2026년 9월 28일 | 기획에서 구현으로, AI와 함께한 첫 프로젝트
아이디어를 구체화하고, 공공데이터를 탐색하며, 팀원들과 협업하고, AI 코딩 도구를 활용해 서비스를 구현하는 과정까지 경험할 수 있었다. 이번 3주차는 그동안 배운 내용을 실제 프로젝트에 연결하기 시작한 의미 있는 시간이었다.
1. 첫 프로젝트를 시작하며
SK네트웍스 AI 캠프에 참여한 지 어느덧 3주차에 접어들었다. 처음에는 파이썬 문법과 데이터 분석 기초를 익히는 것만으로도 쉽지 않았지만, 이제는 배운 내용을 실제 프로젝트에 적용해야 하는 단계에 들어섰다.
이번 첫 번째 프로젝트는 단순히 코드를 작성하는 과제가 아니었다. 팀원들과 아이디어를 구체화하고, 프로젝트에 적합한 데이터를 찾고, 수집한 데이터를 활용해 사용자에게 의미 있는 결과를 제공하는 서비스를 설계해야 했다.
특히 이번 프로젝트는 5명이 한 팀을 이루어 제한된 개발 기간 안에 결과물을 만들어야 했으며, Streamlit을 활용해 웹 기반 대시보드를 구현하고 AI 코딩 도구의 도움을 받아 개발을 진행하는 방식이었다.
2. 아이디어 기획과 데이터 선정
프로젝트의 출발점은 무엇을 만들 것인지 결정하는 일이었다.
아이디어를 논의하면서 가장 중요하게 생각한 부분은 단순히 데이터를 시각화하는 데 그치지 않고, 실제 생활이나 공공기관, 지방자치단체 등에서 활용할 수 있는 서비스를 만드는 것이었다.
- 일상생활에서 실제로 활용할 수 있는가?
- 공공데이터를 API로 수집하거나 다운로드할 수 있는가?
- 수집한 데이터를 분석해 의미 있는 정보를 제공할 수 있는가?
- 제한된 개발 기간 안에 구현할 수 있는가?
- Streamlit을 활용해 사용자 친화적인 화면을 구성할 수 있는가?
아이디어를 구체화하는 과정에서 데이터의 확보 가능성과 프로젝트 구현 범위가 매우 중요하다는 것을 알게 되었다. 좋은 아이디어라도 필요한 데이터를 확보할 수 없거나 개발 기간 내에 구현하기 어렵다면 프로젝트로 완성하기 힘들기 때문이다.
3. 데이터 수집과 분석의 중요성
이번 프로젝트를 준비하면서 데이터 분석에서 가장 먼저 고려해야 할 것은 데이터의 출처와 품질이라는 점을 다시 한번 느꼈다.
공공데이터를 활용하려면 단순히 데이터를 다운로드하는 것만으로는 충분하지 않다. 데이터가 어떤 기준으로 수집되었는지, 어떤 항목으로 구성되어 있는지, 최신 데이터인지, 분석에 필요한 기간과 지역 정보가 포함되어 있는지 등을 확인해야 한다.
또한 API를 활용하는 경우에는 인증키, 요청 주소, 응답 형식, 호출 제한 등 기술적인 요소도 고려해야 한다.
데이터 수집은 프로젝트의 시작이자 분석 결과의 신뢰성을 결정하는 중요한 과정이다. 데이터의 출처와 구조를 충분히 이해해야 이후의 전처리와 분석도 정확하게 진행할 수 있다.
이 과정은 단순한 코딩보다 시간이 더 많이 소요될 수 있으며, 프로젝트의 방향과 구현 가능성을 결정하는 핵심 단계라는 것을 배웠다.
4. Streamlit과 AI 코딩 도구의 활용
이번 프로젝트에서 중요한 기술 중 하나는 Streamlit이었다.
Streamlit은 파이썬을 기반으로 데이터 분석 결과를 웹 화면으로 구현할 수 있는 도구다. 데이터 분석 결과를 그래프와 표로 표현하고, 사용자가 조건을 선택하거나 원하는 정보를 조회할 수 있는 대시보드를 만드는 데 활용할 수 있다.
특히 아직 개발 경험이 충분하지 않은 학습자에게 AI 코딩 도구는 코드 작성과 오류 해결을 보조하는 유용한 수단이었다.
다만 AI가 생성한 코드를 그대로 사용하는 것만으로는 충분하지 않다는 점도 느꼈다. 코드가 어떤 역할을 하는지 이해하고, 오류가 발생했을 때 원인을 파악하며, 프로젝트의 요구사항에 맞게 수정할 수 있어야 한다.
AI에게 코드를 작성해 달라고 요청하는 데서 그치지 않고, 각 코드의 역할과 실행 원리를 질문하며 이해하는 것이 중요하다. AI를 개발을 대신하는 도구가 아니라 학습과 문제 해결을 돕는 보조 도구로 활용하고자 한다.
이번 프로젝트를 통해 AI를 단순히 코드를 대신 작성해 주는 도구가 아니라, 개발 과정을 함께하는 보조 도구로 활용하는 방법을 익혀 가고 있다.
