복습하지 않기에 학습 내용을 완전히 본인의 것으로 만들었다고 보기 어렵다. 이러한 사용자들의 니즈를 고려한 서비스가 필요하다.
솔루션	Prompt Engineering: OpenAI API와 GPT-4 기반으로 적합한 텍스트 생성 및 처리 Fine-tuning: Hugging Face Transformers 라이브러리 활용하여 LLM 모델을 사용자 맞춤 학습 LLM 활용 유저 채팅 처리: OpenAI ChatGPT API를 이용한 대화 인터페이스 구현 Calender API: Google Calendar API를 사용해 학습 기록 관리 및 푸시 알림
오래 축적한 데이타의 잠재적 가치	Quizfolio 런칭 3년 후에 앱에 축적될 데이터는 사용자 활동 기록(퀴즈 성과, 학습 패턴), 관심 주제, 스터디 참여 기록 등이 포함된다. 이를 통해 개인화된 학습 경험 개선, 교양 학습 트렌드 분석, 협동 학습 성과 연구, AI 맞춤형 학습 모델 발전이 가능하다. 데이터가 쌓일수록 AI 학습 시스템의 정확도 향상, 개인화 학습 및 동기부여 연구 성과가 개선될 수 있다.
기대성과	지식을 습득함에 있어 새로운 패러다임을 제시함과 동시에 사용자들 간의 지식 공유 네트워크를 마련할 수 있다. 이를 통해 교육적인 목적을 달성할 수 있으며 단순히 개개인의 사용자뿐만 아니라 교육 기관에서의 사용도 기대해볼 수 있다. 또한 사용자들이 제작한 스크랩북을 통해 다양한 학습 자료를 만들어낼 수 있고, 네트워킹을 통해 스크랩북을 공유하며 교양 및 상식에 대한 관심도를 높일 수 있다.
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 대학생 맞춤형 소개팅 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: 김새미의 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	- OpenCV: https://opencv.org/ - TensorFlow: https://www.tensorflow.org/ - Firebase: https://firebase.google.com/ - Srping: https://spring.io/projects/spring-framework - React: https://ko.legacy.reactjs.org/ - MySQL: https://www.mysql.com/
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	- 사용자들은 자신의 외적 이상형에 맞는 파트너를 쉽게 찾을 수 있어, 기존 소개팅 앱에서 느꼈던 불만족을 해소할 수 있다. - AI가 분석한 외적 선호도 기반으로 이상형을 매칭시켜 주기 때문에 연애 성공률이 높아진다.
팀 그라운드룰	https://github.com/Joggim/GROUND-RULE/blob/main/Ground_Rule.MD

Return Top

Team 27

항목	내용
팀명칭	그로쓰
프로젝트명	팬의 기여를 인정하기 위해 블록체인 기술을 사용하여 크리에이터와 팬들의 공정한 수익 분배를 도모하는 계정 토큰화 서비스
키워드	블록체인, 토큰 경제, 크리에이터 이코노미
무엇을 만들고자 하는가	이 영광을 팬분들께 돌립니다! 블록체인 기술을 활용하여 팬들에게도 수익이 돌아가도록 하는 크리에이터 계정 토큰화
고객	1. 팬

- 나이 : 22세
- 성별 : 여성
- 직업 : 대학생
- 상황 : 유*브 크리에이터 설리맘의 열혈팬인 이소피. 설리맘 채널의 구독자가 100명 이하이던 초창기부터 1000만이 된 현재까지도 설리맘 채널의 라이브 방송과 클립 영상을 빼놓지 않고 찾아본다. 설리맘은 공중파 방송까지 출연하여 많은 인기를 얻게 되었고, 결과적으로 유*브의 신규 이용자도 늘어났다. 하지만 소피는 채널 성장에 크게 기여했음에도 불구하고, 직접적인 보상을 받지 못했다. 설리맘의 영상에 대한 홍보와 댓글 활동을 통해 구독자 유입을 도운 소피는 그저 열정적인 팬으로 남아있을 뿐, 그 기여에 대한 인정이나 대가는 돌아오지 않아 허무함을 느낀다.
- 괘씸함, 개국공신, 허무함, 상대적 박탈감, 현타, 현실과 동떨어진

2. 크리에이터 1
   • 나이 : 25세
   • 성별 : 여성
   • 직업 : SNS 인플루언서
   • 상황 : 100만 팔로워를 보우한 인플루언서 유바바. 우연히 시작한 SNS에서 많은 팔로워를 얻게 되어 이를 직업으로 하고자 크리에이터에 도전하려 한다. 유*브에 자신이 만든 영상을 올려 수익을 얻고 싶으나, 유튜브와 소속사와의 불공정한 수익 배분에 망설이게 된다. 자신의 창작물에 대한 소유권과 통제권을 직접 가지고 크리에이터로 활동하고 싶은 유바바는 자유롭게 계정을 꾸려나갈 수 있는 플랫폼을 찾고 있다.
3. 크리에이터 2
   • 나이 : 28세
   • 성별 : 남성
   • 직업 : IT 회사 직원
   • 상황 : 부업으로 영상을 올려 부수익을 창출하고자 하는 직장인 김하울. IT 회사에서 일한 경험을 살려 전자제품 언박싱, 하울, 리뷰 등의 영상을 본격적으로 올려보고자 한다. 최신 전자기기를 직접 사고 리뷰해 사람들에게 양질의 정보를 주고 싶으나, 아직 팬층이 없고 직장인인 김하울에게는 영상을 올리는 것이 시간적/금전적으로 부담이 되어 같은 뜻을 가진 대학 동기 계실버(28세, IT 회사 직원)와 공동 운영을 하고자 한다. 따라서 플랫폼과의 공정한 수익 배분, 그리고 공동 계정 운영이 가능한 크리에이터 플랫폼을 찾고 있다. | | Pain Point | - 기존 플랫폼 이용자
   • 플랫폼의 영상과 광고를 시청하고 크리에이터에게 후원하며 그 창작 활동을 지원하지만, 어떠한 이득도 얻지 못함

• 크리에이터

  • 공동 계정 운영 및 수익 분배의 어려움
  • 자신의 창작물에 대한 소유권과 통제권을 가질 수 없음
  • 유튜브와 소속사와의 불공정한 수익 배분 | | 솔루션 | Blockchain, 분산 원장 기술 Solidity React Web3.js Django REST framework | | 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.

