[2025 SUMMER DEV] 개인 맞춤형 수면 서비스 ‘적정 수면 시간 예측’, 융융융팀

프로젝트 소개

적정 수면 시간 예측은 셩별과 나이, 섭취한 카페인과 알코올 양, 그리고 걸음 수를 입력받아 오늘의 적정 수면 시간을 예측해주는 맞춤형 서비스입니다.

팀원 소개

융융융팀은 AI 해서님, 봄님, 준현님으로 구성되어 있습니다!

인터뷰

Q. 프로젝트를 소개해주세요!

A. 개인의 성별과 나이, 하루 동안 섭취한 카페인 양과 알코올 양, 그리고 걸음 수를 입력받아 그날의 적정 수면 시간을 예측해주는 알고리즘을 만들었습니다. 회귀 모델이 성별, 나이, 카페인 섭취량(mg), 알코올 섭취량(g), 걸음 수, 수면 시간을 input 데이터로 하여 수면 점수를 예측하고, 이 회귀 모델을 이용하는 알고리즘에 성별, 나이, 카페인 섭취량(mg), 알코올 섭취량(g), 걸음 수를 입력하면, 모델이 예측하는 수면 점수가 가장 높은 수면 시간을 도출하는 원리입니다.

Q. 프로젝트 하면서 어떤 문제를 겪었나요?

A. 데이터를 전처리하는 과정을 거치고 모델을 만들어보았을 때 모델의 성능이 기대했던 만큼 나오지 않았었습니다. 그래서 종속변수와 독립변수 간의 상관관계를 확인해 보니 독립변수 중 카페인 섭취량과 알코올 섭취량이 수면 점수와 상관이 없는 것으로 확인되었습니다. 이를 최종 마감일에 임박하였을 때 발견해서 이 문제를 해결하진 못하고, 카페인과 알코올 섭취량이 상관관계가 없다는 것 이외에도, 모델의 성능이 안 나온 것에 대한 여러 가지 원인을 분석하는 것을 목표로 잡았었습니다.

Q. 프로젝트 하기 전후 달라진 점이 있다면?

A. 저희는 팀원 모두 프로젝트 경험이 없는 상태로 시작했었어요. 프로젝트를 하기 전에는 프로젝트를 할 수 있을까라는 생각이 강했습니다. 어디서부터 시작해야 될 지도 잘 모르겠고, 원하는 결과물을 만들어 낼 수 있을지 확신이 없었어요. 프로젝트 주제를 정하고 데이터를 수집하고 데이터를 전처리하고 모델을 만들고 하는 과정 과정마다 지금 나아가고 있는 방향이 맞는 건지, 계속 이대로 해도 되는 건지 의문을 가졌었어요. 그래도 의문을 가지고 찾아보는 만큼 많은 것들을 배워가며, 멘토 분들이 피드백과 조언을 해주셔서 프로젝트를 완성할 수 있었습니다. 이렇게 프로젝트를 하고 나니 이제 우리도 프로젝트를 할 수 있구나!라는 자신감이 형성되었습니다.

Q. 프로젝트를 시작하는 팀에게 전해줄 꿀팁을 말해주세요!

A. 꿀팁! 꼭 완벽한 결과물을 내야겠다는 생각보다는 우선 해보자는 마음가짐을 가지고 시작해 보는 것도 좋은 방법인 것 같아요. 그렇게 하면 진행을 좀 더 빠르게 할 수 있기도 하고, 그렇게 해서 나온 완벽하지 않은 결과물로부터 얻어지는 것들이 있거든요. 이는 완벽한 결과물을 만들어가며 얻는 것과는 또 다른 것들을 배우는 경험을 할 수 있는 기회라고 생각해요. 그래서 우선 만들어보고 이를 수정해가는 방향으로 가는 것도 좋을 것 같습니다.

Q. 본인 팀만의 특별한 협업 방식이 있나요? 있다면 소개해 주세요.

A. 해서(AI): 저희 팀은 AI 세 명으로 구성된 팀이었는데요, 그래서 처음에는 역할을 어떻게 나누어서 협업을 해야 될지 고민이 많았습니다. 그러다 방향을 잡게 되었는데, 저희가 잡은 방향이 적절했다고 생각합니다. 코드로 구현하는 것은 같은 주제로 각자 해보고 이를 공유하는 방식으로 했습니다. 이렇게 하니 안 되는 부분을 이야기해 보고 서로 알려주는 식으로 진행이 되었습니다. 그 과정에서, 각자 다른 궁금증들이 생기다 보니 서로에게 더 많은 것들을 배워갈 수 있었던 것 같습니다. 그리고 코드로 구현하는 것 이외의 것들은 세 명이 분배해서 할 일을 했습니다. 같은 할 일을 다 같이 할 경우 분배하는 경우보다 시간이 많이 쓰이는데, 다른 부분에서는 각자 할 일을 맡아서 하여 이를 커버할 수 있었습니다.

