센서 신호 파이프라인부터 LLM 에이전트까지,
프로덕션에서 실제로 돌아가는 AI 시스템을 설계·배포·운영합니다.
기술 선택을 측정 가능한 근거로 결정하고, 만든 뒤에 고장을 찾아내는 것을 업무의 절반으로 봅니다.
3.3×추론 파이프라인 E2E 속도실개체 24h · raw 216만 행 기준
9게재 논문 · 학술 발표저널 3 · 학술대회 6 · 심사 중 1
4y 6m프로덕션 AI 시스템2022.04 –
Selected Work
행동 분류 추론 파이프라인 — E2E 3.3배
바딧 · 2026.02 · 재작업 전담
- Python
- NumPy
- LightGBM
- MLflow
6축 IMU raw 신호에서 903개 특징을 뽑아 행동을 분류하는 프로덕션 코어 패키지를 재작업해 E2E 처리 시간을 3.3배 줄였다.
3.3×E2E 처리 속도실개체 24h · raw 216만 행
433win/sec8,640 윈도우 · 이전 131 · E2E 기준
208 / 0pass / fail전체 테스트 · 피처 오차 1e-6 이내
사내 LLM 데이터 에이전트 플랫폼
바딧 · 2026.04 – 현재 · 1인 설계·구현·운영
- Claude API
- PostgreSQL · pgvector
- ClickHouse
- MCP
- Docker
자연어로 사내 데이터를 조회하는 어시스턴트. MVP에서 tool-calling 에이전트까지 전환했고, 아키텍처 선택을 A/B 실측으로 결정했다.
5 / 5조합 질의 통과라이트 eval 5케이스 · 기존 구조로는 불가
730스키마 문서MVP 시점 · 95테이블 · 635컬럼
4접점MCP · Slack · REST · 앱 API