미리보기

On-premise 서버 GCP 이관

• GCP 상으로의 서비스 이관으로 인한 인프라 안정성 확보
• GCP 서비스를 이용한 모델 개발 및 실험 속도 향상
• GW/MS 리팩토링을 통한 성능 개선
  • FastAPI, Coroutine 등 비동기 기술 적용을 통한 서버 성능 개선

ML Gateway 서버 공통화 및 안정화 작업

• 서버 공통화를 통한 개발시간 절감
  • 기존 대비 개발 코드 수 50% 이상 감소
  • GCP 이관 속도 향상
  • template method pattern을 적용하면서 대부분의 use case에 대응할 수 있는 hooking method 제공해 각 서버의 유연한 설계 보장
• 공통 모니터링 및 설정 적용을 통한 통합 모니터링
  • 실시간 feature 조회 상태 모니터링을 통해 model server에 전달되는 feature에 대한 투명성 확보
  • 공통 에러 로직을 통해 에러 파악 시간 단축
• 공통 로직 변경 사항에 대한 개발 시간 단축
• 서버 별 알고리즘 공통화를 통한 코드 관리용이성 확보

카카오 버스 예측 파이프라인 구축

• 버스 예측 시간 서빙을 위한 데이터 파이프라인 및 피쳐 파이프라인 구성
• 안정적인 카카오버스 실시간 예측 파이프라인 구성
• 당일 경로 변경 건에 대해 즉시 반영할 수 있도록 파이프라인 구성

GCP dataflow → bqsub/airflow migration

• 기존 kafka → dataflow → redis/bigquery로 적재하던 파이프라인을 kafka → bqsub → bigquery → redis로 변경하는 작업
• bqsub 및 airflow를 통해 bigquery에 실시간 데이터 적재/처리 하도록 파이프라인 변경
• dataflow 분리에 의한 GCP 비용 절감
• 실시간 피처 및 배치 피처 파이프라인 통합 관리를 통한 관리용이성 확보

On-premise 환경에서 구축된 서버를 GCP로 이관하는 작업

목적

• cloud 환경을 통한 인프라 안정성 확보
• google cloud 내의 bigQuery, autoML, vertexAI 등의 AI 서비스 사용성 확보

역할

• 퀵/탁송 전반, 택시/대리 일부 서버 이관 작업 담당
• GCP 기반 피처 파이프라인 구성
• 이관 시 서버 성능 테스트 수행

주요성과

• GCP 상으로의 서비스 이관으로 인한 인프라 안정성 확보
• GCP 서비스를 이용한 모델 개발 및 실험 속도 향상
• GW/MS 리팩토링을 통한 성능 개선
  • FastAPI, Coroutine 등 비동기 기술 적용을 통한 서버 성능 개선

기여도 : 30%

• 음악에 자동으로 태그를 부여하는 music auto tagging AI model 및 model API 설계
• 태그를 기반으로 음악을 추천해주는 추천 시스템 model 및 model API 설계
• AWS architecture 설계/구현
• mongoDB, mongoExpress DB 설계/구현
• jenkins, docker, AWS ECR을 이용한 기본적인 CI/CD pipeline 설계

• AI 기초 이론부터 심화 내용까지 다양하게 학습
• 대회형 학습을 통해 컴퓨터 비전 분야의 최신 모델 지식 및 주요 라이브러리 학습
• 모델 최적화, MLOps 등의 내용을 간략하게 학습 및 실습

• 3D human skeleton을 이용한 human action counting model 설계
• 3D human skeleton 데이터셋 수집 및 정제

• 네트워크 관리 및 네트워크 보안 실습