• "데이터분석/AI트랙"의 프로젝트에서는 (아래 그림 처럼) 3가지(데이터분석,AI학습모델,AI서비스)를 개발해야 합니다.
  • 공공데이터포털이나 웹크롤링 등을 통해서 수집한 데이터를 분석/필터링하여 특징을 추출하고, AI학습 데이터로 사용합니다.
  • AI학습모델을 신규로 개발하거나, tensorflow와 같은 사전학습된 모델을 활용하여 학습모델을 평가하고 생성합니다.
  • 생성한 AI학습모델을 활용하는 AI서비스(백엔드, 프런트엔드)를 웹(관리자), 웹 또는 모바일(사용자)로 개발합니다.
  • 모든 서비스는 모두 학과프로젝트서버에서 운영될 수 있도록 개발합니다.
  • 산출물: 데이터, AI학습모델, AI학습코드, 서버프로그램코드, DB덤프(*.sql)
  • "AIoT트랙"의 프로젝트에서는 (아래 그림 처럼) 3가지(IoT디바이스, (웹)IoT서비스, 모바일App)를 개발해야 합니다.
  • IoT디바이스는 라즈베리파이에서 여러개의 센서로 지능화처리와 자율제어를 하며, 모바일App과는 BLE로, 웹서버와는 WiFi로 데이터를 송수신합니다.
  • (웹)IoT서비스에서는 다수의 디바이스로부터 온 데이터로 대쉬보드, 통계처리를 하고, 모바일사용자관리, 디바이스관리, 장애관리를 합니다.
  • 모바일App개발에서는 내디바이스를 제어하고 설정하며, 디바이스와 서버로부터 온데이터로 맞춤형 서비스가 이루어지도록 개발합니다.
  • 모두 학과프로젝트서버에서 운영될 수 있도록 개발하며, IoT서버에서 App 다운로드 페이지를 제공합니다. (App Store, Play Store는 선택)
  • 산출물: IoT디바이스, IoT프로그램코드, 모바일App코드, 서버 프로그램코드, DB덤프(*.sql)
  • "클라우드트랙"의 프로젝트에서는 (아래 그림 처럼, (예, 쇼핑몰)) 먼저 (웹)서비스를 개발한 후에, 퍼블릭 클라우드에 배포하고 운영할 수 있도록 개발해야 합니다.
  • 또한, 최적의 개발환경과 운영환경이 될 수 있도록, 테라폼 tool 을 활용하여 IaaS 를 정의하고 설정합니다..
  • 그리고 서비스들을 컨테이너(예, Docker)에 넣을 수 있도록 마이크로서비스로 분할하여 개발하며, 마이크로서비스마다 API를 개발합니다.
  • 각 컨테이너간(예, Docker)의 연동을 고려한 최적의 오케스트레이션(예, Kubernetes)으로 설정하여 운영과 배포의 자동화를 구축합니다.
  • 학과클라우드서버(Private Cloud)가 준비되기 전까지는 퍼블릭클라우드서버(AWS, Azure, Google Cloud)에서 개발합니다.
  • 산출물: 인프라스트럭쳐 코드, 컨테이너별 프로그램코드, DB덤프(*.sql)