Dlab

1. 프로젝트 개요

‘DLab’은 실습실 예약과 노트북/태블릿 대여를 간편하게 지원하는 플랫폼으로, 기존의 수기 작성이나 직접 요청 방식의 불편함을 해결하기 위해 개발되었습니다.

2. 기술 스택

Frontend: React
Backend: Flask
AI Server: FastAPI, HuggingFace
Database: SQLite

3. 주요 개발 사항

• Figma를 이용한 UI디자인 및 프로토타입 제작
• SQLite를 이용한 데이터베이스 구조 설계 및 구축
• Flask 라우트 기반의 API 개발
• Flask session을 이용한 세션 기반 인증
• HuggingFace의 all-MiniLM-L6-v2 모델을 이용한 추천 AI 구현
• FastAPI를 사용한 AI 추천 API 개발

4. 시스템 구조

이 시스템은 React 프론트엔드, Flask API 서버, AI 서버, 그리고 SQLite 데이터베이스가 연동되어 응답을 반환하는 구조로 구성되어 있습니다.

• Client → React: 사용자가 React 웹페이지에서 활동을 전달합니다.
• React ↔ Flask API Server: React 웹은 사용자의 요청을 Flask 기반 API 서버로 전송하고, 처리된 응답을 다시 받아 화면에 렌더링합니다.
• Flask API Server ↔ SQLite Database: API 서버는 필요한 데이터를 로드하거나 저장하기 위해 SQLite 데이터베이스와 상호작용합니다.
• Flask API Server ↔ AI Server: 사용자의 “활동(Activity)” 정보를 AI 서버에 전달하여, AI 모델이 생성한 “AI 응답”을 받아옵니다.
• AI Server: 요청받은 활동과 교실 정보의 유사도 분석을 통해 추천 교실과 이유를 생성하여 API 서버에 반환합니다.

5. 개발 관련 설명

5-1. Backend API

Flask 기반의 백엔드로, 실습실 예약·기기 대여 관리 및 카카오 메시지 알림 기능을 제공합니다.

• Flask 기반 API 설계
  • /submit_lab_application, /submit_device_rental: JSON 데이터를 받아 DB에 저장
  • /api/lab_applications, /api/device_rentals: 조건에 따른 데이터 조회 제공
  • /api/update_device_number, /api/update_return_date: 상태 업데이트 API 제공
  • @app.route(..., methods=['POST']) 와 같은 REST 스타일로 기능별 경로와 메서드를 분리
• SQLite 데이터베이스 연동
  • sqlite3 내장 모듈을 사용하여 실습실 신청(lab_applications)과 기기 대여(device_rentals) 테이블 구축
  • 데이터 조회 시 Row factory 설정으로 딕셔너리 형태 반환 지원
• 세션 기반 관리자 인증 기능
  • Flask의 session 객체를 활용하여 로그인 상태 유지
  • /admin_login, /admin_device, /admin_logout을 통해 관리 기능 제어
• 카카오 알림톡 전송
  • 교실 예약 또는 대여 신청 시, 선생님들에게 관련 정보를 알림톡으로 전달해 실시간으로 확인할 수 있도록 구현
  • requests.post()를 사용해 카카오 API 엔드포인트(https://kapi.kakao.com/v2/api/talk/memo/default/send)에 메시지 전송

5-2. AI 추천 기능

SentenceTransformer 라이브러리의 all-MiniLM-L6-v2를 사용해 활동 요구사항과 교실 정보 간의 유사도를 계산하고, 프로그램 및 언어 지원 점수를 추가로 반영해 추천 결과를 도출합니다.

• SentenceTransformer (all-MiniLM-L6-v2)
  • 텍스트 간의 의미적 유사도를 계산할 수 있게 해주는 경량 모델인 all-MiniLM-L6-v2 사용
  • 활동 요구사항과 교실 스펙을 문장 형태로 임베딩, 의미 기반 유사도 계산
  • 활동 설명과 교실 스펙 간의 의미적 유사도를 계산하여 비교
• 정규화 및 가중치 적용
  • 임베딩 유사도 외에도 프로그램 일치도, 언어 일치도를 계산하여 각각의 점수를 정규화 후 가중 합산

6. GitHub

• yanggangbb/DLab