백엔드와 웹 서비스를 만드는 것을 기본기로 삼고, 여기에 AI/ML을 붙여 실제로 동작하는 제품을 만드는 데 관심이 있습니다. 온디바이스 AI 경량화, 서버-클라이언트 간 추론 책임 분리, 데이터베이스 계층에서의 무결성 보장을 직접 구현하며 배우고 있습니다.

개발할 때 아래 기준을 지키려 합니다.

• AI는 기능이 아니라 서비스의 일부로 통합하기 — 추론을 어디서 실행할지, 실패하면 무엇을 보장할지부터 설계
• DB·서버 계층에서 무결성을 보장하기 — 애플리케이션 로직만이 아니라 제약·트리거·트랜잭션으로도 지키기
• 궁금한 내용은 끝까지 알아내기 — 동작 원리를 이해하지 못한 코드는 남기지 않기

• 2026 KB AI Challenge — 시니어 금융 Agentic AI 팀 프로젝트 진행 중
• LPCVC 2026 (Qualcomm) — 온디바이스 이미지-텍스트 검색 모델 경량화 대회 참가 중

_{팀 프로젝트 · 담당: 백엔드 · 모델 통합}

• 네트워크가 끊긴 상황에서도 인식이 동작해야 해서 추론을 서버가 아닌 단말에 두고, 서버는 인증·제보·검색 로그·통계만 담당하도록 책임을 분리했습니다.
• MobileCLIP2-S3 FP16 모델을 ONNX Runtime으로 단말에서 실행하여 25개 서울 랜드마크(궁궐 세부 건물 포함)를 분류합니다.
• 중복 로그인 방지를 위해 "1기기 1계정" 정책을 적용해, 새 기기에서 로그인하면 기존 푸시 토큰을 무효화하도록 FCM 등록 로직을 구성했습니다.
• 검색 로그에 **모델 버전 · 추론 백엔드 · Top-3 스코어 · 지연시간(latency)**을 함께 기록해, 배포 후에도 인식 품질을 추적할 수 있게 했습니다.

_{팀 프로젝트 · 담당: DB 설계 · 백엔드}

• 좌석 중복 예약 같은 무결성 문제는 애플리케이션 로직만으로는 완전히 막을 수 없다고 판단해, Oracle의 참조 무결성(cascading delete)과 이벤트 트리거로 좌석 잔여석을 실시간 동기화하도록 DB 계층에서 보장했습니다.
• Next.js App Router 기반으로 일반 사용자 / 관리자 역할 분리 인증을 구현했습니다.
• 예매 완료 시 e-티켓 자동 이메일 발송, 관리자용 운영 통계 대시보드를 구성했습니다.
• 스키마와 샘플 데이터를 /database/create_and_insert.sql에 정리해 누구나 동일한 환경에서 재현할 수 있게 했습니다.

_{Qualcomm LPCVC 2026 · 진행 중}

• Knowledge Distillation → ONNX Export → Qualcomm AI Hub 컴파일/프로파일링 → 추론으로 이어지는 전체 파이프라인을 구성했습니다.
• ViT-S-16, MobileCLIP2-S4(듀얼 티처 distillation), SigLIP2-Base 세 가지 학생 모델로 정확도-지연시간 트레이드오프를 비교하고 있습니다.
• Seoul Landmark Assistant 앱에 필요한 온디바이스 추론 경험이 이 대회에서 모델을 경량화하고 프로파일링하는 과정과 직접 연결됩니다.

_{개인 프로젝트}

• C언어의 핵심 기능을 추상화한 MiniC 언어의 어휘 분석부터 실행까지 컴파일러 전 과정을 ocamllex·menhir로 직접 구현했습니다.
• 실행 전 타입 오류를 잡아내는 정적 타입 체커와, Environment-Store 모델 기반의 메모리·포인터 연산을 구현했습니다.
• 배열, 튜플, 포인터, 중첩 함수 등 복잡한 데이터 구조를 지원해 실제 C의 동작을 재현했습니다.

_{2026 KB AI Challenge · 팀 프로젝트 · 진행 중}

• 시니어 사용자가 음성·텍스트로 금융 업무를 요청할 수 있는 Agentic AI를 팀 단위로 개발하고 있습니다.

대회 진행 중인 프로젝트로, 제출 이후 공개 가능한 구현과 결과를 업데이트할 예정입니다.

이 README는 지속적으로 업데이트됩니다.