뒤로
박동윤
박동윤 ·

저의 소개

안녕하세요. 저는 박동윤 입니다.

AI SW 아키텍쳐로 저에 대한 이력을 소개해드립니다.

저는 프로그래머이자 과학자로서 컴퓨터 과학과 웹앱 서비스 분야에서 15년 이상의 전문 지식과 실무 경험을 가지고 있습니다. 컴퓨터비전 대학원을 전공한 후 LG와 삼성의 대기업과 벤처기업에서 소프트웨어와 알고리즘을 개발했습니다. Python계열 AI 백앤드 프레임워크,Java,Javascript 등을 사용하여 웹앱 서비스를 설계, 개발, 운영한 경험으로 확장성과 유지보수성 높은 소프트웨어 아키텍처를 위해 언제나 고민하고 있습니다.

AI SW Architect로 FullStack 기조로 유연하게 Tech Leading 가능하며, 가장 잘할 수 있는 포지션은 아래 기술스택처럼 Python계열 인공지능 웹앱서비스 개발 입니다.

경험

프리랜서, 딥러닝 SW Architecture '19년 3월 – 현재 기준

  • 비즈니스 요구 사항에 따라 전력 네트워크에 배포하기 위한 Deep Reinforced Learning 기능을 설계하고 개발했습니다.

  • 심층강화학습을 위한 환경을 설계하여 기존 Python 코드에 반영하였으며, TestCase로 기능을 먼저 검증하였다.

  • 재사용성,복잡도감소,다양성같은 객체지향 설계를 실무에 적용하여 개발과 유지보수 효율을 높였습니다.

  • 동료 코드 검토에 참여하고 동료 및 경험이 부족한 개발자에게 피드백을 제공했습니다.

  • 설계 결정이 문서화되었고 해당되는 경우 아키텍처 검토 회의가 열렸습니다.

미디움, 수석 풀스택 개발자 '17년 1월 – '19년 2월

  • 팀을 위한 종단 간 솔루션을 감독하고 구현합니다

  • 저는 복잡한 해결 트리를 사용하여 위험 분석가의 수동 검토가 필요한 수백 개의 일일 작업을 처리하는 대시보드를 설계하고 구현하는 데 기여했습니다

  • 이를 달성하기 위해 기술 설계, 자동화, 간소화된 프런트엔드 테스트, 구성 요소, 자동화 및 컨테이너 등을 워크플로에 통합했습니다. 백엔드 개발자 및 DevOps와 협력하여 API, 데이터베이스 스키마 및 클라우드 모범 사례를 설계하고 구현합니다

삼성메디슨 책임 개발자 '11년 9월~'16년 2월

  • Java, Python 또는 C++를 사용하는 의료 서비스 산업의 고객을 위한 웹 솔루션 개발 및 구현.

  • 원격진단을 위한 알고리즘 설계 및 개발로 정확도 90% 이상, 속도 30% 이상의 목표치를 달성해 업무 성과에 기여했다.

  • 프런트엔드 및 백엔드 개발, 종종 지속적인 통합 및 전달, 파이프라인 설정을 포함합니다.

LG전자 선임 SW 개발자 '07.09~'10.06

  • Java 또는 C++, C#,Linux 를 사용하여 전자 산업 고객을 위한 웹 솔루션을 개발하고 구현했습니다.

  • 사용자 관점의 기능 추가로 MAU 10% 증가

  • 애자일과 칸반 보드를 팀원들과 함께 적용해 개발 목표 70%보다 15% 이상을 같은 기간에 달성했다.

  • 특정 데이터를 로드하는 데 5초가 걸리던 것이 어떤 식으로든 0.5초로 줄었습니다.

