우리 프로젝트는 단순히 문자 서비스를 제공하는 것을 넘어, 사용자와 지인의 관계와 개인적인 특징을 반영하여 더욱 의미 있는 교류를 가능하게 합니다. 지인의 성격,지인과의 추억, 말투, 관계를 사전에 설정하여, 형식적인 단체 문자 대신 상대방이 직접 작성한 것처럼 느껴지는 따뜻한 메시지를 보낼 수 있습니다. 또한, 문자 내용에 따라 자동으로 이미지를 생성하거나, 직접 이미지를 업로드할 수 있어 시각적으로 더욱 매력적인 메시지를 전달할 수 있습니다.

• 개인 맞춤 문자 서비스
  지인과의 관계, 지인의 특징, 말투 등을 설정하여 개인화된 문자를 작성 및 전송합니다.
• 문자 및 이미지 자동 생성
  입력한 텍스트를 기반으로 AI를 활용하여 문자와 이미지를 자동 생성합니다.
• 이미지 업로드 및 관리
  이미지를 업로드하거나, 드래그 앤 드롭 방식으로 간편히 추가할 수 있습니다.
• 다양한 설정 옵션
  메시지 톤, 감정, 배경 등을 선택하여 지인에게 최적화된 콘텐츠를 만듭니다.
• 다중 사용자 관리
  주소록에서 여러 명의 지인을 선택하여 각각 맞춤화된 메시지를 개별적으로 발송할 수 있습니다.

Brain-Trace는 PDF, 오디오, 텍스트 등 다양한 문서를 자동으로 분석하여 지식 그래프를 구축하고, 이를 기반으로 문맥 이해형 질문 응답을 제공하는 온디바이스 AI 솔루션입니다.
외부 전송 없이 로컬에서 처리되며, 출처 기반 응답을 통해 신뢰성과 투명성을 동시에 제공합니다.

• 온디바이스 AI: 더 안전하게, 더 저렴하게
  • 외부 전송 없이 완전 로컬 처리**
  • 추가 비용 없이 프라이버시 보장**
• 출처 기반 응답
  • 응답에 사용된 **핵심 노드(출처)**를 함께 제공하여 신뢰성과 투명성 보장
• Graph-RAG 기반 정밀 추론
  • 질문과 유사한 노드 탐색 → 관계를 따라 논리적 경로 구성 → 구조화된 응답 생성
• 자동 문서 업로드 & 지식그래프화
  • PDF, 오디오, 텍스트 업로드만으로 자동 분석 → 시각화 및 검색 가능
• 노드 기반 문서 검색 기능
  • 키워드 또는 개념어 입력 시, 관련 노드 및 문서 정보를 유사도 기반으로 빠르게 검색

ForU(너를 위해) 는 기업의 영업팀과 마케팅팀을 위한 차세대 AI 기반 개인화 단체문자 발송 플랫폼입니다. 획일적인 단체문자 대신, AI가 각 수신자의 특성과 관계를 분석하여 개인별 맞춤형 메시지를 자동 생성함으로써 고객 참여도와 전환율을 획기적으로 향상시킵니다.

현대 디지털 마케팅에서 개인화는 필수 요소가 되었지만, 기존 단체문자 서비스는 모든 수신자에게 동일한 메시지를 발송하여 낮은 참여율과 고객 이탈을 야기합니다. 본 프로젝트는 이러한 문제를 해결하기 위해 AI 기술을 통한 개인화 메시지라는 혁신적 접근방식을 제시합니다.

• 고객 참여도 200% 향상: 개인화된 메시지로 고객의 관심도 극대화
• 업무 효율성 증대: AI 자동화로 메시지 작성 시간 90% 단축
• 브랜드 차별화: 고객이 특별함을 느끼는 1:1 커뮤니케이션 경험 제공

2분만에 보는 ForU 핵심 기능
AI 개인화 메시지 생성부터 개인 맞춤화 발송까지 전체 워크플로우를 확인하세요.

