📧 Email: seunghun5321@gmail.com

AI Engineer & Data Scientist
"AI Engineer는 단순히 모델을 만드는 것을 넘어, 기술의 가능성을 현실의 가치로 변환하는 역할이라 생각합니다."

새로운 기술을 끊임없이 탐구하고 이를 적용하는 과정에서, 동료들과의 원활한 소통과 협력을 통해 프로젝트의 완성도를 높이는 데 주력하고 있습니다. 실무 환경에 맞춘 유연한 기술 적용 능력과 열린 소통을 바탕으로, 함께 성장하고 신뢰받는 AI Engineer가 되겠습니다.

반도체 SCM 온톨로지 기반의 GraphRAG 추론 모델

• 설명: 반도체 산업 특화 SCM 온톨로지 설계 및 지식 그래프 구축 활동 수행.
• 핵심 기술: Chain-of-Thought(CoT) 프롬프팅 기술을 GraphRAG에 결합하여 복잡한 다단계 추론 성능 극대화.
• 성과: 기존 VectorRAG 대비 성능 171% 향상, EM(Exact Match) 점수 0.780 기록.

비정형 PDF 문서에서 온톨로지 기반 지식 그래프 자동 구축

• 설명: PDF 문서 내 표(Table) 데이터를 정밀하게 인식하고, 온톨로지 규칙을 준수하는 **트리플렛(Subject-Predicate-Object)**을 자동 추출하여 지식 그래프 구축을 지원하는 파이프라인.
• 핵심 기술:
  • 구조 보존형 OCR: PyMuPDF를 활용하여 PDF 표를 LLM 친화적인 Markdown 형식으로 변환
  • 온톨로지 기반 필터링: GPT-4o-mini를 통한 2단계 데이터 분류(Triage)로 추출 효율성 극대화
  • 정밀 트리플렛 추출: 반도체 SCM 온톨로지(6개 노드 타입, 4개 관계 타입)를 엄격히 준수하는 GPT-4o 기반 지식 추출
• 성과: 636개 트리플렛 추출, 온톨로지 준수율 90.3% 달성. 기업-제품(provide), 기업-국가(locationIn) 등 핵심 관계에서 90% 이상의 정확도 기록.

유통 산업의 불규칙한 수요 패턴 예측 및 모델 최적화 연구

• 설명: 통계적 기법(SBA), 머신러닝(XGBoost, LightGBM), 딥러닝(LSTM)을 활용하여 간헐적 수요 제품의 패턴을 분석하고 최적의 예측 모델을 식별하는 연구.
• 핵심 기술: ADI(평균 수요 간격) 및 CV²(변동계수) 지표를 활용한 수요 패턴 분류와 Lag/Rolling 피처 엔지니어링을 통한 시계열 예측 성능 극대화.
• 성과: 제품별 수요 특성에 기반한 모델 선정 기준을 수립하여, 단일 모델 적용 대비 재고 관리 효율성을 높일 수 있는 실증적 근거 제시.

도메인 특성을 반영한 전략적 고객 세분화(Customer Segmentation)

• 설명: **AHP(Analytic Hierarchy Process)**를 기반으로 산업별 특성을 반영한 RFM 가중치를 산출하여 고객 분류의 정확도 제고.
• 핵심 기술: 도메인 데이터 분석을 통해 Recency, Frequency, Monetary의 최적 가중치를 도출하여 마케팅 효율 최적화.
• 성과: 기존 RFM 가중치 모델 대비 군집 품질(실루엣 계수) 약 5% 향상 및 군집 간 변별력 개선 (0.535 → 0.562)

• HICSS-59 발표 (Maui, Hawaii) (2026.01)
  • 주제: 도메인 온톨로지 기반 지식 그래프 및 QA 모델 연구 성과 발표