> For the complete documentation index, see [llms.txt](https://lswkim322.gitbook.io/til/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://lswkim322.gitbook.io/til/master.md).

# Main

Who Am I ?

<div align="left"><img src="/files/-Mjh9lNl9s3MBHs1IRQ1" alt=""></div>

😀 김 상욱, Lawrence, Sangwook Kim, AI Engineer

📬 <lswkim322@gmail.com>

💻 <https://github.com/lswkim>

📕 `Python`, `Pytorch`, `NLP`, `java`, `MySQL`, `Spring Boot`

> 수학과를 졸업하고 자바 개발자를 거쳐 AI 엔지니어의 꿈을 향해서 🛫

### 🚲History of my life

<table data-header-hidden><thead><tr><th width="204.33333333333331">Since</th><th>Title</th><th>Detail</th></tr></thead><tbody><tr><td>Since</td><td>Title</td><td>Detail</td></tr><tr><td>22.03 ~ (현재)</td><td>메가존클라우드 AI/ML팀 SA</td><td>AWS Cloud 및AI/ML SA 업무 수행</td></tr><tr><td>21.08 ~ 21.12</td><td>부스트캠프 - AI Tech 2기 과정</td><td><a href="/pages/-MjhN7-mgSZ3s66sw-vA">부스트캠프</a>  </td></tr><tr><td>18.03 ~ 21.07</td><td>한일네트웍스 DSC사업부 R&#x26;D파트 (주임)</td><td>솔루션 개발 및 유지보수</td></tr><tr><td>17.11 ~ 18.03</td><td>비트캠프 - 자바개발자 고급과정</td><td></td></tr><tr><td>16.12 ~ 17.06</td><td>유클릭 UC지원팀 (사원)</td><td>솔루션 SE 지원</td></tr><tr><td>16.07 ~ 16.10</td><td>SL아카데미 - 자바를 활용한 빅데이터 과정</td><td></td></tr><tr><td>10.03 ~ 16.02</td><td>연세대학교(원주) 수학과</td><td>3.55 / 4.3</td></tr></tbody></table>

### 📖 Project

#### <mark style="background-color:blue;">라이브커머스 매니지먼트 솔루션</mark> - 📆 2021.11.29 \~ 2021.12.17 (3주)

딥러닝 모델을 활용하여 혐오발언 감지를 통한 마스킹과 시청자 반응 분석을 통한 실시간 통계자료 제공 서비스 (부스트캠프 최종 프로젝트)

{% content-ref url="/pages/3tftamhPEsJhkyWB9bG3" %}
[🌟최종 프로젝트 기획](/til/til-ml/boostcamp/final-project/undefined/undefined.md)
{% endcontent-ref %}

{% content-ref url="/pages/fveSVrQ9HbfpERcc3ZtG" %}
[프로젝트 진행](/til/til-ml/boostcamp/final-project/undefined-1.md)
{% endcontent-ref %}

* 주요내용
  * 학습 데이터 수집 (공공데이터 + 라이브커머스 크롤링)&#x20;
  * KcELECTRA 백본모델을 활용한 욕설분류 모델 구현 및 성능 개선
  * KoELECTRA 백본모델을 활용한 감성분석 모델 구현 및 성능 개선
  * Active Learning을 통한 도메인 최적화 작업
  * FastAPI를 사용한 백엔드 구성 / 부트스트랩, HTML5, JS를 활용한 프론트앤드
* 사용기술: Python, Pytorch, HuggingFace, HTML5, JS, Git, Slack
* 담당역할: 감성분석 모델 테스트, 데모 서비스 구현

#### <mark style="background-color:blue;">2021 한국어 음성 자연어 인공지능 경진대회 훈민정음에 스며들다</mark> - 📆 2021.10. \~ 2021.11. (9주)

채팅대화의 일부분을 입력으로 받아 요약된 문장을 생성하는 문제입니다. 대회진행은 역량평가 -> 예선 -> 본선으로 이루어졌으며, 역량평가는 법률, 기사에 대한 요약문을 생성하는 문제였으며, 예선과 본선은 대화요약 Task에 데이터가 추가되었습니다.

