AI 탐지 확장 프로그램 개발 및 커뮤니티 활동 보고서
개발자 개인의 6월 개발 여정 및 성과 공유, 7월 목표 설정
ClassifierAI Chrome 확장 프로그램 개발: AI 생성 콘텐츠 탐지 기능 구현
머신러닝(Machine Learning) 모델(Tensorflow.js)을 활용한 이미지 및 텍스트 분류 기능 포함
Forem 프로젝트에 3개의 풀 리퀘스트(Pull Request) 병합 및 포트폴리오 정리 등 커뮤니티 기여 활동 지속
ClassifierAI: AI 생성 콘텐츠 탐지 확장 프로그램
ClassifierAI는 사용자가 보는 dev.to 게시물 및 이미지가 AI 생성 콘텐츠(AI-Generated Content)인지 판별하는 Chrome 확장 프로그램임.
머신러닝(Machine Learning) 모델을 활용하여 이미지 분류(Image Classification) 및 텍스트 분류(Text Classification) 수행
Tensorflow.js 라이브러리를 사용하여 브라우저 환경에서 직접 모델 실행
Google의 Teachable Machine을 통해 866개의 AI/Non-AI 이미지 데이터셋으로 모델 학습 (Epochs: 30, Batch Size: 16, Learning Rate: 0.0001)
이 프로젝트는 데이터 격리 아키텍처(Data Isolation Architecture)를 적용하여 사용자 데이터를 별도로 저장하지 않으며, 데이터 미저장 정책(Zero-Retention Policy)을 준수함.
개발자 커뮤니티 기여 및 학습 활동
보고서 작성자는 Forem 프로젝트에 3건의 풀 리퀘스트(Pull Request)를 병합하며 오픈소스 기여를 지속함.
LeetCode를 통해 Ruby 언어 학습에 집중하며 문제 해결 능력 향상 도모
개인 포트폴리오 정리 및 Dev.to 플랫폼에 게시하여 피드백 수렴 계획
가상 커피(Virtual Coffee) 기여 활동을 통해 동료 개발자와의 네트워킹 강화
이러한 활동은 지속적인 학습(Continuous Learning)과 커뮤니티 참여(Community Engagement)를 통해 개발자로서 성장하려는 의지를 보여줌.
머신러닝 모델 학습 및 배포
ClassifierAI 프로젝트는 Google의 Teachable Machine을 활용하여 머신러닝 모델을 구축함.
이미지 분류(Image Classification) 및 텍스트 분류(Text Classification)를 위해 사전 학습된 모델을 미세 조정(Fine-tuning)하는 방식 사용 가능
Epochs 30, Batch Size 16, Learning Rate 0.0001 설정으로 866개의 데이터셋을 학습하여 AI 생성 콘텐츠 탐지 정확도(Detection Accuracy) 향상 목표
Tensorflow.js를 통해 브라우저에서 직접 모델을 실행하므로, 별도의 서버 인프라 없이 클라이언트 측(Client-side)에서 추론(Inference) 가능
이는 데이터 격리 아키텍처(Data Isolation Architecture)를 만족시키며, 사용자 프라이버시 보호에 기여함.
