🐻 MediBear - FastAPI

팀원 구성

이름	역할	Github
🧭 김정규	FullStack	@gyu0918
🌟 유신안	FullStack	@shinanyu
🏗️ 변상용	FullStack	@Hayden721
💫 이승권	FullStack	@seoungkwon
🎯 임예지	FullStack	@Bluemoon105

프로젝트 소개

• 헬스케어와 멘탈케어를 통합한 AI 코팅 웹서비스 구현
• 사용자 개인 맞춤 리포트 및 히스토리 시각화 대시보드 제공
• 프로젝트 기간: 2025.11.03 ~ 2025.11.28

기술 스택

AI / ML / DL

DB

백엔드

협업 툴

팀원별 구현 기능 상세

김정규

유신안

변상용

이상권

임예지

FastAPI – Sleep LLM 분석 서비스 개발 내역

1. 수면 분석 LLM API 개발

• Spring Boot로부터 전달받은 수면 데이터를 입력받아 분석 수행
• Groq/OpenAI 모델 기반 LLM 호출
• 수면 시간 · 카페인 · 활동량 등을 기반으로 맞춤형 코칭 메시지 생성
• 분석 결과를 JSON 형태로 표준화하여 반환

2. Prompt Engineering 기반 분석 템플릿 구성

• 일관적인 분석 결과 생성을 위한 Prompt 구조 설계
• 특수 문자/한글 깨짐 문제 해결을 위한 후처리 적용
• "수면 점수 · 피로도 · 개선 팁" 중심 응답 구조 최적화

3. 모델 결과 구조화 및 표준화

• LLM 응답 파싱(JSON parsing) 안정화
• Spring Boot에서 바로 사용할 수 있는 형태로 변환

모델 학습 성능 비교 및 응답 품질 모니터링

1. MLflow 기반 수면 예측 모델 성능 비교

• 수면 피로도 예측·권장 수면 시간 추천을 위해 다양한 ML 모델 실험(RandomForest, XGBoost, LightGBM 등)
• MLflow Tracking으로 R²·MAE·RMSE 등을 자동 기록하고 실험 이력 관리
• MLflow UI를 이용해 모델 성능을 시각적으로 비교하여 최적 모델 선정
• 선정된 모델을 .pkl로 FastAPI에서 로드하여 실시간 추론 API 제공

2. LangSmith를 활용한 LLM 응답 속도 및 품질 모니터링

• Groq/OpenAI 모델 호출 시 LangSmith Trace 활성화
• 요청별 Latency, Token 사용량, Prompt/Response 로그 자동 기록
• Prompt Engineering 개선 시 응답 속도·안정성 변화 비교 분석
• 수면 분석 API의 전체 LLM 품질·성능 모니터링 체계 구축