📄 2025.11.20 (Day 19) [Project: 분석 결과 수정 및 최종 발표 자료 완성]

1. 핵심 개념 정리 (Concepts & Quality Control)

#핵심 개념간결한 설명적용 내용
1최종 QA (Quality Assurance)최종 산출물(대시보드, PPT)의 오류 여부와 일관성을 확인하는 작업.RAG 추천 결과의 근거 일치 여부 확인, 대시보드 데이터 로드 안정성 테스트.
2프레젠테이션 스토리텔링프로젝트의 목적, 문제점, 해결 과정을 시간 순서대로 논리적으로 구성.TMDB 데이터 수집의 어려움 → RAG 통합의 필요성 → 최종 분석 결과의 가치 순서 강조.
3역할 분담 재확인발표 당일 각 멤버의 역할(발표자, QA 담당, LLM 시연 담당)을 명확히 하고 스크립트 최종 점검.원활한 프레젠테이션 진행을 위한 최종 커뮤니케이션.

2. 실습 코드 & 응용 (Final Testing Scenarios)

(A) RAG 핵심 시나리오 테스트

# RAG 핵심 시나리오: 특정 영화 검색 후 LLM 추천 근거 확인
# (RAG 기능을 통해 도출된) 분석 결과의 논리적 일관성 검증을 위한 테스트 쿼리셋
test_queries = [
    "SF 영화 중 평점 8점 이상인 영화를 추천해줘",
    "예산 대비 수익률(ROI)이 높은 공포 영화의 특징은?",
    "제목 'Avatar'와 비슷한 영화 5편을 찾아줘"
]

# 모든 테스트 쿼리에 대해 RAG가 적절한 근거를 제시하고 답변하는지 수동 검증 진행

(B) 대시보드 에러 핸들링 최종 점검

# 데이터 로드 및 초기화 부분에 대한 에러 핸들링 최종 확인
try:
    data = data_loader.load_data()
    vector_db_client = vector_db.load_client()
except Exception as e:
    st.error(f"초기 데이터/DB 로드 실패: {e}")
    # Streamlit에서 데이터 로드 실패 시 사용자에게 명확히 알림

3. 요약 및 다음 단계 (Summary & Next Steps)

  • PPT의 디자인과 내용 구성을 최종적으로 완료하고, 팀원 간 발표 스크립트 및 시연 동선을 확정했습니다.
  • RAG 기능의 근거 기반 일관성 및 대시보드의 안정성에 대한 최종 QA를 성공적으로 마쳤습니다.
  • 다음 단계: 11월 21일, 최종 프레젠테이션을 진행합니다.

4. 개인 인사이트 (Reflection)

  • 배운 점: 기능 개발만큼이나 시연 시나리오에 따른 최종 QA가 프로젝트의 완성도를 결정한다는 것을 깨달았습니다. 특히 LLM 기반의 RAG는 예측 불가능한 답변을 줄 수 있어, 검증된 쿼리 셋(Test Queries)을 미리 준비하는 것이 필수적입니다.
  • 느낀 점: 팀 프로젝트의 마지막은 코드의 완성보다 문서와 커뮤니케이션의 완성이라는 점을 다시 한번 체감했습니다.