아웃소싱 회사를 위한 인력 pms 개발

1.프로젝트 소개

거래처 증가에 따른 현장의 인원 및 다양성 증가로 인하여 기존 일일이 수작업으로 문자 지원 받고 배치하기에 벅참을 느끼고 AI를 통하여 유연하고 자동화된 PMS를 고안하게 되었다.

기존 수작업으로 일일이 해당 현장에 맞는 인원을 생각하고 찾아 연락하고 배치하는 번거로움을 기존에 구축된 인적 DB를 바탕으로 구축된 시스템에 현장 주소와 간단한 업무 내용과 필요한 인원 수를 입력하면 해당 현장에 가장 적합한 인원을 자동 선별한다. 이에 그치지 않고, 사용자가 원한다면 WEB발신을 통한 문자 전송까지도 가능케 한다. 더 나아가, 현장이 종료되면 매번 계좌 정보를 받아 일일이 급여 입금을 하는 행위 역시 상당한 시간이 소요되었는데, 인적정보에 더하여 최초 한번 계좌정보를 입력하여 두면, 간단한 클릭만으로 일괄 계좌이체 및 개별 계좌이체도 가능하게 할 예정이다.

그리하여 이 시스템 하나로 원큐에 가능한 점이 많기에, 시간 효율성이 증가하고 이는 즉 다른 업무 볼 시간 증대로 이어진다. 그렇게 되면 장기적으로는 매출 증가 및 수익 향상을 이뤄낼 수 있다. 즉, 아웃소싱 업체에서 하는 일련의 모든 과정이 우리의 시스템 하나로 알맞고 빠르고 편하게 이루어지는 것에 그 궁극적인 목표가 있다.

2. 소개영상

3. 팀 소개

박참솔	송문선	조휘현
20190084	20171637	20203320
AI / Frontend	AI / Frontend	Product Manager


이동현	정민재
20180837	20181688
Backend	Backend

4. 🛠 기술 스택

🌐 Frontend

• - The programming language of the Web.
• - A JavaScript library for building user interfaces.
• - Utilized for designing the overall UI/UX of the frontend.

⚙️ Backend

• - JavaScript runtime built on Chrome's V8 JavaScript engine.
• - Fast, unopinionated, minimalist web framework for Node.js.
• - NoSQL database that uses JSON-like documents with schemata.

🤖 AI

• - High-level programming language for general-purpose programming.
• - An open source machine learning library based on the Torch library.
• - A Google research project created to help disseminate machine learning education and research.
• - Utilizing GPU instances for high-performance computing in machine learning projects.

🧰 Common Tools

• - Provides hosting for software development version control using Git.
• - An application that provides components such as notes, databases, kanban boards, wikis, calendars and reminders.

5. 서비스 구조도

6. 사용방법

프로젝트명

개요

이 프로젝트는 Node.js와 MongoDB를 사용하여 개발되었습니다.

환경 설정

• Node.js v20.11.1(LTS) 설치
• 로컬에 MongoDB 설치

Node.js 설치

1. Node.js v20.11.1(LTS)를 설치합니다. Node.js 다운로드 페이지에서 다운로드 및 설치할 수 있습니다.

로컬 MongoDB 설치

1. MongoDB 공식 사이트에서 MongoDB Community Server를 다운로드하고 설치합니다. MongoDB 다운로드 페이지

모델 배포

1. 모델은 huggingface에 업로드 되어있습니다 . [모델 주소 : https://huggingface.co/mmoonssun/klue_ner_kobert]
2. [klue-roberta_model: https://huggingface.co/Chamsol/klue-roberta-sentiment-classification/tree/main]
3. [koelectra_model: https://huggingface.co/Chamsol/klue-roberta-sentiment-classification]
4. 파이썬이나 colab등에서 모델을 불러오려면 다음 코드를 실행하면 됩니다.

from kobert_transformers import get_kobert_model, get_tokenizer
from transformers import BertForTokenClassification

model_name = "mmoonssun/klue_ner_kobert"
model = BertForTokenClassification.from_pretrained(model_name, num_labels=13)
tokenizer = KoBERTTokenizer.from_pretrained('skt/kobert-base-v1')

패키지 설치

프로젝트에 필요한 패키지들을 설치합니다. npm install

추후 변경해야 할 점

7. 캡스톤 최종발료 자료

https://docs.google.com/presentation/d/1iJvgJuWEdSxu9rag-1UDNdaGIv3s8Zqh/edit?usp=sharing&ouid=116159848948864038515&rtpof=true&sd=true

8. 캡스톤 포스터 ai 파일

https://drive.google.com/file/d/1brOpfNPwoGO98SUKq56ew-wEG-nqXEWk/view?usp=drive_link