LLM을 활용한 코딩테스트 스터디 플랫폼, TLE (🔗 https://tle-kr.com/)
🏆 제 8회 개방형 클라우드 플랫폼(K-PaaS) 기반 서비스 개발·아이디어 공모전 <네이버클라우드상> 2024.11.20
🏆 2024학년도 상명대학교 컴퓨터과학전공 캡스톤디자인 <대상> 2024.11.29
2023년 9월 ~ 2024년 11월 (1년 3개월)
| 김동주 (팀장) | 조유진 | 이유민 | 강윤진 |
|---|---|---|---|
 hepheir |
 ohcuy |
 Whatdoyumin |
 yun0329 |
| 개발 PM Backend Lead Developer Infrastructure AI Research & MLOps |
기획 PM Frontend Developer UI/UX Design Infrastructure AI Research & Visualization |
Frontend Lead Developer Infrastructure |
Frontend Developer Data ETL |
코딩 테스트는 IT 분야 취업 및 이직을 준비하는 이들에게 기술 역량을 평가받는 핵심 관문입니다. 기업들이 채용 과정에서 이를 적극적으로 활용하면서, 많은 예비 개발자들이 코딩 테스트 준비에 상당한 시간과 노력을 들이고 있습니다.
이 과정은 쉽지 않고, 특히 지역 간 학습 자원의 불균형은 여전히 큰 장벽으로 작용하고 있습니다. 수도권에 비해 지방은 알고리즘 스터디 참여나 피드백 받을 기회가 현저히 부족하며, 함께 공부할 동료를 찾기도 어렵습니다. 실제로 한 팀원은 지방 거주 당시 알고리즘 스터디에 참여하고 싶었지만, 함께할 사람을 모으기도, 홍보하기도 쉽지 않은 현실에 부딪혔습니다.
이러한 문제의식을 바탕으로, 누구나 장소에 구애받지 않고 체계적으로 코딩 테스트를 준비할 수 있는 온라인 플랫폼의 필요성을 느꼈습니다. 단순한 문제 풀이를 넘어, 학습의 흐름과 사람 간의 연결을 함께 설계하고자 했습니다.
TLE는 단순한 알고리즘 문제 풀이 서비스를 넘어서는, 효율적이고 지속 가능한 코딩 테스트 준비를 위한 통합 학습 플랫폼입니다.
- 🔍 문제 분석 기반 학습 – 단순 정답이 아닌 알고리즘적 사고를 길러주는 해설 및 분석 지원
- 👥 스터디 그룹 관리 – 그룹 생성부터 참여, 학습 진행을 한 플랫폼에서 효율적으로 모두 한 곳에서 간편하게 관리
- 🧑💻 코드 리뷰 & 피드백 – 서로의 코드를 읽고, 질문하고, 성장할 수 있는 상호 학습 구조
혼자보다 함께, 지역과 환경의 제약 없이, 누구든 효과적으로 성장할 수 있도록 돕는 것이 TLE의 목표입니다.
- Node.js
- React
- JavaScript
- Tailwind CSS
- React Router Dom
- Django Rest Framework(DRF)
- PostgreSQL
- AWS EC2
- Docker
- nginx
- Gemini-1.5-flash
- GPT-3.5-turbo
- LLM 모델 서비스에서의 가장 큰 어려움은 느린 응답속도와 API 사용에 따른 비용 부담입니다. 이러한 요소들을 고려하면서 사용자 경험을 향상시키는 것이 중요하였습니다.
- 따라서 지연 큐를 거쳐 일정한 속도로 분당 약 15회 정도로 LLM에 답변을 넣고 분석하여 이 결과를 평가한 뒤에 프롬프트 개선 과정을 반복하는 파이프라인을 구축하였습니다.
- 자연어 구문 분석의 난이도가 높아, 이를 해결하기 위해 다양한 정확도 지표를 조사하였고, 최종적으로 자체적인 정확도 측정 함수를 설계하였습니다.
- 사용자가 문제를 등록하면 자동으로 분석을 수행하며, 알고리즘 문제 분석 모델로 분석 된 알고리즘 태그, 난이도, 예측 시간 복잡도, 순차적 풀이 힌트를 제공합니다.
- 원하는 크루원의 조건을 설정하여 모집할 수 있습니다. 특히, 백준 온라인 저지의 티어에 관련 된 상한을 설정할 수 있으며, 사용자가 회원가입 시 입력한 아이디에 따라 서비스 내에서 자동적으로 티어를 산출하여 필터링합니다.
- 가입 요청 시 선장의 이메일로 신청서가 발송되며, 플랫폼 내에서 승인 여부를 체크하면 결과가 회원가입 한 이메일로 신청자에게 발송됩니다.
- 사용자들이 함께 학습할 수 있도록 크루 별 대시보드로 활동 정보를 시각화 하여 제공합니다.
- 대시보드에서는 크루 전체가 풀이한 문제의 총 난이도, 풀이한 문제의 알고리즘 태그 순위와 주차별 풀이할 문제 리스트, 문제 풀이 현황, 코드 리뷰 현황을 확인할 수 있습니다.
- 지역 간 학습 기회의 불균형을 해소함으로써 더 많은 사람들이 동등한 학습 기회를 얻게 되고, 장기적으로는 IT 개발 인력 시장에서 우수한 인재를 발굴하고 육성하는 것을 기대합니다.
- 사용자는 자신이 풀고자 하는 문제를 명확하게 이해하고 풀이에 필요한 가이드를 제공받을 수 있습니다. 이는 코딩 테스트 준비에 대한 진입 장벽을 낮추며 학습의 효율성을 향상시킵니다.
- 기계 학습을 통한 자료구조 알고리즘 태그 예측 시 평가 지표로 활용할 수 있는 방법을 제시하며 관련 연구의 활성화에 기여합니다.
🔗 시연 영상: https://youtu.be/ajJrBxF5-iU
🔗 K-Paas 공모전 수상 결과 및 발표자료: https://contest.k-paas.org/awardList_2024.jsp;jsessionid=15BB6BAAF58160697CA1327E13F236B1
