Skip to content

남도현 | AI CV Engineer Portfolio

"낯선 문제에 신속히 적응하며, 데이터와 시스템 관점에서 정밀한 솔루션을 만드는 AI 엔지니어"

단순히 모델이나 도구를 가져다 쓰기보다, 새로운 언어(Rust) 및 최신 논문(Paper-to-Code)에 대한 빠른 적응력을 바탕으로 문제의 본질을 분석합니다. 데이터 불균형 상황에서의 문제 정의 변경 및 2-Stage 파이프라인 설계, 그리고 비동기 추론 시스템(FastAPI, TaskIQ) 및 메모리/VRAM 최적화를 통해 신뢰성 있고 확장 가능한 AI 솔루션을 구축합니다.

🛠️ Core Strengths (핵심 역량)

1. Fast Adaptation & Self-Driven Learning (주도적 학습과 높은 기술 확장성)

  • 일하는 방식 & 팀에 제공하는 가치:
  • 기술적 제약이나 도구의 생소함에 지체되지 않고, 스파이크(Spike) 조사를 통해 신속히 생산성을 확보하는 엔지니어입니다.
  • 경험해보지 않은 언어, 내부 시스템, 도메인 특화 라이브러리가 주어져도 기술문서 분석을 통해 스스로 온보딩하며 팀의 기술 스펙트럼을 빠르게 확장합니다.
  • 단순 도구 활용을 넘어 아키텍처와 논문의 수학적 원리를 깊이 이해하고 코드로 구현하는 정밀함을 가졌습니다.
  • 주요 검증 사례:
  • PromptFuzz: 생소했던 Rust 언어와 비동기 라이브러리를 공식 문서 기반으로 자발적 습득하여 LLM 퍼징 파이프라인 구축
  • YearDream_AgenticAI: 기존 LangGraph 0.x 프레임워크를 1.x 버전으로 마이그레이션하고 Human-In-The-Loop(HITL) 비동기 에이전트 워크플로우 구축
  • 딥페이크 감지: 공식 구현체가 없는 최신 논문(UNITE)의 아키텍처를 직접 코드로 옮기고, 역전파 관련 손실 함수 수식을 수학적으로 분석 및 보완

2. Root-Cause Problem Solver (본질적 원인 규명과 데이터 중심 문제 재정의)

  • 일하는 방식 & 팀에 제공하는 가치:
  • 표면적인 모델 변경이나 파라미터 튜닝에 그치지 않고, 문제의 근본 원인을 파악하여 구조 자체를 재설계하는 엔지니어입니다.
  • 극심한 불균형, 라벨 부족, 전처리 병목 등 난이도 높은 실무 문제에 직면했을 때 '문제를 어떻게 재정의할 것인가?'부터 고민하여 지속 가능한 솔루션을 만듭니다.
  • 데이터의 특성을 깊이 파악하여 도메인에 최적화된 Multi-Stage 파이프라인을 설계해 모델 성능과 효율성을 극대화합니다.
  • 주요 검증 사례:
  • 차선 위반 탐지: 35:1 극심한 클래스 불균형 상황에서 1-Stage 탐지를 '차량 위치 탐지 + 13채널 특성 분류' 문제로 재정의하여 한계 극복
  • 딸기 질병 진단: 부위 탐지 후 질병 세부 분류로 이어지는 2-Stage 파이프라인 설계 및 메모리 스트림 전처리를 통해 대용량 I/O 병목 원천 차단

3. Production-Minded Engineering (운영 관점의 신뢰성과 시스템 효율성 추구)

  • 일하는 방식 & 팀에 제공하는 가치:
  • 실험실 환경(Jupyter Notebook)에 머물지 않고, 실제 프로덕션 서비스에서의 응답 속도, 자원 효율, 서버 안정성까지 고려하여 개발하는 엔지니어입니다.
  • 고부하 AI 추론 시 발생하는 서버 블로킹, VRAM 단편화로 인한 크래시, 디스크 용량 낭비 등 실제 운영 단계의 리스크를 사전에 차단합니다.
  • 최신 개발 도구(uv, PyTorch Lightning)를 적극 수용하여 팀 전체의 코드 가독성, 유지보수성, 생산성을 크게 향상시킵니다.
  • 주요 검증 사례:
  • 딥페이크 감지: FastAPI + TaskIQ + Redis 비동기 작업 큐 시스템 구축으로 AI 추론 서버 블로킹 방지
  • 딥페이크 감지 & 차선 위반 탐지: ONNX Runtime CUDA VRAM 할당 전략 최적화 및 Lightning 체크포인트 필터링으로 디스크 용량 경량화(GB → MB)

📂 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