"AI 학습용 데이터셋 수집 프로젝트 매니저로 근무하며 프로젝트의 End-to-end를 경험하였습니다" 🔍 프로젝트 / 프로덕트 기획, 데이터 분석, Python, SQL, Tableau, Microsoft Excel, Notion 👥 PM 팀원, Product 팀, 개발 팀, 데이터 팀 등 다양한 이해 관계자들과 협업 (1) Open Ko-LLM LeaderBoard Project 기획 및 프로덕트 개선 ❔ 벤치마크 데이터셋 구축 프로젝트의 고품질 테스트 데이터셋 수집 플랫폼 기획 및 관리 - 초기 10%의 데이터셋 데이터 품질 자가 검증 미통과 및 크라우드 워커의 가이드라인 미준수로 인한 퀄리티 이슈 해결을 위해 프로덕트를 개선, 프로젝트 분배 시스템 개편, 인센티브 제도 도입을 통해 코어 유저 기준 평균 리텐션을 20% 올릴 수 있었습니다. - 크라우드 워커의 지속적인 abusing을 파악하고 유저 메타데이터 분석을 하였습니다. Abusing의 패턴 및 방식을 확인하여 프로덕트 상 경고 메세지 기능 추가, 시스템 block 패널티 적용 등과 같은 개선을 진행하였습니다. (2) Data Annotation Project 기획 및 관리 ❔ 다국어 뉴스 기사에서의 고유명사 라벨링 데이터 수집 프로젝트 관리 - 서버팀과 협업하여 프로그램 서버를 구축하고 초기 세팅을 진행하였으며, 고객사 및 작업자 인터뷰를 통해 수집한 요구사항을 기반으로 작업자가 고유명사를 빠르게 식별할 수 있는 Recommender 기능을 추가하였습니다. - 추천 결과의 정확도를 검증하기 위해 MariaDB에서 작업 데이터를 추출한 후, 추천된 고유명사에 대한 누락 및 오류 비율을 정량적으로 분석하고, 이를 고객사에 리포트 형식으로 전달하였습니다.

더보기

"풀스택 개발자로서 SSD 제품의 사양 및 파라미터 조합에 따라 성능을 예측하는 웹 플랫폼의 MVP를 개발하였습니다" 🔍 Python, JavaScript, Flask, React.js, MySQL 👥 시니어 개발자 멘토 1명, 인턴 1명과 협업 - SSD의 스펙(NAND 종류, Controller, Interface 등)과 다양한 테스트 파라미터 조합을 기반으로 생성된 약 20만 건 이상의 성능 측정 데이터를 MySQL에 효율적으로 저장하기 위해 관계형 데이터 모델링을 설계하였습니다. - 예측 결과 비교 기능을 위한 sessionStorage를 활용한 임시 저장 방식을 설계하였습니다. 각 파라미터 조합에 대한 예측 결과를 브라우저의 sessionStorage에 일시적으로 저장하여, 이전 결과와 현재 결과를 화면에서 시각적으로 비교할 수 있도록 구현하였습니다. - 대용량 SSD 성능 데이터의 조회 최적화를 위해, 병목 구간을 분석하고 복합 인덱스를 적용을 통해 평균 조회 속도를 약 20% 이상 개선하였습니다. 특히 여러 파라미터가 조합된 복잡한 WHERE 조건 쿼리의 경우, 최대 30~40% 수준의 응답 속도 향상을 확인할 수 있었으며, 이는 실시간 사용자 응답성 개선에 큰 영향을 미쳤습니다.

더보기