• 사용자들이 보유한 토큰의 양, 보유 기간, 거래 빈도 등의 데이터를 통해 사용자 충성도를 평가할 수 있다. | | 기대성과 | - 블록체인 기술을 통한 개인 데이터 소유권 보장

• 이용자는 크리에이터에게 직접적으로 투자하고 이를 통해 자산 가치를 높일 수 있음

• 가치 창출에 참여한 사람들에게 그 가치와 보상이 돌아갈 수 있는 구조를 형성

• 플랫폼의 개입을 최소화하고 크리에이터와 이용자를 중심으로 운영되는 서비스

• 크리에이터가 장기적 전략을 통해 컨텐츠의 퀄리티에 집중할 수 있는 서비스

• 팬 커뮤니티 강화를 통한 수익 창출 기회 확대 | | 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 AI 서비스
키워드	AI, 공공 데이터, 맞춤형 여가 추천
무엇을 만들고자 하는가	사용자의 위치와 일정, 그리고 취향을 분석해 빈 시간에 맞는 최적의 여가 활동을 제안하고, 최신 영화, 공연, 전시 등 다양한 정보를 한 곳에서 조회할 수 있는 통합 플랫폼을 제공하는 AI 기반 개인 맞춤형 서비스입니다.
고객	IT 계열 회사에 다니는 30대 초반 미혼 여성 개발자 김이화. 업무로 인해 평일 근무시간에 매우 바쁘고, 주로 평일 저녁이나 주말에 혼자 영화나 뮤지컬을 관람하며 여가 시간을 보냅니다. 계획적인 성격이고, 서울에서 혼자 거주 중입니다.
Pain Point	어떤 종류의 여가 활동을 즐길지 결정을 내리지 못하여 시간을 허비하는 경우가 있습니다. 또한, 사용자와 위치와 일정에 맞는 최적의 활동을 찾기 어렵다는 문제가 있습니다.
솔루션	[FE] - Language : JavaScript - Library : React native https://reactnative.dev/ [BE] - Language : JAVA https://www.java.com/ - Framework : Spring https://spring.io - DB : MySQL https://www.mysql.com/ [API] - 구글 캘린더 API https://developers.google.com/calendar/api/guides/overview?hl=ko - 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 - 공연전시 정보 API (한국문화정보원): https://www.data.go.kr/data/15000120/openapi.do - KOPIS 공연예술통합전산망: https://www.kopis.or.kr/por/cs/openapi/openApiInfo.do?menuId=MNU_00074 [AI algorithm] - 추천 알고리즘 : surprise library https://github.com/NicolasHug/Surprise
오래 축적한 데이타의 잠재적 가치	다양한 성별과 연령대의 사용자 데이터가 축적되어 있을 것이고, 이를 통해 특정 계층의 선호도를 분석하여 추천 알고리즘의 정확도를 높일 수 있습니다. 사용자가 남긴 평가를 기반으로 사용자의 취향에 맞는 여가 활동, 맞지 않는 여가 활동의 데이터가 축적되어 있을 것이고, 해당 데이터를 통해서 아직 사용자 정보가 없는 새로운 활동에서 사용자의 선호도, 추천 받은 여가 활동을 실행에 옮길 지 여부를 예측해볼 수 있습니다. 많은 사용자들의 평가 데이터가 축적되어 있을 것이고, 이를 이용해 사용자와 유사한 취향을 가진 사용자가 높은 선호를 보였던 여가 활동을 추천해 긍정적인 경험을 기대해 볼 수 있습니다.
기대성과	여가 활동의 소비자가 늘어나고, 여가 산업의 규모가 커져 더욱 다채로운 예술 문화를 누릴 수 있게 될 것입니다. 많은 사람들이 여가를 효율적으로 즐기면서 스트레스를 해소할 수 있습니다. 사용자의 취향, 위치, 일정에 따라 여가 활동을 추천하기 때문에, 주류 독점적 특성을 가진 공연 예술 분야에서 비주류 여가 활동도 알려지는 기회가 될 것입니다.
팀 그라운드룰	https://github.com/dxxrjh/2024-capston/blob/main/GROUND_RULES.md

