본문으로 이동
Kim Jongwon

Kim Jongwon · Cloud Infrastructure / DevOps

공장 telemetry를 AWS 데이터 파이프라인과 대시보드로 연결했습니다.

대표 프로젝트 Aegis-Pi Risk Twin에서 Data/Dashboard VPC Terraform과 Streams→Redis notifier, FastAPI·React 관제 화면을 구현했습니다.

2인 팀에서 After 전체를 담당한 GCP RAG 서비스 LawMainRoad와 Kubernetes·Terraform·GitOps 개인 프로젝트 3개가 이어집니다.

2-person Team · After Owner · GCP RAG

LawMainRoad

After 단계 전체와 법령 데이터 전처리·split을 맡아 검색 → 근거 답변 → 지원 문서 초안 → GCP 배포를 연결했습니다. 팀원은 Before 계약서 분석을 담당했습니다.

Personal scope

After 전체

데이터 전처리·검색·답변·문서 초안·SCN-004 화면

Corpus

1,722

법령 chunk 전처리·split과 pgvector 검색

60-item eval

44 / 16 / 0

PASS / PARTIAL / FAIL · grounding 위반 0

GCP delivery

WIF

Terraform · Cloud Run · Cloud SQL · keyless CI/CD

Personal Project · 개인 우수상

Stock Backtesting Platform

설계부터 구현, 검증까지 혼자 수행한 개인 프로젝트입니다. 백테스트 요청을 독립 Kubernetes Job으로 실행하고, run_id로 상태와 결과를 추적합니다.

Execution

1 Job

1 backtest = 1 Kubernetes Job

Trace key

run_id

Web log, Worker log, MySQL 결과 레코드 연결

State store

MySQL

PENDING/RUNNING/SUCCEEDED와 결과 저장

Observe

Grafana

Job launch, 제출 빈도, 전략 분포 관측

Undergraduate Research · 2024.04–2025.09

실험 결과뿐 아니라 실패 원인과 다음 수정까지 남겼습니다.

인천대학교 임베디드소프트웨어설계 실험실(지도교수 강석훈)에서 수행한 RAG/LLM 연구와 딥러닝 교육용 자료 제작 경험입니다. 개인 작성 보고·발표 자료 40여 건과 코드·노트북을 보관하고 있으며, 논문 형식 초안과 실제 게재·강의 이력은 구분해 표기합니다.

Research path

QLoRA → DQD-RAG

10GB GPU의 QLoRA·4-bit 실험에서 교내 4× TITAN RTX 서버(총 설치 VRAM 96GB) 모델 서빙/API 연동, CoT/DQD-RAG로 확장했습니다.

Evaluation

3 datasets × 100

SQuAD·HotpotQA·Natural Questions에서 DQD-RAG, SimpleRAG, GPT-only를 normalized F1로 비교했습니다.

Cost / quality

F1 0.56 · $0.54

HotpotQA 200문항에서 GPT-4o+mini를 조합했습니다. All GPT-4o는 F1 0.54·$4.19였습니다(2025년 당시 기록).

Learning materials

4 NumPy models

DNN·RNN·LSTM·GRU의 순전파·역전파·BPTT를 전력거래량 예측 PPT와 노트북으로 구성했습니다.

DQD-RAG의 SimpleRAG 대비 normalized F1 이득은 SQuAD +0.092, HotpotQA +0.329, NQ +0.050이었습니다. NQ의 DQD-RAG 절대 점수는 0.058로 낮아 한계로 함께 기록했으며, 비용은 2025년 당시 API 사용 기록입니다.

Contact

신입 Cloud/DevOps 포지션, 인턴십, 협업 제안은 이메일로 연락해 주세요.

Korea, KST 기준으로 소통합니다.