교육

부산대학교 대학원 2007 - 컴퓨터비전

자격증

  • 석사 학위컴퓨터 비전

기술 스택: Java,Javascript,Python,Deep Learning,LMM,HTML5,CSS,React

                

강의 포트폴리오

1. XXICT 취창업 프로젝트 교육' 내 <프론트엔드 기초과정>

현장 담당자 XXX

행사명 XX ICT 취창업 프로젝트

대상 프론트엔드에 관심이 있는 취창업 준비생 약 60명(초중급)

형태 비대면

일정 10.16(월)~10/19(목),총4일

교육시간 : 10~18(점심1시간 제외), 일 7시간, 총 28시간

강의 내용 

프론트엔드 기초 이론강의

HTML,CSS,JS,React

데일리 미니실습과제 : github 주소

개발 포트폴리오

(고객사와의 NDA(비밀협약) 계약에 의거하여, 일부만 기재한 점 양해바랍니다)

1.공장 자동화 시스템 및 네이티브 앱 개발

프로젝트 개요:

  • 프로젝트명: 공장 자동화 시스템 및 네이티브 앱 개발

  • 개발 기간: 2021년 3월 - 2021년 7월

  • 역할: 시스템 및 앱 개발자

  • 기술: Java, PLC(Programmable Logic Controller), HMI(Human-Machine Interface), 데이터베이스(SQL), Android Studio, Swift

프로젝트 설명: 공장 자동화 시스템 및 네이티브 앱 개발 프로젝트는 공장의 생산 프로세스를 자동화하여 생산성과 효율성을 향상시키는 목적으로 진행되었습니다.

개발 방식:

  • PLC 기반 자동화 시스템 개발:

  • PLC와 HMI를 활용하여 공장 내의 자동화 장비와 제어 시스템을 개발하였습니다.

  • 생산 라인의 자동 제어와 장비 상태 모니터링을 위한 기능을 구현하였습니다.

  • HMI 인터페이스를 개발하여 사용자가 시스템을 모니터링하고 제어할 수 있도록 했습니다.

  • 데이터 수집 및 분석 기능 개발:

  • Java를 사용하여 생산 데이터 수집, 분석 및 관리 기능을 개발하였습니다.

  • 데이터베이스를 활용하여 생산 데이터를 저장하고 조회할 수 있는 기능을 구현했습니다.

  • 웹 보고서 및 네이티브 앱 개발:

  • Java와 데이터베이스를 연동하여 생산 데이터 기반의 보고서 생성 기능을 개발하였습니다.

  • 추가로 Android Studio와 Swift를 활용하여 네이티브 앱을 개발하였습니다.

  • 네이티브 앱을 통해 생산 상태의 실시간 모니터링과 원격 제어 기능을 제공하였습니다.

결과 및 성과:

  • 개발된 공장 자동화 시스템은 PLC와 HMI를 활용하여 생산 라인의 자동화와 모니터링을 성공적으로 구현하였습니다.

  • Java와 데이터베이스를 활용한 데이터 관리 및 분석 기능은 생산성 향상에 큰 도움을 주었습니다.

  • 네이티브 앱을 통해 생산 상태의 실시간 모니터링 및 원격 제어 기능을 제공하여 효율성을 극대화했습니다.

향후 발전 방향:

  • 머신러닝 및 인공지능 기술을 활용하여 시스템의 자동화 정도를 높이고 미래 예측 기능을 개선할 계획입니다.

  • 사용자 경험을 높이기 위해 네이티브 앱에 더 다양한 기능을 추가하고 사용자 피드백을 수용하여 개선합니다.

2. 농산물 분류 및 관리 서비스 개발

프로젝트 개요:

  • 프로젝트명: 농산물 분류 및 관리 서비스 개발

  • 개발 기간: 2020년 11월 - 2021년 1월

  • 역할: 서비스 개발자

  • 기술: Java, 이미지 처리 라이브러리, 머신 러닝, 웹 기술(HTML, CSS, JavaScript)

프로젝트 설명: 농산물 분류 및 관리 서비스 개발 프로젝트는 농산물의 분류, 품질 관리, 유통 과정의 투명성을 제공하는 서비스를 구축하는 것을 목표로 합니다.

개발 방식:

  • 농산물 이미지 분류 및 분석 기능 개발:

  • 이미지 처리 라이브러리와 머신 러닝 알고리즘을 활용하여 농산물 이미지를 분석하고 자동으로 분류하는 기능을 개발합니다.

