• E-Mail: [email protected]
• LinkedIn: Go to LinkedIn

1. Data Engineering
2. Cloud Engineering
3. Data Analytics
4. AI(especially, GNN)
5. ZKML / BlockChain / Web3.0
6. Federated Learning

• Programming Language: Python, JavaScript, Java, C++
• Web: HTML, CSS, React, Flask, Django, Node.js, Spring Boot, React Native
• Database: MySQL, MongoDB
• Tools: Git, Git action, Docker, Slack, Notion

⭐: 담당 파트

Node.js, GCP, MongoDB, Git Action, Docker 이용

사용자가 업로드한 음성파일을 관리할 수 있는 시스템으로, 음성 파일의 제목이 아닌 내용을 검색할 수 있는 웹서비스입니다.

뿐만 아니라 키워드 추출 및 요약 서비스 또한 제공합니다.

주요 개발 내용은 다음과 같습니다.

(1) GCP에서 제공하는 Speech2Text API을 이용해 음성 파일에 대한 자막 데이터 추출 (⭐)

(2) GCP의 Vertex AI를 이용해 키워드 추출 및 요약 서비스 제공 (⭐)

(3) Docker를 이용한 MongoDB 연동 (⭐, 기여도 50%)

(3) AWS를 이용한 배포 및 Git action을 이용한 CI/CD 구축 (⭐, 기여도 50%)

Django, K-means clustering, BootStrap, Kakao API 이용

노동공공데이터를 이용한 산재 보험 승인 확률 에측 및 수령 가능 보험료 예측 웹서비스입니다.

주요 개발 내용은 다음과 같습니다.

(1) 공공데이터 포탈로 부터 데이터 수집

(2) 업종, 질병 분류, 특수형태 근로 종사자 여부, 업장 인력 규모 데이터를 바탕으로 승인확률 예측 모델(K-means 이용) 개발 (⭐)

(3) 급여 종류, 근무 지역, 발생 형태, 업종명, 병명, 업장 인력 규모 데이터를 바탕으로 수령 가능 보험료 에측 모델(K-means 이용) 개발. 이때, 병명은 사용자가 직접 입력하도록 하고, KoBert를 이용해 처리 (⭐)

(4) 이 외에 산재지정 의료기관 조회 서비스, 재활 기관 조회 서비스, 경험 공유 및 질의 게시판, 서비스 이용 리뷰 게시판 등을 추가로 구현

Flask, KEY BERT, Transformer, Dynamic Web Crawling

사용자가 자신이 개발할 인디 게임에 대한 설명을 자연어로 설명하면 예상 별점과 반응, 적절한 가격 등을 레포트 형식으로 제공하는 웹페이지입니다.

주요 개발 내용은 다음과 같습니다.

(1) 인디게임 플랫폼인 Steam으로 부터 게임 상세 설명, 해시태크, 별점, 가격 등의 데이터를 동적 웹크롤링하여 수집

(2) KEY BERT 모델과 Transformer를 파인튜닝하여 게임 설명으로 부터 주요 정보를 추출 (⭐)

(3) 추출한 주요 정보들과 해시태크 데이터를 벡터 데이터로 변환한 후 이를 학습하여 별점, 가격를 에측할 수 있는 모델을 학습시킴 (⭐)

(4) 입력받은 사용자의 입력을 벡터화 시킨 후 (3)에서 만든 벡터 데이터와 클러스터링을 진행하여 유사 데이터를 검색하고 이를 바탕으로 별점, 가격 데이터를 예측하도록 함