• OpenAI GPT-4 활용한 고품질 메시지 자동 생성
• 수신자별 개인 정보, 관계, 상황 컨텍스트 반영

• DALL-E 3 기반 맞춤형 시각 콘텐츠 생성
• 메시지 내용과 조화로운 개인화 이미지
• 다양한 스타일과 테마 지원

• 안정적인 대량 문자 발송 인프라

• 실시간 발송 상태 모니터링

• 발송 결과 분석 및 리포팅

• 🏗️ 기술 아키텍처

• React 18+: 현대적이고 반응형 사용자 인터페이스
• 현대적 UI/UX: 직관적인 대시보드 및 워크플로우

• Spring Boot 3.0+: 견고하고 확장 가능한 REST API 서버
• Amazon EC2: 고성능 클라우드 컴퓨팅 환경
• Swagger/OpenAPI: 자동화된 API 문서화

• MySQL: 안정적인 관계형 데이터베이스
• Amazon RDS: 관리형 데이터베이스 서비스로 고가용성 보장

• OpenAI GPT-4: 자연어 생성 및 텍스트 개인화
• 뿌리오(Ppurio) API: 안정적인 SMS 발송 서비스

• GitHub: 소스코드 버전 관리 및 협업
• CI/CD: 자동화된 빌드 및 배포 파이프라인

Spring Boot 기반 B2B SaaS 캠페인 성과 추적 플랫폼
캠페인 × 크리에이터 × 채널 단위로 트래킹 링크를 발급하고, 클릭 로그를 수집·집계하여 광고주가 성과를 비교·분석할 수 있도록 지원하는 백엔드 시스템

• 프로젝트명: CreatorLink (크리에이터링크)
• 개발환경: AWS EC2, Docker Compose
• 사용 기술: Java 17, Spring Boot, MySQL, Redis, k6
• 인프라: Docker, AWS EC2
• 개발자: 정웅 (Backend Developer)

CreatorLink는 인플루언서 마케팅 캠페인의 성과를 정량적으로 추적하고 분석하는 B2B SaaS 플랫폼입니다.

광고주는 여러 크리에이터에게 동시에 캠페인을 집행하지만, 성과가 여러 플랫폼/게시 위치에 분산되면서
"누가/어디서/얼마나 성과를 냈는지"를 Excel로 수작업 집계해야 하는 문제가 있었습니다.

CreatorLink는 캠페인 × 크리에이터 × 채널 조합으로 유일한 트래킹 링크를 발급하고,
클릭 로그를 자동 수집·집계하여 실시간 성과 비교 대시보드를 제공합니다.

즉, 링크 발급 → 클릭 추적 → 로그 수집 → 성과 집계 → 비교 분석으로 이어지는
인플루언서 마케팅 성과 관리의 전체 사이클을 자동화하는 백엔드 시스템입니다.

• Language: Java 17
• Framework: Spring Boot 3.x, Spring Data JPA
• Database: MySQL 8.0 (메인 데이터), Redis 7.x (캐싱)
• Infrastructure: AWS EC2, Docker Compose
• Testing: k6 (부하 테스트)

• User (Advertiser): 광고주 계정
• Campaign: 캠페인 단위
• Creator: 크리에이터(인플루언서)
• Channel: 플랫폼 + 게시 위치 (예: Instagram Story, YouTube Description)
• TrackingLink: 캠페인 × 크리에이터 × 채널 조합 링크 (외부 공개 slug)
• ClickLog: 클릭 이벤트 로그 (집계의 원천 데이터)

• 캠페인 × 크리에이터 × 채널 조합으로 유일한 ACTIVE 링크 생성
• Slug 기반 외부 공개 URL: /t/{slug}
• 소유권/정합성 강제로 데이터 품질 보장

• GET /t/{slug} 요청 시 ClickLog 저장 후 302 Redirect
• IP, User Agent, Referer, 클릭 시각 자동 기록
• 비동기 로깅으로 리다이렉트 지연 최소화

• 캠페인별/크리에이터별 클릭 통계 실시간 조회
• 조합별 성과 비교 (Creator × Channel, 0 클릭 포함)
• 채널 랭킹 Top-N
• 기간 필터링 (Today, Range, Total)

• ClickLog 기간 집계 인덱스 (GROUP BY 쿼리 개선)
• TrackingLink ACTIVE 필터 인덱스 (JOIN 후보군 축소)
• Redis TTL 캐시 적용으로 DB 부하 감소

BE/
├── src/
│   ├── main/
│   │   ├── java/com/jung/creatorlink/
│   │   │   ├── domain/          # 도메인 엔티티
│   │   │   ├── dto/              # 요청/응답 DTO
│   │   │   ├── repository/       # JPA Repository
│   │   │   ├── service/          # 비즈니스 로직
│   │   │   └── controller/       # REST API 컨트롤러
│   │   └── resources/
│   │       ├── application.properties
│   │       └── application-staging.properties
│   └── test/                     # 단위/통합 테스트
├── scripts/
│   └── k6/                       # 부하 테스트 스크립트
├── docker-compose.yml
├── Dockerfile
└── build.gradle

