1. 프로젝트 개요
Intelliview - AI 기반 면접 준비 플랫폼
실시간 화상 면접 시뮬레이션과 AI 기반 피드백을 통해 IT 직군 취업 준비생의 면접 역량 향상을 돕는 종합 면접 코칭 플랫폼

2. 배경 및 문제 정의
현황 분석
- 기술 면접은 IT 직군 채용에서 매우 중요한 평가 기준이나, 많은 학생들이 자신을 효과적으로 표현하지 못하거나 예상 질문 훈련 부족으로 좋은 인상을 남기지 못함
- AI 면접, 비대면 화상 면접이 증가하면서 스스로 면접 역량을 점검하고 개선할 수 있는 도구의 수요 증가

문제 정의
- 실시간 면접 연습 부족: 텍스트 기반 시스템은 실제 면접의 긴장감과 몰입감을 제공하지 못하며, 비언어적 표현 분석 불가능
- 프로젝트 기반 맞춤형 질문 대비 부족: 개인이 수행한 프로젝트에 대한 깊이 있는 질문(설계 의도, 기술 선택 이유, 코드 품질)을 준비하기 어려움
- 지속적 학습과 성과 추적 시스템 부재: 체계적으로 면접을 연습하고 성과를 추적할 수 있는 관리 시스템 부족
- 면접 스터디 준비의 높은 진입 장벽: 참여자 모집, 일정 조율, 자료 준비 과정의 시간적 제약과 비효율성

3. 해결 방안
- 실시간 영상 기반 질문 및 응답 기능으로 실제 면접과 유사한 시뮬레이션 환경 제공
- LLM 모델을 활용한 맞춤형 면접 질문 생성 및 GitHub 기반 프로젝트 질문 자동 생성
- Amazon Nova Lite 모델을 통한 표정, 시선, 발화 방식 등 비언어적 요소 분석
- 매일 질문 제공 및 답변 아카이빙을 통한 체계적 학습 루틴 제공

4. 주요 기능
4-1. 실시간 면접 시뮬레이션
- 맞춤형 질문 생성: 사용자의 직군, 관심 분야, 희망 기업 우대사항을 바탕으로 Claude Sonnet 모델을 활용하여 5개의 면접 질문 자동 생성
- 영상 녹화 및 분석: 사용자가 카메라와 마이크를 통해 답변을 녹화하면 S3에 업로드
- AI 피드백 리포트: Amazon Nova Lite 모델을 통해 표정, 시선 처리, 발화 속도, 목소리 톤 등 비언어적 요소와 답변 내용을 분석하여 종합 리포트 제공

4-2. GitHub 기반 프로젝트 질문 생성
- GitHub 연동: 사용자의 GitHub Repository 정보 수집
- 지식 기반 구축: 크롤링한 코드를 S3에 저장하고 AWS OpenSearch를 활용한 Knowledge Base 구축
- 심층 질문 생성: Titan 모델로 임베딩 후 Claude Sonnet 모델 기반 에이전트가 프로젝트 구조, 기술 스택, 설계 의도에 대한 맞춤형 질문 생성

4-3. 매일 질문 및 학습 관리
- 매일 1개 질문 제공: 사용자 관심 분야 기반 기술 면접 질문 제공 (30일 이내 중복 방지)
- 모범답안 및 평가: LLM 모델을 활용한 모범답안 생성 및 사용자 답변 평가

4-4. 아카이빙 및 성과 추적
- 전체 기록 저장: 질문, 답변, 피드백을 PostgreSQL RDS에 체계적으로 저장
- 시각화 대시보드: 월별/일별 학습 진행 상황, 평균 점수, 최고 점수 등을 달력 형태로 시각화
- 성장 추적: 사용자의 학습 패턴과 개선 방향을 확인 가능

5. 본인 역할
- AWS 인프라 설계 및 구현
- 실시간 면접 영상 분석 구현
- 비용 최적화 전략 설계

6. 기대 효과
6-1. 실질적 면접 역량 향상: 실시간 영상 피드백과 비언어적 요소 분석을 통해 실제 면접 환경에서의 자신감 및 완성도 향상
6-2. 맞춤형 학습 경험: GitHub 기반 프로젝트 질문 생성으로 개인의 기술 스택과 프로젝트 경험에 최적화된 질문 대비
6-3. 지속적 성장 추적: 아카이빙 기능을 통해 학습 진행 상황과 점수 향상을 정량적으로 확인하며 동기부여 유지
6-4. 인프라 안정성 및 확장성: Terraform IaC와 CI/CD 자동화로 빠른 배포와 안정적인 서비스 운영, 추후 서비스 규모 확장 시 유연한 대응