스톰 슈트

공공 안전에 기여하기 위해 딥러닝을 활용한 새로운 무기 탐지 모델을 개발했습니다. 9가지 종류의 무기를 83.3%의 F1 스코어로 식별했으며, 데이터 증강 기법을 통해 확보한 52,000장의 무기 이미지 데이터셋으로 모델을 학습시켰습니다.

모델은 이미지 인식 작업에 검증된 방식인 합성곱 신경망(CNN)을 기반으로 설계했습니다. CCTV 영상, 영화 장면, 정지 이미지, 실시간 영상 등 다양한 매체에서 테스트해 실제 환경에서의 성능을 검증했습니다.

실시간 무기 탐지를 통해 공공장소의 보안을 강화하는 것이 목표였으며, 이는 지능형 감시 시스템을 통해 AI가 보안 강화에 기여할 수 있음을 보여줍니다.

미국 내 학교 총기 사고 증가 문제에 대응하기 위해 오디오 분류 모델을 개발했습니다. 다양한 소리를 인식하고 구분하는 데 중점을 두었으며, 특히 총성을 감지해 지정된 담당자에게 이메일로 알리는 기능에 집중했습니다.

주변 소음, 공사 소음, 개 짖는 소리, 사이렌, 경적, 총성 등을 포함한 대규모 오디오 데이터셋으로 모델을 학습시켰습니다. ReLU 활성화 함수와 Adam 옵티마이저를 사용한 CNN 아키텍처를 기반으로, TensorFlow, Keras, Librosa를 활용해 구축했습니다.

긴급 상황음이 감지되면 자동으로 이메일을 발송하는 실시간 알림 기능을 포함하고 있으며, 이는 더 빠른 긴급 대응을 위한 실용적인 방안을 보여줍니다.

도시 도로의 포트홀(파손 구간)을 실시간으로 탐지하고 집계하는 컴퓨터 비전 파이프라인을 구축했습니다. 지역별 도로 파손 정도를 자동으로 수치화할 시스템이 필요했던 지자체 고객을 위해 설계했습니다.

차량에 전방 카메라를 장착해 도로 영상을 지속적으로 촬영했습니다. 영상 스트림은 처음부터 직접 설계하고 학습시킨 커스텀 딥러닝 모델(다양한 조명과 노면 조건 등 까다로운 야외 환경에 최적화된 CNN)로 처리했습니다.

작업 과정에는 포트홀 이미지의 바운딩 박스 수동 라벨링을 통한 데이터 수집, 전이학습을 활용한 모델 개발, 실시간 영상을 수신해 프레임 단위로 탐지하고 최소한의 지연 시간으로 포트홀 개수를 산출하는 영상 처리 파이프라인 구축이 포함되었습니다.

테스트 데이터와 실제 현장 검증에서 오탐률이 거의 없는 98%의 탐지 정확도를 달성했습니다. 이 시스템은 도로 상태 모니터링을 효과적으로 자동화해 수작업 점검의 필요성을 크게 줄이고, 데이터 기반의 도시 인프라 유지보수 의사결정을 가능하게 했습니다.

환경 센싱, 사용자 상호작용, 건강 모니터링을 하나의 시스템으로 통합한 스마트홈 IoT 디바이스를 구축했습니다. Ubuntu Server를 구동하는 Raspberry Pi 위에서 개발했으며, 가정 내 데이터 수집·처리·기기 제어의 중앙 허브 역할을 합니다.

음성 상호작용: 분산 마이크 어레이로 실시간 오디오를 캡처합니다. NLP 파이프라인이 명령을 해석하며, OpenAI의 언어 모델과 연동해 대화형 응답과 작업 실행을 제공합니다.

홈 자동화: Wi-Fi 모듈이 조명, 자동 커튼, 스피커, 경보 시스템과 연동되어 환경 조정이나 알림을 실행합니다.

건강 모니터링(프로토타입): 호흡, 심박수, 발한, 움직임을 추적하는 생체 인식 모듈로, 만성질환자를 위한 실시간 건강 알림 지원을 목표로 합니다.

