[FEAT] 코스 추천 시스템 구축

[junseokkim]

개요

1. Spring Boot → AWS Lambda 연동
   • Spring Boot에서 AWS Lambda를 호출하여 Bedrock 지식기반 API를 사용하는 러닝 코스 추천 기능 구현.
   • AWS SDK의 AWSLambda 클라이언트를 사용하여 Lambda 요청 및 응답 처리.
2. Lambda 함수 구현
   • Python Boto3를 활용하여 Bedrock API와 통신.
   • 사용자 요청 데이터를 기반으로 Bedrock의 Knowledge Base Retrieval 기능 호출.
   • 응답 데이터에서 추천 러닝 코스 ID를 추출하여 반환.
3. 코스 관리자 승인 기능
   • 새로운 코스를 관리자가 승인하는 API 추가.
   • 승인된 코스는 상태값이 COMPLETE로 변경되고, JSON 파일로 S3에 적재.
   • S3에 적재된 코스 데이터는 Bedrock 지식기반과 동기화되어 벡터로 변환 후 MongoDB에 저장.
4. DTO 설계 및 역직렬화 개선
   • Spring Boot에서 Lambda 응답 데이터를 처리하기 위한 DTO 클래스 (CourseRecommendResponse) 설계.
   • @NoArgsConstructor, @AllArgsConstructor, @builder 어노테이션 추가로 직렬화/역직렬화 문제 해결.

PR 유형

어떤 변경 사항이 있나요?

• 새로운 기능 추가
• 버그 수정
• 코드에 영향을 주지 않는 변경사항(오타 수정, 탭 사이즈 변경, 변수명 변경)
• 코드 리팩토링
• 주석 추가 및 수정
• 문서 수정
• 테스트 추가, 테스트 리팩토링
• 빌드 부분 혹은 패키지 매니저 수정
• 파일 혹은 폴더명 수정
• 파일 혹은 폴더 삭제

PR Checklist

PR이 다음 요구 사항을 충족하는지 확인하세요.

• 커밋 메시지 컨벤션에 맞게 작성했습니다. Commit message convention 참고 (Ctrl + 클릭하세요.)
• 변경 사항에 대한 테스트를 했습니다.(버그 수정/기능에 대한 테스트)