Return Top

Team 30

항목	내용
팀명칭	찹쌀떡
프로젝트명	면접 준비자를 위해 자기소개서를 AI 분석하여 예상 질문을 제공해 면접 합격을 도와주는 면접 시뮬레이션 서비스
키워드	면접 시뮬레이션, AI 면접관, 자기소개서 분석
무엇을 만들고자 하는가	면접 준비에 어려움을 겪는 사람들을 위해 AI 기술을 통해 자기소개서를 분석하고 면접 예상 질문을 제공하는 면접 시뮬레이션 서비스를 통해 면접 합격을 도와준다.
고객	1. 대학교 동아리에 합격하고 싶은 21세 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. 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. 화연은 긴장하지 않고 명확하게 답변하는 연습부터 해야겠다고 생각했고 혼자서도 연습할 수 있는 서비스가 있으면 좋겠다고 생각한다.
Pain Point	1. 자기소개서를 다른 사람에게 보여주는 것이 부담스러울 수 있다. 2. 면접 준비를 혼자서 하기에는 실제로 면접을 보듯 질문을 듣고 답하는 연습을 하기 어려움이 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/ google STT google TTS chatGPT
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	인공지능을 이용하여 대학생의 생활체력증진 및 자세교정을 위한 운동추천 및 코칭시스템(셀프PT)
키워드	모션트래킹, 셀프운동, 자세교정
무엇을 만들고자 하는가	모션트래킹(인공지능, openpose)을 이용한 대학생의 생활체력증진 및 자세교정을 위한 운동추천 및 코칭시스템
고객	생활체력을 기르고 싶은 대학생 이화연(21, 여성). 요즘 부쩍 오래 앉아있는게 어려운 대학생 이화연은 운동의 필요성을 느끼게 된다. 아무리 운동을 하기 쉬운 시대라고는 하지만 아직 혼자 운동해본 경험이 없는 그는 아직도 운동에 거리감이 느껴진다. 홈트를 보며 운동을 해도 자세가 맞는지 확신이 들지 않는 상태에서 운동을 계속하는 게 맞나 생각이 든다. 운동을 하고 싶지만 헬스장에 가서 pt를 받는 건 부담이 되는 대학생 김화연(24,여). 지난 번에 운동을 하다가 손목을 삐끗한 적이 있어 누가 잘못된 자세를 잡아줬으면 하는 니즈가 있다.
Pain Point	- PT의 가격부담을 느껴서 생활체력이 필요한 현대인들이 운동에 쉽게 접근하지 못한다. - 내향적인 사람들이 혼자 운동을 하고 싶지만 자세를 봐주는 사람이 없어서 어려움을 겪고 있다. -혼자서 홈트를 해봤지만 제대로된 자세로 운동을 안했는지 오히려 관절이나 근육에 통증이 있다.
솔루션	-react - open pose(https://github.com/CMU-Perceptual-Computing-Lab/openpose) : OpenPose는 사람의 자세를 추적하고 분석하기 위한 실시간 다중 인체 자세 추정 기술입니다. 2D와 3D에서 사람의 주요 관절 위치를 추출하여 동작 분석, 스포츠 코칭, VR/AR, 헬스케어 등에 활용됩니다. 딥러닝 기반으로 이미지나 비디오에서 여러 사람의 자세를 동시에 감지할 수 있으며, 다양한 응용 프로그램에서 사용됩니다 -Python (Flask/Django): OpenPose 자체가 Python 라이브러리와 호환되므로, Python 기반 백엔드는 자연스럽게 통합됩니다. Flask는 경량화된 웹 프레임워크로, Django는 더 큰 규모의 시스템에 적합합니다. -Node.js: 비동기 처리와 실시간 데이터 전송에 강력한 Node.js는 실시간 자세 분석 결과를 프론트엔드로 빠르게 전달하는 데 적합합니다. Socket.io와 같은 라이브러리로 실시간 피드백을 제공할 수 있습니다. -FastAPI: Python 기반의 FastAPI는 고성능 비동기 처리가 가능한 경량 프레임워크로, 실시간 데이터를 처리하는 시스템에 매우 적합합니다. OpenPose와의 통합도 용이합니다. -TensorFlow Serving: 만약 OpenPose와 추가적인 딥러닝 모델을 함께 사용할 경우, TensorFlow Serving을 통해 백엔드에서 모델을 서빙하고 실시간으로 자세 데이터를 처리할 수 있습니다.
오래 축적한 데이타의 잠재적 가치	사용자들의 운동성과와 자세오류가 얼마나 줄어들었는지를 통해 일시적인 운동자세교정에 그치지 않고 지속적인 효과를 만들어낼 수 있음. 데이터가 많이 쌓였을 경우 어떤 운동의 자세교정이 어려운지 등 특이점을 파악하여 더욱 상세한 서비스를 제공할 수 있도록 함.
기대성과	1. 운동에 대한 접근성이 높아지고 운동에 대해 느끼는 거리감을 줄일 수 있다. 2. 저렴한 비용으로 자세 교정의 효과를 볼 수 있다. 3. 자신의 운동성과에 대한 데이터를 확인하는 과정에서 성취감과 재미를 느낄 수 있다.
팀 그라운드룰	https://github.com/zion0117/2024-2-kimminni/blob/main/Ground_Rule.md

Return Top

Team 32

항목	내용
팀명칭	홈런볼
프로젝트명	AI를 활용해 사용자 맞춤형 전자 기기를 추천하고, 스펙을 이해하기 쉽게 설명하며, LLM 기반 상담 시스템과 커뮤니티 기능을 제공하는 기기 추천 서비스
키워드	전자기기, LLM, 추천 시스템
무엇을 만들고자 하는가	AI를 활용하여 사용자 맞춤형 전자 기기를 추천하고, LLM 기반 챗봇 상담 시스템과 중고 기기를 거래할 수 있는 커뮤니티 기능을 제공한다.
고객	23세 대학생 민지는 학업과 취미(게임, 콘텐츠 제작)를 위해 적합한 기기를 찾고 있다. 복잡한 전자 기기의 스펙을 쉽게 이해하기 어려워한다. 필요한 기기에 대한 정보가 너무 많아 어느 제품을 선택해야 할지 혼란스러워 리뷰를 하나하나 읽으며 비교하고 있다.
Pain Point	복잡한 기술 용어와 스펙을 이해하기 어려워 많은 시간을 정보 탐색과 리뷰에 소비하며, 객관적인 비교와 신뢰할 수 있는 추천 시스템의 부재로 최적의 구매 결정을 내리기 힘들어하고 있다.
솔루션	PyTorch/TensorFlow : 기계 학습 모델 구축을 위한 프레임워크로, 사용자 설문 데이터를 기반으로 최적의 기기를 추천하는 데 사용. Hugging Face Transformers : LLM(대형 언어 모델) 기반으로, 전자기기 스펙을 이해하기 쉽게 설명하는 자연어 처리 모델 구현. Scikit-learn : 사용자 맞춤형 제품 필터링을 위한 모델 개발, 사용자 선호도와 패턴 분석에 활용. Spring Boot : 웹 애플리케이션 서버 구축, API 서비스 제공 및 사용자 요청 처리하는 데 사용. MongoDB : 사용자 데이터, 기기 데이터 등 DB 관리 React.js : 사용자 인터페이스(UI) 구축을 위한 프론트엔드 프레임워크로, 실시간 기기 추천 및 상담 시스템과 상호작용.
오래 축적한 데이타의 잠재적 가치	사용자의 기기 선택 패턴 데이터를 바탕으로 보다 정교한 기기 추천 알고리즘을 도출해내고, 사용자가 AI 챗봇과 나눈 대화 데이터를 기반으로 자주 받는 질문에 대한 답변을 더욱 세밀하게 조정하여 고객 서비스를 향상시킬 수 있을 것이다.
기대성과	전자기기의 스펙에 대해 잘 몰라서 전자기기를 구매할 때 어려움을 겪는 사람들이 스펙을 비교하고 본인의 쓰임새에 맞게 최대한으로 활용할 수 있는 기기를 선택하는 데 도움을 줄 수 있다. 또한 사용한 기기를 중고 거래 커뮤니티를 통해 재활용함으로써 환경 보호에 기여할 수 있다.
팀 그라운드룰	https://github.com/ksarangee/HomeRunBall/blob/main/Ground_Rule.md