아키텍처: 실시간 데이터 수집, 이벤트 기반 처리, Raspberry Pi 기반의 엣지 컴퓨팅을 결합한 모듈형 IoT 프레임워크이며, 언어 이해를 위한 클라우드 기반 AI 추론을 함께 사용합니다.

현재 여러 가정에 배포되어 자동화된 제어와 대화형 지원을 제공하고 있으며, 건강 모니터링 기능은 아직 프로토타입 단계입니다.

2007년부터 기업, 비영리, 교육, 개인 도메인을 아우르는 100개 이상의 웹사이트를 개발하고 배포했습니다. 프론트엔드 설계부터 백엔드 아키텍처, 인프라, 대규모 배포에 이르는 전체 개발 생애주기를 다뤘습니다.

프론트엔드: HTML, CSS, React 및 최신 JS 프레임워크. 백엔드: PHP, Python(Django/Flask), Node.js, 커스텀 API. 클라우드 & 호스팅: AWS(Elastic Beanstalk, EC2, Amplify), Google Cloud Platform, Cloudflare, PythonAnywhere, Heroku는 물론, Microsoft 서버 및 자체 호스팅 환경에도 커스텀 배포를 진행했습니다.

구축 사례: 100명 이상 규모 조직을 위한 확장 가능한 기업 웹사이트, 학원 시스템 및 실시간 추적·스코어링 기능을 갖춘 주식거래 플랫폼을 포함한 CRM·엔터프라이즈 플랫폼, 다국어를 지원하는 국제 커뮤니티 플랫폼, 비영리 단체를 위한 프로보노 웹사이트.

CI/CD, 로드 밸런싱, 분산 호스팅 등 클라우드 네이티브 방식과 배포 자동화를 위한 DevOps 원칙을 적용했으며, 이를 통해 확장 가능한 아키텍처, 크로스플랫폼 배포, 안전한 데이터 기반 애플리케이션에 대한 깊은 경험을 쌓았습니다.

스트레스 해소와 명상을 위한 360도 영상 경험을 제공하는 완전 몰입형 VR 애플리케이션을 설계하고 배포했습니다. Unity로 제작해 iOS, Android, Windows용으로 패키징했습니다.

핵심 기능: 인터랙티브 레이어를 갖춘 고해상도 360도 환경, 차분한 음악·가이드 명상·커스텀 VFX를 결합한 오디오-비주얼 동기화, 사용자가 세션을 개인화할 수 있는 세션 내 상호작용.

기술 구현: Unity에서의 원활한 재생을 위해 360도 영상을 촬영·최적화했고, Apple App Store, Google Play, Windows 전반에 걸쳐 단일 코드베이스로 빌드할 수 있도록 설계했으며, 설계부터 앱스토어 배포까지 전체 과정을 관리했습니다.

10,000명 이상의 사용자가 사용하는 프로덕션 수준의 앱을 출시했으며, 2인 팀으로 Unity 개발, VR 영상 파이프라인, 앱스토어 배포 전반을 수행했습니다.

메타버스 환경 내 3D 객체를 탐지, 분류하고 상호작용을 추천하기 위해 머신러닝과 딥러닝을 탐구했습니다. 추천 엔진과 가상 환경 최적화에 활용할 수 있을 만큼 3D 구조를 이해하는 시스템을 구축하는 것이 목표였습니다.

정점, 엣지, 면으로 구성된 3D 메시 데이터를 폭넓게 다뤘으며, 차원 축소와 효율적인 전처리를 통해 테라바이트급 기하 데이터를 처리했습니다. 전통적인 ML(SVM, 랜덤 포레스트)과 딥러닝 아키텍처(복셀 데이터용 CNN, 포인트 클라우드용 PointNet 계열 모델)를 비교한 뒤, 분류 작업을 콘텐츠 기반 추천으로 확장했습니다.

GPU 활용을 최적화하고 클라우드 컴퓨팅 비용을 절감하기 위해 커스텀 학습 워크플로를 설계했으며, 배치 샘플링과 희소 데이터 표현을 활용해 테라바이트 규모에서도 딥러닝이 가능하도록 했습니다.

