딜숏의 포트폴리오

소개

저는 고급 ML 및 DL 모델 개발 및 배포에 전문성을 가진 헌신적인 머신 러닝 엔지니어이자 연구원입니다. AI 소프트웨어 석사 학위를 보유한 저는 기술적, 연구적 전문성을 전략적 통찰력과 결합합니다. 제 기술에는 컴퓨터 비전, NLP, MLOps가 있으며, Python, PyTorch / TensorFlow, MLflow, AWS 등의 도구를 사용합니다. 에너지 효율적인 비디오 감시 시스템에 대한 연합 학습(FL) 및 강화 학습(RL)을 사용한 두 개의 SCI 논문을 발표한 바 있습니다. iMES 연구소에서 연구원으로서 실시간 인간 행동 분석 및 감시 시스템 프로젝트의 자원 효율성에 대한 연구를 수행했습니다.
AITheNutrigene 인턴으로서 한국 발효 식품의 고정밀 분류 시스템을 개발하고, 맞춤형 키워드 추출 NLP 모델을 구축했습니다. 제 포트폴리오 프로젝트에는 실시간 비용 효율적인 비디오 감시, 축구 분석, 맞춤형 한국어 감정 분석, GAN 기반 의료 X-선 이미지 생성 등이 있으며, 데이터 전처리부터 배포까지 모델 개발 전반을 관리할 수 있는 능력을 입증했습니다.
저는 ML 및 AI 발전에 열정을 가지고 있으며, 모든 프로젝트에서 탁월함과 효율성을 추구합니다.

이력서 다운로드

이력서

도구 / 프레임워크

파이썬

파이토치

텐서플로우

케라스

ONNX

오픈CV

JAX

사이킷

깃

깃허브

도커

MLFlow

AWS

CUDA

기술

프로그래밍 / 소프트웨어 공학75%

데이터 처리 / 전처리85%

수학 / 통계80%

머신러능82%

딥러능91%

MLOps70%

문제 해결93%

커뮤니케이션 / 협업90%

포트폴리오 프로젝트

에너지 효율적인 비디오 감시

깊은 Q-네트워크 및 연합 학습을 사용하여 이중 계층 에지 컴퓨팅 아키텍처에서 동적 임계값 제어를 통해 GPU 사용을 최적화하고 에너지 소비를 줄이는 비용 효율적인 연합 비디오 감시 관리 프레임워크.

깃허브

축구 분석

YOLO, Kmeans 클러스터링, 옵티컬 플로우, 투영 변환과 같은 고급 기술을 활용하여 탁월한 경기 통찰력, 선수 성능 지표 및 실제 데이터 정확성을 제공하는 포괄적인 AI 기반 축구 분석 프로젝트.

깃허브

카카오톡 앱 리뷰 감정 분석

이 프로젝트는 한국어 앱 리뷰 데이터에 대해 BERT 모델을 세부 조정(fine-tuning)하는 작업입니다. 각 리뷰의 감성은 부정적 및 긍정적 감성 리뷰를 기반으로 결정됩니다.

데모 깃허브

종단 간 모바일 가격 예측

이 프로젝트는 AWS SageMaker를 이용하여 Random Forest 기반의 다중 클래스 분류기 모델을 배포(deploy)하여 모바일 폰 가격 범위를 예측하는 예를 보여줍니다. 아래의 GitHub 저장소에는 필요한 코드와 데이터셋이 포함되어 있습니다.

깃허브

X-Ray 의료 이미지 생성

이 프로젝트는 StarGAN v2를 사용하여 X-Ray 의료 이미지 생성을 구현한 것입니다. StarGAN v2는 이미지 변환(image translation) 작업에서의 우수한 성능을 발휘하기 위해 채택되었습니다.

깃허브

연합 학습 시뮬레이션

이 프로젝트는 연합 학습(FL)을 사용하여 LSTM 모델의 학습 과정을 시뮬레이션하는 것을 보여줍니다. 이 과정에서 원시 비디오 데이터를 중앙 서버로 전송하지 않고 여러 카메라의 데이터를 이용해 모델을 학습시킵니다.

깃허브

논문

딥 강화 학습을 통한 비용 효율적인 연합 비디오 감시 관리 프레임워크 ²⁰²⁴

저널: Sensors, MDPI | 과정: 출판됨 (SCI/E), IF 3.275_Q2

저자: Dilshod Bazarov, Alaelddin F. Y. Mohammed, TaeHeum Na 및 Joohyung Lee(연락저자)

링크: 10.3390/s24072158

이 연구는 이중 계층 에지 컴퓨팅 아키텍처와 딥 Q-네트워크 및 연합 학습을 사용한 동적 임계값 제어를 통해 GPU 사용을 최적화하고 에너지 소비를 5% 줄이는 비용 효율적인 연합 비디오 감시 관리 프레임워크를 소개합니다.

단기기억모형을 이용한 계층적 에지 컴퓨팅 시스템에서의 인지적 영상감시 관리 ²⁰²³

저널: Sensors, MDPI | 과정: 출판됨 (SCI/E), IF 3.275_Q2

저자: Dilshod Bazarov, Jingyeom Kim, Alaelddin F. Y. Mo. 및 Joohyung Lee(연락저자)

링크: 10.3390/s23052869

스마트 시티의 딥러닝 기반 비디오 감시를 위한 제안된 CogVSM 프레임워크는 LSTM 모델을 사용하여 객체 출현 패턴을 예측하고, GPU 자원을 동적으로 관리하며, 기존 방법에 비해 최대 32.1%의 메모리 사용량을 줄이고 루트 평균 제곱 오차는 0.795를 달성합니다.