경희대학교 빅데이터응용학과 · 데이터/ML 엔지니어링
문제를 풀기 전에 측정 도구부터 의심하는 편입니다. 모델을 키우는 것보다, 뭐가 틀렸는지 찾아내고 기록을 남기는 데 시간을 더 씁니다.
| 프로젝트 | 무엇을 했나 | 스택 |
|---|---|---|
| 온톨로지 금융 QA 에이전트 미래에셋증권 AI Festival 2026 · 3인 |
금융 질문을 SQL로 옮겨 근거와 함께 답하는 에이전트. "이 데이터에 없는 축"을 선언으로 막아 그럴듯한 오답을 차단. 평가 2주간 서버 상시 가동 | HyperCLOVA X · FastAPI · SQLite · Docker |
| 비디오 프레임 순서 복원 SNU AI Challenge 2026 · 3인 |
VLM QLoRA 파인튜닝으로 이미지 4장의 시간 순서 복원. 지표 재정의 → 약점 구간 타깃 증강 → 우도 기반 순열 TTA (holdout +4.76%p) | Qwen3-VL · PEFT · PyTorch |
| 소비기한 OCR 파이프라인 제3회 ITDA 연합학술제 · 5인 |
상품 뒷면 이미지에서 소비기한 추출. 검출은 축소본에, 정밀 인식은 후보 크롭에만 돌리는 2-Pass 구조로 44.4% → 77.0% | PaddleOCR · OpenCV |
| 대학생 혜택 통합 서비스 경희대 Nexus Innovation Challenge · 4인 |
결제 할인 지도와 장학금 매칭 챗봇을 한 앱으로. 크롤러 · RAG · 상태머신 챗봇 · 프론트까지 풀스택 | FastAPI · React/TS · pgvector |
| 무임승차 수요 예측 | 지하철 노인 무임승차 장기 수요 예측과 요금 정책 시뮬레이션. 앙상블로 MAPE 7.56% | XGBoost · LightGBM |
측정 도구를 먼저 검증합니다. SNU 과제에서는 후보 모델 5개가 전부 무작위 수준인데 정확도가 7~16%로 나오는 모순을 발견했습니다. 원인은 항등 순서 편향이었고, 지표를 다시 정의한 뒤에야 실험이 의미를 갖기 시작했습니다.
안 되는 것도 기록합니다. CoT SFT −4.4%p, hard shuffle −1.1%p처럼 기각한 접근을 수치와 원인까지 남깁니다. 다음 사람이 같은 길을 다시 걷지 않도록.
끝난 뒤에 다시 봅니다. 금융 에이전트의 가드를 규칙 목록으로 짰는데, 대회가 끝나고 던져본 질문에서 목록에 없던 컬럼으로 또 틀렸습니다. 목록이 아니라 성질로 판정했어야 했다는 걸 그때 알았습니다.
Python PyTorch Transformers / PEFT scikit-learn XGBoost · LightGBM
FastAPI SQLite · PostgreSQL Docker React · TypeScript Pandas · NumPy