📞 010-9942-1490
:github: Git: Github
https://pak1010pak.tistory.com/
완전히 새로운 분야로의 전환을 결심한 순간부터, 퇴사 전부터 일과 개발 공부를 병행하며 단 한 번의 흔들림 없이 기본기를 다졌습니다. 그 꾸준함은 국비 AI 교육 과정에서 '성적 우수상'과 '개근상'을 동시에 수상하며 객관적 지표로 확인됐고, 어떤 난관 앞에서도 멈추지 않는 실행력의 토대가 됐습니다.
정규 AI 수업이 시작되기도 전, 오픈소스 LLM(Qwen2.5-Coder)을 선제적으로 학습하고 팀 프로젝트에 직접 적용하여 목표 기능을 성공적으로 구현했습니다. 팀원이 어려움을 겪던 OCR 파트까지 자처하여 WinRT와 Tesseract를 결합한 하이브리드 방식을 고안, 높은 인식 정확도를 달성했습니다. 4년의 사회생활로 다져진 책임감이 개발 현장에서도 그대로 발휘된 결과입니다.
데이콘 구조물 안정성 대회에서 851명 중 16위를 달성했습니다. 단순한 모델 적용을 넘어, 객체 탐지는 DINOv2를, 미세 패턴 분류는 EVA-Giant를 결합한 2-Stage 아키텍처를 직접 설계해 각 모델의 강점을 극대화했습니다. Attention 시각화로 모델이 노이즈에 과적합되는 현상을 포착하고, 이진화 기반 Masking 파이프라인을 구축해 이를 해결했습니다. 여기에 공간 추론을 위한 CrossViewFusion 구조와 층별 학습률 튜닝을 적용하며, 끊임없는 가설 수립과 검증으로 실제 환경에서의 일반화 성능을 끌어올렸습니다.
AI 기반 원스톱 육류관리 플랫폼 'Meat-A-Eye' 프로젝트에서는 비전 영역에서 EfficientNet-B2 기반 고기 부위 분류 모델을 직접 파인튜닝하며 데이터 불균형 해결, 클래스 병합, Mixup, Label Smoothing을 적용해 94.2%의 높은 분류 정확도를 달성했습니다. 또한, 기존 OCR의 한계를 극복하기 위해 EasyOCR과 PaddleOCR을 결합한 하이브리드 구조를 고안했습니다. Bbox 및 회전 어노테이션 오류를 직접 정제하여, 이력번호 인식률 88.9%와 3초 미만의 처리 속도를 이끌어냈습니다.
LLM 서비스 취약점 자동 검증 보안 멀티에이전트 플랫폼 'AgentShield' 프로젝트에서는 로컬 LLM 환경에서 Qwen3.5-2B_Abliterated 기반으로 Red, Blue, Judge Agent를 각각 목적에 맞게 SFT 파인튜닝을 ****했습니다. 특히 판정에이전트는 랭그래프 기반 Evidence · Strict · Context · Consensus 구조로 설계해 증거 중심으로 판정하도록 구현했습니다. PostgreSQL·ChromaDB를 연동해 데이터를 저장하고 재학습 가능한 데이터 플라이휠 구조까지 구성했으며, Monitoring Proxy와 GUI를 통해 실시간 보안 정책 운영까지 가능한 End-to-End MLOps 시스템을 완성했습니다.
수업 화면 캡처·OCR·AI 코드 분석을 통해 코드 흐름을 시각화하는 첫 프로젝트인 'YUZY PROJECT'에서 궂은일을 마다하지 않고 문제를 끝까지 해결하는 모습을 보인 결과, 다음 프로젝트'Meet-A-Eye'의 팀장을 맡았습니다.
파이널 프로젝트에서는 30명의 동기들이 직접 진행한 투표에서 "팀장으로 함께하고 싶은 사람"으로 선정되며 다시 한번 리더의 자리를 맡았습니다.
일정 관리보다 팀이 막힌 지점에 가장 먼저 뛰어드는 방식으로 신뢰를 쌓았고, 불확실한 실험일수록 먼저 공유하는 것이 팀 전체의 속도를 높인다는 것을 몸으로 익혔습니다.
[DACON] 구조물 안정성 물리 추론 AI 경진대회
[KDT] 랭체인 AI 영상객체탐지분석
2025.10 ~ 2026.05
Python / FastAPI
CNN / SSD / YOLO
Multimodal AI
RAG / LangChain / LangGraph
TensorFlow / PyTorch
GAN / LSTM / NLP
AI Agent / MCP
LLM API / Prompt Engineering
공부 내용
https://pak1010pak.tistory.com/