38차시. 미니프로젝트 ① 주제 선정과 설계
3. 피해야 할 주제
출처: 원본 PDF 38차시_미니프로젝트주제선정.pdf 7~8쪽 · 쪽 그림 7쪽 8쪽
| 주제 | 왜 안 되나 |
|---|---|
| 스캔한 PDF (이미지) | 6차시에서 배운 대로 텍스트가 안 나옵니다 |
| 표가 대부분인 문서 | 표 추출이 어려워 숫자가 뒤엉킵니다 |
| 500페이지 이상 | 인덱싱 비용·시간이 과합니다 |
| 10페이지 미만 | 조각이 너무 적어 검색이 무의미합니다 |
| 내용을 잘 모르는 문서 | 정답 라벨링을 할 수 없습니다 |
| 기밀 문서 | API로 외부 전송됩니다. 로컬 모델이 아니면 위험합니다 |
⚠️ 기밀 문서 주의
OpenAI API를 쓰면 문서 내용이 외부로 전송됩니다.
· 회사 대외비
· 개인정보가 포함된 문서
· 계약상 반출이 금지된 자료
이런 문서는 프로젝트에 쓰지 마세요.
꼭 필요하다면 9차시에서 배운
로컬 임베딩 모델 + 로컬 LLM 구성이 필요합니다.
(이 과정 범위를 벗어납니다)
3-1) 문서 사전 점검 (5분)
from langchain_community.document_loaders import PyPDFLoader
docs = PyPDFLoader("data/my_doc.pdf").load()
print(f"페이지 수 : {len(docs)}")
total = sum(len(d.page_content) for d in docs)
print(f"총 글자 수 : {total:,}")
print(f"페이지 평균: {total // len(docs):,}자")
empty = [d.metadata["page"] for d in docs
if len(d.page_content.strip()) < 50]
print(f"빈 페이지 : {len(empty)}개 {empty[:10]}")
print("\n--- 첫 페이지 ---")
print(docs[0].page_content[:300])실행 결과 예시 (코드를 읽고 만든 예상 화면입니다. 실제 실행 결과, 특히 모델의 답은 다를 수 있습니다)
페이지 수 : 42
총 글자 수 : 38,420
페이지 평균: 914자
빈 페이지 : 0개 []
--- 첫 페이지 ---
2026 취업규칙
제1장 총칙
제1조(목적) 이 규칙은 회사에 근무하는 직원의 근로조건과 복무에 관한 사항을 정함을 목적으로 한다.
제2조(적용범위) 이 규칙은 회사와 근로계약을 체결한 모든 직원에게 적용한다. 다만, 별도의 계약이 있는 경우에는 그 계약에 따른다.
제3조(용어의 정의) 이 규칙에서 사용하는 용어의 뜻은 다음과 같다.
1. "직원"이란 회사와 근로계약을 체결하고 근로를 제공하는 자를 말한다.
2. "부서장"이란 각 부서의 업무를 총괄하는 자를 말한다.💡 합격 기준
· 페이지 20~100
· 페이지 평균 500자 이상
· 빈 페이지 10% 미만
· 첫 페이지 내용이 눈으로 읽힘
하나라도 걸리면 지금 다른 문서로 바꾸세요.
39차시에 가서 바꾸면 시간이 없습니다.