e-commerce 데이터를 활용한 거래 데이터 기반 AI 개인 맞춤형 상품 추천 서비스

실제 e-commerce 서비스 (쿠팡 등)를 벤치마킹하여 클론 프로젝트 형식으로 진행한 개인화 추천 기반 쇼핑 서비스 구현 프로젝트

• 프로젝트 기간: 2025. 07. 28 ~ 2025. 08. 08

---

1. 서비스 구성 요소

1.1 주요 기능

• 기능 : 사용자별 카테고리 추천

1.2 사용자 흐름

• 사용자 시나리오 :
  1. 웹사이트 접속
  2. 추천된 카테고리 아이템 확인

---

2. 활용 장비 및 협업 툴

2.1 활용 장비

• 개발 환경: Ubuntu, Windows 11, Mac
• 테스트 장비: GPU RTX 3090

2.2 협업 툴

• 소스 관리: GitHub
• 프로젝트 관리: GitHub & Notion
• 커뮤니케이션: Slack
• 버전 관리: Git

---

3. 최종 선정 AI 모델 구조

• 모델 이름: Wide & Deep
• 구조 및 설명: 기억 기반의 선형 모델(Wide)과 일반화 능력을 갖춘 딥 뉴럴 네트워크(Deep)를 결합해 추천 성능을 향상시키는 구조
• 학습 데이터: 이커머스 고객 세분화 분석 아이디어 경진대회 - DACON
• 평가 지표: Accuracy, Precision, Recall, F1-score

---

4. 서비스 아키텍처

4.1 시스템 구조도

4.2 데이터 흐름도

1. 사용자 거래 데이터 생성 → 1H 단위로 inference용 데이터 ETL → 1D 마다 추론 → 결과 반환
2. 일정 시간 기준 re-train → 재학습된 .pt 반환

---

5. 사용 기술 스택

---

6. 팀원 소개

이름	역할	담당 기능
안희원	팀장/백엔드 개발자	서버 구축, DB 관리, API 개발 및 연동, 배포 관리
민병호	프론트엔드 개발자	UI/UX 디자인, 프론트엔드 개발
김명철	AI 모델 개발자	AI 모델 선정 및 학습, 데이터 분석
정민지	데이터 엔지니어	데이터 수집, 전처리, 성능 평가 및 테스트

---

7. Appendix

7.1 설치 및 실행 방법

1. 필수 라이브러리 설치:

   pip install -r requirements.txt
   

2. 서버 실행: airflow & service branch를 참조하세요

   # be/로 접속 시
   docker compose up 
   
   # k8s로 접속 시 각 폴더 내부로 가서
   kubectl apply f .
   # 일부 필요한 SQL 문은 순차적으로 실행

3. 웹페이지 접속:

   <http://localhost:3000> # React
   <http://localhost:8080> # Airflow
   <http://localhost:5000> # Mlflow
   <http://localhost:3306> # mysql
   <http://localhost:8000> # fastapi