기존의 GPU 클러스터링 및 관리 솔루션은 연구조직과는 맞지 않는 문제가 있었고 이에 연구조직에 맞는 가볍고 관리하기 쉬운 클러스터 관리 솔루션을 개발. Kubernetes를 이용하여 GPU클러스터를 구성, 어려운 kubernetes를 일반 사용자가 간편하게 사용할 수 있도록 Web Backend, Frontend를 Node.js, Express, Vue.js, Mongodb로 개발. Github Action을 적극 활용하여 코드 리뷰, 린팅, 이미지 배포 등 CI/CD를 구성. Scrum으로 프로젝트 관리.

IEEE Access 2022 딥뉴럴 네트워크를 압축하기 위해 모든 레이어에서 공유되는 효율적인 Global Kernel을 제안한다. 또한 Global Kernel에 맞는 Pruning 방법을 제안하여 더욱 효과적이고 효율적인 네트워크를 만든다. G-SharK는 분류 테스크에서 기존의 Pruning, weight sharing 방법 보다 더 적은 파라미터, FLOPs로 좋은 성능을 보였으며, Object Detection에서도 획기적인 압축률을 보였다.

One-shot purning과 pruning during training의 장점을 합쳐 더 빠르게 학습되고 더 높은 성능을 보이는 새로운 Pruning 방법을 제안. Pruning Mask를 목표 FLOPs로 초기화 하는 Budget-aware Mask Initialization 방법과, 학습 시 더 효율적인 모델이 되도록 레이어간의 채널 비율을 규제하는 Inter-channel Ratio Loss를 추가함. Hybrid Pruning은 기존 Pruning 방법보다 빨리 수렴하며, 더 높은 성능을 보임

입찰 예측 데이터를 GCP Bigquery에서 Feature Engineering을 하여 ML, DL 등 다양한 모델을 구현, 학습. 학습된 모델을 GCP Functions, AI Platform과 연동하여 서빙 구현. 구축된 시뮬레이션을 통해 이전 데이터로 모델을 백테스트하고 결과를 반영하여 앞의 순서를 반복, 모델 및 예측 Workflow를 개선함. 시뮬레이션 프로그램을 리펙토링, 테스트코드를 작성하고, Github actions로 Code Climate와 연동하여 기술부채와 Testcode Coverage 관리함.

비대면 시험감독 솔루션 개발 및 선행연구, 사업화를 진행하여 SK텔레콤 대표이사상을 수상하였습니다.