빅데이터경영공학을 전공하며 데이터와 통계에 대한 기본기를 쌓았고, KDT 교육을 통해 AI와 웹 개발을 학습했습니다. 이후 다양한 프로젝트를 수행하며 데이터 수집과 처리부터 데이터베이스 구성, AI 기술 적용, 백엔드와 프론트엔드 연동까지 서비스 개발의 전반적인 과정을 경험했습니다.
새로운 기술을 배우는 것에 그치지 않고, 필요한 기술을 직접 적용해 문제를 해결하고 결과를 확인하는 과정을 중요하게 생각합니다. 예상과 다른 결과가 나오면 원인을 다시 살펴보고 필요한 방법을 찾아 개선하는 방식으로 문제를 해결해왔습니다.
삼성 반도체 생산관리 자동화 시스템(EARS, SEAM/SESA) 운영 및 모니터링
공장 센서에 경보가 울리면 진짜 이상인지, 어느 센서부터 볼지, 비슷한 과거 고장은 무엇인지 찾아 점검 보고서로 정리합니다. 정답을 결과보다 먼저 고정해 채점했고, '가장 크게 변한 센서'보다 '가장 먼저 벗어난 센서'가 원인을 더 잘 짚는다는 것을 확인했습니다. 로컬 LLM이 쓴 보고서 문장은 코드로 다시 검사합니다.
분석 과정 자세히 보기재무비율로 기업의 부도확률(PD)을 예측하고, 등급별 통계 검정으로 PD 과소추정을 찾아 보정했습니다. 보정된 PD로 예상손실, 신용 VaR와 필요 자본, 불황 시나리오별 손실까지 계산해 금융기관이 PD를 쓰는 흐름을 따라갔습니다.
분석 과정 자세히 보기중고차 매물 426,880건을 정제해 시세 예측 모델을 만들고, 반복 게시된 중복 매물이 점수를 부풀리는 문제를 찾아 정직한 평가 방식으로 비교했습니다. MLflow로 실험을 관리하고, 80% 시세 구간을 돌려주는 API와 브라우저에서 바로 시세를 계산해 보는 체험 페이지까지 만들었습니다.
모델링 과정 자세히 보기실제 업무 로그 6,886건으로 결재 흐름을 복원해, 지연의 절반이 결재가 끝난 뒤 지급 배치에서 생긴다는 걸 찾고 마감 시간 가정을 데이터로 비교해 가장 잘 맞는 조건 위에서 개선 효과를 시뮬레이션했습니다.
분석 과정 자세히 보기지도학습(YOLOv8)과 비지도학습(PatchCore)으로 같은 데이터를 비교해, 두 모델이 정확히 반대 지점에서 약하다는 걸 pixel 단위 분석으로 밝혀냈습니다.
비교 분석 자세히 보기조건 검색 결과 403건을 자동으로 모아 LLM이 내 이력과의 적합도를 평가하고 상위 30건만 보여주는 도구. AI 판단을 사람 판단 20건과 비교해 일치율 75%를 확인.
자세히 보기
구별 인구 데이터를 수집·정제해 Power BI로 시각화. 데이터가 25개 구 중 13개만 포함된 상태에서 비율 계산이 틀어지지 않도록 설계한 것이 핵심.
자세히 보기
채용 공고 URL을 넣으면 마감일을 자동으로 추출해 캘린더로 관리하는 취업준비생용 일정관리 앱. 크롤링 서버와 일정 기능을 담당.
자세히 보기Whisper(STT) + 로컬 LLM으로 진료 구술을 SOAP 노트로 자동 정리. 의료 용어 오인식을 직접 확인하며 AI 출력 검증의 필요성을 배운 프로젝트.
자세히 보기
로컬 LLM 기반 RAG 문서 검색 Agent. 검색 결과가 부족하면 스스로 판단해 질문을 재구성하고 재검색하는 자가교정 구조.
자세히 보기Docker Compose로 Zabbix 모니터링 스택을 구축하고, REST API로 호스트·템플릿 등록을 자동화. CPU 부하 테스트로 트리거·알림 동작까지 직접 검증.
자세히 보기More Projects: DoctorChat· BookHub· Motorshot· CelebMatch-AI
필요한 것을 배우고, 직접 만들어 결과로 보여드리겠습니다.