미리보기

LG CNS SecuXper AI 솔루션 딥러닝 개발, 선행개발 담당

• 딥러닝 모델을 솔루션에 적용하기 위한 전체 파이프라인 담당

• 내부 솔루션에 필요한 다양한 딥러닝 기반 모듈들 개발 (OCR, 번역, 이미지/텍스트 분류)

• 데이터 수집, 관리, 모델 연구, 학습, 추론 시스템 개발 전체 담당. 딥러닝 서빙 최적화를 위한 연구와 개발 담당

LG CNS SecuXper AI 딥러닝 개발 담당

음악 추천시스템 개선 프로젝트

• AI 스피커 음악 추천시스템 개선

• 음악 추천과정 변경하고 A/B 테스트를 통해 실험 진행

• 프로젝트 팀 리딩과 멘토와 커뮤니케이션 담당

Python, PyTorch, DataFrame, OpenCV, BentoML, Triton, TensorRT, ONNX, CRAFT, DBNet, CRNN, Parseq, CNN

외부 솔루션을 대체할 OCR 내제화 프로젝트 주도

데이터 수집·정제 → 모델 연구·학습 → 서빙 파이프라인 구축 전 과정을 단독 수행

Detection Acc ≥ 0.95, Recognition F1 ≥ 0.97 및 Triton 기반으로 고성능 OCR 서빙

Python, BentoML, Triton, TensorRT, ONNX

FastAPI 기반 서빙의 성능이슈와 모델관리 문제를 해결하기 위한 고성능 추론 프레임워크 도입

PyTorch→ONNX→TensorRT 변환 및 Triton 배포 파이프라인 설계

전체 API TPS 50 %↑ 및 평균 지연시간 50 %↓로 성능 개선

Python, PyTorch, Transformers, DataFrame, BentoML, CTranslate2, M2M-100, NLLB, mT5

해외 문서 관리를 위한 다국어 → 한국어 번역 모델 개발

데이터 수집, 클린징 / 모델 파인튜닝 / 서빙코드 작성 전체 담당

언어별 BLEU ≥ 10 확보, 24 GB GPU 단일 카드에서 목표 TPS 충족

Python, PyTorch, Transformers, DataFrame, OpenCV, BentoML, Triton, TensorRT, ONNX, BERT, Vision Transformer, Donut, CNN

이미지/텍스트 분류 등 여러 태스크용 분류 모델 선행 개발

문제 정의 → 데이터 수집·라벨링 → 모델 설계·학습 전 과정을 담당

서비스 요구 정확도를 만족하는 분류 모델 구축

Python, TensorFlow, Scikit-learn, MongoDB, Sanic, MAB, MLP, AutoEncoder, MF, Topic Modeling

AI 스피커 음악 플레이 서비스의 추천 알고리즘 개선 인턴 프로젝트 리드

아이디어 기획 → 모델 설계, 실험 → 팀원 업무 분담 및 멘토 협업까지 전 과정 주도

적합도 기반 재정렬 로직 도입으로 음악 다양성 확대 및 CTR 소폭 상승(A/B 테스트 기준)

Network exploration using true self-avoiding walks (Phys. Rev. E 94, 042309)

• 랜덤워크를 사용하여 네트워크내의 정보를 탐색하는 과정을 추상화하여 네트워크 탐색시간을 측정하였습니다.

• weighted random walk와 self avoiding random walk등을 비교하여 최적의 시간효율로 네트워크 탐색하는 방법을 제안.

• C언어를 사용하여 복잡계 네트워크를 직접 구성하고 Monte-carlo 시뮬레이션을 통해 실험을 진행.

• 파이썬을 이용하여 시뮬레이션 결과 정리.

The origin of the criticality in meme popularity distribution on complex networks (Scientific reports, 2016, 6.1: 23484.)

• Meme이 네트워크를 통해 확산되는 과정을 추상화하여 시뮬레이션 하고 이를 설명할수 있는 모델을 제안하여 이 과정에서 발생하는 동역학적 특이점을 분석하였습니다.

• 이런 특이점이 어떤 과정을 통해 생겨나는지 증명하고 이를 정리하였습니다.

• C언어를 사용하여 복잡계 네트워크를 직접 구성하고 Monte-carlo 시뮬레이션을 통해 실험을 진행.

• 파이썬을 이용하여 시뮬레이션 결과 정리.