Return Top

Team 33

항목	내용
팀명칭	아리아리
프로젝트명	LLM 기술 기반의 AI NPC와 상호작용 가능한 종교 전파 멀티플레이 게임
키워드	LLM, AI NPC와의 커뮤니케이션, 멀티플레이 게임
무엇을 만들고자 하는가	저희 팀은 텍스트 이해 및 분석 중심의 AI 기술인 LLM을 기반으로, 유저가 직접 커스터마이징한 AI NPC에게 본인의 창작 종교를 전파하고 경쟁하는 멀티플레이 게임을 제작하고자 합니다.
고객	가상의 캐릭터를 창작해 배경 설정을 부여하고, 다른 캐릭터들과 교류하는 놀이를 취미로 하는 20대 여성 디자인 프리랜서
Pain Point	Ai npc 게임 심즈에서, 멀티모드를 지원하지 않아 ai와의 상호작용으로 단축되어있습니다. 따라서 플레이에 한계가 있습니다. 저희 게임은 멀티게임, ai npc커스터마이징을 동시 지원함으로써 ai와 인간간의 상호작용을 극대화합니다.
솔루션	생성형ai 서버-클라이언트 구조 서버개발
오래 축적한 데이타의 잠재적 가치	선호도가 높은 종교의 특징들이 드러날것이다. 또한 종교별 신도들의 특성들이 드러날 것이다.
기대성과	종교 및 ai npc를 커스텀함으로써 나올 수 있는 경우의 수가 다양하다. 따라서 유저생성형 컨텐츠가 다수 생성될 수 있으리라 기대된다. 이것은 게임의 지속성을 높이는데 기여한다.
팀 그라운드룰	https://github.com/AriAri-Project/ImSi

Return Top

Team 34

항목	내용
팀명칭	IT인
프로젝트명	Cross-modal Federated Learning through Multimodal Data Integration and Translation
키워드	Multimodal Deep Learning, Federated Learning, Cross-modal deep 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	- 오픈소스 된 연합학습 Framework을 사용할 예정. (예: Tensorflow Federated(TFF), FATE) - 모달리티간 translation은 기존의 방법(예: Cross-modal Embedding, GAN, Autoencoder, Knowledge distillation 등) 을 적용해보고 가장 효과적인 방법을 사용할 예정.
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	Chat-GPT와 벡터 데이터베이스, RAG(Retrieval-Augmented Generation) 기술을 활용하여 사용자가 제공한 데이터를 기반으로 자신과 닮은 디지털 쌍둥이를 생성하고 실시간으로 대화할 수 있는 서비스
키워드	RAG, chat-GPT, 디지털 트윈
무엇을 만들고자 하는가	나와 닮은 쌍둥이와의 대화를 통해 조언을 얻고 싶은 사람들을 위해 RAG, chat-GPT, 프롬프트 엔지니어링 기술을 활용하여 입력된 데이터를 기반으로 사용자에게 특화된 답변을 생성할 수 있는 디지털 쌍둥이 챗봇 서비스
고객	고객정의 1. 남들에게 말 못할 고민을 얘기하며 나에게 가장 잘 맞는 해결책을 찾고 싶은 사람 2. 자신과의 대화를 기억할 수 있는 챗봇과 완전히 맞춤화된 대화를 하면서 인격체와 소통하는 듯한 느낌을 받고 싶은 사람 고객 페르소나 1. 남들에게 말하지 못하는 고민이 있는 A씨. 그러나 기계와 대화하고 싶지는 않다. 혼자 고민하다 고민은 해결되지 않은 채 스트레스만 쌓여가고 있다. 자신을 잘 아는 누군가가 자신을 위로해주고 자신에게 딱 맞는 해결책을 찾아주었으면 좋겠다고 생각한다. 2. 죽을 날이 얼마 남지 않은 B씨. 죽기 전에 자신의 인생에 대한 내용을 디지털 상에 남기고 싶어한다. 세상에 남을 가족들이 자신의 기록들을 통해 자신을 기억하고 보고 싶을 때마다 자신과 대화할 수 있도록 하고 싶다.
Pain Point	1. 혼자서 해결하기 어려운 고민 남들에게 말하지 못할 고민이나 일상적인 문제를 혼자 해결하려다 보니 스트레스가 쌓이고, 조언을 받기 어렵다. 또한, 자신의 상황을 온전히 이해하고 있는 사람에게 조언을 받기에는 어려움이 있기에, 일반적인 조언이나 정보만 받아서 자신의 상황에 맞는 맞춤형 지원을 받지 못한다. 2. 감정적 지지 부족 나의 감정을 이해하고 나의 기억을 같이 공유할 수 있는 대상이 없어 외로움을 느끼거나 심리적 부담이 있을 수 있다.
솔루션	- 자연어를 벡터데이터베이스에 저장할 수 있도록 처리하는 임베딩 모델 - 사용자에 대한 데이터를 저장할 벡터데이터베이스 - 실시간 채팅을 위한 chat-GPT - 3D 모델링
오래 축적한 데이타의 잠재적 가치	1. 디지털 유산 한 사람의 전체 인생에 대한 기록을 디지털 상에 빠짐없이 남길 수 있다. 추후 사용자가 사망한 이후, 유가족들에게 소중한 추억과 경험을 공유할 수 있는 기회를 위한 데이터가 될 수 있다. 2. 최적의 개인 맞춤화 사용자와의 대화 내용이 축적되어 데이터베이스에 저장됨으로써 디지털 트윈이 개별사용자에게 완전히 맞춤화된 답변을 생성해낼 수 있다.
기대성과	1. 개인 맞춤 성찰과 피드백 트윈 모델을 통해 자신에 대해 돌아보며 나에게 가장 잘 맞는 해결책을 얻을 수 있고 위로받을 수 있을 것이다. 또한 자신이 과거에 가졌던 고민들과 그로부터 얻은 insight를 기록해두어 자신이 성장해온 과정을 회고할 수 있다. 2. 디지털 유산 사용자의 삶의 경험과 추억을 디지털화된 유산으로 남겨, 해당 데이터를 필요한 곳에 사용하거나 이후 유가족과 후대에게 전달 할 수 있다.
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	OCR을 이용한 텍스트 인식을 통해 사용자가 보낸 메시지를 분석하여 메시지나 이미지에 개인정보가 포함된 경우 사용자의 설정값에 따라 자동 삭제 또는 숨김 처리되며, 전송 전에 팝업창을 통해 확인할 수 있는 서비스
키워드	보안, OCR, 채팅
무엇을 만들고자 하는가	OCR을 통해 메시지(텍스트, 이미지 등)에 포함된 내용을 파악하여 해당 메시지에 개인정보가 포함되어있을 경우 사용자의 설정값에 따라 자동 삭제 또는 숨김 처리 등을 해주어 사용자의 개인정보에 대한 보안을 높인 채팅 서비스입니다.
고객	1. 20대의 알바중인 대학생 : 아르바이트를 하는 편의점의 사장님께서 계약서 작성 및 입금을 위해 계좌번호 등의 개인정보를 카톡으로 보내다랄고 하셨다. 알려드려야 하는 정보이기에 카톡으로 보내드렸지만, 이 정보가 혹시 나중에 다시 사용되거나 유출되진 않을지 조금 걱정이 된다. 이후 사장님이 이 정보를 다시 확인할 수 없으면 좋겠다.
Pain Point	현대인들은 카톡, 라인 등의 채팅 서비스을 통해 많은 정보를 주고받는다. 때론 개인정보가 포함되어있는 이미지가 텍스트를 채팅을 통해 상대방에게 보내기도 한다. 이 경우 발생할 수 있는 문제는 다음과 같다. 개인정보 유출에 대한 위험이 존재한다. 상대방에게 보낸 메시지는 그대로 저장이 된다. 따라서 이후 유출이 될 위험성이 존재한다.
솔루션	[Frontend] -react [Backend] -spring-boot -JPA -MySQL -MongoDB -Kafca [AI] -OCR : CLOVA
오래 축적한 데이타의 잠재적 가치	사용자의 피드백을 통해 보안 강화 채팅 서비스를 발전시킬 수 있다. 또한 사용자의 연령, 성별 등을 파악할 수 있을 것이다. 이는 축점됨에 따라 이후 다른 보안 강화 서비스를 개발하는 데에 도움이 될 것이다.
기대성과	보안이 강화된 채팅 서비스를 이용할 수 있다. 개인정보 유출, 해킹 등에 대해 더 민감하게 반응할 수 있다.
팀 그라운드룰	https://github.com/2024-fall-ewha-capston-design/BACK/blob/main/README.md