  • 머신 러닝 모델을 훈련하여 다양한 종류의 농산물을 정확하게 구분하고 분류합니다.

  • 농산물 품질 데이터 관리 및 품질 지표 계산:

  • Java를 사용하여 농산물의 품질 데이터를 수집하고 데이터베이스에 저장합니다.

  • 품질 관리 지표를 계산하여 농산물의 품질 상태를 확인하고 품질 관리를 수행합니다.

  • 웹 인터페이스 및 추적 기능 개발:

  • 웹 기술을 활용하여 농산물의 품질 정보를 사용자에게 제공하는 웹 인터페이스를 개발합니다.

  • 고객들은 농산물의 품질 정보를 확인하고, 원산지 추적 등의 기능을 통해 농산물을 효과적으로 관리할 수 있습니다.

결과 및 성과:

  • 농산물 분류 및 관리 서비스는 머신 러닝과 이미지 처리를 활용하여 정확한 분류와 품질 관리를 제공하며, 농산물 유통 과정의 투명성을 증진시킵니다.

  • 웹 인터페이스를 통해 사용자들은 편리하게 농산물 정보를 접근하고 관리할 수 있습니다.

향후 발전 방향:

  • 실시간 데이터 수집 및 분석을 강화하여 농산물 품질 예측 및 개선을 위한 시스템 확장을 계획합니다.

  • 블록체인과 연동하여 농산물 유통 과정의 신뢰성과 투명성을 더욱 향상시킬 방안을 검토합니다.

3. 배터리 사이징 모델 및 강화 학습 개발

프로젝트 개요:

  • 프로젝트명: 배터리 사이징 모델 및 강화 학습 개발

  • 개발 기간: 2021년 12월 - 2022년 1월

  • 역할: 모델 개발자

  • 기술: Python, 강화 학습, 엑셀 데이터 통합, 웹 기반 시각화

프로젝트 설명: 배터리 사이징 모델 및 강화 학습 프로젝트는 시간에 따른 전력 흐름 패턴을 분석하여 배터리 에너지 저장 시스템 (BESS)의 최적용량을 결정하는 것을 목표로 합니다. 이 모델은 강화 학습 기법을 사용하여 각 타임스텝에서 BESS로부터 최적의 전력 흐름을 결정합니다.

개발 방식:

  • 강화 학습 모델 개발:

  • 각 타임스텝에서 BESS의 최적 전력 흐름을 학습하고 결정하는 강화 학습 모델을 개발합니다.

  • 모델의 목표는 변화하는 변수를 기반으로 BESS의 용량을 조절하고 전력 흐름을 최적화하여 경제적 이점을 극대화하는 것입니다.

  • 시간에 따른 변수 처리:

  • 시간에 따라 변화하는 변수는 timesteps t ∈ {1, 2, 3, ..., T}을 이용하여 나타냅니다.

  • 각 변수는 엑셀 시트의 행에 순서대로 입력되며, 각 행은 해당 타임스텝에 해당합니다.

  • 웹 기반 데이터 시각화:

  • 수집된 발전량, 소비량 및 전기 가격 데이터 등을 그래프와 테이블로 시각화하는 웹 기반 인터페이스를 개발합니다.

  • 사용자는 상호 작용적으로 데이터를 탐색하고 모델의 권장 사항을 다양한 시간 간격으로 확인할 수 있습니다.

결과 및 성과:

  • 개발된 배터리 사이징 모델은 변화하는 전력 흐름 패턴을 고려하여 최적 BESS 용량을 결정하는 데 성공했습니다.

  • 웹 기반 시각화를 통해 사용자는 모델의 결정 및 기반 데이터 동향을 직관적으로 이해할 수 있습니다.

향후 발전 방향:

  • 강화 학습 알고리즘의 연구 및 개선을 통해 배터리 사이징 모델의 정확성과 효율성을 향상시킬 계획입니다.

  • 실시간 데이터 피드 및 예측 분석을 통합하여 동적 에너지 시장 조건에 대응할 수 있는 모델의 적응성을 향상시킬 예정입니다

5

댓글

로그인 후 댓글을 남길 수 있습니다.

아직 댓글이 없습니다.