의료 영상, 3D 비전, 시계열, 생성 데이터 분야에서 3년 이상 AI 시스템을 구축 — 한국, 싱가포르, 스위스, 대만의 팀들과 협업.
해결되지 않은 실제 문제를 측정 가능한 작동 시스템으로 만드는 일을 합니다 — 대부분 리소스가 제한된 환경에서, 종종 프로젝트의 유일한 엔지니어로서.
유방촬영 분석 AI 프로그램의 기획 및 운영을 지원 — AIHub를 통한 데이터 파이프라인, 어노테이션 도구, 그리고 별도의 골절 분류 모델 학습/검증 데이터 QC.
→ FDA 승인 절차 및 한국–대만 기술 커뮤니케이션을 조율.
객체 탐지, 비디오 인페인팅, 3D 복원, 깊이 인식 삽입을 결합한 워크플로우를 구축 — 영상 속 실제 객체(예: 노트북)를 3D 모델로 교체.
→ 커스텀 파이프라인이 해당 팀의 특정 사용 사례에서 상용 도구(Luma Labs, Metashape)를 능가.
위성 데이터로 학습한 시계열 예측 모델을 구축하고 완전히 Docker화하여, 독립적이고 재현 가능한 환경으로 배포.
→ 원격 AI 컨설턴트로서 모델부터 배포까지 엔드투엔드로 수행.
운동 패턴 데이터로 정자 염색체 이상을 예측하는 AI 모델을 구축하여, 원인불명 남성 불임 진단을 지원.
→ 정부 AI 바우처 3억원 확보에 기여. ICGHIT 2023 게재.
베리-VMI(시각-운동 통합) 검사를 위한 AI 채점 모델을 구축. VQGAN으로 합성 검사 이미지를 생성하여 해당 임상군의 심각한 데이터 부족 문제를 해결.
→ 한국재활로봇학회 2022 및 ICGHIT 2023 게재.
엘리베이터 제어 PLC 자동 생성 시스템을 위해 GAN으로 CAD 도면 데이터셋을 증폭한 뒤, 확장된 데이터셋으로 증분 학습 기반 PyTorch 분류기를 학습.
→ 데이터셋을 70만 건에서 700만 건으로 10배 확장.
QGIS와 GeoPandas로 범죄 데이터에서 공간 특성을 추출한 뒤, LightGBM 모델을 학습하여 스마트 폴리싱 서울센터 사업을 위한 고위험 지역을 예측.
→ 예측 정확도 80% 달성.
200명의 사용자가 직접 측정한 피부 데이터를 통계적으로 분석하여 채점 방식을 구축한 뒤, Firebase 푸시 메시지 서비스를 통해 개인화된 제품을 추천.
→ ICGHIT 2022 게재.
문제: 전통적인 공급망 주문 문제(이른바 "비어 게임" / 채찍 효과 문제)는 여러 품목이 하나의 예산을 공유할 때 더 어려워지며, 기존 Q-러닝은 이러한 제약을 다룰 방법이 없습니다.
접근 방법: 주문 문제를 MDP로 모델링(상태=재고/이연주문, 행동=이산 주문량, 보상=−총비용)하고 Q-러닝으로 학습했습니다. 로봇 팔 도달 작업을 위해 개발된 제약 이차 계획법(QP) 레이어인 OptLayer(Pham et al., 2018)를 재활용하여, 예산을 위반하는 주문을 가장 가까운 실현 가능한 값으로 투영하도록 했습니다.
결과: 일반 Q-러닝, 고전적인 라그랑지안 휴리스틱, 그리고 EOQ 공식과 비교 평가했습니다. Q-러닝 + OptLayer가 네 가지 방법 중 가장 낮은 총비용을 달성했습니다.
Studio2J는 한국 일러스트레이터 문구를 위한 대리구매 서비스로, 서울과 도쿄 행사의 실시간 시장 동향을 추적합니다. 직접 수집한 실제 일러스트레이터 데이터로 학습한 RAG 챗봇을 개발 중입니다 — 고객이 원하는 스타일을 설명하면 일반적인 카탈로그가 아닌 실제 큐레이션된 데이터셋에서 어울리는 일러스트레이터를 추천합니다.
AI 엔지니어링, 연구, 또는 협업 기회에 대해 언제든지 이야기 나누고 싶습니다. 아래 채널로 연락해 주세요.