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

1. 핵심 개념 정리 (Concepts & Quality Control)

# 핵심 개념 간결한 설명 적용 내용
1 최종 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.
2 프레젠테이션 스토리텔링 프로젝트의 목적, 문제점, 해결 과정을 시간 순서대로 논리적으로 구성. TMDB 데이터 수집의 어려움 → RAG 통합의 필요성 → 최종 분석 결과의 가치 순서 강조.
3 역할 분담 재확인 발표 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.