Q. 프로젝트 개발 중 어려움을 겪은 경험이 있나요? 어떻게 해결했으며, 그 과정에서 얻은 교훈은 무엇인가요?

A. 준현(AI): 걸음 수를 추출하는 전처리 방식에서 많은 어려움을 겪었던 것 같아요. 처음에는 단순히 가속도계를 통해 쉽게 걸음 수를 확인할 수 있을 거라고 생각했어요. 각 축의 가속도 값을 합쳐서 에너지값으로 변환하고, 이 값이 일정 임계값을 넘으면 걸음으로 판단하면 된다고 생각했거든요. 그런데 막상 해보니까 너무 달랐어요. 논문과 똑같은 방식으로 구현했는데도 결과가 계속 이상하게 나왔고, 어떤 날은 걸음 수가 무려 70,000보까지 나오고, 또 어떤 날은 고작 100보만 나오는 경우도 있었어요. 분명히 잘 걸었는데도 결과가 터무니없이 많거나, 반대로 너무 적게 나오는 날들이 있어서 정말 헷갈렸던 것 같아요. 그래서 논문을 계속 읽어보면서 놓친 부분이 있는지 확인해봤고, 이런 문제들을 팀원들과도 공유하면서 피드백을 받으며 원인을 찾으려고 했어요. 그 과정에서 LPF(저역통과필터) 적용을 빼먹었다는 걸 확인해서 새로 적용하게 되었고, 또 논문의 데이터와 저희가 확보한 데이터의 범위가 다르다는 점도 알게 되었어요. 그래서 임계값 계산식에 들어가는 a 값을 조정해줬고, 그 덕분에 결국엔 적절한 걸음 수를 추출할 수 있었어요. 이 경험을 통해 느낀 건, 혼자였으면 절대 끝까지 못 했을 거라는 거예요. 혼자 계속 붙잡고 있었으면 그냥 ‘왜 안 되지?’ 하면서 고민만 하다가 쉽게 포기했을 것 같아요. 그런데 팀원들이 제가 놓친 부분을 짚어주고 같이 해결책을 고민해준 덕분에 ‘좀 더 해보자’는 마음으로 계속 할 수 있었어요. 서로의 시야를 공유할 수 있다는 점에서, ‘협업이 진짜 중요하구나’ 라는 걸 몸소 느낄 수 있었어요.

Q. Summer Dev 의 프로젝트 기획 과정을 설명해 주세요. 어떻게 프로젝트 아이디어를 선택하였나요?

A. 봄(AI): 저희 팀은 모두 AI로 구성되어 있었지만, 처음에는 팀 구성원 모두 AI에 대한 지식이 전무한 상태였습니다. 그래서 저희는 일단 AI에 대한 기본적인 지식을 키우자는 목표를 가지고 AI를 쉽게 설명한 입문서를 선정해 기초를 다지기 시작했고, 점차 AI에 대한 이해를 넓혀갔습니다. 학습을 이어가며 팀 프로젝트 주제에 대해 논의하던 도중, 지금까지 책을 통해 배웠던 내용을 바탕으로 예측 모델을 만들어보자는 목표를 세우게 되었습니다. 팀원들의 관심사를 공유하며 주제를 탐색하던 과정에서 저희뿐 아니라 많은 사람들이 수면 시간 부족을 겪고 있다는 사실에 주목하게 되었습니다. 이에 생활 습관 데이터를 기반으로 적절한 수면 시간을 예측해주는 모델을 개발하자는 방향으로 의견이 모였습니다. 실제로 수면과 관련된 다양한 데이터를 찾아보면서 저희는 생활 습관과 수면 간의 연관성을 바탕으로 충분히 수면 시간을 예측할 수 있을 것이라는 가능성에 도달하게 되었고, 이를 바탕으로 본격적인 프로젝트를 추진하게 되었습니다. 물론 많은 데이터 중에서 저희가 필요한 데이터를 선별해내고 그 데이터를 알아보기 쉽게 전처리하고 다듬는 과정이 쉽지는 않았지만, 그만큼 의미 있고 가치 있는 시간이었습니다.

지금까지 개인 맞춤형 적정 수면 시간을 예측해주는 서비스를 개발한 융융융팀의 이야기를 전해드렸습니다. 처음엔 막막했던 시작이었지만, 끝까지 포기하지 않고 협업과 탐구를 이어가며 문제를 해결해 나간 모습이 인상 깊었는데요. 이 과정을 통해 성장한 팀원들이 앞으로도 사용자에게 실질적인 도움을 주는 서비스를 만들어 나가길 기대하겠습니다! 😴