3D 탐지 및 분류 파이프라인을 성공적으로 구축했으며, 강력한 피처 엔지니어링이 뒷받침될 경우 잘 설계된 전통적 ML이 딥러닝에 필적할 수 있음을 보여주었습니다. 대규모 3D 데이터 프로젝트에 의미 있는 비용 절감 방안입니다.

Tag9은 맞춤형 양식을 통해 데이터를 생성, 공유, 수집하는 애플리케이션으로, 사용 편의성과 다양성, 기업·기관을 위한 강력한 보안을 결합했습니다.

주요 기능: 사용자 친화적인 인터페이스의 유연한 양식 생성, QR 코드나 토큰을 통한 효율적인 데이터 공유, 데이터 수집을 위한 고급 보안, 기존 소프트웨어 시스템과의 통합.

Django를 기반으로 PostgreSQL을 백엔드로 사용해 구축했으며, 직관적인 프론트엔드를 위해 JavaScript로 보강했습니다. 개인정보 보호 및 컴플라이언스 기준을 충족하는 데이터 보안 조치를 갖췄습니다.

PEIMS는 수업 관리부터 고객 재무 추적, 수업 내 관리, 교직원·학생 행정까지 아우르는 학원 관리 시스템으로, 가능한 한 다양한 유형의 학원에 적합하도록 설계했습니다.

학원 운영에 실제로 필요한 핵심 기능인 수업 관리, 고객 재무 관리, 수업 내 관리, 교직원·학생 관리에 집중했습니다.

Django로 구축해 효율적인 관리 도구를 필요로 하는 교육 기관에 적합한 확장 가능한 솔루션을 제공합니다.

전통적인 시험 방식을 혁신하는 지능형 시험 시스템을 한국 정부를 위해 구축했습니다. 응시자의 시험 중 성취도에 따라 문제를 동적으로 조정하는 알고리즘을 사용합니다.

이 시스템은 응시자의 응답을 실시간으로 분석해 응시자의 실력과 학습 진척도에 맞춰 문제의 난이도와 유형을 조정합니다.

이러한 적응형 방식은 더 정확한 평가와 더 개인화된 시험 경험을 제공하며, 교육 평가 기술에서 의미 있는 진전을 보여줍니다.

Android와 iOS 모두를 위한 크로스플랫폼 모바일 앱으로, 회원들이 전용 앱을 통해 오디오 파일에 접근할 수 있어야 했던 기업을 위해 설계했습니다.

커스텀 오디오 플레이어, 안전한 콘텐츠 전송, 인증된 회원만 오디오 콘텐츠에 접근할 수 있도록 하는 사용자 인증 기능을 제공합니다.

회원 전용의 안전한 오디오 배포라는 고객의 요구사항에 맞춘 전문적인 크로스플랫폼 솔루션을 제공했습니다.

팀 리드로서, 자동차 CRM 플랫폼을 위한 검색 증강 시맨틱 검색 시스템을 지도교수, 개발자 3명, 정부 관계자들과 함께 설계하고 배포했습니다.

문제: 데이터셋은 브랜드, 모델, 부품, 지역별 변형에 걸친 수백만 건의 레코드로 이루어져 있었습니다. 검색어는 매우 모호했고("소나타 2.0 vs 소나타 하이브리드", "4륜구동 SUV") 한국어/영어가 혼재하는 경우가 많아, 키워드 검색은 관련 없는 결과를 반환했으며 기준 정확도는 약 26%에 불과했습니다.

접근 방식: spaCy와 커스텀 개체 추출기로 NLP 전처리 파이프라인을 구축했습니다. 오픈소스 임베딩(Sentence-BERT, 다국어 MiniLM)을 OpenAI의 대형 임베딩 모델과 벤치마킹한 결과, 언어별 모델이 필요 없이도 다국어 처리에서 더 뛰어난 성능을 보였습니다.

벡터 검색: 고차원 최근접 이웃 검색을 위해 Weaviate를 도입했고, 중복에 가까운 결과를 줄이기 위한 재순위화 휴리스틱을 추가했습니다. 계층적 관계를 위해 Neo4j도 검토했지만, 복잡성이 이점을 상회해 제외했습니다.

