프로젝트 수정 디밸롭 응급 챗봇
스마트 응급 가이드 챗봇 구현 기술 소개
“”
이슈 키워드
경증환자 / 중증환자 / 응급실 이용
“”
응급실 의료진 부족 문제,
연휴 응급실 평균 2~3배 이용 증가로 과밀화 문제,
구급차 뺑뺑이로 인한 중증환자 사망 증가,
경증환자 문제로 24년 말 본인부담률 90%으로 진료비 부담 증가
벡터 데이터베이스
인덱스가 있어서 빠른 검색이 가능하기 때문에 응급에 관련된 서비스다보니 효율적이지 않을까 생각이 들었어요. IT를 시작한지 얼마 안된 입장이다보니, 그 부분이 조금 어렵기는 했어요. Document 로 구성이 되어야하는 데이터가 생소했기 때문이었습니다.
엘라스틱을 쓰고 싶었는데, 유료로 변경 되었다는 말도 들었고 실제로 훈련과정에서 겪어볼 일이 없어서 짧은 기간에 알아보기는 무리였어요. 그렇게 응급이니 빠른 검색을 위해 증상에 따라 응급과 비응급을 나누면 응급안에서 처치와 조치에 대한 메타데이터를 최대한 신경쓰고자 했습니다.
프로젝트 발표 피피티
개발도 재미있지만, 다양한 분야를 경험한 나로써 프로젝트 외에도 훈련 과정 자체도 서비스 기획 개발자 양성이기에 서비스 기획과 소개 그리고 ‘왜? 이 서비스’라는 점과 어떻게 구상했는지 잘 담겼기를 바라며 프로젝트 2차기획수정, 디자인, 기술 구현 및 다이어그램 제작 등 혼자 하면서 많은 생각이 들었습니다.
이런 프로젝트를 정말 여럿이 하면 어떤 방향으로 프로젝트가 완성되었을지 말이죠.
커버레터 챗봇은 두 명이 한 조였는데, 그 친구가 제 덕에 크롤러 하나 만들었다며 좋아하고 뿌듯해 하면서 스트림릿까지 나서서 해보겠다며 구현을 실제로 한 모습이 기억에 남습니다. 제가 도움이 된 것 같았고 더 실제로 좋은 결과물이 나왔었습니다.
지금 이 기술적 구현 방향 외에도 UI자체도 더 보기 좋고 이용하기 쉽게 가능하지 않았을까는 아쉬움이 남았습니다. 라벨링을 할 당시에도 저 혼자만의 생각을 갖고 하기 때문에 디테일한 방향을 잡아 챗봇의 인공지능을 제대로 보여줄 수 있지는 않았을까 싶습니다.
서비스를 기획하게된 배경과 목적 그리고 진행 방향 초반과 후반을 보여드리고 싶었습니다. 도큐먼트를 읽어가며 스스로 공부에 초점을 두고 기초를 쌓는데 집중을 했고 인공지능으로 만들지 않는 방향으로 하다보니 오래걸리기는 했지만 8개월 걸려 공부한 비전공생에서 최선을 다한 발표였습니다.
이번 발표에서는 2번 째로 같은 주제를 디밸롭한 과정이기에 추가로 AWS 의 무료 Teer 를 이용해 해봤는데요. 다시 해봐도 헷갈려서 아무래도 컨테이너 학습을 먼저 해봐야겠다는 느낌점이 있었습니다.
제가 생각한 완성도보다 아쉽지만 급한 일정으로 더 많은 수정을 할 수 없어서 안타까웠어요. 그래도 덕분에 EC2 를 배우며 VM에 조금 더 익숙해질 수 있던 것 같아요.
도커와 몽고DB 를 함께 이용한 공부도 해봤는데, 그건 다시 제가 데이터 구조를 잡아서 넣어야겠어요. 별자리 관련 디비를 만들었는데, 기초적인 컨테이너나 서버리스 개념이 아직 부족한 것도 있어서 내 컴퓨터에 한 건지 정말 따로 분리된 곳에 한 것인지 자체도 와닿지 않는 것 같아요. 거의 평생을 GUI 로만 살아온 와중에 새롭게 CLI를 겪어보니 더욱이 제대로 하고있는지 모르는 것 같아요. 뭐든지 눈에 다 보여야 했던 난데 말이죠.
몽고DB로는 클러스터링 벡터화를 할 것이고 라벨링으로 별자리 12궁에 사람의 ‘성향’, ‘외모’ 그리고 ‘건강’을 넣어 봄은 어떨까 고민하고 있습니다.
가상환경 공부부터 좀 집중해서 해보고 할까 싶습니다. 프로젝트를 마치고 요즈음 관심이 좀 가던 방향은 데이터였는데, 인코딩과 디코딩을 알아가다보니 임베딩이 인공지능 공부를 하며 흥미진진하게 다가온 것 같아요.
세상이 좋아졌네 싶은 때는 지금이 너무 명확하게 다가오는 것 같습니다. 하지만 동시에 어두운 면도 있는 것같아요. 트렌드에 빠르게 반응하며 새로운 것을 사용하는 것을 넘어 이용하고 그리고 활용을 해야만 뒤지지 않고 내 필드를 만들어나갈 수 있으니까요.