KT 디지털인재 장학생
KT 디지털인재 장학생으로 선발되어, 현직자와의 직접 협업 및 AI 세미나·기업 탐방에 참여했습니다. 기업이 실제로 어떤 방향의 AI를 개발하는지 체감할 수 있었던 경험입니다.
KT 블루보드 팀
"Signature 향기 조향을 통한 그룹 브랜딩
강화"
- 선행 연구 조사 및 향기 마케팅 필요성 근거 자료 수집
- 현직자와 지속적인 커뮤니케이션을 통한 방향 조율
- 실제 기업의 운영 환경 직접 체험
- 현직 엔지니어의 실무 경험 청취
배운 점: 실제 기업이 AI를 어떻게 서비스화하고, 어떤 문제를 해결하려 하는지를 직접 접하면서, 학술 연구와 실무 적용 사이의 간극을 이해하는 계기가 되었습니다.
취업동아리 대표 — 17인 스터디 그룹 운영
약 5개월간 취업동아리 대표를 맡아 학과 내 선후배 17명을 이끌었습니다. 단순 스터디 관리에서 나아가, 회의 주기·소그룹 구조 설계 등 운영 체계를 직접 구축했습니다.
각 소그룹별 인사이트 공유 및 활동 계획 수립. 직무 간 정보 교류를 통해 데이터과학 전반의 직무 이해도를 높였습니다.
소그룹 팀장들과 2주 간격으로 회의를 주최하여 활동 일정을 조율하고, 부원 의견을 수렴해 운영 방향에 반영했습니다.
17명을 관심 직무(데이터 분석가, AI 개발자, 취업 집중 트랙)별 소그룹으로 나누어, 직무 특화 스터디를 병행 운영했습니다.
배운 점: 기술적 성과만큼이나 사람을 이끄는 구조 설계가 중요하다는 것을 배웠습니다. 회의 주기·소그룹 구성·목표 공유 방식을 체계화했을 때 이탈률이 낮아지고 성과가 높아졌습니다.
활동 사진
직무·기업 분석 보고서 자료
취업동아리 활동 현장
소자 부식 예측 연구
Tabular 데이터 분석 및 ML 모델 활용 역량을 키운 연구입니다. 약 45만 건의 센서 데이터를 전처리하고, ML 모델 비교 실험 전을 직접 설계·수행했습니다.
데이터 전처리 및 EDA
약 45만 건의 Tabular 데이터를 정제하고, 분포 분석·이상값 처리 등 탐색적 데이터 분석을 수행했습니다.
SHAP 기반 변수 선택
SHAP(SHapley Additive exPlanations)을 활용하여 부식 예측에 영향을 미치는 핵심 변수를 도출하고 설명 가능성을 확보했습니다.
8개 모델 비교 실험
Logistic Regression, Random Forest, XGBoost, LightGBM 등 8개 ML 모델을 구현하고 성능을 체계적으로 비교했습니다.
배우점: 이 연구를 통해 이미지 데이터 중심의 CV 역량 외에, 정형 데이터를 처리하고 해석 가능한 ML 모델을 구축하는 역량도 갖출 수 있었습니다.
연구 결과 / 분석 이미지
SHAP 핵심 변수 중요도 시각화
8개 ML 모델 정확도 비교
Vision-Language Model (VLM) 논문 스터디
최신 딥러닝 트렌드를 체계적으로 습득하기 위해 지도 교수님과 함께 진행한 논문 스터디입니다. 총 27편의 논문을 커리큘럼 순으로 학습하며 이론과 구현을 병행했습니다.
학습 커리큘럼 — 단계별 논문 목록 (클릭하여 확인)
Vision의 기초 — Convolutional Neural Network 계보
시퀀스 모델의 혁신 — Self-Attention 기반 아키텍처
레이블 없이 표현 학습 — Self-Supervised / Contrastive
언어 모델의 발전 — Pre-training & Scaling
Vision-Language Fusion — 멀티모달 AI 트렌드 집약
지도 교수님과의 정기 미팅에서 매주 논문 1편을 발표하고 핵심 내용을 요약·공유했습니다.
핵심 논문은 직접 코드로 구현하여 이론을 실증하고, 논문 구현 역량을 체계적으로 키웠습니다.
CNN → Transformer → VLM 순의 체계적 학습으로 VLM의 등장 배경과 구조적 발전 흐름을 이해했습니다.
배운 점: 최신 연구 트렌드를 학습할 수 있었으며, 이를 이해하기 위해 CNN과 LLM 지식들을 쌓을 수 있었습니다. 또한, 논문을 코드로 구현하는 과정에서 딥러닝 모델의 동작 원리를 깊이 있게 이해할 수 있었습니다.
발표 자료
논문 발표 자료 1 - CLIP
논문 발표 자료 2 - DINO v2
핵심 역량 요약
- 산업 현장 이해 — KT 현직자 협업, AI 세미나 참여
- 리더십 — 17인 스터디 그룹 체계 설계·운영
- Tabular ML — 45만 건 데이터 처리 및 8개 모델 비교
- 최신 트렌드 — VLM 논문 27편 체계적 학습