Return Top

Team 37

항목	내용
팀명칭	코드셋
프로젝트명	AI 챗봇과의 대화를 통해 AI가 사용자 대신 하루의 일과를 요약해서 감정 상태를 중심으로 그날 하루를 정리해주는 어플
키워드	1) Reactive ai를 이용하여 채팅 형식으로 수시로 기록할 수 있습니다. 2) 기록된 내용을 분석하고 정리하여 요약된 형태로 보여줍니다. 3) 사용자가 친밀하게 대화할 수 있는 AI
무엇을 만들고자 하는가	언제든지 이야기를 들어주고 그것을 일기로 정리해주는 어플
고객	1) 정신없는 신입 회사원 김이화씨(28세) : 하루하루 새로운 업무를 배우느라 정신이 없는 입사 3개월차 김이화씨는 일기를 쓰고 싶지만 퇴근하고 나면 시간도 없고 지쳐 정성스럽게 글을 쓸 엄두가 나지 않는다. 새로이 배운 일들, 터득한 요령을 기록하고도 싶고 기쁘거나 화가 났던 순간들을 나중에 돌아보고 싶지만 학생 시절처럼 일기를 열심히 쓸 시간은 나지 않는 채로 하루 하루가 잊혀져 간다. 2) 고민이 많은 사춘기 소녀 이공댕양(17세) : 사춘기 소녀 이공댕양. 친구 문제, 학업 문제, 가족 문제 등 고민이 많지만 친구에게 부정적인 생각들을 모두 말하고 싶지는 않아 속앓이를 하고 있다. 말 못할 고민과 나쁜 감정까지도 안심하고 털어놓을 수 있는 곳을 원하지만, 자신의 개인사와 신상을 남에게 털어놓기에는 걱정이 된다.
Pain Point	바쁜 사회인들에게는 일기를 쓸 시간과 에너지가 부족하고, 막상 일기를 쓰려 펜을 들었을 때 잊혀져서 기록할 수 없는 일들이 있다. 또, 누구나 개인사를 타인에게 모두 말하기에는 걱정스러울 수 있고 원만한 인간관계를 위해서는 부정적인 감정을 많이 털어놓을 수 없다.
솔루션	앱 구현 감정분석기술 모델 생성형AI로 리액팅 대화내용 저장 DB 핵심문장 요약해주는 딥러닝 모델
오래 축적한 데이타의 잠재적 가치	사용자의 피드백을 통해 분석 및 요약 정확도를 높일 수 있다. 답변 만족도 조사를 통해 사용자들의 앱 사용 목적 파악(채팅vs기록) 주 사용자들의 정보(성별, 연령대)
기대성과	적은 시간과 노력으로 경험과 추억을 기록할 수 있다 이용자들이 자신의 감정을 솔직히 표출함으로써 스트레스를 해소할 수 있다
팀 그라운드룰	https://github.com/Krlee11/-/blob/main/Ground_Rule.md

