- 머신러닝 기반 도로 노면 분류를 위한 데이터 수집 시험 설계 - 다수 차량에서 수집되는 센서 데이터를 클라우드 서버에 저장하고 활용하기 위한 데이터 플랫폼 설계 및 구현 (MQTT, Apache Kafka, AWS S3, Lambda) - 도로 노면 분류(마찰 계수, 도로 손상)를 위한 가속도계 데이터를 입력으로 하는 CNN 모델 개발 (마찰 계수, 도로 손상 분류 모델 각각 AUC 0.74, 0.87 달성) (마찰 계수 분류 모델의 경우, 데이터와 시험 일지를 기반으로 설계에서 요구된 시험에 일부 부합하지 않은 환경에서 수집되었음을 도출 및 보완 시험 환경 제시) - 개발자 및 데이터 분석가가 Python 환경에서 데이터와 플랫폼에 대한 공동의 이해 향상 및 협업을 위한 파이썬 데이터 전처리 패키지 기획, 설계, 구현 - 차량 수집 데이터를 활용한 실시간 알고리즘을 차량의 Edge Computer 에서 적용하기 위한 Python GUI Software 기획, 설계, 구현 [4륜 차량 환경에서 매 0.5초마다 파일의 데이터를 읽어 알고리즘(신호처리, 머신러닝 모델) 처리 결과를 대시보드에 실시간으로 송신하는 형태] (전체 알고리즘 수행 시간 개선이 필요하였고 asyncio, threading 패키지를 활용한 비동기식 처리를 통해 GPU가 장착되지 않은 듀얼 코어 노트북 환경에서
머신러닝 모델 Inference를 포함한 알고리즘 적용 가능하도록 개선) - GitLab, Notion, Slack을 활용하여 개발자 및 데이터 분석가가 개발하는 프로그램 및 분석 내용에 대한 공유 및 협업할 수 있는 환경 기획 및 구축 (기존 협업 문화 부재에 의해 필요에 의한 타의적 협업 방식에서 자동화되고 투명화된 개발 내용 공유를 통해 공동의 목표에 대한 공동의 성장 및 주도적 참여 도모) Tech Stack : Python, Tensorflow, AWS, MQTT, Confluent Cloud(Apache Kafka), C#, Dotnet Framework, Grafana, Prometheus

더보기

- 고객사의 데이터 분석가들을 위한 파이썬 기반 빅데이터 분석 플랫폼 구축 및 DW와의 통합 지원 [Amazon MWAA(Apache Airflow), EC2, Glue, Athena, Snowflake, Apache Superset, JupyterHub, Docker] - 포장재 톰슨 공정에서 머신러닝 기반 이상 제품 감지 및 설비와의 연동을 통한 공정 제어를 위한 임베디드 디바이스 개발 (NVIDIA Jetson 사용, 이상 제품 탐지 정확도 98% 달성) - 고객사 신규 서비스에 적용될 컨텐츠 및 유저 데이터 기반 추천 알고리즘 PoC 구현 및 자사 Django 머신러닝 솔루션에 탑재하여 WAS 형태로 고객사 서버에 제공 및 운영 지원 - 고객 카드사의 가맹점 운영을 위한 긍/부정 지표 대시보드 제공을 위해 Python 기반의 데이터 크롤링, 스크래핑 및 텍스트 분석 (키워드 추출, 텍스트 요약) (Python, KoBART, PostgreSQL, Apache Superset) Tech Stack : Python, Scikit-learn, Pytorch, Tensorflow, Apache Superset, Apache Airflow, Docker, Faiss, PostgreSQL

더보기