Pause & Play

최근 프로젝트를 진행하며 FastAPI 환경에서 카카오 소셜 로그인을 구현할 기회를 가지게 되었다. 소셜 로그인 구현이 처음 해보았을 때, 좀 헷갈렸어서... 이렇게 정리를 하는 시간을 가지게 되었다. 구현 성공을 기념으로 어떻게 진행하면 좋을지 정리해보도록 하겠다.1. 전체적인 로그인 흐름 이해하기본격적으로 코드를 작성하기 전에 카카오 로그인 API의 인증 흐름을 이해하는 게 중요하다.Frontend: 사용자가 '카카오 로그인' 버튼 클릭 → 카카오 인가 코드 요청Kakao API: 사용자 인증 후 인가 코드(Authorization Code)를 Backend로 전달Backend: 전달받은 인가 코드로 카카오에 Access Token 요청Backend: 토큰을 이용해 사용자 정보(이메일, 닉네임 등) ..

오프라인 지표 95%의 모델이 실전 웹캠에서 오답을 쏟아냈다. 2편에서는 그 간극의 원인(전처리 불일치, 편향, 기하 왜곡)을 하나씩 제거하고, 시계열 신뢰도 엔진과 Grad-CAM, WebSocket 실시간 서빙으로 '시스템'을 완성한 과정을 다룬다.시리즈 [1편 — 모델 편]: 문제 정의 · 데이터 파이프라인 · 과적합 트러블슈팅 · ResNet50 전이학습2편 — 실시간 시스템 편 (현재 글): 실전 오탐 제거 · 시계열 엔진 · Grad-CAM · WebSocket · 책임 있는 AI이 글의 핵심 성과동일 프레임 세트 기준 위험 판정 27/33건 → 23/33건 (오탐 13.3%p 감소, 실제 화재 탐지율 유지) — 시계열 큐 + EWMA + 투표 로직Train-Serving Skew 제거 — 전..

CCTV 화재 감지의 진짜 적은 불이 아니라 '오탐지'다. 1편에서는 과적합(검증 정확도 52.6%)에서 출발해 데이터 정제 4연전과 ResNet50 전이학습으로 검증 정확도 98%대까지 끌어올린 모델 구축 과정을 다룬다. 시리즈 1편 — 모델 편 (현재 글): 문제 정의 · 데이터 파이프라인 · 과적합 트러블슈팅 · ResNet50 전이학습[2편 — 실시간 시스템 편]: 오탐 13.3%p 감소 시계열 엔진 · Grad-CAM · WebSocket 실시간 서빙프로젝트 개요서비스E-gle Eye — CCTV 기반 실시간 화재 감지 시스템 (화재/연기 분류 + 시계열 검증 + 판단 근거 시각화)기간2026.02.23 ~ 2026.03.10 (약 2주)팀 구성6명 (데이터 처리 1 / AI 모델 개발 2 / ..

개발 프로젝트를 하게 되면 필수적으로 사용해야 하는게 깃허브이다. 나는 깃허브를 혼자서만 사용할때와 팀원들과 다같이 쓸 때 알아야할 규칙이 달라 처음에 애를 많이 썼던 기억이 나, 이렇게 정리를 하게 되었다.📌 정리: 협업 흐름 요약처음 사용하는 repository를 연결한 후 이 명령어 순서들만 알아도 크게 어려울 건 없다.repository 연결하기repository의 주소는 메인화면>code(초록색버튼)을 누르면 뜬다.1. 작업할 폴더 생성2. 툴에 그 폴더 열기3. git clone 4. cd 연결이 된 걸 확인 후, 다음과 같은 명령어를 입력해 깃허브에 올린다.1. git checkout -b feat/기능명 (브랜치 생성)2. 기능 개발 → commit → push3. GitHub에서 PR ..

3학년이 끝난 후... 휴학을 너무 하고 싶었다. 하지만 어떠한 목표를 가지고 의미있는 휴학 생활을 보내면 좋을까 생각한 그때, ai 부트캠프를 하는게 좋다고 생각했다.[현재 나의 상황] 개발과 디자인을 병행하는 학과에서 개발에 중점적으로 초점을 맞춰 공부하고 싶었다. 그런데 우리 과는 개발에 관해 얕은 부분만 배운다. 실직적으로 프론트, 백엔드, 게임 개발 분야를 찍먹할 수 있는 기회를 제공해주는 학과였다는 것이다. 나는 이러한 과에서 원하는 개발 분야를 찾고, 역량을 키워나가는건 내가 휴학에서 채워나가는 수밖에 없다고 생각하였다.백엔드에 관심이 생겼고 백엔드 개발을 1년정도 해본 결과, 현재 사회에서 ai가 급격하게 발전하면서 ai와 같이 접목하여 개발을 하면 좀 더 경쟁력이 생길 거라고 생각했다. ..