측정 지표

• Response Time: p50, p95, p99
• Throughput: requests/sec
• Database Connections: active/idle

📊 현재 EC2 환경에서 k6 기반 성능 검증 진행 중

• Spring Boot + JPA를 활용한 RESTful API 설계 및 구현 경험
• MySQL 인덱스 설계로 읽기/쓰기 트래픽 분리 최적화
• Redis 캐싱 전략으로 집계 API 응답 속도 개선
• Docker Compose를 이용한 멀티 컨테이너 배포 환경 구축
• k6 부하테스트로 실험 기반 성능 개선 방법론 학습

• Soft Delete 정책으로 데이터 히스토리 보존 설계
• 소유권 강제 검증으로 데이터 정합성 보장
• ERD 설계부터 API 구현까지 전체 백엔드 개발 사이클 경험
• 트래픽 패턴 분석(쓰기 중심 vs 읽기/집계 중심)을 통한 병목 분리

• EC2 배포 중 Spring Boot 환경변수 주입 문제 해결
• 복잡한 GROUP BY 쿼리 성능 이슈를 인덱싱으로 해결
• 0 클릭 조합 포함 요구사항을 LEFT JOIN으로 구현

이 프로젝트는 실제 B2B SaaS 백오피스의 요구사항을 충족하는 백엔드 시스템입니다.
단순한 CRUD를 넘어, 성능 최적화, 배포 자동화, 부하 테스트까지
실무에 필요한 백엔드 개발 역량을 종합적으로 쌓을 수 있었습니다.

• GitHub Repository: CreatorLink
• API Documentation: Swagger UI (http://localhost:8080/swagger-ui/index.html)
• 프로젝트 상세: README.md

라즈베리파이와 Python을 활용한 IoT 전시 작품 관리 시스템
센서와 웹을 통해 전시 환경을 모니터링하고, 작품을 보호하며, 관리자가 전시 공간을 효과적으로 제어할 수 있도록 지원하는 IoT 프로젝트

• 프로젝트명: Raspberry Pi IoT Exhibit Manager
• 개발환경: Raspberry Pi OS, Visual Studio Code (VSCode)
• 사용 기술: Python, Flask, MQTT, OpenCV, Chart.js, HTML/CSS/JavaScript
• 하드웨어: Raspberry Pi, 온습도 센서(HTU21D), 조도 센서(MCP3202), 초음파 센서, LED, 전광판, 웹캠, 블루투스 스피커, 스위치
• 제작자: 정웅 (모바일 소프트웨어 트랙, 2271209)

Raspberry Pi IoT Exhibit Manager는 단순한 전시 조명 제어를 넘어,
환경 모니터링, 작품 보호, 안내 시스템, 배경 음악 제어를 모두 통합한 IoT 기반 관리 시스템입니다.

관리자는 웹 페이지를 통해 온도·습도·조도 데이터를 실시간 확인하고, 전시장의 조명과 전광판을 제어할 수 있습니다.
또한 초음파 센서 + 카메라를 활용해 관람객 접근을 감지하고, 경고 LED·경고음·전광판 경고 메시지를 자동 실행해 보안을 강화합니다.
추가로, 스위치와 블루투스 스피커를 연결해 배경 음악을 제어할 수 있어, 전시장의 분위기를 조성하는 데 활용할 수 있습니다.

즉, 이 프로젝트는 환경 제어 → 보안 감지 → 실시간 알림 → 전시 안내 → 배경 연출로 이어지는
전시 작품 관리의 선순환을 제공하는 종합 IoT 시스템입니다.

