- 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.

- 데이터셋 품질 자가 검증 미통과 및 크라우드 워커의 abusing으로 인한 퀄리티 이슈 해결을 위해 플랫폼 개선, 프로젝트 분배 시스템 개편, 인센티브 제도 도입을 통해 코어 유저 기준 평균 리텐션을 20% 올릴 수 있었습니다. - 정부 제안서 작성 어시스트, 마켓 리서치, 프로젝트 기획 및 운영, 플랫폼 기획, 데이터 정제 등을 담당하며 데이터 구축 PM으로서 역량을 쌓았습니다. - 반복적인 업무에 대해 Python과 LLM을 활용하여 업무를 자동화하였고, 자동화를 통해 효율적으로 프로젝트를 모니터링, 운영하였습니다.

- 약 100만 건 이상의 뉴스, 유튜브 영상, 댓글, 플레이리스트 등 비정형 데이터를 정제하고, 이를 효율적으로 저장할 수 있도록 관계형 데이터베이스를 직접 모델링하였습니다. - 대용량 데이터 적재 시 속도 개선을 위해 Batch Load 방식을 적용하였으며, CSV로 정제된 데이터를 벌크로 묶어 한 번에 삽입하는 전략을 사용하여 기존 대비 약 20~30배 빠른 성능 향상을 달성했습니다. - 정제된 영상 데이터를 중심으로 유저 정보를 통합적으로 관리할 수 있는 구조로 DB를 설계하였습니다.

JavaScript 기반 Node.js 프레임워크에 대해 학습하고 백엔드 개발자로서 심도있는 팀 프로젝트를 이끌어 갔습니다. 장학생으로서 학생들에게 기술적인 도움을 주었으며, 응급환자를 위한 병원 추천 서비스를 개발하여 22개의 팀 중 시니어 개발자와 심사위원의 투표로 1등을 수상하였습니다.

- 프로젝트의 핵심 로직이 되는 위치 기반 병원 추천 API를 개발하며, 속도 병목 현상으로 인한 서버 부하와 사용자 응답 대기 시간에 대한 이슈를 병렬처리, Redis 적용 등을 통해 해결하여 API 속도를 13배~최대 35배 개선하였습니다. - 환자 이송 신청을 위한 API에서 순서가 보장되지 않거나 데이터의 정합성이 무너지는 문제를 확인하고 Node.js 기반 부하 테스트 도구인 Artillery를 활용하여 테스트를 진행하며, 이를 트랜젝션과 비동기 큐 처리 모듈인 BullQueue를 적용하여 해결하였습니다.