Personal scope
After 전체
데이터 전처리·검색·답변·문서 초안·SCN-004 화면
Kim Jongwon · Cloud Infrastructure / DevOps
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
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
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
Project Coverage
AWS Multi-VPC, GKE GitOps, Terraform module 작업은 서로 다른 인프라 책임을 코드와 검증 결과로 보여줍니다.
AWS
MAIN, MGMT, SERVICE VPC로 사용자 트래픽, 관리자 접근, 서비스 워크로드를 분리했습니다.
3 VPC · 8 checks
GCP
GitHub Actions image push와 Argo CD manifest sync를 나눴고, 상태는 저장소 validation 기록으로 남겼습니다.
rollout 2/2 · HTTP 200
IaC
networking, secrets, messaging, cache module과 dev/prod root 차이를 코드로 구분했습니다.
4 modules · dev/prod
Undergraduate Research · 2024.04–2025.09
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.
제어 안정성과 디바이스 연동 경험을 팀 역할, 정량 지표, 전시·시연 기록으로 제시합니다.
OpenCV 얼굴 추적과 Arduino servo control을 연결한 팀 capstone
4인 팀 팀장으로 serial bridge와 제어 안정화를 맡아 FRT/IFR/ICR 지표로 개선 결과를 측정했습니다.
생활 소리 → STT → 앱/진동 알림으로 연결한 착용형 알림 프로토타입
STT, keyword 분류, 장치-앱 연동 결과를 수상 이력, 전시 기록, 시연 화면으로 제시했습니다.