미리보기

빠른 학습 능력과 뛰어난 도메인 지식 습득 능력을 갖춘 데이터 사이언티스트로서, 복잡한 비즈니스 문제를 해결하기 위해 머신러닝 모델을 적용하는 데 전문성을 가지고 있습니다. 소프트웨어 엔지니어들과 협력하여 모델을 제품화하고 MLOps 시스템을 구축한 경험이 있으며, 비기술적 이해관계자들과 효과적으로 소통하여 복잡한 개념을 이해하기 쉽게 전달할 수 있습니다. 엄격한 시간 관리를 준수하면서도 동료들과 친근하고 편안한 관계를 유지하는 능력을 갖추고 있어, 역동적인 팀 환경에서 중요한 역할을 수행할 수 있습니다.

#### 주요 책임 및 성과:

1. 데이터 사이언스 및 AI 부서 리드

- 부서의 전략적 방향 설정 및 팀 관리

- AI 기술을 활용한 브랜드 보호 솔루션 개발 주도

2. ML 파이프라인 설계 및 구축

- 50개 이상의 글로벌 브랜드를 위한 생산 환경의 ML 파이프라인 책임

- 효율적이고 확장 가능한 파이프라인 구축으로 브랜드 보호 프로세스 최적화

3. 로고 감지 시스템 개발 및 배포

- Python, YOLOv8, AWS SageMaker를 활용한 로고 감지 시스템 개발

- OpenCV를 사용하여 이미지에서 로고 감지 구현

- 약 100개의 로고 이미지 수집 및 주석 처리 프로세스 간소화

- Amazon SageMaker에서 GPU (Tesla T80)를 사용하여 모델 학습

- ROCAUC 점수를 기반으로 모델 성능 평가 및 가중치를 S3에 저장하여 재현성 보장

4. 이미지 및 텍스트 분류 ML 시스템 유지보수

- Keras, AWS S3 & EC2, SkLearn, Pandas를 사용한 이미지 유사도 점수 시스템 개발 및 배포

- 3천만 개의 일일 스크래핑된 e-커머스 제품 리스팅에 대한 비정형 데이터 분류 모델 유지 및 개선

5. 텍스트 인식(OCR) 모델 개발 및 배포

- PaddleOCR, EasyOCR, PyTessract를 활용하여 이미지 내 특정 텍스트 추출 OCR 모델 개발

- 상표 침해 사례에서 이미지 내 워드마크 식별에 특화된 모델 구현

### 브랜드 보호 전문가

기간: 2020년 11월 - 2022년 7월 (18개월)

#### 주요 책임 및 성과:

- 브랜드 보호 전략 수립 및 실행

- 온라인 위조품 식별 및 대응 프로세스 개선

- 데이터 기반 의사결정을 위한 분석 보고서 작성

## 기술 스택

- 프로그래밍/소프트웨어: Python (Numpy, Pandas, NLTK, SKlearn, Matplotlib, PyTorch, TensorFlow/Keras, OpenCV2), SQL, PowerBI, Jupyter Lab, Git, VS Code, Excel(Analytics), Linux, Docker

- ML/DL: 데이터 마이닝, 데이터 처리, 데이터 분석, 데이터 시각화, 통계 모델링 (회귀 모델, 시계열, 의사결정 트리, 랜덤 포레스트), 군집화 (K-means, 계층적 군집화, PCA), 신경망 (CNN, RNN, LSTM), NLP (토큰화, 벡터화, 특성 추출, 로지스틱 회귀 분류기), CV & 객체 감지 (VGG16, ResNet, YOLOv3,5,6,8), 파인튜닝, 모델 최적화, 특성 공학

## 자격증 및 교육

- AWS - 공인 클라우드 실무자

- DeepLearning.AI - 생산을 위한 머신러닝 엔지니어링 (MLOps)

- DeepLearning.AI - 대규모 언어 모델을 이용한 생성형 AI

- Coursera - 생산 머신러닝 시스템

- Google - 데이터 분석 전문가 자격증

## 학력

- 에든버러 대학교, 영국 - 경영학 석사

- 광운대학교, 한국 - 경영학 및 법학 학사

이 경력기술서는 제가 데이터 사이언스 및 AI 분야에서 쌓은 전문성과 실질적인 프로젝트 경험을 상세히 보여줍니다. 특히 브랜드 보호를 위한 AI 솔루션 개발에 중점을 두고 있으며, 다양한 기술 스택을 활용한 실제 문제 해결 능력을 강조하고 있습니다.

