🔎 프로젝트 개요

• AI 모델 서비스의 학습 및 추론 시 탄소 배출량을 실시간으로 추적하고 최적화 방안을 제공하는 피드백 루프 파이프라인 구축
• 모바일 앱 환경에서 사용자가 탄소 저감에 기여할 수 있도록 시각화 및 어드바이저 기능 구현

🚩 프로젝트 수행과정 요약

• React Native(Expo) 기반 프론트엔드 구축 및 카메라/갤러리 연동을 통한 이미지 업로드 기능 구현
• 모델 추론 서버에서 CodeCarbon을 활용해 전력 소모 및 탄소 배출량을 측정, 백엔드와 연동
• Local LLM 기반 에코 어드바이저를 도입하여 탄소 배출량에 따른 맞춤형 행동 가이드라인 제시

🪄 활용된 기술(모델)

• Frontend: React Native, Expo
• Backend / AI: FastAPI, CodeCarbon, Real-ESRGAN, Local LLM
• Tooling: Jupyter Notebook (모델 프로토타이핑, GitHub

⚠️ 프로젝트 과정 중 발생한 문제-해결 과정

• (문제) 추론 시 좀비 프로세스 누적 및 다중 요청에 의한 탄소 배출 로깅 오류 발생
• (해결 과정) 모델 실행 시 독립적인 프로세스가 생성되도록 처리하고 파이프라인의 자원 해제 및 로그 파일 관리를 자동화하여 프로세스 누수를 방지 및 경량화 아이디어 도입 검토

📊 회고 혹은 반성

• AI 서비스의 환경적 영향성을 직접 측정하고 시각적으로 표현함으로써 지속 가능한 개발의 중요성을 체감함
• 프론트엔드부터 백엔드, AI 추론까지 전체 파이프라인을 연결하는 경험을 통해 프로덕트 레벨의 아키텍처 이해도를 높일 수 있었음

---

📎 산출물

개발 계획서

매뉴얼