미리보기

• 국제 저널(SCOPUS) 2회, 국제 학술대회 2회, 국내 학술대회 7회 논문 투고 및 발표.

• 추천 시스템, 그래프 마이닝, 자연어 처리, 컴퓨터 비전 등 다양한 AI 연구 및 프로젝트 수행.

• GNN 연구 우수논문상 및 저널 추천, 국립산림과학원 산학협력 프로젝트 연구 확장 기여 및 저널 게재.

• Hadoop 기반 빅데이터 처리 프로젝트에서 처리 시간 75% 단축, SW 저작권 등록 및 특허 출원.

• (주)올룰로 산학협력 프로젝트에서 YOLO 기반 전기 자전거 인식 모델 개발, 앱 사용자 문의율 6% 감소.

Python, YOLO, OpenCV, Image Processing

요약: 반납 사진을 활용한 전기 자전거 인식 AI 모델 개발, 사용자 문의율 6% 감소 및 서비스 품질 개선.

• GPS 오차로 인해 전기 자전거 위치 파악이 어려운 문제 해결을 위해 반납 사진 기반 AI 모델 기획.

• 4,700장 반납 사진 라벨링 및 데이터셋 구축, 부분 라벨링 기법 도입으로 일부만 보이는 자전거도 인식 가능하도록 개선.

• 실험을 통해 최적의 3개 주요 부위 선정 및 데이터셋 최적화.

• YOLO 기반 이미지 분류 모델 개발, 기존 모델 대비 정확도 2.3% 개선.

• 야간·저조도 환경에서 인식률 저하 문제 해결: OpenCV 기반 밝기·명암 조정 전처리 기법 적용, 정확도 14.5% 추가 개선.

• GPS 정보와 반납 사진을 결합한 서비스 제공, 앱 사용자 문의율 6% 감소 및 국내 학회(KSC2022) 발표.

Python, Dynamic Topic Modeling(DTM), NLTK, SpaCy, Gensim, Networkx, Text Processing

요약: 자연기반해법(NbS) 연구 동향을 분석하기 위해 다이나믹 토픽 모델링(DTM)과 네트워크 분석 기법을 활용한 연구 트렌드 분석 수행.

• SCOPUS API를 활용해 논문 데이터 수집 및 자동 정제, 약 1,600건의 논문 크롤링 및 데이터 처리 자동화.

• NLTK와 SpaCy를 활용한 텍스트 전처리, 불용어 사전 정의로 주제 구별력 강화, 키워드 정확도 15% 개선.

• Gensim의 Dynamic Topic Modeling(DTM) 적용, 연도별 연구 트렌드 변화 분석 및 최적 토픽 수(19개) 도출.

• TF-IDF와 코사인 유사도를 활용해 19개 주요 연구 주제 간 연관성 점수 계산 및 관계 분석.

• NetworkX와 Louvain Algorithm을 활용한 연구 클러스터링, 4개 주요 연구 그룹 도출 및 주제 간 상호작용 네트워크 그래프 시각화.

• 연구 성과를 확장하여 국제 저널(Atmosphere) 게재, 국내 학회(한국기후변화학회 2022) 발표 및 우수논문상 수상.

Hadoop, Java, AWS, MapReduce, Linux, Big Data Processing

요약: 개인정보 가명 처리 수요 증가에 대응하기 위해, Hadoop 기반의 대용량 데이터 가명 처리 시스템 개발 및 최적화.

• AWS 비용 절감을 위해 자체 16노드 Hadoop 클러스터 구축, 운영 비용 25% 절감.

• 개인정보보호위원회 가이드라인을 준수하여 8가지 가명 처리 기능(Java) 구현.

• 대량 데이터 처리를 위한 가명 처리 파이프라인 설계 및 MapReduce 기반 최적화 수행.

• 병목 구간 분석 및 Combiner 도입으로 처리 속도 개선, 최종 61분 처리 시간 달성.

• 2TB 데이터 1시간 처리 성공, 목표 대비 400% 성과 초과 달성.

• 소프트웨어 저작권 등록 및 특허 출원, 국내 학회(KSC2023) 발표.

Python, Recommendation System, Cross Attention, CNN, Transformer, PyTorch, Sequence Processing

요약: 세션 데이터를 활용하여 실시간 행동을 반영하고, 노이즈와 부가 정보를 효과적으로 처리하는 개인화 추천 모델 연구 및 개발.

• 기존 추천 시스템 한계: 아이템과 부가 정보를 각각 학습 후 결합하는 구조로 인해 사용자 세부 취향 반영이 어려움.

• 교차 주의(Cross-Attention) 도입: 아이템과 부가 정보 간의 상호작용을 학습하도록 설계하여, 추천 성능(NDCG) 5% 향상.

• 노이즈 문제 해결: 합성곱 신경망(CNN)을 활용해 세션 데이터를 슬라이딩 윈도우로 처리, 노이즈로 인한 추천 왜곡 방지 및 추가 5% 성능 개선.

• 노이즈 비율 변화(5~20%) 실험에서 강건한 성능 유지, 실제 사용자 세션에서 발생하는 데이터 오류에도 안정적 추천 가능.

• 국제 학회(BigComp2024) 발표, 소프트웨어 저작권 등록 및 특허 출원.

• 컴퓨터과학과 대표 졸업우수논문상 수상.

Python, GNN, Gradient Boosting, Ensemble Learning, Sampling, PyTorch, Graph Processing

요약: 단일 GNN의 오버 스무딩 문제를 해결하고, 노드 분류 성능을 개선하기 위해 Gradient Boosting 기반 GNN 앙상블을 연구 및 개발.

• 단일 GNN 한계: GNN의 깊이가 증가할수록 노드 표현이 유사해지는 오버 스무딩(Over-Smoothing) 문제 발생.

• Gradient Boosting 기반 GNN 앙상블: 여러 개의 얕은 GNN을 순차적으로 학습하여 이전 모델의 오류를 보완, 노드 분류 정확도 14.5% 개선.

• GOSS(Gradient-based One-Side Sampling) 적용: Gradient가 큰 노드를 우선 학습해 중요 노드에 집중, 계산 비용 절감.

• 샘플링 최적화: 전체 데이터 중 A%는 Gradient가 큰 노드 우선 선택, B%는 무작위 샘플링하여 모델의 일반화 성능 확보.

• 최적화 결과: 학습 시간 32.5% 단축, 기존 성능 유지하며 효율적 모델 학습 가능.

• 국제 저널(SCOPUS) 논문 게재 및 국내 학회(ACK2022, KCC2023) 발표.

• 우수논문상(ACK2022), 논문 아이디어상(KIPS-AOH) 수상.

C언어, HTML/CSS, Python, Machine Learning 실습 조교

CNN, YOLO 등 AI 모델 사용법과 데이터셋 처리 방향을 제시해, 학생들이 실질적인 문제 해결 프로세스를 경험할 수 있도록 지도

파이썬 기본 문법 강사로, 변수, 데이터 타입, 조건문, 반복문 등 기초와 Pandas/Numpy 활용법 강의 진행

잘못 수집된 영상 필터링과 드로잉 일러스트레이션 분류기 설계와 같은 주제에 대한 실시간 Q&A 제공과 기술 가이드 제공

Python과 R 프로그래밍 언어 학습, 머신러닝 및 딥러닝 모델 학습, 매주 1회 모델 발표 및 실습 문제 해결

MT 및 각종 행사를 주관 및 통솔, 학과 행사기획 및 운영, 학과 시설 개선 및 학생들의 수업 만족도 의견 전달