미리보기

제이제이앤컴퍼니스에서 수산 양식 자동화 시스템 개발 ML 엔지니어로 근무하고 있습니다.
양식 자동화 시스템에 사용되는 모델의 실험 관리, 데이터 처리, 모델 서빙등 업무를 수행하였습니다.
솔루션 고도화를 위한 센서, 시각 데이터를 통해서 양식을 위한 인사이트를 사용자에게 제공하였습니다.
양식 시스템에 사용하는 기술 및 분석 데이터를 활용하여 솔루션 고도화를 진행 중입니다.

◼ Object Detection 정확도 개선
⛔ 기존 Object Detection 개체 탐지 성능 한계
👉 데이터 증강기법, 배경 데이터 추가를 통한 학습 데이터 정제
👉 C# 기반 YOLOv8 엔진 개발 및 모델 서빙
👉 평균 mAO 0.85 -> 0.92로 증가

◼ 데이터 불균형 문제 개선
⛔ 이상 개체 분류 모델의 데이터세트 불균형으로 인한 학습 정확도 감소문제 발생
👉 특징 부족 데이터 제거, 데이터 증강 기법 적용으로 데이터세트 정제
👉 Loss Function의 클래스 가중치를 통해서 Acc 90% 로 개선

✅ 기술 스택
Python, PyTorch, WPF

◼ Object Detection 정확도 개선
⛔ 카메라 화질 문제로 인한 정확도 문제 발생
👉 4분할 카메라를 병합한 이미지를 통해서 mAP 0.8 이상 달성
👉 1프레임당 촬영 개체 20개에서 35개로 증가

◼ 실시간 처리 속도 개선
⛔ Object Detection 및 개체 분류 모델로 인한 실시간 처리 딜레이 발생
👉 멀티 쓰레딩을 통한 Object Detection 처리를 위한 Thread 생성으로 FPS 22로 개선

✅ 기술 스택
Python, PyTorch, WPF, PostgreSQL

◼ 자체 표준 함수를 통한 정확도 개선
⛔ 선형 회귀 기반 함수의 정확도 하락 발생
👉 해외 레퍼런스, 연구소 협업을 통한 표준 성장 함수 구축
👉 최대 우도 추정법을 통한 최적 파라미터 기반 표준 함수 적용
👉 최대 정확도(결정계수) 0.98 달성

◼ 감정분석 모듈 추가
⛔ TextBlob, VADER 감정분석 모듈의 중립 과도 현상
👉 Flair 모델을 추가 도입을 통한 중립 과도 현상 개선

◼ SNS 데이터 전처리기 개발
⛔ 구어체에 가까운 SNS 자연어의 감정분석 성능 문제
👉 해시태그 제거, 이모티콘 문자화, 불용어 유지 등 데이터 전처리를 통한 SNS 데이터 전처리 개발

◼ 데이터 전처리 속도 문제
⛔ 한정된 하드웨어에서의 감정분석 추론시 프로그램 다운되는 문제
👉 프로그램 수용 임계치 10000개의 자연어를 기반으로 Batch화 시켜 감정분석

👍성과

1. Sentiment 140 데이터 validation 정확도 70%
2. 캡스톤 프로젝트 전체 1위 수상
3. AES-2022 해외학회 참석 및 Best Paper 수상

인도네시아 수카부미 지역 고등학교 봉사단 활동
주요 활동 내역

1. C언어 개발 교육
2. 한글 및 한국 문화 교육