미리보기

기술 스택: Spring Boot, MySQL, Google AI Studio API, Google Maps API, REST API

역할 및 기여:

• 챗봇 API 개발: 증상 기반 질병 분류 및 병원 추천 기능 구현

• 사용자 관리 시스템 구축: 로그인 및 대화 기록 관리 기능 개발

• 데이터 연동: AI 모델과 백엔드를 연결하여 상담 데이터를 처리하는 REST API 설계

• 위치 기반 병원 추천 기능: Google Maps API를 활용하여 사용자 위치 기반 병원 검색 기능 구현

성과:

• 챗봇을 통한 사용자 맞춤형 질병 진단 및 추천 시스템 구축

• 대화 기록 관리 기능 개발로 사용자 경험 향상

• Spring Boot 기반 REST API 설계 및 데이터 저장/조회 성능 최적화

기술 스택: Naver Cloud Platform, MySQL, Linux, Apache, Tomcat, 네트워크 보안(NACL, ACG)

역할 및 기여:

• 공공기관 웹서비스 클라우드 전환 및 구축

• 서버 및 네트워크 아키텍처 설계 (Public/Private Subnet 구성)

• 보안 강화: ACG 및 NACL을 활용한 접근 제어 및 보안 정책 적용

• 데이터 이관 수행: 기존 데이터(약 400GB)를 클라우드 환경으로 이전 및 정합성 검증

성과:

• 기존 물리 서버 환경에서 클라우드 환경으로 성공적인 전환

• 서비스 속도 최적화 및 비용 절감 효과 달성

• 보안성 강화를 통한 안정적인 서비스 운영

기술 스택: Python, Pandas, NumPy, TensorFlow/Keras (ResNet-18), PostgreSQL, FastAPI, 협업 필터링 (User-based & Item-based), Cosine Similarity

역할 및 기여:

• 데이터 분석 및 전처리: 이미지 파일명을 기반으로 성별 및 스타일 데이터를 추출하여 통계 작성

• 딥러닝 모델 개발: ResNet-18 기반 성별 & 스타일 분류 모델을 개발 및 학습

• 추천 시스템 설계:

  • User-based filtering: 응답자 간 선호도를 비교하여 개인 맞춤형 추천 알고리즘 구현

  • Item-based filtering: 유사 스타일을 기반으로 개인별 선호 스타일 예측

• API 구축 및 데이터 저장:

  • FastAPI 기반 REST API 설계 및 추천 모델 서비스화

  • PostgreSQL 데이터베이스 설계 및 유효 응답자 데이터 저장

• 모델 성능 평가 및 개선:

  • 코사인 유사도 및 피어슨 상관계수를 활용하여 정확도 개선

  • 학습 과정에서 발생한 성별 편향 문제를 식별 및 보완

성과:

• ResNet-18 모델을 활용한 성별 & 스타일 분류 정확도 85% 달성

• 협업 필터링 적용 후 추천 성능 30% 개선

• 응답자 데이터 기반 맞춤형 스타일 추천 시스템 개발 완료

• 데이터 분석 및 추천 알고리즘 구현을 통한 실무 수준 프로젝트 수행 경험 확보