README.md

💡 프로젝트 저장소 안내

이 저장소는 AI 기반 부동산 시뮬레이터 서비스의 AI/백엔드 서버 코드를 담고 있습니다.

처음에는 팀 프로젝트로 프론트엔드와 백엔드를 각각의 저장소에서 개발했으나,
최종 통합 과정에서 이슈가 발생하여 프론트엔드 코드를 별도의 저장소로 분리하게 되었습니다.

따라서 이 저장소에서는 AI 모델과 백엔드 API가 구현된 ml-server 디렉토리 를 중점적으로 확인해주시면 감사하겠습니다.

• 📂 프론트엔드 저장소: IjipMatjip Frontend

---

🏠 이집맞집 (IjipMatjip) - AI 기반 부동산 추천 및 분석 서비스

부동산 매물을 단순 나열하는 것을 넘어, AI 모델 + LLM 융합을 통해 가격 예측, 인프라 분석, 자동 리포트 생성을 제공하는 웹 애플리케이션입니다.

📅 개발 기간

• 2025.07 ~ 2025.08

👥 인원

• 3人 (개인 프로젝트)

📌 프로젝트 소개

• 사용자가 매물을 클릭하면 AI 가격 예측(RandomForest) 과 인프라 점수(PostGIS) 가 계산되고,
  이를 Google Gemini LLM이 해석해 자동 심층 분석 리포트를 생성합니다.
• 실제 데이터 + AI 인사이트를 결합하여
  사용자의 의사결정을 지원하는 차별화된 부동산 추천 서비스입니다.

🛠 기술 스택

• Frontend : React, Kakao Maps API
• Backend : FastAPI
• Database : PostgreSQL + PostGIS
• Data Pipeline : Selenium, Beautiful Soup
• AI/ML : Scikit-learn(RandomForest), Google Gemini LLM

⚙️ 기술 선정 이유

• PostgreSQL + PostGIS : 공간 데이터 처리 및 동네별 인프라 점수 산출에 적합
• RandomForest : 소규모 데이터셋에서도 안정적인 가격 예측 성능 제공
• Google Gemini LLM : 예측 데이터를 바탕으로 심층 분석 리포트 자동 생성
• sessionStorage 캐싱 : 페이지 재방문 시 API 호출 최소화, UX 최적화

🖼 주요 기능 및 화면

1. 매물 입력 및 조건 선택 화면

   • 사용자가 원하는 지역, 예산, 구조 등을 입력

2. AI 분석 리포트 화면

   • RandomForest 예측 가격 + Gemini LLM 자동 생성 리포트 제공

3. 지도 시각화

   • Kakao Maps API + PostGIS 데이터를 활용하여 주변 인프라 표시

4. 매물 상세 정보 화면

   • 가격, 면적, 교통 접근성, 생활 인프라 점수 종합 제공

🔑 담당 역할

• 데이터 파이프라인 구축 : Selenium/BeautifulSoup으로 5천 건 이상 매물 데이터 수집 및 정제
• AI 기능 개발 : 가격 예측(RandomForest), Gemini LLM 기반 자동 분석 리포트 생성
• 프론트엔드 개발 : React + Kakao Maps API를 활용한 UI/UX 및 지도 시각화 구현
• UX 최적화 : sessionStorage 기반 캐싱으로 불필요한 API 호출 제거 → 평균 로딩 시간 약 1초 단축

🚀 프로젝트 성과

• 정량적 분석 + 정성적 분석 결합 : 수치 기반 AI 예측과 자연어 리포트를 함께 제공
• 의사결정 지원 서비스 구현 : 단순 데이터 나열이 아닌, “추천/비추천 인사이트” 제공
• UX 개선 : 캐싱 전략으로 빠른 반응성 구현 → 사용자 만족도 향상

📚 프로젝트 리뷰 및 성장 경험

• 데이터 수집부터 서비스까지 풀스택 경험 : 크롤링 → DB → AI 모델 → API → UI까지 엔드 투 엔드 과정 직접 구현
• AI 모델과 LLM의 융합 경험 : 정량적 예측 + 정성적 설명을 동시에 제공하는 서비스 설계
• UX 최적화 역량 강화 : 캐싱, API 호출 최소화 등 프론트엔드 퍼포먼스 개선 경험 축적