이력서

공공조달 확률예측·시뮬레이션·MLOps 시스템 개발 및 운영 · 단독 수행

• 확률예측·MLOps | TabICLv2와 AutoGluon으로 신규 공고의 참여업체 수와 낙찰가격을 예측하고, 경쟁사 투찰분포를 Monte Carlo 시뮬레이션으로 재현했습니다. TabPFN·TabM·RealMLP 등을 시간순 분할에서 비교해 지역별 모델을 선정했습니다. 공고 수집·학습·보정·GPU 배치추론·배포를 AWS의 Airflow·S3·EC2로 자동화했으며, 기존 단일 분위모델 대비 낙찰 KPI를 30% 개선하고 처리시간을 136초에서 25초로 줄였습니다.

공공조달 확률예측·NLP·RAG 시스템 개발 · 단독 수행

• PQ 입찰 예측 | 기술점수에 따라 달라지는 투찰행태를 8개 경쟁환경의 다봉분포로 모델링했습니다. R2CCP의 예측 구간이 합쳐지는 문제를 엔트로피 정규화와 구간별 conformal threshold로 개선해 시간순 검증 coverage 90.73%를 기록했습니다. 데이터 구축·모델 학습·50만 회 Monte Carlo 배치·웹 운영 시스템을 2개월 안에 완성해 그룹사 PQ 낙찰 KPI를 35% 높였습니다.
• 공고 분류 NLP | RoBERTa-large를 LoRA로 파인튜닝해 공고명만으로 입찰가능성과 담당 분야를 분류했습니다. 도메인별 약지도 학습과 Teacher–Student 지식전이로 부족한 레이블을 보완하고, INT8 ONNX·FastAPI로 CPU 서버에 배포했습니다. 입찰가능성 분류 Macro-F1 0.9639와 공고당 50ms 추론을 달성했습니다.
• 문서 검색·RAG | 공고문 OCR 결과와 표준품셈·단가 데이터를 FAISS Vector DB로 구축했습니다. LangGraph에서 관련 문서 검색과 원가계산을 연결해 수량산출서와 공문 초안을 생성하는 업무 흐름을 구현했습니다.

건설 현장 문서·CAD·측량 업무 자동화

• 문서 형식별 OCR, AutoCAD add-in과 ERP 연계를 개발해 4시간 이상 걸리던 문서 작업을 약 30분대로 줄였습니다.

OpenCV 기반 상품 이미지 처리 및 데이터 자동화

• OpenCV로 상품 이미지의 바코드와 속성을 추출하고 반복 처리를 자동화해 부서 전체 상품 데이터 처리시간을 약 40% 줄였습니다.

• Signed-Hadamard rotation과 Output-Fisher 기반 복원을 결합한 저비트 양자화 방법을 개발했습니다. Llama-3 8B INT3 WikiText-2 6.99(VPTQ 7.05), Qwen3.5-2B INT3 WikiText-2 11.09·C4 15.62(UniSVQ 12.62·16.30), Llama-3 8B INT2 2.265bit WikiText-2 9.42로 INT2·INT3 PTQ SOTA를 달성했습니다.
• 압축 가중치를 직접 실행하는 llama.cpp C++/CUDA 커널을 구현해 GPTQ W3 대비 디코딩 처리량을 7.36배(14.0 → 103.4 tok/s) 높였습니다.

ICLR submitted

• WeCLIP+ 성능 개선 연구용역에서 CLIP·DINOv2 표현을 결합하고, 두 모델이 다르게 판단한 픽셀을 복원한 뒤 pseudo-label로 다시 학습하는 방법을 개발했습니다.
• 백본을 고정하고 fusion head·decoder를 학습해 3개월 안에 WSSS SOTA를 달성했습니다. COCO-Val mIoU 53.31%로 WeCLIP+ 대비 1.5%p 개선했습니다.

• 웹·코드·학술 PDF의 검색과 본문 추출을 통합한 MCP를 개발했습니다. Exact·BM25·다국어 벡터검색과 코드·지식 그래프 검색을 RRF·reranker로 결합해 수집한 자료를 다시 검색하고 활용할 수 있게 구성했습니다.
• 원문·청크·근거·주장의 관계, 온톨로지와 데이터 lineage를 관리하고 Neo4j export를 구현했습니다. 7개 MCP 도구로 검색·지식관리를 제공하며 MCP TOPLIST 상위 1%에 진입했습니다.

그 밖의 프로젝트

• Monogram | 공유한 링크·문서를 Git 기반 지식베이스로 정리하고 하이브리드 검색과 MCP 도구 13개를 제공
• LangGraph Travel Agent | 상담자 검토·HubSpot CRM·Twilio 후속 연락까지 연결해 미국 여행사에 납품한 LangGraph Agent
• E-AT | 피부병변 분류의 예측 신뢰도 개선, 최소 ECE 1.03%(CR-SAM, AAAI 2024 1.7%), 최고 Macro-F1 0.8647