• LED (11개): GPIO(4,6,17,22,27)
• 초음파 센서: Trig = GPIO20, Echo = GPIO16
• 온습도 센서: HTU21D (SCL1, SDA1)
• 조도 센서: MCP3202 (SPICE0, SPIMISO, SPMOSI, SPISCLK)
• 웹 카메라: USB 연결
• 블루투스 스피커: 블루투스 페어링
• 스위치: GPIO21

• Python: 센서 및 장치 제어 로직
• Flask: 웹 서버, 브라우저 요청 처리
• JavaScript: 웹 UI 동적 제어, MQTT 메시지 송수신
• HTML/CSS: 관리 페이지 인터페이스 제공

• 온습도 센서 데이터 실시간 측정 및 웹 그래프 표시
• 조도 센서를 이용한 조명 자동 제어

• 초음파 센서로 관람객 접근 감지
• 경고 LED 점등 + 경고음 발생
• 전광판에 경고 메시지 출력
• 웹캠으로 관람객 촬영 후 관리자 페이지에 전송

• 평상시: 작품 소개 화면 출력
• 경고 발생 시: 경고 화면 자동 표시

• 스위치 입력으로 재생 / 정지 / 다음 곡 제어
• 블루투스 스피커와 연동해 전시장 분위기 연출

👉 클릭하면 시연 영상을 볼 수 있습니다.

.
├── app.py          # Flask 웹 서버
├── mqtt.py         # MQTT 메시지 처리 및 센서 데이터 송수신
├── circuit.py      # 센서/LED 제어 함수
├── mysound.py      # 스위치 기반 음악 제어
├── static/
│   ├── myChart.js  # Chart.js 그래프
│   ├── mqttio.js   # MQTT 통신 및 데이터 처리
│   ├── myAlert.js  # 경고 전광판 제어
├── templates/
│   ├── temp.html   # 센서 데이터 모니터링 페이지
│   └── temp2.html  # 작품 소개 & 경고 전광판 페이지
└── README.md

1. 라즈베리파이 환경 준비

   sudo apt update && sudo apt upgrade -y

2. 하드웨어 연결

   • 온습도 센서, 조도 센서, 초음파 센서, LED, 스위치 → GPIO 핀
   • 웹캠 USB 연결
   • 블루투스 스피커 페어링 (bluetoothctl)

3. 필수 라이브러리 설치

   pip install flask paho-mqtt opencv-python pillow adafruit-circuitpython-htu21d spidev pygame

4. MQTT 브로커 실행

   sudo apt install mosquitto mosquitto-clients -y
   mosquitto -v

5. 플라스크 서버 실행

   python app.py

   • 접속: http://라즈베리파이-IP:8080

6. 웹 페이지 활용

   • temp.html → 실시간 센서 데이터 모니터링
   • temp2.html → 작품 소개 및 경고 전광판

• 라즈베리파이와 다양한 센서 연동을 통해 IoT 환경 제어와 보안 시스템을 직접 구현
• Flask + MQTT를 통한 실시간 웹 제어/모니터링 경험
• 오류 발생 시 문제를 분석하고 디버깅하며 문제 해결 능력 향상
• IoT 기술이 실제 전시 현장에 어떻게 적용될 수 있는지 확인
• 이 프로젝트는 실시간 환경 관리 + 작품 보호 + 안내/연출 기능을 통합한 IoT 전시 관리 시스템입니다. 라즈베리파이와 Python을 통해 단순한 하드웨어 제어를 넘어, 실제 활용 가능한 IoT 서비스 개발 경험을 쌓을 수 있었습니다.

Storyboard + Swift 기반 영어 학습 애플리케이션
Firebase 백엔드와 OpenAI/Whisper API를 연동하여 실시간 AI 튜터링, 발음 분석, 상황극 학습을 제공하는 iOS 학습 앱

• 프로젝트명: Korean to English
• 개발환경: Xcode, Swift, Storyboard 기반 UI
• 사용 기술: Firebase (Authentication, Firestore), OpenAI GPT API, Whisper API, AVFoundation, Auto Layout
• 서버 타입: Firebase (Realtime Database + Firestore)
• 제작자: 정웅 (모바일 소프트웨어 트랙, 2271209)

Korean to English는 한국어 문장을 먼저 보고, 이를 영어로 말해보는 과정을 반복함으로써
자연스럽게 영어 문장 구성 능력과 회화 실력을 기를 수 있도록 설계된 AI 영어 학습 앱입니다.

기존의 영어 학습 앱들이 단순히 영어 문장을 암기하거나 해석하는 방식에 머물렀다면,
본 프로젝트는 **“한국어 → 의미 파악 → 영어로 표현 → AI 피드백”**이라는 학습 사이클을 중심으로 합니다.
이를 통해 학습자는 단순히 문장을 따라 말하는 것이 아니라,
스스로 영어 표현을 떠올리고 검증받으며 실력을 점진적으로 키워갈 수 있습니다.