결과: 실제 CRM 검색어로 구성된 라벨링된 벤치마크에서 검증된 검색 정확도를 26%에서 98%로 끌어올렸으며, 별도의 번역 파이프라인 없이 다국어 시맨틱 검색을 구현해 한국 내 정부 지원 이니셔티브를 지원했습니다.

핵심 교훈: 확장 가능한 검색이 목표일 때, 임베딩은 언어별로 파인튜닝된 모델보다 언어 간 일반화 성능이 더 뛰어납니다. Weaviate와 같은 벡터 데이터베이스는 산업 규모의 시맨틱 CRM 시스템에 실제로 활용 가능한 수준입니다.

학교, 단체, 창작자 커뮤니티를 위한 대규모 영상 관리 및 리뷰 애플리케이션 개발을 이끌었습니다. 사용자는 영상을 업로드하고 리뷰를 남길 수 있었으며, 감독과 크리에이터는 관객과 직접 소통할 수 있었습니다.

추천 엔진: 시청 이력, 참여 패턴, 커뮤니티 트렌드를 기반으로 새로운 영상을 발견할 수 있는 협업 필터링 기반을 설계했습니다.

감성 분석: 댓글과 리뷰의 감성을 점수화해 고품질 콘텐츠를 더 잘 노출시키는 NLP 모델을 프로토타이핑했습니다.

참여 분석: 시청 시간, 좋아요, 리뷰 활동을 추적하는 대시보드를 구축해 크리에이터와 대회 주최자에게 인사이트를 제공했습니다.

콘텐츠 모더레이션: 대규모로 부적절한 콘텐츠나 악성 댓글을 탐지하는 ML 기반 모더레이션 모델을 실험했습니다.

아키텍처: 대회 및 라이브 이벤트 중 트래픽 급증을 감당할 수 있도록 AWS EC2에서 호스팅했으며, 대규모 사용자 생성 영상과 실시간 상호작용에 맞춰 스토리지를 최적화했습니다.

플랫폼을 성공적으로 출시하고 확장했으며, 이는 확고한 팬층을 형성했고 현재는 새로운 운영진 아래 계속 운영되고 있습니다. 사용하기 쉬운 인터페이스와 ML 기반의 참여·발견 기능을 결합한 결과입니다.

2018년부터 동적 입력과 실시간 업데이트를 갖춘 복잡한 데이터 기반 플랫폼부터 모바일에서도 매끄럽게 작동하는 프로그레시브 웹 앱(PWA)까지, 대부분 Tailwind CSS로 스타일링한 7개의 React 애플리케이션을 개발했습니다.

프레임워크 발전: 2022년부터는 성능과 개발자 경험을 위해 모든 신규 프로젝트에 Next.js를 사용하고 있습니다. PWA 빌드는 브라우저에서 바로 설치 가능한 앱과 같은 경험을 제공합니다.

프로젝트 유형: 동적 양식과 인터랙티브 대시보드를 갖춘 데이터 기반 플랫폼, 모바일·데스크톱에서 설치 가능한 PWA, 실시간 업데이트와 알림을 갖춘 실시간 애플리케이션.

기술 역량: React, Next.js, JS ES6+, 타입 안정성을 위한 TypeScript. Tailwind CSS와 CSS-in-JS를 활용한 스타일링. Redux, Context API, 훅을 활용한 상태 관리. 성능을 위한 코드 스플리팅과 지연 로딩.

실무 개발 경험과 React의 컴포넌트 모델·상태 관리 패턴에 대한 체계적인 학습을 병행해, 탄탄한 이론적 기반과 프로덕션 수준의 애플리케이션을 배포할 수 있는 실무 역량을 모두 갖췄습니다.

Switch Air에서 47명 규모 직원을 위한 전체 IT 인프라를 설계, 구축, 관리했습니다. Microsoft Server 기반 환경으로, 시스템 관리, 네트워크 보안, 사용자 지원을 직접 담당했습니다.

서버 & 디렉토리 서비스: 중앙 집중식 인증, 그룹 정책 관리, 역할 기반 접근 제어를 위한 Active Directory.