Return Top

Team 38

항목	내용
팀명칭	상상그이상
프로젝트명	1. 대면 독서 모임이 어려운 사람들을 위해 비대면 실시간 채팅 독서 모임을 만들고 진행하는 AI 기반 플랫폼 2. 독서 모임을 주최하고 싶은 독서 애호가들을 위한 AI가 주제를 발제, 토론을 관리하고 요약해주는 독서모임 웹 서비스 3. 채팅과 음성인식으로 비대면 독서 토론을 간편하고 효율적으로 만들어주는 AI 기반 플랫폼
키워드	1. AI 기반 독서모임 관리 2. 보이스 채팅형 독서모임 3. 맞춤형 추천 4. 토론 내용 요약
무엇을 만들고자 하는가	이 플랫폼은 대면 모임이 어려운 독서 애호가들을 위해 AI 기반의 비대면 독서 모임을 지원하며, 실시간 채팅과 음성 인식을 통해 편리한 토론을 제공하고, AI가 주제를 발제하고 토론을 관리하여 책에 대한 깊이 있는 대화를 돕고 핵심 내용을 요약합니다.
고객	1. 대학생 000(24세, 여성)는 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. 000(35세, 남성)는 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. 3. 40대 남성 000는 청각장애로 인해 대면 독서 모임에 참여하기 어려웠다. 책을 사랑하고, 다양한 분야의 책을 읽는 것을 즐기지만, 다른 사람들과 생각을 나눌 기회가 거의 없었다. 000는 독서에 대한 깊은 통찰을 가지고 있지만, 청각장애로 인해 실시간 대화나 토론의 흐름을 따라가기 어려워 소외감을 느껴왔다. 다른 독서 애호가들과 편하게 소통하며, 자신의 의견을 나누고 타인의 관점도 배울 수 있는 기회를 얻고 싶어한다.
Pain Point	현재 고객들은 다양한 불편함과 비효율을 겪고 있습니다. 먼저, 시간적, 물리적, 신체적 제약으로 인해 독서 모임에 참석하기 어렵습니다. 지방이나 대도시 외곽에 거주하는 사람들은 모임 장소까지 이동하는 데 많은 시간을 할애해야 하며, 교통비와 이동 시간이 큰 부담이 될 수 있습니다. 특히 직장인이나 바쁜 일정을 가진 사람들에게 장거리 이동은 피로를 가중시켜 참석 자체가 번거롭게 느껴질 수 있습니다. 또한 청각 장애와 같이 신체적 제약을 가진 사람들은 대면 모임에서 물리적 환경이나 접근성 문제로 인해 원활하게 소통하기 어려운 경우가 많습니다. 이러한 불편함은 독서 활동에 대한 적극적인 참여를 방해하고, 사회적 상호작용에서 소외감을 느끼게 합니다. 더불어, 모임에 참여하더라도 자신의 의견을 말로 강력하게 피력하고 소통하는 것에 어려움을 느낍니다. 자신의 발언이 타인에게 상처를 줄까 걱정하며, 그로 말미암아 자신에 대한 부정적 평가가 내려질까 두려워하는 성향을 가지고 있습니다. 그리고, 독서 대면 모임에서 겪는 낯선 사람과의 만남으로 인해 욕설이나 거친 언행 등 부정적인 상황을 겪을까 우려합니다. 또한, 흥미롭게 읽은 책에 대한 생각을 다른 사람들과 나누고 싶지만, 선호하는 장르가 대중적이지 않아 모임이 성사되기 어렵습니다. 그리고, 독서 모임을 주최하거나, 진행하는 것에 큰 부담을 느낍니다. 따라서 독서 모임에 참석하고 싶은 의지가 있어도, 누군가 대신 이끌어 줄 환경이 마련되지 않는다면 모임 자체가 성사되지 않을 것입니다. 게다가, 대화 후에는 내용을 체계적으로 정리, 요약하는 데 어려움이 있습니다. 본인의 발언이나 인상 깊었던 부분 위주로 기억하는 경향이 있지만, 스스로 인식하지 못하여 비효율적인 독서 토론 경험을 하고 있습니다. 그리고 나중에 논의된 내용을 복습하거나, 새로운 모임 구성원에게 내용을 공유하기 힘들 수 있습니다. 이를 해결할 수 있는 자동 기록 및 요약 시스템의 부재로 비효율적 독서 토론 경험만 쌓여가고 있습니다.
솔루션	chat-gpt: 실시간으로 여러명이 대화하는 채팅을 진행하고 발제, 독서 모임을 주최하거나 진행하는 것에 대한 사용자의 부담을 덜어줄 수 있을 것으로 예상 GPT/T5: 독서 모임의 내용을 기록하고 마지막에 정리를 하는 기능, 효율적인 독서 토론 경험을 선사 KoSpeech: 한국어에 특화, 채팅을 치는 것이 불편한 사용자를 위해 음성인식을 하고 이를 텍스트로 변환
오래 축적한 데이타의 잠재적 가치	참여자 수, 주최된 독서 모임 수, 평균 참여 인원, 각 모임의 참여 시간, 채팅 빈도, 음성 인식 사용 빈도 등의 사용자 활동 데이터를 통해 맞춤형 독서 모임 추천을 만들 수 있을 것입니다. AI가 생성한 발제문, 사용자의 토론 내용, 주요 키워드, 토론의 깊이 및 주제별 발언 빈도 등 발제문과 토론 내용에 대한 데이터를 통해 맞춤형 책 추천이 가능할 것이며 AI의 발제문을 개선할 수 있을 것입니다.
기대성과	더 많은 사람들이 편견에서 벗어나 자유롭게 독서 모임에 참여할 수 있을 것입니다. 기존의 대면 모임에서는 성별, 나이, 직업, 외모 등 다양한 개인 정보가 토론의 분위기에 영향을 미칠 수 있지만, 우리 플랫폼에서는 이러한 요소가 배제되어 오로지 책과 토론 주제에만 집중할 수 있습니다. 사용자들은 상대방의 배경에 관계없이 자신의 의견을 표현하며 넓은 시야로 자유롭게 토론에 참여할 수 있습니다. 또한, 공간적 제약이 사라짐에 따라 다양한 지역의 사람들이 모여 풍부한 경험과 관점을 공유할 수 있습니다. 도시, 국가, 심지어는 시간대가 다른 사용자들끼리도 하나의 독서 모임에 참여할 수 있어, 글로벌한 독서 토론을 경험할 수 있게 됩니다. AI가 모임을 효율적으로 관리함으로써 사용자는 모임 준비와 진행에 대한 부담을 덜고, 더 많은 사람들이 모임을 주최할 수 있는 기회를 얻게 됩니다. AI가 발제문을 생성하고 토론을 관리하며, 요약까지 제공해주기 때문에 토론의 질과 효율성도 높아질 것입니다. 결과적으로, 이 플랫폼은 더 많은 사람들에게 독서와 토론의 즐거움을 제공하고, 지역과 배경의 한계를 뛰어넘어 새로운 지식과 경험을 나눌 수 있는 공간을 창출할 것입니다. 이는 독서 문화의 활성화뿐만 아니라, 전 세계의 독서 애호가들이 연결되고 서로 배우는 기회를 크게 확대시킬 것입니다.
팀 그라운드룰	https://github.com/sooooscode/Beyond_Imagination/blob/db33f2bc70408cba003f78dab5d416f31a3d31cf/Ground_Rule.md

