꾸준히 배우고 실력을 쌓아가는 AI 엔지니어입니다.
LLM 기반 시스템 개발과 데이터 분석 자동화에 관심이 많습니다.

• 현재 FineVT에서 LLM Engineer로 근무 중입니다.
• 이전 InfoBoss에서 LLM 기반 문헌 데이터 검증 시스템 개발과 GPU 리소스 관리를 담당했습니다.
• Prompt Engineering, RAG 파이프라인, LLM 테스트 자동화 등에 관심이 많습니다.
• 인하대학교 인공지능공학과 3학년(2021.03 ~ 2027.02 예정) 학부생으로서 연구 논문 발표, Google ML 부트캠프, BOAZ(빅데이터 연합 동아리) 를 경험했습니다.

LLM Engineer, 개발사업본부

• 검색 증강 생성(RAG) 기반 추론 파이프라인 개선 중
• LLM Agentic AI 비즈니스 솔루션 개발 참여

AI (NLP) Researcher, 인공지능개발팀

• 20개 이상의 LLM(OpenAI, LLaMA 등)을 활용한 400,000개 이상의 문헌 데이터 품질 검증 시스템 개발
• 식물 적응증 논문을 대상으로 특정 기능성 소재가 질병 치료에 미치는 영향을 추론하는 RAG 기반 분석 파이프라인 구축
• 자생식물 유전체 및 대사체 데이터셋을 기반으로 유전자 발현 여부, 효소 기능(EC 번호), 생리활성 예측 등을 위한 AI 모델 개발
• AI 기반 보고서 자동화 시스템 구축 (기존 2주 → 20분 단축)
• A100 GPU(8장) 운영 경험
• 국가 생물다양성 정보시스템의 유지보수, 코드 변경, 사용자 통계 분석

• 📄 ACK 2024: 프롬프트 엔지니어링 기반 RAG + Fine-tuning 모델 성능 비교 연구
  → Port MIS 민원 응대 시스템 개선을 위해 Llama-3 기반 RAG + Fine-tuning 챗봇 모델(RAG + Llama-3-PortMIS-Ko-8B) 을 개발
  → Zero-shot, Few-shot, CoT, ToT 등 다양한 프롬프트 기법을 통해 RAG 데이터셋 품질 개선
  → BLEU score 및 정답률 기반 성능 비교를 통해 base 모델 대비 향상된 결과 확인
  → 한국정보처리학회(ACK 2024) 포스터 발표 (1저자, 질의응답 포함)

• 📄 KCC 2023: Wasserstein 거리 손실 기반 EEG 도메인 적응 모델 연구
  → EEG 신호의 비정상성 및 도메인 간 분포 차이로 인한 분류 성능 저하 문제를 해결하기 위한 딥러닝 도메인 적응 모델 설계
  → Wasserstein Distance Loss를 활용한 네트워크로 감정 분류 성능 향상
  → 한국컴퓨터종합학술대회(KCC 2023) Oral 세션 참여 (채택률 < 28%)

• 📌 감성 AI 연구실: EEG 뇌파 신호의 도메인 적응 기반 감정 분류 모델 연구 (2022~2023)
• 📌 GDSC(2023): 생성형 모델 연구 스터디 참여
• 📌 UMC(3~4기): 독서 기록 앱 개발(Node.js 기반 백엔드 구현)
• 📌 Google ML Bootcamp(2024): 딥러닝 집중 과정 수료 + Kaggle/Hugging Face 기반 실전 프로젝트 진행
  → Used Car Prices 대회 상위 4.9% 달성, 한국 여행지 추천 모델 파인튜닝
• 📌 BOAZ(24기): 데이터엔지니어링 과정 참여

• ✉️ [email protected]
• 🔗 LinkedIn | Tistory 블로그 | GitHub

"실력은 성실함 위에 자라고 배움은 공유할 때 가장 깊어진다고 믿습니다."