The four F’s (Facts, Feelings, Fidings, Futures)

1. 두번째 팀프로젝트 시작

지난 화요일에 새로운 프로젝트가 시작되었다. 다행히도 팀 변경없이 기존 팀과 같이 2차 프로젝트를 하게 되었다. 다만 아쉬운 점은… 결국 지난 프로젝트 때 많이 어려워하던 팀원분이 결국 하차하셨다. 이번 프로젝트 때 조금이라도 기여를 하게 해서 코딩의 즐거움을 맛보게 하려 했었는데, 정말 아쉽다. 어쩔 수 없이 이번에는 지난번과 다르게 4명으로 시작하게 되었다. 한 주간 배운 머신러닝 모델을 사용한 웹어플리케이션을 만들어야 하는게 이번 프로젝트의 주제였다. 우리는 1차 때 했던 프로젝트에 이번 기술을 접목 시키자고 마음을 모았다. 우리 9velopment 팀의 처음이자 마지막은 9k밥이 되는 것이다. 또 머신러닝 기술만 넣는 것이 아니라 1차 때 여력이 되지 못해 넣지 못한 기능들도 이번에 조금 추가하기로 했다. 더 완성도가 높아진 9k밥이 기대가 된다.

2. 쓰기 쉽지 않은 머신러닝 모델

우리가 배운 머신러닝 모델을 만들고 예측하는 부분들은 다 Colab에서 진행을 했다. 그러니 이것을 Flask 어플리케이션에 어떻게 넣어야 할 지를 몰랐다. 우리는 이번 프로젝트 때 우선 2개의 모델을 사용해보기로 했다. 첫번째는 음식 이미지를 보고 어떤 음식인지 맞춘 후 게시글에 넣을 태그를 추천해주는 모델, 그리고 다른 하나는 사용자가 그린 숫자 이미지가 어떤 숫자인지 파악한 후 그 수가 제시된 이미지와 같은지 판별해서 사람인지 판단하는 모델이다. 첫번째 모델의 경우는 튜터님이 가이드를 해준게 있어서 조금 쉽게 사용할 법 했지만, 우리가 하려는 음식 이미지는 그 데이터 수가 굉장히 많고 다양하여서 데이터셋을 분류하고 학습시키는 것이 굉장히 어려운 부분이었다. 더 많은 음식 이미지를 구별하기 위해 지금도 열심히 학습중이다. 두번째 모델은 이미 강의시간에 만든 모델이 있어 그대로 사용하려 했다. 그런데 이 모델은 튜터님이 가이드 해 준 모델이 아니라서 테스트 데이터를 어떻게 가공해서 예측해야 할지를 몰랐다. 강의 시간에 실습한 Colab 내용을 보면서 모델이 예측할 수 있도록 가공해보았다. 많은 시행착오를 겪은 후 사용자가 그린 이미지를 예측할 수 있었다. 참 다행이고, 기쁜 순간이었다. ‘이게 되다니?’ 하며 신났었다. 이번 경험이 후에 다른 모델들을 사용할 때 어떻게 테스트 데이터셋을 가공해야할 지 도움이 될 수 있지 않을까 싶다.

3. 빨리 지나가는 시간

기존 프로젝트에 업그레이드를 하는 방향으로 했기 때문에 더 많은 기능을 넣어볼 수 있지 않을까 싶었다. 그런데 하고자 했던 기능을 하나씩 구현 하는데 생각보다 더 많은 시간이 들었다. 또 완벽하진 않지만 작은 디테일도 놓지고 싶지 않아 시간을 더 쓰게 된 것 같다. 오늘에 이르러서는 일단 계획했던 기능들이라도 완벽하게 잘 돌아가게 하자로 생각을 굳혔다. 욕심을 부리고 싶지만 우리에게 주어진 시간이 한정되어있다. 기능은 좀 없지만, 버그가 없는 애플리케이션을 만들자. 해보자!

4. 총평

  • 팀의 리더로써 팀을 잘 이끄는 건 역시나 쉽지 않다. 두번째이지만 딱히 더 나아진 건 없는 것 같다.
  • 1차를 하고 나서 피드백을 했음에도 이번을 위해서 무얼 준비해야 할 지 잘 몰랐다. 지금 잘하고 있는 건가? 라는 생가이 든다.
  • 아 맞다! 새로운 튜터님이 우리를 에이스조라고 했다. 무엇이 그 분을 기대하게 만들었는 지 모르겠다.
  • 내일 다 완성해서 화요일에는 편한 마음으로 발표를 기다렸으면 좋겠다. 우린 할 수 있다. We can do it!