앱은 매일 10개의 추천 문장을 제공하며, 영화·드라마 대사 기반의 상황극 기능과
AI 튜터와의 실시간 대화를 통해 몰입도 높은 학습 경험을 제공합니다.
특히 OpenAI API와 Whisper API를 활용하여 발음 분석, 문법·표현 교정, 맞춤형 대화 시나리오를 지원합니다.

한국어를 기반으로 영어를 생각하고 말하게 만드는 탁월한 학습법을 구현하어, 기존의 암기식 학습을 넘어 모국어를 활용한 효과적인 실전 외국어 능력을 키우는 것을 목표로 합니다.

• 한국어 문장을 보고 영어로 말해보기
• 눈 모양 버튼 → 정답 영어 문장 확인
• 마이크 버튼 → Whisper API로 음성 인식 + 발음 정확도 분석
• 별 버튼 → 문장 북마크 저장
• 상단 ProgressView로 학습 진도 확인

• 공항, 호텔, 카페, 직장 등 8가지 실제 상황 제공
• 단계별 대화 연습 + 음성 녹음/발음 피드백
• + 버튼 → AI가 실시간으로 새로운 상황극 생성

• 주제(여행, 쇼핑, 비즈니스 등 6종) + 난이도(초/중/고급) 선택
• WhatsApp 스타일 UI에서 실시간 영어 대화
• 한국어 입력 시: 영어 번역 + 자연스러운 표현 추천
• 영어 입력 시: 문법/표현 피드백 제공

• 학습 통계(연속 학습일, 문장 수, 대화 횟수 등) 확인
• 별표한 문장을 카테고리별 정리
• 스와이프 → 북마크 삭제 가능

• AI 문장 생성: GPT-4 API 기반, 매일 새로운 문장 자동 생성
• 발음 분석: Whisper API + 레벤슈타인 거리 알고리즘으로 정확도 측정
• 실시간 데이터 동기화: Firebase Firestore & Authentication
• 상황극 생성: JSON 기반 AI 시나리오 생성
• 실시간 AI 튜터링: 주제/난이도 기반 맞춤형 대화
• 동적 UI: 메시지 길이에 따라 자동 조절되는 채팅 버블, Glassmorphism 효과 적용

👉 클릭하면 시연 영상을 볼 수 있습니다.

• Storyboard 기반 UI 설계: Segue & Auto Layout으로 7개 화면 간 다양한 화면 이동 지원
• 실시간 AI 튜터링: 대화 주제/난이도 설정, 실시간 채팅형 피드백 제공
• 발음 분석 알고리즘: Whisper + 레벤슈타인 거리 기반 정확도 계산
• 동적 UI/UX: 메시지 크기별 채팅 버블, Glassmorphism 채팅 인터페이스
• 데이터 동기화: Firebase 실시간 학습 기록 관리
• 맞춤형 학습 경험: AI가 생성하는 새로운 상황극으로 몰입도 향상

1. 저장소 클론

   bash
   git clone https://github.com/username/korean-to-english.git
   cd korean-to-english
   

2. Xcode에서 프로젝트 열기
3. Firebase 설정 파일(GoogleService-Info.plist) 추가
4. API 키(OpenAI/Whisper) 환경 변수 등록
5. 시뮬레이터 또는 iOS 디바이스에서 실행

• AI 통합 경험: GPT와 Whisper API를 활용한 학습 앱 개발 경험 축적
• Firebase 활용 능력: 서버 없이도 사용자 인증, 데이터 동기화, 북마크 관리 경험
• 발음 분석 개선 필요: 텍스트 정규화 & 유사도 계산으로 정확도 개선했지만, Core ML 기반 온디바이스 모델 도입이 향후 과제
• UX 개선: Gamification 요소(레벨, 뱃지, 학습 스트릭)와 소셜 기능 추가 예정

본 프로젝트는 단순한 CRUD 앱을 넘어 AI 기반 영어 학습 도구로서의 가치를 구현했습니다. 사용자는 한국어 문장을 기반으로 영어를 말해보고, 발음을 분석받고, 상황극과 대화를 통해 실시간으로 영어 실력을 향상시킬 수 있습니다. 이는 iOS 프로그래밍과 AI 기술을 융합한 학습 경험의 좋은 사례가 되었으며, 앞으로도 Core ML 게임화 요소·소셜 기능을 도입해 더 실용적이고 확장성 있는 앱으로 발전시킬 수 있습니다.