이메일 & 협업: Microsoft Exchange(온프레미스 및 클라우드)를 통한 전사 이메일 서비스와 안전한 통신, 스팸 필터링.

네트워킹 & 보안: 도메인 관리, 방화벽 구성, VPN 접근, 엔드포인트 보안.

자동화: PC 업데이트, 패치 관리, 백업 자동화로 취약점과 다운타임을 줄였습니다.

비즈니스 연속성을 개선하고 다운타임을 줄인 안정적이고 안전한 IT 생태계를 구축했으며, 회사 성장에 발맞춰 확장 가능한 운영 체계를 확립했습니다.

엔터프라이즈 데이터센터와 서버룸을 처음부터 설계, 구축, 관리하며 당시 업계 표준에 맞춰 환경·안전 시스템을 구현했습니다. 정밀 온습도 제어, 화재 감지 및 소화 시스템, 대형 발전기와 배터리 스택으로 구성된 대규모 백업 전원을 갖췄으며, 이후 더 친환경적이고 안정적인 운영을 위한 태양광 발전으로 확장했습니다.

인프라 관리는 업계의 발전과 함께 진화했습니다. 베어메탈 서버와 Microsoft Server 환경 운영에서부터, Kubernetes 기반의 현대적인 컨테이너화·오케스트레이션 인프라 운영까지 다뤄왔습니다.

현재는 여러 기업에 연결된 서버룸을 관리하고 있으며, 온도, 전력, 화재 안전 등 시설의 모든 측면을 실시간으로 모니터링하고 제어하는 최신 IoT 센서와 제어 시스템을 갖추고 있습니다. 거의 20년에 걸친 데이터센터 안정성 엔지니어링 실무를 이어가고 있습니다.

스마트 환경에서 실시간 위협 탐지를 위해 머신러닝을 활용한 IoT 보안 시스템을 제시합니다. Raspberry Pi 디바이스를 엣지 컴퓨팅 노드로, Google Vertex AI를 위협 분석에, AWS를 확장 가능한 데이터 처리·저장에 사용했습니다.

실시간 시나리오에서 무기 소지자를 식별하는 등 잠재적 보안 위협 탐지에서 유의미한 개선을 보여주며, 엣지 AI와 스마트 보안 시스템 분야에 기여합니다.

코로나19 팬데믹이 교육의 디지털화를 가속화하고 K-팝 중심의 한국 유학·이주 패턴을 어떻게 재편했는지 살펴보며, 온라인 학습과 비대면 참여 방식이 외국인 유학생과 K-팝 팬들의 한국 유학·거주 경로를 어떻게 변화시켰는지 분석합니다.

암 진단 및 치료 계획을 위한 의료 영상 분할에 딥러닝 접근법을 제시하며, 정확한 유방암 탐지와 분할을 위한 합성곱 신경망 아키텍처에 초점을 맞췄습니다.

제안된 방법은 진단 정확도와 처리 속도에서 측정 가능한 개선을 보여주며, 임상 환경에서 더 이른 진단과 더 효과적인 치료 계획을 지원합니다.

대규모 언어 모델을 활용한 교육 커리큘럼 최적화를 다룬 챕터를 기고했으며, 이 책은 커리큘럼 개발, 맞춤형 학습, 평가, 특수 교육 등 교육 분야에서의 생성형 AI 활용을 폭넓게 다룹니다.

LLM이 어떻게 맞춤형 적응 학습 경험을 만들어낼 수 있는지 보여주며, 학생 참여도와 학습 성과를 높이기 위해 교육 시스템에 LLM을 통합하는 프레임워크를 제시합니다.

메타버스 내 몰입형 3D 환경을 위한 빅데이터 분석과 딥러닝의 교차점을 탐구하며, 가상 세계 구축·관리를 위한 대규모 데이터 처리 접근법을 제시합니다.

ML 기법이 가상 환경에서 3D 객체 렌더링, 사용자 상호작용, 데이터 흐름을 어떻게 최적화할 수 있는지 보여주며, 더 사실적이고 반응성 높은 메타버스 경험에 기여합니다.