미리보기

카메라를 통해 주유하는 장비를 탐지하는 AI를 도입하기 위해, 현재 사내 주유 모바일 시스템을 ASP.NET에서 Spring Boot와 Vue3 기반으로 마이그레이션하는 작업을 담당하고 있습니다.

이런 점을 중요하게 생각해요

• 지나치게 복잡한 SQL 문을 개선하기 위해 노력 중입니다.

• 테스트 코드 없이 개발했던 문화를 개선해보려고 노력중입니다.

카메라를 통해 주유하는 장비를 탐지하는 AI를 도입하기 위해, 현재 사내 주유 모바일 시스템을 ASP.NET에서 Spring Boot와 Vue3 기반으로 마이그레이션하는 작업을 담당하고 있습니다.

팀원 : 단독 개발

What I did

• [레거시 시스템 전면 재구축] ASP.NET 기반 주유 시스템을 Spring Boot + Vue3로 전환

• [동시성 문제 해결] 전표번호 중복 문제 → Java ReentrantLock 도입하여 해결

• [쿼리 리팩토링] 난해한 SQL → QueryDSL 전환으로 가독성 및 유지보수성 개선

• [팀 내 공유] 테스트 코드 작성 중요성과 사례를 사내 발표로 전파

  Tech Stack

  • Backend - Spring Boot, Vue 3, Spring Security, QueryDSL, JWT, Oracle DB

질문을 주고 받으며 일대일 채팅과 위치 기반 유저 매칭을 기능을 제공하는 커뮤니티 앱입니다.

기능만 동작하게 개발되어 있는 것에 아쉬움을 느껴 프로젝트가 끝난 이후에 개인적으로 시간을 내서 게시글 조회 및 유저 매칭 부분을 아래와 같이 개선했습니다.

팀원 : 안드로이드(3명) + 백엔드(3명)

What I did

• [API 병목 개선] 인기글 API에서 전체 정렬 방식 제거 → 인기글 결과 Redis 캐싱
  → 성능 643ms → 5ms 개선

• [인기글 알고리즘 고도화] 단순 좋아요 수 기반 → 좋아요 수 + 댓글 수 + 게시 시간을 반영한 가중치 기반 인기글 계산 방식 도입

• [위치 매칭 최적화] 사용자 위치 데이터를 GeoHash 기반으로 저장 및 인덱싱하여
  → 250ms → 10ms로 개선

• [채팅 데이터 분산 저장] 채팅 메시지를 해시 기반 샤딩으로 MongoDB에 분산 저장
  → 대용량 채팅 데이터 처리 가능

• [좋아요 수 반정규화] 좋아요 수를 게시글 테이블에 저장, 스케줄러로 주기 갱신
  → 실시간 조회 속도 향상

Tech Stack

• Backend - Spring Boot(3.x+), Java(17+), JPA, MySQL, redis, websocket, , MongoDB

• Infra - Nginx, Docker, Jenkins

사용자 취향에 맞는 노래를 추천해 주기 위해서는 노래 관련 태그를 생성하는 것이 필요하지만 사람이 직접 태그를 만든다면 사람마다 기준이 달라 태그 노래 태그의 일관성이 떨어지는 문제점이 발생하였고 이를 AI 모델을 사용하여 해결했습니다.

네이버 바이브 뮤직에서 실제 개발하고 있는 AI/ML 프로젝트에 참여하게 되었습니다. 네이버 1784 본사에서 발표도 진행했습니다.

팀원 : ML(1명) + 백엔드(2명)

Github : https://github.com/kin4496/music-tag-predict

App 시연 영상 : https://www.youtube.com/watch?v=V7AepBTX7IU

What I did

• [모델 구조 설계] 가사(BERT) + 음원(Mel-spectrogram CNN) 동시 분석 모델 개발

• [임베딩 방식 개선] 가사 임베딩에 BPE(SentencePiece) 적용하여 입력 품질 향상

• [오디오 처리] 음원을 가청 주파수대에 최적화된 멜-스펙토그램으로 변환하여 CNN 모델에 입력

• [특징 벡터 융합] 텍스트와 음성 특징 벡터를 통합하여 일관된 음악 태그 예측 가능하도록 모델 설계

Tech Stack

• ML - Python, Pytorch, BERT, Sentencepiece

챗 지피티 API를 활용하여 영어 학습 자료를 자동으로 만들어주는 앱으로 안드로이드 개발을 담당하였습니다.

Android Compose를 도입해보았고 구글 안드로이드 아키텍처에 맞게 모듈을 구성하여 유지보수성을 높이려고 노력했습니다.

팀원 : 안드로이드(1명) + 백엔드(2명)

What I did

• 네트워크 통신시에 코루틴을 사용하여 가독성 개선과 API 호출 시간 감소

• MVVM + 멀티 모듈 구조 적용

• 코드간의 결합성을 낮추기 위해 의존성 주입 Hilt를 사용

Tech Stack

• Android - Android, Kotlin(1.8+), Coroutine, Android Compose, Retrofit2, Dagger Hilt

안드로이드에서 에어팟의 배터리를 측정하는 앱으로 혼자개발하여 구글 플레이스토어에 출시했습니다.

안드로이드 기본 컴포넌트를 이해하고 수명주기에 관해서 배울 수 있었던 프로젝트입니다.

팀원 : 개인(안드로이드 개발)

What I did

• BLE 스캐너를 작동하여 에어팟의 배터리 신호를 감지했습니다.

• 브로드캐스트를 사용하여 블루투스 연결 시에만 BLE 스캐너 작동시켜 배터리 효율성을 높였습니다.

• 서비스를 이용하여 백그라운드에서도 원할하게 동작하도록 구현했습니다.

Tech Stack

• Android - Java, Android

Kotest는 코틀린을 위한 테스트 프레임워크로 오픈 소스 프로젝트입니다.

이슈 탭을 주기적으로 확인하며 관심 있는 이슈에 대해 PR을 작성하여 프로젝트에 기여하였습니다. 특히 코드 작성 후 이를 테스트할 수 있는 테스트 코드를 작성하는 컨트리뷰션 규칙에 맞춰 PR을 작성했습니다.

작성한 PR 리스트

1. 테스트 실행 시 첫 번째로 발생한 에러가 중요하지 않는 경우가 많아 첫 번째 에러를 표시하지 않는 옵션을 추가하였습니다(https://github.com/kotest/kotest/pull/3904)

2. 의도된 예외가 무시되지 않고 테스트 실패로 간주되는 버그가 있어 이를 수정하였습니다. Gradle 개발자에게 shout out을 받기도 했습니다.(https://github.com/kotest/kotest/pull/3955)

'2023 오픈소스 컨트리뷰션 아카데미 지역 스프린트'는 오픈 소스 메인테이너와 협력하여 오픈소스 프로젝트에 기여하는 프로그램이며 Backend.ai 프로젝트에 참여하였습니다.

Backend.ai 프로젝트는 AI 개발에 필요한 환경 설정을 자동으로 처리해, 개발자가 오직 AI 개발에만 집중할 수 있게 돕는 오픈소스 프로젝트입니다.

Backend.ai 메인테이너 분과 오프라인으로 협업하여 PR 작성했습니다.

버튼 클릭을 한 이후에 하이라이트 사라지지 않는 버그를 수정하였습니다.

• https://github.com/lablup/backend.ai-webui/pull/1655