5. 팀 프로젝트를 통해 배운 점
5명이 함께하는 프로젝트에서는 개인의 개발 역량뿐만 아니라 역할 분담과 의사소통도 중요하다.
프로젝트의 목표를 명확하게 설정하고, 데이터 수집과 분석, 화면 구성, 기능 구현 등 작업을 구분해야 전체 개발 과정이 효율적으로 진행될 수 있다.
또한 각자 작업한 결과물을 하나의 서비스로 통합하려면 데이터 형식과 변수명, 파일 구조, 화면 구성 등에 대한 공통 기준이 필요하다.
- 프로젝트의 목표와 구현 범위를 명확하게 정하기
- 팀원별 역할과 작업 내용을 공유하기
- 데이터 형식과 코드 작성 기준을 일관되게 유지하기
- 개발 진행 상황과 발생한 오류를 서로 공유하기
- 각자 만든 기능을 하나의 서비스로 통합하기
이번 프로젝트를 준비하면서 협업은 단순히 업무를 나누는 것이 아니라, 서로의 진행 상황을 공유하고 결과물을 연결해 하나의 완성된 서비스로 만드는 과정이라는 점을 배웠다.
6. 3주차에 느낀 어려움과 개선할 점
첫 프로젝트를 진행하면서 가장 크게 느낀 어려움은 배운 문법과 실제 프로젝트 구현 사이에 존재하는 간격이었다.
파이썬의 기본 문법을 학습할 때는 각각의 명령어와 기능을 이해하는 것이 중심이었다. 하지만 프로젝트에서는 여러 기능을 연결하고, 데이터의 형태에 맞게 처리하며, 사용자가 원하는 결과를 화면에 표현해야 한다.
특히 다음과 같은 부분을 앞으로 더 보완해야겠다고 생각했다.
- 문제 분석 능력: 프로젝트의 요구사항을 구체적인 기능과 작업 단위로 나누기
- 파이썬 활용 능력: 배운 문법을 실제 데이터 처리와 기능 구현에 적용하기
- 데이터 분석 능력: 수집한 데이터의 구조와 특성을 파악하고 분석 방향 설정하기
- 오류 해결 능력: AI가 작성한 코드의 동작 원리를 이해하고 오류를 직접 확인하기
- 협업 능력: 팀원들과 진행 상황을 공유하고 통합 과정에서 발생하는 문제 해결하기
앞으로는 단순히 코드를 실행하는 데 그치지 않고, 코드가 왜 필요한지 설명할 수 있는 수준까지 이해하는 것을 목표로 삼고자 한다.
7. 앞으로의 목표
9월 28일을 기준으로 첫 프로젝트의 기획과 개발 과정을 돌아보면, 이번 경험은 앞으로 진행할 프로젝트를 위한 중요한 출발점이었다.
앞으로는 다음 세 가지에 집중하고자 한다.
첫째, 데이터 활용 역량을 높이는 것이다.
공공데이터 API를 통해 데이터를 수집하고, Pandas를 이용해 전처리와 분석을 수행하며, 분석 결과를 실제 서비스에 연결하는 능력을 키우고 싶다.
둘째, Streamlit을 활용한 서비스 구현 능력을 높이는 것이다.
단순한 데이터 시각화에서 벗어나 사용자가 직접 조건을 선택하고 필요한 정보를 조회할 수 있는 실용적인 대시보드를 구현하는 것이 목표다.
셋째, AI를 활용하되 코드에 대한 이해를 함께 높이는 것이다.
AI가 작성한 코드를 복사해 사용하는 방식에서 벗어나, 요구사항을 정확하게 전달하고 생성된 코드의 구조와 동작 원리를 이해하며 스스로 수정할 수 있는 역량을 갖추고 싶다.
8. 3주차 회고를 마치며
첫 번째 프로젝트는 지금까지 학습한 내용을 실제 문제에 적용해 보는 과정이라는 점에서 의미가 컸다.
아이디어를 선정하고, 데이터를 탐색하며, 개발 도구를 활용해 서비스를 구현하는 과정은 각각 별개의 작업처럼 보이지만 결국 하나의 목표를 향해 연결되어 있었다.
아직 배워야 할 내용도 많고, 직접 해결해야 할 문제도 많다. 하지만 프로젝트를 통해 무엇을 더 공부해야 하는지 구체적으로 알게 되었다는 점에서 의미 있는 시간이었다.
앞으로 남은 교육 과정에서도 프로젝트 경험을 쌓으며 데이터 분석과 AI 활용 능력을 함께 발전시키고 싶다. 무엇보다 AI가 만들어 주는 결과물을 이해하고, 실제 문제 해결에 활용할 수 있는 실무 역량을 갖추는 것이 이번 교육의 중요한 목표다.
앞으로의 프로젝트에서는 기획부터 데이터 수집, 분석, 구현, 결과 발표까지 전체 과정을 더욱 주도적으로 수행할 수 있도록 노력할 것이다. 이번 첫 프로젝트의 경험을 바탕으로 한 단계씩 성장해 나가고자 한다.
작성 기준: 2026년 9월 28일
SK네트웍스 AI 캠프 첫 번째 프로젝트 3주차 회고