Skip to content

남도현 | Software & AI Engineer Portfolio

"문제의 본질과 근본 원인을 파고들어, 확장 가능하고 신뢰할 수 있는 아키텍처로 해결하는 엔지니어 남도현입니다."

단순히 기존 모델이나 라이브러리를 가져다 쓰는 데 그치지 않고, 시스템 장애 로그, 메모리 라이프사이클, 수학적 수식의 깊은 분석을 통해 문제의 본질적인 원인을 규명하고 아키텍처를 재설계합니다. 생소한 언어(Rust)나 최신 프레임워크가 주어져도 기술 문서를 기반으로 빠르게 온보딩하며, 비동기 큐/스트리밍, I/O 및 VRAM 자원 최적화, 정량적 벤치마크(DeepEval)를 통해 실제 프로덕션 환경에서 안정적으로 동작하는 소프트웨어 및 AI 시스템을 구축합니다.

🛠️ Core Strengths (핵심 역량)

1. Root-Cause Problem Solving (근본 원인 규명과 데이터 중심 문제 재정의)

  • 제가 일하는 방식:
  • 표면적인 파라미터 튜닝이나 임시방편적인 코드 수정에 머무르지 않고, 시스템 로그와 데이터의 근본 원인을 분석하여 문제를 올바르게 다시 정의하고 해결합니다.
  • 라벨 결핍, 극심한 데이터 불균형, 메모리 크래시 등 난이도 높은 문제에 직면했을 때 '문제를 어떤 구조로 해결해야 하는가?'부터 고민하여 지속 가능한 솔루션을 만듭니다.
  • 주요 검증 사례:
  • PromptFuzz: C/C++ 퍼징 하니스 생성 실패 원인을 전수 분석하여 LeakSanitizer(25개)/AddressSanitizer(22개) 크래시가 메모리 관리 정보 부족 때문임을 규명하고, Structured Outputs 기반 메모리 소유권(Ownership) 추출 파이프라인을 구축해 유효 하니스 생성 4.5배 및 브랜치 커버리지 9.01%p 상승 달성
  • 차선 위반 탐지: 35:1의 극심한 클래스 불균형 상황에서 단일 객체 탐지의 한계를 파악하고, 문제를 '위치 탐지(1-Stage) + 13채널 마스크 분류(2-Stage)'로 분리 재정의하여 탐지 불가 문제 해결
  • 딥페이크 탐지: 최신 논문(UNITE) 직접 구현 중 클래스 센터가 역전파 그래프에서 분리(detached)되어 학습이 불가능한 수학적 한계를 발견하고, 미분 가능한 배치 평균을 활용하도록 수식을 직접 보완

2. Production-Minded Architecture & Optimization (프로덕션 지향 아키텍처와 자원 최적화)

  • 제가 일하는 방식:
  • 실험실 환경(Notebook)에 머무르지 않고, 실제 서비스 운영 환경에서의 응답 지연 시간, 결합도 분리, 메모리/I/O 병목 및 시스템 안정성까지 고려하여 개발합니다.
  • 계층 간 결합도를 낮추는 디자인 패턴을 적극 적용하며, 하드웨어 및 런타임 특성에 맞는 최적화를 수행합니다.
  • 주요 검증 사례:
  • Paragraphy: FastAPI 웹 계층과 LangGraph 상태를 분리하는 Facade/Protocol 어댑터 패턴 구축 및 복잡한 중첩 Pydantic 스키마와 ORM 간의 양방향 무결성을 보장하는 PydanticJSON TypeDecorator 구현
  • 스마트팜 질병 진단: 수십 GB의 중첩 ZIP 파일을 디스크에 풀지 않고 io.BytesIO 메모리 스트림과 멀티프로세싱으로 처리하여 디스크 I/O 병목 원천 차단
  • 딥페이크 탐지: FastAPI + TaskIQ + Redis 기반 비동기 추론 큐 구축으로 서버 블로킹을 방지하고, ONNX Runtime Arena VRAM 할당 전략 튜닝으로 CUDA 메모리 단편화 크래시 방지

