MongoDB와 VScode 이용한 드라이빙app 개발 일지 (2022.1.21)

 실제로 진행되는 창업 프로젝트이므로 소스 코드는 없습니다.


1. 개발 환경 구축 

평소 jetbrain IDE만 쓰던 나는 VScode는 생각보다 낯설었다. 그래도 어쩌랴 빨리 적응해야지.. 하고 부랴부랴 설치 후 개발환경을 세팅하기 시작했다. 물론 수많은 error가 났지만 나에게는 든든한 stackoverflow와 Google이 있었기에 간신히 세팅을 완료하고 mongodb와 연결해 서버를 돌렸다.


2. 첫 미팅

첫 개발팀 미팅에서 현재까지 진행된(혹은 구현된) 정도를 보았고 앞으로 나가갈 방향을 소개하셨다. 생각보다 할일이 많았다. 내가 할 수 있을까 일단 기본적인 작업부터 시작했다.


3. 암호화 그리고 postman

분명 어렵지 않은 hash화를 맡아서 진행하는 중 이였다 하지만 단 한번도 써보지 않은  VScode와 지식이 0 인 app 개발이라는 2연타를 맞고 나는 그대로 그로기 상태가 되었다. 구글도 스택오버플로우도 소용이 없었다. 결국 천천히 다시 공부를 시작했고 모 학우의 조언을 받아 postman을 프로젝트와 연결해 시험 환경 구축에 완료했다. 


4. 암호화 그리고 postman2

구축이 끝나니 실제 task는 생각보다 간단했다. bcrypt를 사용해 코드를 몇줄 넣고 postman으로 요청을 보내니 순식간에 끝났다. 그 후로 조금 손을 보고 몇가지 수정사항을 변경하기는 했지만 솔직히 하루가 채 안걸렸었다. 사실 진정한 적은 개발환경 구축이었던듯하다.


5. 다음 Task

다음 Task는 비밀번호 재설정이다. bcrypt를 이용했기 때문에 복호화는 안되고 비밀번호를 잊으면 재설정하는 방식으로 해야하는데 이를 구현하려면 sns api를 통한 인증번호 발신 + 인증번호 확인 후 token발행 + 비밀번호 재설정 구현 까지 3연타이다. 연구실을 나오면 이제 앞으로 이 Task에만 매달려야 할 것 같다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

MongoDB와 VScode 이용한 드라이빙app 개발 일지 (2022.4.10)

 1. 카카오 API 사용을 통한 토큰 발급  일단 카카오 로그인을 구현하려면 카카오에서 제공하는 api를 이용해야 했다.  https://developers.kakao.com/docs/latest/ko/message/rest-api 공식 카카오톡 api 문서이다. 이전에 말했던 대로 우리는 사업자 등록이 5월로 예정되어있어 아직 카카오톡으로 전화번호 등 몇몇 필요한 정보를 가져올 수는 없었다.  따라서 카카오톡 선택 요구 정보를 프로필, 성별, 이메일로 한 후 토큰 발급을 실행했다.  전체적인 프로세스는 다음과 같았다. (첫 등록일 경우) 첫 등록 확인 - join 등록, 카카오톡에 인증 요청 - 카카오톡 토큰 발급 완료시 - 토큰 처리해 - 필요 정보 확인 후 자동 회원가입  (기존 사용자의 경우) 기존에 등록 확인 - kakao login 등록 - 카카오톡 로그인 -  인증 완료시 프로젝트 로그인 토큰 발급까지 연동 첫 등록의 경우 기존의 회원가입 미들웨어를 이용함과 동시에 위의 카카오 api를 이용하여 새로운 엔드포인트를 만들었다.  기존 사용자의 경우 조금 복잡하게 구현하다 카카오에서 발급 받은 토큰에서 정보를 읽어 기존의 사용자인지 확인하는 미들웨어를 짜고 구현해두었던 로그인 토큰 발급과 연결해서 새로운 엔드 포인트를 만드는 방식으로 해결하였다. 2. 벡엔드 관리, 보수  기존의 sms send 모듈에 관련하여 네이버 api 계정의 등록자 변경관련 논의와 현재 있는 미들웨어들의 표시형식 통일, 중복 부분 수정 등의 작업을 따로 진행했다. 또한 카카오톡 로그인 구현 중 로그인 에러가 나와 그것 또한 수정했다. 3. 개발환경  개발은 github,VScode, postman, mongoDB를 활용해 진행하고 있으며 특히 카카오 Api를 실험하는데 가상으로 토큰을 발급받고 인증하는 것이 가능한 postman이 큰 도움이 되었다. 4. 팀을 떠나며  초기에 아무것도 없는 상태에서 여러가지 미들웨어를 만들기도 했고 처음 만져보는 기술들을 사용해보기도 했다.
자세한 내용 보기

다양한 계층 구현을 통한 오차역전파법 구현하기(2)

 저번에 포스팅을 이어서 하도록 하겠다. 이번 포스팅할 코드는 오차 역전파법을 이용해 2층 신경망 클래스의 구현이다. 다만 실제 학습하는 것은 생략하고 각각의 구현에 대해서 설명하도록 하겠다. 일단 먼저 구현하는 코드를 보기 전에 이 코드에 들어가는 함수들에 대해 설명하겠다. 1. sigmoid: 시그모이드 함수를 구현한 것이다. 2. softmax: 소프트맥스 함수를 구현한 것이다. 3. cross_entropy_error: 교차앤트로피 오차를 구현한 것이다. 4. numerical_gradient: 가중치 매개변수의 기울기를 구한다.  그럼 코드를 보도록 하겠다. import sys , os sys.path.append(os.pardir) from common.functions import * from common.gradient import numerical_gradient class TwoLayer: # 초깃값 초기화 def __init__ ( self , inputs , hiddens , outputs , w= 0.01 ): # 딕셔너리 선언 self .params = {} #KEY 값으로 값 설정           self .params[ 'W1' ] = w * np.random.randn(inputs , hiddens) self .params[ 'b1' ] = np.zeros(hiddens) self .params[ 'W2' ] = w * np.random.randn(hiddens , outputs) self .params[ 'b2' ] = np.zeros(outputs) # 예측 진행 -(foward) def pre ( self , x): w1 , w2 = self .params[ 'W1' ] , self .params[ 'W2' ]
자세한 내용 보기