{% content-ref url="/pages/-MkZbPYriLHL3dmP4V-t" %}
[2021 인공지능 데이터 활용 경진대회](/til/til-ml/competition/2021.md)
{% endcontent-ref %}

* 주요내용
  * 데이터 EDA, Ai-hub 데이터설명서를 참고한 데이터 전처리 진행
  * BART 모델을 활용한 Pre-training + Fine-tuning 진행
  * 화자 태깅, 스페셜토큰 추가, Beam Search 기법적용
* 사용기술: Python, Pytorch, HunggingFace, Git, Slack
* 담당역할: 데이터 전처리 작업, 모델 Fine-tuning
* 최종결과: 본선 7등 + 특별상(품질검증상) 수상  &#x20;

#### <mark style="background-color:blue;">ODQA(Open-Domain Question Answering)</mark> - 📆 2021.10.11 \~ 2021.11.04 (4주)

&#x20;ODQA에 앞서 MRC란 지문과 질문이 주어졌을 때, 질문으로부터 답변을 추론하는 문제입니다. ODQA는 지문이 주어지지 않고 사전에 구축되어있는 Knowledge resource에서 질문에 대답할 수 있는 문서를 찾아 답변을 추론하는 문제입니다. (대회)

{% content-ref url="/pages/okbOhTsawZMN1H2K2COU" %}
[2. \[NLP\] MRC 프로젝트](/til/til-ml/boostcamp/competition/2.-nlp-mrc.md)
{% endcontent-ref %}

* 주요내용
  * 데이터 증강- 위키피디아 데이터와 Pororo Question Generation을 활용  &#x20;
  * Sparse Embedding(TF-IDF, BM25)와 Dense Embedding을 활용한 Retrieval 모델구현   &#x20;
  * RoBERTa-large, BERT-base, KoELECTRA를 활용한 Reader 모델구현
  * 약 40개의 추론결과를 활용한 하드보팅 앙상블을 통해 EM Score 8점 상승        &#x20;
* 사용기술: Python, Pytorch, HuggingFace, Git, Slack
* 담당역할: Reader단 BERT모델 테스트 및 결과물 수집, 데이터 증강작업, 앙상블
* 최종결과: EM(68.330) 7/19

#### <mark style="background-color:blue;">문장 내 개체간 관계 추출</mark> - 📆 2021.09.27 \~ 2021.10.07 (2주)

&#x20;관계 추출(Relation Extraction)은 문장의 단어(Entity)에 대한 속성과 관계를 예측하는 문제입니다. 문장이 주어지고 문장내에 subject entity와 object entity사이의 관계를 30개로 분류된 Relation중에 속하는 관계를 예측하는 인공지능 만들기 대회

{% content-ref url="/pages/-MkZlbTgRXBNyL3tVUZ9" %}
[1. \[NLP\] 문장 내 개체간 관계 추출](/til/til-ml/boostcamp/competition/1.-nlp.md)
{% endcontent-ref %}

* 주요내용
  * 문장내의 단어들 사이의 관계를 30개의 클래스로 매핑하는 분류문제 &#x20;
  * 데이터 증강 - AEDA, 단어의 속성값에 따라 리스트를 구축하고 대입
  * 모델 테스트를 통해 RoBERTa-large를 백본모델로 선정
  * 스페셜토큰(Typed Entity marker)를 활용한 Fine-tuning
  * TAPT(Task Adaptive Pre-training)기법 시도  &#x20;
* 사용기술: Python, Pytorch, HuggingFace, Git, Slack
* 담당역할: 모델 테스트, 데이터 증강작업

#### <mark style="background-color:blue;">고객사 인터페이스 서비스</mark> - 📆 2021.02 \~ 2021.03 (4주)

ZIKTO(스마트워치)와 보험사 간의 걸음 수 데이터 인터페이스 서비스 구축

* 주요내용
  * 실시간 API 호출 및 조회 홈페이지 구축
  * 월배치 데이터 전송(SFTP) 프로세스 구축
* 사용기술: Centos7, Spring boot, Java, MySQL, ShellScript
* 담당역할: 웹페이지 및 API 서버 구축

{% file src="/files/tbRVfuRDGvLtzORhnHod" %}

#### <mark style="background-color:blue;">불법영상 검출 솔루션</mark> - 📆 2019.10 \~ 2019.12 (3개월)

리벤지 포르노 피해자 영상 검출 및 신고 솔루션 PoC

* 주요내용
  * AWS Rekognition 서비스를 활용한 얼굴인식 솔루션
  * 영상 크롤링 및 불법 홈페이지 alive 체크
* 사용기술: Centos7, AWS, Spring boot, Java, Python
* 담당역할
  * AWS Rekognition API 활용 및 Lambda 구현
  * 피해자 접수 및 관리자 조회 홈페이지 구축
  * 크롤링을 활용한 영상 + 사이트 데이터 수집

{% file src="/files/3SkTDb0rtf3YHdErz2Fo" %}

### 📜 Certification

| Title         | Date       | Code |
| ------------- | ---------- | ---- |
| SQLD (SQL개발자) | 2019.12.31 |      |
| 정보처리기사        | 2016.11.17 |      |


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://lswkim322.gitbook.io/til/master.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.