Return Top

Team 39

항목	내용
팀명칭	캡짱
프로젝트명	[엣지 AI] 각 디바이스별로 학습한 모델들 사이의 1:1 선택적이며 부분적인 Knowledge Transfer Learning을 통한 학습 최적화
키워드	엣지디바이스, 파이프라인, 전이학습
무엇을 만들고자 하는가	여러 디바이스간 지식 전이 학습을 통해 많은 데이터를 빠르고 안전하게 학습할 수 있도록 하는 모델 최적화
고객	엣지 디바이스의 자원 부족과 무선 통신 불안정성은 개발자와 기업이 학습을 구현하는 데 직접적인 영향을 미친다.
Pain Point	하나의 서버에서 많은 데이터를 받을 때 복잡한 모델을 피팅해야 한다. 많은 데이터를 하나의 디바이스에서 처리하면 많은 시간과 자원이 필요하다.
솔루션	Model Parallelism: 모델 병렬 처리를 통해 하나의 큰 모델을 여러 디바이스(혹은 GPU)에 나누어 처리하여 분산 학습을 한다. Meta Learning: 모델들이 다른 모델로부터 학습하는 방법을 배우는 기법. 엣지 AI에서는 한 디바이스의 학습 방법을 다른 디바이스에 적용할 수 있다. Edge Caching: 엣지 네트워크에서 학습된 정보를 효율적으로 관리하고 필요한 지식을 선택적으로 전송 및 적용하는 기술. Decentralized Learning Protocols: 각 디바이스가 데이터를 중앙 서버에 보내지 않고 학습한 정보를 교환할 수 있도록 돕는 분산 학습 기술. Quantization: 모델의 가중치와 연산을 더 간단하게 만들어서 디바이스 상에서 효율적으로 사용할 수 있게 함.
오래 축적한 데이타의 잠재적 가치	디바이스 간 주고받은 지식의 양, 종류, 전이 결과 성능 향상 여부 등 knowledge transfer의 기록을 바탕으로 지식 전이의 효과를 측정함으로써, 각 디바이스 간 협력 학습의 효율성을 지속적으로 개선할 수 있다. 또한 각 엣지 디바이스에서 학습한 모델의 성능(정확도, 처리 속도, 에너지 효율성) 변화 추이를 분석하여, 모델의 성과를 모니터링하고 조정하면서 지속적인 성능 향상을 이끌어낼 수 있다.
기대성과	엣지 디바이스의 한정된 계산 자원 내에서 데이터와 모델 파라미터를 최소화하면서도 고성능의 AI 모델을 구현할 수 있다. 불필요한 데이터 전송이나 중앙 집중형 학습을 줄이게 되어, 배터리 소모나 네트워크 비용을 절감을 기대할 수 있다.
팀 그라운드룰	https://github.com/CapstonProject-2024/CapstonProject/blob/main/GROUNDME.md

Return Top

Team 40

항목	내용
팀명칭	판타지
프로젝트명	Limited Memory AI 기술을 통해 반려동물의 문제 행동을 분석하고 맞춤형 해결책을 제공하며, 다양한 부가 서비스를 통해 반려동물의 행동 교정과 생활 관리를 지원하는 플랫폼
키워드	Limited Memory AI, 행동패턴, 솔루션
무엇을 만들고자 하는가	AI로 반려동물의 문제 행동을 분석 및 진단하고 맞춤형 리포트와 솔루션을 제공하며, 부가서비스까지 한 번에 지원하는 통합 반려동물 스마트케어 플랫폼
고객	1. 이름: 김이화(여성, 32세) 2. 거주지: 서울시 서대문구 3. 직업: 개발자 4. 반려동물: 뽀삐 5. 특징: - 주로 혼자 생활하며, 반려견과 많은 시간을 보내고 싶지만, 직장 생활로 인해 외출 시간이 많음 - 최근 반려견이 배변 실수를 자주 하거나 식욕이 떨어지는 문제로 스트레스를 받음 - 반려견의 문제 행동 해결을 위해 전문가를 활용했으나, 장기적인 행동 교정에 효과가 없었음 - 온라인 커뮤니티에서 문제 행동 관련 정보를 찾아보지만, 정확한 원인을 파악하지 못해 스스로 해결하기가 어려움
Pain Point	1) 문제 행동 파악의 어려움 - 문제 행동을 분석할 도구가 부족해 보호자가 혼자서 문제를 객관적으로 진단하기 어려움 2) 문제 해결을 위한 시간, 비용 및 노력의 부담 - 시간 소모: 신뢰할 수 있는 훈련사, 행동 전문가를 찾는 과정이 복잡하고 시간이 많이 소요됨 - 비용 부담: 전문가 상담이나 훈련, 유치원 등록 등 문제 행동을 해결하기 위한 서비스 비용이 부담스러움 - 일관된 해결책 탐색의 어려움: 각 정보 및 서비스마다 일관된 해결책을 찾기가 어려워 중복된 노력이 발생함 3) 맞춤형 솔루션 및 통합 서비스의 부재 - 개별적 서비스의 한계: 사료, 훈련, 유치원 등 다양한 문제 행동을 해결하기 위한 개별적 서비스들은 있지만, 반려동물의 나이, 건강 상태, 생활 환경 등의 특성에 맞춘 통합적인 솔루션은 부족함 - 보호자가 아닌 훈련사는 반려동물 각각의 특성을 완벽히 파악하는데 한계가 있음
솔루션	1. Front-End: Tailwind Css 2. Back-End: AWS 3. AI: Auto-GPT 4. 반려동물: SUBTLE
오래 축적한 데이타의 잠재적 가치	[축적된 데이터] 1. 반려동물 행동 데이터 - 분석된 행동 패턴 (배변, 섭식, 공격성 등) - 문제 행동 발생 빈도와 지속 기간 및 발생 위치 - 개별 반려동물의 행동 변화 추세 2. 사용자 피드백 - 솔루션의 효과에 대한 사용자 평가 - 훈련사, 유치원 및 사료 추천 결과에 대한 만족도 3. 서비스 사용 데이터 - 사용자 방문 빈도 및 사용 시간 - 서비스 이용 패턴 (훈련사 매칭, 유치원 추천 등) - 고객 문의 및 해결 요청 기록 4. 부가서비스 관련 데이터 - 추천한 서비스에 대한 구매 및 재구매 패턴 [창출 가능 가치] - 기존 서비스보다 더 높은 정확도와 정밀도로 반려동물 행동 분석 리포트를 제공할 수 있음 - 축적된 데이터를 바탕으로 서비스의 품질을 높이고 사용자 맞춤형 지원을 강화할 수 있음
기대성과	- AI 분석을 통해 보호자들이 겪는 시간적/경제적/정보적 문제를 해결하고, 보다 효과적이고 신뢰할 수 있는 반려동물 행동 교정 및 관리 방법을 제공하여 전체적인 반려동물 관리의 질을 향상시킬 수 있음 - 문제 행동 교정의 어려움 때문에 파양되거나 버려지는 반려동물 수 감소 및 재입양률 증가를 기대할 수 있음
팀 그라운드룰	https://github.com/tnediser/fantasy/blob/main/Ground_Rule.MD

Return Top

Team 41

항목	내용
팀명칭	tech wave
프로젝트명	OpenAI 및 Google Maps API 기반 사용자 맞춤형 AI 여행 플래너 솔루션
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	경로를 지도상에 가시적으로 표시할 수 있도록 하는 google maps API 와 인공지능을 통해 사용자별 추천 경로를 구성할 수 있도록 하는 OpenAI 인공지능 기술을 사용합니다.
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/arky02/ewha-cse-capston/blob/main/Ground_Rule.md

