미리보기

반려동물 진료비 예측 서비스 개발[link]

프로젝트 소개: 펫핀스는 반려동물 보험 웹플랫폼입니다. 등록된 반려동물 건강정보를 기반으로 1년 평균 진료비를 예측하는 서비스를 1인 기획하고 개발하였습니다. 

• 진료비 예측 시스템의 기획단계부터 데이터 수집, 모델 개발, 서빙까지 전체 프로세스를 담당하였습니다.

• 머신러닝 모델 재학습 파이프라인을 구성하여 다양한 예측 모델 후보군 실험의 속도를 높이고, 최종 모델 정확도 90%를 달성하였습니다.

• Mlflow로 모델 재학습 결과를 모니터링하고 무중단 배포를 구현하여 예측모델의 다운타임을 최소화하였습니다.

문서 인식 OCR 제품 개발

프로젝트 소개: 일 6만건 정도의 문서 정보 입력을 자동화하는 B2B OCR 제품 개발에 참여. 텍스트 탐지 모델 개발을 메인으로 담당하고, 데이터 수집, 라벨링, 모델 서빙, 그리고 폐쇄망 환경에서의 서비스 배포 등을 처리했습니다.

• STD 모델 리서치 및 실험을 통한 개선으로 문자 탐지율 성능 93% 달성하였습니다.(리서치 내용 정리link)

• OCR 딥러닝 모델의 후처리 로직을 GPU를 활용하도록 개선하여 추론 시간 30% 이상 단축하였습니다.

• 텍스트 인식모델에 semi-supervised learning 기법을 적용하여 손글씨 인식률 4% 개선하였습니다.

• 모델 추론 시 발생하는 오버헤드를 파악한 후 개선하여 후처리 속도를 35% 개선하였습니다.

• 손글씨 라벨링 수집용 템플릿으로 데이터 수집을 자동화하여 손글씨 라벨링 비용 절감하였습니다.

컴퓨터 비전 관련 프로젝트 수행

• PDF 정보 추출 모듈 개발하여 형식이 다른 10개의 공업사 인증 정보를 98% 정확도로 추출하였습니다.

• 합성 문서 생성 모듈 개발하여 OCR 학습용 데이터 추가 수집 비용을 절약하였습니다.

• 경량화된 Yolo 모델을 사용하여 차량 번호판 인식 프로젝트에서 인식률 95%를 달성하였습니다.

프로젝트 소개: AOS 알파 사고 차량의 이미지를 기반으로 사고 수리비를 예측하는 B2C 서비스입니다. 저는 딥러닝 사이언티스트 인턴으로 데이터 라벨링, 딥러닝 모델 개발, 모델 서빙을 담당하였습니다. 이 프로젝트는 NVIDIA GPU Technology Conference GTC 2020 비즈니스 영역 딥러닝 활용 성공사례로 소개된 바 있습니다.

• 업로드된 이미지 인풋이 수리비 예측이 가능한 대상인지 판별하는 이미지 필터(이미지 분류 모델) 모델 개발하였습니다.

• CNN모델 아키텍쳐별 정확도 및 추론 속도를 고려하여 최종 모델 선정. 91% 분류 정확도 달성하였습니다.

• 이미지 분류 라벨링 툴을 개발하여 라벨링 소요시간 단축하였습니다.

기술 스택: [Python, Django, DRF, AWS]

• 회원들이 러닝 약속을 잡고 러닝을 할 수 있는 서비스입니다

• 알림 기능에 집중하였습니다

[github link]

매주 진행되는 마라톤과 마라톤 접수 정보를 알림으로 전송하는 서비스입니다.

기술 스택: [Python, SQLAlchemy, PostgreSQL, AWS Lambda, EventBridge]

• AWS ECR, Lambda와 EventBridge을 사용한 서버리스 아키텍쳐로 빠르게 배포하고, 추후 손쉬운 확장이 가능하도록 Hexagonal Architecture로 코드를 구성하였습니다.

• 구글 폼 양식으로 사용자 연락처 정보를 수집하여 Google Sheet에 저장하고 이를 DB에 저장하여 마라톤 정보를 담은 메세지를 전송하도록 구성하였습니다.

[github link]

단발성 대용량 트래픽이 몰렸을 때의 시나리오를 가정하여 콘서트 티켓을 예매하는 API를 개발하였습니다.

기술 스택: [Java, SpringBoot, Spring Data JPA, MySQL, Redisson, Jedis]

• 테스트 기반의 코드를 작성하여 지속가능한 코드를 작성하였습니다.

• 함께 일하는 동료가 코드를 이해하기 쉽도록 코드를 작성하고, 시퀀스 다이어그램, ERD, API 명세 등 문서 작성에 집중했습니다.

• 서버에 부하를 줄이고 트래픽을 순차적으로 처리할 수 있도록 Redis의 Sorted Set과 JWT Token으로 대기열을 구현하였습니다.[link]

• 동시성 처리를 위해 Redisson 분산락을 적용하여 데이터 정합성을 보장하였습니다.[link]

[github link]

‘AI 서비스를 통해 삶과 일의 균형을 바로잡자’라는 주제의 AI 해커톤에 참여하여 우승하였습니다. 개발한 서비스는 이력서에서 필요한 정보들을 수집 요약하는 서비스입니다. 수많은 이력서를 검토해야하는 채용담당관 입장에서 효율적으로 지원자의 역량을 검토할 수 있도록 PDF 기반의 이력서 정보들을 LLM을 통해 정형화합니다. LLM을 거쳐 벡터 DB와 RDB에 저장된 정보들을 필터링이 가능하도록 처리하여 사용자가 바라는 역량을 가진 지원자들을 쉽게 찾을 수 있도록 구성하였습니다. 저는 이 프로젝트에서 Python 백엔드 개발자로써 FastAPI와 ChromaDB, 그리고 LangChain으로 LLM API 결과를 검증 및 프론트엔드에 넘겨주는 역할을 담당했습니다.

‘글쓰는 또라이가 세상을 바꾼다'라는 모티브로 여러 분야의 개발자들이 모여 글을 쓰는 모임입니다. 개발을 하다가 겪었던 어려움, 새로 배운 내용들을 주제로 글을 썼습니다. 똑같은 실수를 반복하지 않고, 새로 배운 내용을 잊지 않기 위해서 글쓰기를 시작했었지만, 현재는 비슷한 어려움을 겪는 다른 분들의 시간을 조금이라도 줄일 수 있기를 바라며, 가독성 좋은 글을 쓰기 위해 노력중입니다.