|
AI · Data · Product를 연결해 아이디어를 실제 동작하는 결과물로 만들고, 실제 데이터와 사용자 피드백으로 다시 검증하는 과정을 기록하고 있습니다. 현재는 Python 기반 데이터 분석과 ML/DL, LLM 활용, 웹 서비스 구현을 함께 학습하며 프로젝트로 확장하고 있습니다.
|
|
AI 대화 · 문서 · GitHub에 흩어진 개발 기록을 연결해 무엇을 했는가뿐 아니라 왜 그렇게 했는가까지 복원하는 개발자 작업 기억 시스템입니다.
- Discussion → Decision → Documentation → Implementation → Verification
- 실제 GitHub API + Notion Snapshot 기반 Connected Evidence Alpha
- Semantic Evidence · Change Set · Relation Candidate를 실제 기록으로 검증 중
생각나는 내용을 Capture하고 AI로 정리해 지금 무엇을 해야 하는지에 집중하도록 돕는 개인 작업 관리 시스템입니다.
- Quick Capture → Inbox → AI 정리 → Today / Focus
- Next.js · TypeScript · Supabase · PostgreSQL
- 실제 사용자 피드백을 기반으로 UX와 정보 구조를 반복 개선 중
유럽 5대 리그 선수의 다음 시즌 Big5 득점 수를 예측하는 시계열 ML/DL 프로젝트입니다.
- Walk-forward · Nested HPO · Two-stage modeling
- 2025-26 Locked Test: 926 players · MAE 2.003
- Big5 잔류 분류: ROC-AUC 0.907 · Macro F1 0.814
👉 european-football-goal-prediction
핵심 리뷰어의 다음 연도 활동 유지·약화·중단을 예측하고 운영자의 다음 행동까지 연결하는 리텐션 운영 서비스입니다.
My role — 팀장 · v04 프로토타입 설계/구현 · 공통 데이터 규격/서비스 통합 · 운영 UI/UX 및 제품 문서 체계화
👉 SKN34 2nd Team Project · Personal DL Experiment
전국 자동차 등록 통계를 분석해 지역별 자동차 소비 성향을 시각화하고 차량 추천·뉴스·FAQ·AI 챗봇까지 연결한 팀 프로젝트입니다.
My role — 차량 등록 데이터 추출/전처리 · MySQL DB 설계/구축 · 지역별 차량 특성 통계 데이터 구성
👉 SKN34 1st Team Project · Car-BTI Data Pipeline
-
Titanic Survival Prediction
Personal · ML— Feature Engineering, OOF threshold, leakage-safe validation을 다시 검증하고 당시의 선택·실패·학습을 Decision Log로 보존한 머신러닝 프로젝트
👉 titanic-survival-prediction -
Online Shoppers Conversion ML
Personal · ML— 온라인 쇼핑 세션의 구매 전환 예측 및 Streamlit 실험 대시보드
👉 online-shoppers-conversion-ml -
Python Coding Test Study
Learning— 직접 구현 → 반례 확인 → 디버깅 → 리팩터링 중심의 코딩테스트 기록
👉 python
| Area | Current Focus |
|---|---|
| Product | CHANGELOG · Flowin · 실제 데이터/사용자 피드백 기반 제품 검증 · AI workflow |
| Machine Learning | Classification · Regression · Feature Engineering · validation design |
| Deep Learning | PyTorch · MLP · sequence modeling |
| LLM / NLP | LLM application patterns · MCP / Actions · RAG / Evidence retrieval exploration |
| Data | Pandas · SQL · ETL · SQLite · Supabase / PostgreSQL |
| Algorithm | Programmers Level 1 · PCCE/PCCP 유형 연습 |
Language / Data
Python · SQL · Pandas · NumPy
ML / DL
scikit-learn · PyTorch
Product / Web
Next.js · React · TypeScript · FastAPI · Supabase · PostgreSQL · MySQL · SQLite · Vercel
Workflow
Git · GitHub · Jupyter Notebook · Streamlit
- ✅ Programmers 코딩테스트 입문 Complete
- ✅ Programmers 코딩 기초 트레이닝 Complete
- ✅ Programmers Level 0 Complete
- ✅ PCCE Lv.2 · 742
- 🔄 Programmers Level 1
- 🔄 PCCE / PCCP 유형 연습
Problem / Idea
↓
Define what matters
↓
Design / Implement
↓
Test with real data or users
↓
Find failure cases
↓
Improve
↓
Document what changed and why
결과만 남기기보다 왜 그렇게 설계했는지, 무엇이 실패했고 어떻게 개선했는지가 남는 프로젝트를 만들려고 합니다.