3. Fast Adaptation & Self-Driven Learning (주도적 기술 습득과 도메인 확장성)

  • 제가 일하는 방식:
  • 기술적 제약이나 도구의 생소함에 지체되지 않고, 공식 기술 문서와 소스코드를 깊이 파고들어 스스로 빠르게 온보딩하고 팀의 기술 스펙트럼을 넓힙니다.
  • 새로운 언어(Rust), 시스템 툴체인(LLVM/Clang), 최신 AI 프레임워크(LangGraph 1.x, uv)를 두려움 없이 수용하고 프로젝트 표준으로 정착시킵니다.
  • 주요 검증 사례:
  • PromptFuzz: 생소했던 Rust 언어, Tokio 비동기 런타임, clang-ast 정적 분석 및 LLVM 18 툴체인을 기술 문서를 통해 자발적으로 습득하여 고성능 퍼징 파이프라인 개발
  • YearDream_AgenticAI: LangGraph 1.x 버전 마이그레이션 패러다임 변화에 맞춰 StateGraph 및 Human-In-The-Loop(HITL) 턴제 대화 제어 시스템 구축
  • 팀 전체의 개발 생산성을 위해 uv 워크스페이스 모노레포와 PyTorch Lightning 학습 파이프라인 선제 도입

4. Data-Driven Decision Making & Modern Collaboration (데이터 기반 의사결정과 AI 협업 관리)

  • 제가 일하는 방식:
  • 주관적인 감이나 추측으로 기술을 결정하지 않고, 정량적인 벤치마크 환경을 직접 구축하여 수치와 근거를 바탕으로 최선의 엔지니어링 의사결정을 내립니다.
  • AI Coding Agent를 무작정 도입하기보다, 명확한 인터페이스 정의와 Issue 단위 명세화를 통해 아키텍처 일관성과 코드 품질을 주도적으로 통제합니다.
  • 주요 검증 사례:
  • Paragraphy: DeepEval 기반 NIKL 골든셋 평가 환경을 구축하여 8개 모델 후보를 정량 비교하고, 지연 시간 91.3% 단축(6.30s) 및 최저 채점 오차(MAE 0.861)를 입증한 gemini-3.5-flash-lite로 팀 프로덕션 모델 단일화
  • Paragraphy: GitHub Issue에 API/스키마/완료 조건을 정밀 명세하여 Coding Agent 협업을 리드하고, 파일 복원 병합으로 소실된 Git DAG 커밋 그래프를 스크립트로 완벽히 복원

📂 Projects Overview (프로젝트 요약)

프로젝트명 기간 핵심 기술 스택 주요 성과 & 해결한 문제 상세 링크
PromptFuzz (문서 기반 퍼징 가이드 추출) 2025.05 ~ 2025.06 Rust, Tokio, async-openai, Clang/LLVM 18 • C/C++ 헤더 & README 기반 퍼징 가이드 자동 추출
• Structured Outputs (JSON Schema) 메모리 소유권 추출
• cJSON 커버리지 9.01%p 상승 & 유효 하니스 최대 4.5배 증가		 상세 보기
딸기 질병 객체 인식 및 진단 2026.01 ~ 2026.01 YOLOv11, EfficientNet, Albumentations • Pseudo-Labeling 적용 (Recall 9% 향상)
• 중첩 ZIP 스트림 전처리로 I/O 병목 해결
• 이미지 리사이징 최적화 (학습 시간 50% 단축)		 상세 보기
차선 위반 차량 탐지 시스템 2026.01 ~ 2026.01 YOLOv26-seg, ResNet, Streamlit, Lightning • 극심한 클래스 불균형(35:1) 해결
• 1-Stage Detection -> 2-Stage 분류 전환
• 13채널 TIFF 입력 파이프라인 구축		 상세 보기
딥페이크 탐지 어플리케이션 2026.01 ~ 2026.02 ViT, FastAPI, TaskIQ, SQLModel, uv, ONNX • 공식 구현체 없는 최신 논문 직접 구현
• TaskIQ 기반 비동기 추론 파이프라인 구축
• ONNX & CUDA VRAM 최적화		 상세 보기
게임 서비스센터 Agentic AI 2026.07 ~ 2026.07 LangGraph, FastAPI, LlamaIndex, SSE, uv • LangGraph 1.x 기반 HITL 턴제 대화 제어 및 ReAct 에이전트 구축
• FastAPI & SSE/JSONL 비동기 스트리밍 서버 개발
• LlamaIndex Vector Store 영속화 및 유저 검증 툴 구현		 상세 보기
Paragraphy (논술 AI 학습 플랫폼) 2026.08 ~ 2026.08 LangGraph, FastAPI, SQLModel, DeepEval, uv • 다중 채점 Replica 병렬화 & 중위값 집계 엔진 구축
• DeepEval 벤치마크 기반 프로덕션 모델 단일화
• Issue/CLI 기반 AI Coding Agent 협업 프로세스 리드		 상세 보기