Return Top

Team 42

항목	내용
팀명칭	수아정
프로젝트명	오늘 입고 나갈 옷을 홀로 고민하는라 불편함을 겪는 젊은 여성들을 위한 파인튜닝된 chatGPT api기반의 외출복 추천 챗봇
키워드	chatGPT api(gpt-3.5-turbo)
무엇을 만들고자 하는가	편안한 일상의 대화를 통해 얻은 정보를 바탕으로, 구글 트랜드 api 등을 통해 구축한 패션 트렌드 지식 베이스와 20대 여성의 말투를 학습시킨 chatgpt api를 활용하여 사용자의 필요에 맞는 옷을 추천해주는 챗봇
고객	이름: 김사랑 (25세) 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) 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.
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	chatgpt api 자연스러운 말투를 가진 챗봇을 위한 카카오 대화 데이터 (https://github.com/Ludobico/KakaoChatData) 구글트렌드 api
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, 사용자의 스타일 분석을 바탕으로 한 쇼핑몰 추천으로 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	사용자의 취향과 동선을 기반으로 비어 있는 시간대에 이벤트를 추천하는 알고리즘 활용 캘린더 앱
키워드	ML, 추천 알고리즘, LBS(Location-Based Service)
무엇을 만들고자 하는가	이 앱은 사용자가 비어있는 시간을 더 효율적으로 활용할 수 있도록 돕고, 관심 있는 활동이나 새로운 경험을 놓치지 않도록 추천해 줍니다. 간단한 일정 관리 이상의 기능을 제공하여, 사용자에게 더욱 의미 있고 즐거운 일상을 만들어주는 것이 목표입니다.
고객	1. 박화연(21세, 여, 대학생, 경기도 거주): 첫 수업과 다음 수업 사이의 공강 시간이 길다. 공강 시간을 활용하여 자신의 취미인 맛집 탐방을 하고 싶어한다. 2. 김정현(29세, 남, 교사, 서울 마포구 거주): 자차가 없어서 대중교통을 이용. 주말에 새로운 전시회나 팝업스토어를 방문하는 취미가 있다. 매주 카페에 가서 독서하며 시간을 보내기를 좋아한다. 3. 이하영(34세, 여성, 영업 담당 회사원, 부산 거주): 출장이 잦아서 다른 지역에서 보내는 시간이 많지만, 낯선 지역이라 할 일을 찾지 못하고 숙박 업소에서 폰을 하며 대부분의 시간을 보낸다.
Pain Point	1. 박화연(21세, 여, 대학생, 경기도 거주): 맛집들을 찾기 위해서 여러 플랫폼에 반복적인 검색이 필요하다. 뿐만 아니라 공강 시간이라는 시간적 제약이 있기 때문에 이동 시간까지 고려한 맛집을 찾는 데에 오랜 시간이 걸린다. 2. 김정현(29세, 남, 교사, 서울 마포구 거주): 항상 같은 장소에 방문해서 지루함을 느껴 새로운 곳들을 가보고 싶어 한다. 먼 거리의 전시회를 방문할 때에, 전시회 이외의 일정을 짜기 어렵다. 3. 이하영(34세, 여성, 영업 담당 회사원, 부산 거주): SNS에 검색해보면 광고처럼 보이는 포스트나 자신과 맞지 않는 활동만 보인다. 회사일도 바빠서 새로운 지역의 이벤트를 알아볼 기력이 없다. 누군가 알아서 끝내주는 일정을 짜주기를 바란다.
솔루션	1. Front-End: - React Native (https://reactnative.dev/) 2. Back-End: - JAVA - Spring Boot (https://spring.io/projects/spring-boot) - MySQL (https://www.mysql.com/) 3. ML: - TensorFlow (Python) (https://www.tensorflow.org/) 4. API: - 카카오 지도 API (https://apis.map.kakao.com/) - 네이버 지도 API (https://navermaps.github.io/) - Google Calendar API (https://developers.google.com/calendar)`
오래 축적한 데이타의 잠재적 가치	1. 사용자 취향 데이터: - 사용자의 특성(성별, 나이, 직업군 등)에 따라 선호하는 이벤트 유형(예: 미술관 전시, 영화 개봉, 카페 신메뉴 등), 선호하는 브랜드, 자주 방문하는 장소 등. - 사용자들의 새로운 취향 추천에 대한 수용 정도 2. 사용 패턴 데이터: 사용자가 앱을 사용하는 시간대, 빈도, 활동을 예약하거나 참여한 시기 및 장소 등. 3. 위치 및 이동 데이터: 사용자들이 주로 머무는 위치(집, 직장, 대학 등), 자주 이동하는 경로, 자차 이용 여부와 같은 이동 동선. 4. 사용자 피드백 및 만족도: - 추천 이벤트로 비어있는 시간을 채운 사용자의 비율 - 전반적인 피드백 기록, 추가 요청사항 등. * 이 데이터로부터 만들어낼 수 있는 가치 - 맞춤형 추천의 정교화: 수집된 데이터를 바탕으로 더욱 개인화된 추천을 제공할 수 있으며, 사용자마다 더욱 정확하고 유의미한 이벤트를 제안할 수 있습니다. - 트렌드 분석: 특정 시간대나 지역에서 선호하는 활동이나 이벤트의 트렌드를 파악하여 공공기관이나 기업에 유용한 인사이트를 제공할 수 있습니다. - 새로운 취향 및 경험 발굴: 사용자들이 즐기지 않았던 새로운 이벤트나 활동들을 제안하고, 그에 대한 반응을 기반으로 더 나은 취향 개발 추천을 할 수 있습니다.
기대성과	1. 시간 관리 효율성 향상: 사용자는 비어 있는 시간을 보다 생산적이고 의미 있게 사용할 수 있게 되며, 일상적인 시간 관리의 효율성이 향상됩니다. 2. 새로운 경험 및 취향 개발: 사용자는 자신이 평소 시도하지 않았던 새로운 활동이나 취향을 발견하고 경험할 수 있어, 단조로운 일상 개선과 자기 개발을 도울 수 있습니다. 3. 정보 탐색 시간 절감: 사용자는 자신의 취향과 동선을 기반으로 추천을 받기 때문에, 복잡한 검색 과정 없이 필요한 정보를 빠르게 얻을 수 있습니다. 4. 트렌드 분석을 통한 마케팅 활용: 다양한 고객층에 대한 데이터를 기반으로 기업들이 더욱 효과적인 마케팅을 통해 타겟 고객에게 다가갈 수 있습니다.
팀 그라운드룰	https://github.com/Yeolmaeg/Capstone-SGK/blob/main/Ground_Rule.MD

Return Top