김도영

외국인 근로자를 위한 한국어 직무 소통 능력 시험. 본인 인증·부정행위 탐지

• 본인 확인·시선 이탈·이어폰 및 휴대폰 탐지 요구사항을 정의하고, 기능별 모델·API의 PoC를 통해 적용 가능성을 검증, 서비스 판정 규칙 설계
• 착용·미착용 이미지 226장에서 임계값을 비교해 45% 선정. 해당 실험 데이터 기준 F1 96.04%, Recall 96.46% 확인.
• Azure Document Intelligence로 여권 정보를 판독하고, 얼굴 비교에 이름·생년월일·여권번호 대조를 추가해 인증 범위 확장.
• FastAPI로 기능을 구현하고 백엔드와 API Contract·상태 관리 역할을 조율해 시험 흐름에 연동.

장려상 · 고용노동부 장관상 제8회 K-Digital Training 해커톤 팀 수상

소규모·클래스 불균형 데이터에서 알약의 종류와 위치를 탐지

• 데이터 부족을 성능 병목으로 가설화하고, 팀에서 확장한 학습 데이터를 적용한 실험에서 Kaggle Score 0.34942 → 0.60291 확인.
• 640·800·960·1280 입력 해상도 비교를 직접 제안·수행. 해당 비교에서 960이 가장 높아 후속 실험의 기준으로 활용.
• Copy & Paste를 제안하고 팀원이 제작한 합성 데이터를 적용·분석. 팀 실험 결과를 종합해 최종 모델 선정에 참여.
• 팀 최종 Kaggle Score 0.63007 달성. 초기 baseline 대비 +0.28065, 상대 80.3% 향상.

웹캠 손 동작을 활용한 인지 활동 데모

사업화를 위해 개발하던 아이템의 일부를 해커톤 데모로 구현. 별도 센서 없이 웹캠 손 입력으로 참여하는 활동 기능 개발.

• 공동 기획과 JavaScript·MediaPipe 기반 PoC를 통해 손 추적·제스처 판정의 적용 가능성을 검증.
• PoC에서 확인한 로직을 브라우저에서 실행되는 웹 기능으로 발전시키는 작업 담당.
• 내부 테스트에서 동작 누락과 반복 동작의 연결 문제를 확인하고 판정 로직 개선.

데이터 구축 일정·품질·생산성 관리

• 전체 어노테이터 운영에 참여하고 주요 프로젝트에서 최대 8명 리딩. 작업량·처리시간·가용 리소스를 산정하고 인력을 조정해 7영업일 내 7,970건 구축.
• 반복 오류와 작업자별 품질 편차를 분석하고 작업 기준·피드백·교육을 개선해 Pass Rate 30%대 → 60%대 향상.
• Google Sheets·Apps Script로 작업량·진행률·생산성 모니터링과 이상 감지·이메일 알림을 구현해 수동 확인 업무 자동화.

검수 자동화와 모델 결과 기반 데이터 개선

• 반복 라벨링 오류의 자동 판별 조건을 정의하고 검수 도구 개발·팀 배포. 업무 적용을 계기로 내부 개발 직무로 전환.
• 모델 결과에서 부족한 데이터 조건을 찾아 수집팀과 협업. 추가 데이터 확보·모델 재적용·결과 확인의 개선 사이클 운영.
• 기존 코드를 활용해 CV 모델을 TensorRT로 변환하고 Jetson Nano에서 구동.

데이터 수집부터 학습 결과 분석·재학습까지 운영

• 케이스·메인보드·GPU 등 하드웨어 부품을 직접 조립하고 세팅해 학습 서버 5대 구축.
• 학습 서버가 2대에서 7대로 확대된 환경에서 서버별 2~3일 학습 주기에 맞춰 데이터 수집·가공·학습·결과 분석·재학습 워크플로우 운영.
• Google Drive·Notion에 데이터·학습 조건·실험 결과를 기록하고 성능 변화를 분석해 다음 데이터 수집과 재학습 방향 결정.