• EMR 기반 간호감시 의사결정 지원과 진단 분류를 주제로 대학원 연구를 수행했습니다.
• 정형 데이터와 텍스트 데이터를 함께 활용해 KM-BERT 앙상블과 XGBoost 기반 엔드투엔드 모델링 파이프라인을 구축했습니다.
• AI 기반 피드백을 활용한 공감 대화 생성 등 대화형 AI 주제도 함께 탐구했습니다.

• 인간지향적 멀티모달 AI 프로젝트에서 평가 관련 코드를 구현했습니다.
• 평가 요구사항을 실제 코드와 검토 가능한 산출물로 연결하는 작업을 수행했습니다.

• EMR 데이터를 활용한 간호감시 의사결정 지원 연구과제에서 임상 AI 워크플로 구현에 참여했습니다.
• 임상 텍스트 이해를 위해 키워드 추출, 의존구문 기반 전처리, 토픽 모델링, 유사도 분석 워크플로를 구현했습니다.
• 협력 연구진이 활용할 수 있도록 해석 가능한 결과물과 웹 기반 분석 화면을 제공했습니다.
• 텍스트와 정형 데이터를 결합한 앙상블 모델링(KM-BERT, XGBoost)으로 다중분류 과제에서 92% 이상의 진단 예측 정확도를 달성했습니다.

• 교내 공식 프로그래밍 동아리에서 여러 리더십 역할을 맡았고, 2022년에는 회장을 역임했습니다.
• 머신러닝, 빅데이터, 금융 ML, GNN 관련 스터디 그룹을 직접 기획하고 운영했습니다.
• Notion Campus Leader 프로그램에 참여해 학내 학습 커뮤니티와 리소스 공유를 지원했습니다. (24-2 ~ 25-1)

• 클라우드, CI/CD, 보안, DevOps 실무를 중심으로 한 기업주도 집중프로그램에 참여했습니다.
• 프로젝트 기반 실습에서 보안 및 DevOps 지향 역할로 구현 작업에 참여했습니다.

• 간호감시에 필요한 진단 관련 신호가 검사 데이터, 환자정보, 간호기록 등 이질적인 EMR 소스에 분산되어 있었습니다.
• 간호 텍스트를 두 개의 KM-BERT 모델로 독립 학습하고 raw logits를 평균해 텍스트 표현의 안정성을 높였습니다.
• 최종 모델은 단순 전체 점수보다 희소 클래스 재현율과 실무 사용 가능성을 함께 확인할 수 있는 결과를 보였습니다.

Evaluation Scope Balanced · Available Data Core EMR · Rare-class Recall High

• 머신러닝 실험과 배포 과정에서는 메타데이터, 레코드, 아티팩트가 여러 도구에 흩어지기 쉽고, 재현 가능한 observability 흐름을 유지하기 어렵습니다.
• `.contexta/` workspace를 기준으로 메타데이터, 레코드, 아티팩트를 분리 저장했습니다.
• ML 시스템의 실행 이력과 산출물을 로컬에서 일관되게 관리하고 조사할 수 있는 observability 기반을 구현했습니다.

Architecture Local-first · Contract Schema-first · Workflow Trace / Compare / Recover

• 기존 Python 그래프 라이브러리나 범용 데이터프레임 래퍼만으로는 메모리 효율, 탐색 성능, 지연 실행 기반 최적화를 함께 만족시키기 어려웠습니다.
• GraphFrame이 Arrow RecordBatch를 직접 소유하도록 설계했습니다.
• Arrow 컬럼 메모리 모델과 CSR 기반 그래프 탐색, lazy collect 실행 흐름을 갖춘 그래프 분석 엔진의 기반을 마련했습니다.

Neighbor lookup O(degree) · Memory model Arrow · Execution Lazy collect

• 서비스는 사용자 대화에서 감정을 인식하고, 이를 일기 생성 흐름과 연결할 수 있는 머신러닝 구성 요소가 필요했습니다.
• KoBERT 기반 감정 인식 모델을 중심으로 챗봇과 요약 흐름이 연결되도록 지원했습니다.
• 감정 인식 중심의 ML 파이프라인을 포함한 MVP 수준의 대화형 일기 경험을 구현했습니다.

Pipeline Korean NLP

• 솔로 개발자는 UI, 성능, 코드 품질 등 여러 관점의 피드백이 필요하지만, 적절한 시점에 역할별 의견을 얻기 어렵습니다.
• 응답이 범용 조언으로 흐르지 않도록 역할별 제약과 입력 맥락을 분리했습니다.
• 구조화된 프롬프트와 역할 제약을 통해 LLM 응답을 더 실용적인 프로젝트 피드백으로 바꾸는 프로토타입을 구현했습니다.

Feedback modes Role-based

• 서비스는 블로그 콘텐츠 흐름을 더 풍부하게 만들기 위해 텍스트의 감성 극성을 분류하고, 문장 스타일 변형을 생성할 수 있는 머신러닝 구성 요소가 필요했습니다.
• 극성 분류는 KoBERT, 스타일 변환은 KoBART 파이프라인으로 나누어 구현했습니다.
• 웹 서비스 맥락에서 활용 가능한 감성 분류 및 스타일 변환 AI 모듈을 제공했습니다.

Model scope Classification + Generation

• 사내 전용 커머스 플랫폼은 검색, 알림, 관리자 기능을 안정적으로 뒷받침할 수 있는 클라우드 인프라와 운영 체계가 필요했습니다.
• React와 Spring 기반 서비스가 배포, 운영, 모니터링 흐름 안에서 동작하도록 CI/CD와 클라우드 기반을 정리했습니다.
• 폐쇄형 사내 마일리지 몰을 위한 실무형 서비스 기반을 팀 프로젝트 안에서 구축했습니다.

Foundation CI/CD + Cloud