미리보기

머신비전 및 AI 기반 검사 솔루션을 연구 및 개발하는 IT 기업에서 연구원으로 근무.

1.Object Detection 프로젝트 검토 및 성능 분석

Python, YOLOv8, OpenCV, PyTorch 활용하여 Object Detection 프로젝트의 이미지 분석 및
전처리(LabelImg 활용), 모델 학습 과정 검토, 검출 성능 평가 수행

2.PyQt 기반 YOLO GUI 개발

PyQt, Ultralytics YOLO, Matplotlib 활용하여 학습 프로세스 자동화 및 실시간 시각화 기능 및 데이터 전처리 및
증강 기능 구현

3.Object Detection 모델 성능 개선

PyTorch, open cv, NumPy 활용하여 데이터 증강 및 모델 최적화 수행 및 yolo 이외에 Detr, EfficientDet 등 모델링 실험으로 정확도 개선 연구

4.자동차 부품 검사 시스템 구축

자사 SW 툴 및 rollbase 기반 머신비전 기법 활용하여 핀 검출

프로젝트 수행, 개발 및 시스템 세팅(Setup), 교육 진행, 추가 개선 사항 검토 및 적용

5.기술 지원 및 전시회 참여

3D 센서, 머신비전 기술 컨설팅 및 전시회 데모 진행

• 목표: 염료 배합 조건에 따른 섬유 염색 색상을 예측하는 딥러닝 기반 AI 모델 개발

• 사용스택: tensorflow, opencv, python, streamit, slack, pandas, matplotlib,

• EDA 및 데이터 전처리 : 데이터 시각화, 이상치 제거 및 패턴 분석 수행 pandas를 이용하여 분석후 plot으로 이상치 확인

• 모델 실험 및 최적화 : LSTM, TabNet, TFT 모델을 비교하여 최적 모델 선정 (오차율 0.68%)

• 데이터 증강 실험 : CTGAN, TabGAN을 활용한 데이터 증강 실험 및 성능 평가

• 서비스화 및 배포 : Streamlit을 활용한 웹 기반 색상 예측 서비스 개발, 사용자 친화적

  UI 구축 및 시각화

• 염료 예측서비스: 학습모델을 이용하여 염료의 배합에 따라 나오는 색상을 예측하는

  서비스 구현

- 프로젝트의 상세 과정은 포트폴리오에서 확인 가능합니다.

• 목표: 결함 탐지 모델을 개발하여 섬유및 다양한 소재의 표면 이미지에서 미세한 결함을 자동으로 감지하는 프로젝트

• 사용스택: pytorch, opencv, python, matplotlib,CNN

• EDA 및 데이터 전처리: 결함 유형을 분류하고, 클래스 불균형 문제 해결

  • 같은 class 여도 불량의 유형이 달랐고 그 유형을 세분화시켜 분석 하여 구분하여 비율 plot

  • segmention을 위해 image mask data를 확인하여 문제 유형 구체

• 데이터 증강 :학습 데이터 다양성 확보 하고 모델 성능의 증가와 기법에 따른 모델의 변화 관찰(opencv 라이브러리 사용)

• 모델 실험 및 최적화: 초기 모델

  실험 후 성능 한계를 확인하여 모델의 변화 시도 (

  EfficientNet 모델 타겟으로 하여 성능의 변화 시도 및 파리미터 조정 및 resize등 모델 성능변화 실험 최적화)

• 최종 성능:초기 모델 대비 정확도 20% → 99.79% 개선하여 해당 대회 플렛폼

  AIConnect에서 5위 기록

- 프로젝트의 상세 과정은 포트폴리오에서 확인 가능합니다.

목표: 패스트캠퍼스 2022년도 매출 데이터를 분석하여 매출 성장에 영향을 미치는 핵심 요인 도출

• 사용스택: python, pandas, matplotlib,seaborn

• EDA 및 데이터 전처리: pandas를 활용한 데이터 정제, 직원/강사 계정 제거, 무료 강의 및 더미 데이터 필터링,
  datetime 변환 및 매출 추이 분석

• 매출 영향 요인 분석: 가격과 매출 간의 상관관계 분석(상관계수 0.02), 카테고리별 성장률 비교(Scatter Plot
  구현 및 해석)

• 데이터 시각화 및 패턴 분석: matplotlib과 seaborn을 활용하여 매출 트렌드 시각화(계절성 상품 및 특성 파악)

• 주요 인사이트 도출: 가격이 매출에 미치는 영향이 미미하며, 강의 품질과 강사의 역량이 더 중요한 요인임을 확인

마케팅 전략 개선 제안: 기존 가격 할인 중심 전략에서 콘텐츠 품질 기반 마케팅 전략으로 전환 제안

- 프로젝트의 상세 과정은 포트폴리오에서 확인 가능합니다.

• 목표: 독거노인의 음성을 실시간으로 분석하여 감정을 분류하고, 보호자에게 자동 보고하는 시스템 구축

• 사용스택: 라즈베리파이, crontab, smtp,python, SpeechRecognition,pandas,딥러닝

• 음성 감성 분석 모델 개발 : LSTM 모델 적용, 하이퍼파라미터 튜닝 및 학습률 조정 등 모델의 최적화를 진행하여
  감성어 분류 정확도 91.92% 달성

• 데이터 확보 및 전처리 : AIHub 감성어 사전 활용, 형태소 분석(Konlpy, Okt) 및 오버샘플링 적용

• 음성 인식 시스템 구축 : SpeechRecognition 라이브러리를 도입하여 실시간 음성 데이터 분석

• 보호자 알림 자동화 : SMTP 기반 메일 전송 시스템 구축, 감성 분석 결과를 엑셀(.xlsx) 파일로 자동 보고

• Raspberry Pi 기반 실행 환경 구축 :Crontab을 활용하여 1일 주기로 감성 분석 및 보고서 자동 전송

프로젝트 상세 과정은 포트폴리오에서 확인 가능합니다.

AI 인재양성 프로그램 ‘이어드림스쿨’에서 800시간에 걸쳐 집중적인 이론 학습 및 실습을 완료하여, 시계열 분석,

컴퓨터 비전(CV), 정형 데이터 처리, 머신러닝, 딥러닝, 언어 모델링 등 다양한 AI 기술을 심층적으로 숙달.

Python, MySQL, GitHub, 노션, Slack을 포함한 협업 도구와 소프트웨어 공학 원칙을 적용한 실전 프로젝트 경험을

통해 필수 개발 역량을 강화함.