사용자의 요구사항을 실제 기능으로 구현하고, AI 응답을 검증하여 안정적인 서비스로 만드는 과정에 관심이 있습니다.
- TypeScript 기반의 서버리스 백엔드와 AI 서비스 연동을 공부하고 있습니다.
- Gemini를 활용한 개인 맞춤형 운동 추천 API를 개발했습니다.
- React Native와 Supabase를 활용해 운동·식단 관리 기능을 구현했습니다.
- AI 결과를 그대로 사용하는 것이 아니라 입력값 검증과 안전성 검사, fallback 처리를 적용했습니다.
사용자의 신체 정보, 운동 목표, 통증 부위와 운동 환경을 분석하여 개인 맞춤형 운동 계획을 생성하는 서버리스 백엔드 API입니다.
주요 구현 내용
- Cloudflare Workers와 Hono를 활용한 운동 추천 API 구현
- Zod를 활용한 사용자 입력값 검증
- Gemini 기반 운동 계획 생성
- 통증 부위와 제외 운동을 검사하는 안전성 검증 로직 구현
- AI 응답이 조건을 위반하거나 생성에 실패할 경우 rule-based 계획으로 전환
- 추천 결과를 Supabase 데이터베이스에 저장
Tech Stack
TypeScript Cloudflare Workers Hono Gemini Zod Supabase
AI가 생성한 운동 및 식단 계획을 날짜별로 제공하고, 사용자가 수행 상태와 달성률을 관리할 수 있도록 구현한 React Native 애플리케이션입니다.
주요 구현 내용
- Supabase에 저장된 AI 추천 계획 조회
- 7일간의 운동 및 식단 계획을 날짜별로 매핑
- 운동과 식단의 세부 항목별 완료 상태 관리
- 휴식일을 포함한 운동 완료율과 주간 종합 달성률 계산
- 날짜별 운동 난이도와 사용자 컨디션 기록
- 운동·식단·휴식·완료 상태를 색상으로 구분하여 시각화
Tech Stack
React Native Expo TypeScript Supabase
YOLO 객체 탐지 모델을 활용하여 이미지와 영상 속 골프공을 탐지하는 컴퓨터 비전 프로젝트입니다.
주요 구현 내용
- 골프공 이미지 데이터 라벨링 및 학습 데이터 구성
- Ultralytics YOLO 모델 학습
- 이미지와 영상에 대한 골프공 탐지 기능 구현
- 학습 결과 및 탐지 결과 시각화
Tech Stack
Python YOLO Ultralytics OpenCV
- Vitest를 활용한 API 및 안전성 검증 로직 테스트
- Supabase Auth와 JWT 기반 사용자 인증
- GitHub Actions를 활용한 자동 빌드 및 테스트
- React Native 컴포넌트 구조와 상태 관리 개선
- GitHub: dongseop9907