LLM과 데이터로 실제 서비스에서 동작하는 AI 기능을 개발합니다.
데이터 분석으로 개발을 시작해, 지금은 영림원소프트랩에서 실제 서비스되는 생성형 AI(K-Bot)를 개발하고 있습니다. Python·FastAPI 기반의 백엔드와 Vector DB·임베딩을 활용한 RAG 검색, Azure 기반 데이터 파이프라인을 주로 다루며, 필요할 때는 Svelte·TypeScript로 프론트엔드까지 직접 구현합니다. 기능 하나를 맡으면 문제 재현부터 설계, 구현, 배포까지 끝까지 책임지는 방식을 선호합니다. 문제를 명확히 재현하고, 상태와 경계를 분리하며, 작업 과정을 기록으로 남겨 다시 활용 가능한 형태로 정리합니다. 특정 기술에 머무르기보다 데이터, 백엔드, AI를 연결해 실제 문제를 해결하는 개발자로 성장하고 있습니다. 기술을 단순한 구현 수단이 아니라, 동료와 비즈니스가 겪는 문제를 더 명확하게 해결하기 위한 도구로 다루고자 합니다.
프론트엔드, 백엔드, AI/LLM, 데이터베이스, DevOps/Infra를 카테고리별로 정리했습니다.
RAG 검색 품질을 좌우하는 전처리, 청킹, 임베딩, 출처 추적 흐름을 제품 구조 안에서 설계합니다.
API, 데이터 흐름을 재현 가능하고 추적 가능한 구조로 만듭니다.
검색, 임베딩를 고려한 저장 구조를 설계하고 마이그레이션합니다.
임베딩 API를 Azure App Service로 배포하고 Logic Apps·Blob으로 문서 인제스트 파이프라인을 구성해, RAG 서비스를 운영 환경에 안정적으로 연결합니다.
RAG 답변의 출처 검증처럼 백엔드 흐름을 사용자가 신뢰할 수 있는 UX로 연결합니다.
포트폴리오에 자주 업데이트되는 이력 정보를 타임라인 형태로 관리합니다.
영림원소프트랩 · AIWG
영림원소프트랩 AI ERP에 탑재된 생성형 AI(K-Bot)의 백엔드를 개발하며, 문서 전처리부터 Vector DB 구조 및 메타데이터 설계, RAG 답변 출처 추적까지 RAG 파이프라인 전반을 구현했습니다. 이와 함께 AI 에이전트가 자연어만으로 Google Workspace·Microsoft 365 업무를 수행하도록 하는 MCP 서버도 개발했습니다.
LS ITC · 데이터분석팀
LS전선 SCR 단선 영향인자·공정조건 데이터 레디니스 진단 프로젝트에서 데이터 처리·분석을 담당했습니다(기여도 30%). 공정 데이터를 분석해 전선 크랙 발생 원인과 패턴을 규명하고 baseline 예측 모델로 제조 시스템 개선안을 제안했습니다.
세종대학교
LS빅데이터스쿨
에메랄드빛 바다를 탐험하며 노트에 기록하는 doto는 제가 일하는 방식을 닮은 마스코트입니다. 새로운 문제를 자유롭게 탐색하고, 부딪힌 과정과 배운 것을 꼼꼼히 분류해 기록하며, 기술적 판단은 차분하게 내리고 정리한 내용은 언제든 다시 꺼내 쓸 수 있게 남깁니다.