## 1. 브랜드 보호를 위한 로고 감지 시스템 개발 및 배포

기술 스택: Python, YOLOv8, AWS SageMaker, OpenCV

프로젝트 기간: [기간 추가 필요]

목표: 브랜드 보호를 위한 효과적인 로고 감지 시스템 개발 및 배포

세부 내용:

1. 데이터 수집 및 전처리

- 약 100개의 특정 로고가 포함된 이미지 수집

- 주석 도구를 사용하여 이미지에 바운딩 박스 라벨링

2. 모델 학습

- Amazon SageMaker의 Tesla T80 GPU 인스턴스를 활용하여 YOLOv8 모델 학습

- 하이퍼파라미터 튜닝을 통한 모델 성능 최적화

3. 성능 평가

- ROCAUC 점수를 기반으로 모델 성능 평가

- 테스트 데이터셋을 통한 모델의 정확도 및 재현율 분석

4. 배포 및 유지보수

- 학습된 모델 가중치를 AWS S3에 저장하여 재현성 보장

- 실시간 예측을 위한 서빙 인스턴스 구축

결과:

- 로고 감지 정확도 [수치 추가 필요]% 달성

- 실시간 로고 감지 시스템 성공적 배포, 브랜드 보호 효율성 [수치 추가 필요]% 향상

## 2. 이미지 및 텍스트 분류 ML 시스템 유지보수

기술 스택: Keras, AWS S3 & EC2, SkLearn, Pandas, VGG16

프로젝트 기간: [기간 추가 필요]

목표: 클라이언트용 이미지 유사도 점수 시스템 개발 및 대규모 e-커머스 제품 리스팅 분류

세부 내용:

1. 이미지 유사도 시스템 개발

- 사전 학습된 VGG16 모델을 활용한 이미지 특성 추출

- 코사인 유사도 계산을 통한 이미지 랭킹 시스템 구현

2. 텍스트 분류 모델 개발

- 3천만 개의 일일 스크래핑된 e-커머스 제품 리스팅에 대한 분류 모델 구축

- 비정형 데이터(텍스트, 이미지) 처리를 위한 파이프라인 구축

3. 시스템 배포 및 유지보수

- AWS EC2 인스턴스를 활용한 모델 서빙

- 일일 데이터 업데이트 및 모델 재학습 프로세스 자동화

결과:

- 클라이언트의 참조 이미지 업로드 및 유사도 기반 랭킹 제공 시스템 성공적 구축

- 일일 3천만 개 제품 리스팅에 대한 자동 분류 및 예측 점수 제공 달성

## 3. 이미지 내 텍스트 인식(OCR) 모델 개발 및 배포

기술 스택: PaddleOCR, EasyOCR, PyTesseract

프로젝트 기간: [기간 추가 필요]

목표: 상표 침해 탐지를 위한 특화된 OCR 모델 개발

세부 내용:

1. 모델 선정 및 비교

- PaddleOCR, EasyOCR, PyTesseract 성능 비교 분석

- 특정 상표 워드마크 인식에 최적화된 모델 선정

2. 모델 최적화

- 선정된 모델의 파라미터 튜닝

- 특정 폰트 및 스타일의 워드마크에 대한 인식률 향상을 위한 추가 학습

3. 시스템 통합

- 기존 브랜드 보호 시스템과의 통합

- 실시간 이미지 처리 및 텍스트 추출 파이프라인 구축

결과:

- 이미지 내 워드마크 인식 정확도 [수치 추가 필요]% 달성

- 상표 침해 탐지 효율성 [수치 추가 필요]% 향상

각 프로젝트는 브랜드 보호라는 핵심 목표 하에 수행되었으며, 다양한 머신러닝 및 딥러닝 기술을 활용하여 실제 비즈니스 문제를 해결했습니다. 이러한 프로젝트들을 통해 데이터 과학 기술의 실제 적용 능력과 문제 해결 역량을 입증했습니다.