미리보기

C#, .Net Framework를 활용한 제조 자동화 시스템 (MES) 구축

물류, 출하, 기준정보 등 프로세스 화면 개발 및 MSSQL을 활용한 데이터베이스 정보 관리

Android를 활용한 PDA 개발 및 생산 현장 POP 화면 개발

사용자 프로그램 교육 및 유지보수 업무 담당

Oracle을 활용한 학생 데이터베이스를 활용한 수업 출결 및 정보 관리

Microsoft Server를 활용한 학과 홈페이지 서버 관리 및 유지보수

학교 물품 관리 및 컴퓨터 등 자재 물품 유지보수 관리 업무

FastAPI를 활용하여 모델 실행을 프론트엔드에서 백엔드 서버로 연결하여 비동기적으로 실행할 수 있도록 설계 및 적용

프로그램 사용에 필요한 데이터를 저장하기 위해 PostgreSQL과 FastAPI 연동 작업

기본 CRUD 작성 및 데이터 관리

SMP Library Encoder Backbone 변경 및 구조 변경을 통한 성능 향상 (dice score : 0.9299 -> 0.9639)

기본 Model 선정(Unet++) 및 Mixed Precision을 활용한 GPU 한계를 극복하여 성능 향상 (모델 변경을 통한 성능 향상 [dice score : 0.9639 -> 0.9722], GPU 사용량 약 20% 이상 감소)

Notion API Key를 활용한 GPU 사용 실시간 추적 기능 추가

전체 24개의 팀 중에서 1등 달성

기본 베이스라인 코드 작성을 통한 조원 실험 진행의 편의성 제공

학습 속도 향상을 위한 pickle 데이터셋 변환 (학습 속도 에폭 당 4분 -> 에폭 당 1분으로 감소)

외부 데이터 조사 및 크롤링을 통해 train 데이터셋의 개수 증가 (기존 400개의 데이터 -> 800개의 데이터)

CVAT를 통한 불필요한 이상치 제거 후 BBox 재정의로 성능 향상 (f1 score 0.7834 -> 0.8479)

mmdetection 베이스라인 코드에 mmyolo의 yolov8 모델 이식을 통해 앙상블의 다양성 확보

클러스터링 기반의 앵커 박스추출을 통해 최적의 앵커 박스 추출 (모델 별 앵커 박스 추출을 통한 성능 향상, mAP50 : 0.4179 -> 0.4863)

yolov8에 swin-transformer backbone으로 변경하여 성능 향상 (mAP50 : 0.4557 -> 0.6178)

Data Versioning을 통한 빠른 학습 및 성능 확인 진행 (Data 분할을 통한 최적의 실험 흐름 도출)

Redis & RabbitMQ를 활용한 백엔드 작업 대기열 프로그램 개발, 실험 자동화 프로세스 구축

Hugging Face 모델과 가중치를 바로 load하여 적용할 수 있도록 모델 구조 설계

클래스별 이미지 데이터가 적어 Flip, Rotate, Cutmix와 같은 Augmentation 기법으로 성능 향상 (Accuracy : 0.7670 -> 0.8030)

Wandb logging과 sweep 기능을 활용하여 실험 기록 추적 및 하이퍼파라미터 값 최적화

공장 요청사항 및 화면 요구사항에 대한 List-up 및 TODO List 작성

C#, .Net을 활용한 물류, 생산, 수입검사등록, 기준정보, 모니터링 등 다양한 모듈 개발

MSSQL을 활용한 Stored Procedure 작성

출하 및 재고이동용 Android PDA 개발 및 유지보수

현장 작업자들 사용을 위한 POP 개발을 통한 제품 설계도 직접 확인 가능, 실적 등록의 간편화

현장 H/W 설치 및 소프트웨어 호환성 문제 해결

MES 프로그램 고도화 작업 진행

Excel 및 데이터베이스를 활용한 산업 전반의 데이터 분석 프로그램 차트 개발

Oracle, MSSQL 등 Database 프로그램을 활용하여 데이터 관리 및 분석

노원구 창업경진대회에 재고 확인 및 차트 도출 엑셀 프로그램으로 참여