Lee JuHyeong | Data & AI Engineer

• 📊 Data Pipeline & AI Optimization: 비정형 데이터의 정형화 및 멱등성이 보장된 안정적인 파이프라인 구축에 강점이 있습니다.
• 💡 LLM & RAG System: 하이브리드 검색 고도화 및 LLM-as-a-Judge를 활용한 정량적 평가 기반의 검색 증강 생성(RAG)에 관심이 많습니다.
• 📈 Domain Knowledge: 금융 지식(투자자산운용사 등)을 바탕으로, 비즈니스 가치를 창출하는 IT 솔루션을 고민합니다.

(프로젝트 제목을 클릭하면 상세 코드와 트러블슈팅 기록을 확인할 수 있습니다!)

DART 비정형 공시 데이터의 정형화 및 백테스트 파이프라인 구축 (2026.02 ~ 2026.03)

• Role: Data Engineering / AI
• Tech Stack: Python, Apache Airflow, PostgreSQL, AWS S3, OpenAI API
• Key Achievement: - 4단계 피드백(Reflexion) 루프 도입으로 LLM 데이터 추출 수율 65% → 95.5% 향상.
  • UPSERT 로직 기반의 멱등성(Idempotency) 보장 및 예외 케이스 Soft Fail 적용으로 데이터 누락 0% 달성.

불완전 판매 방지를 위한 금융 상품 RAG 챗봇 구축 (2026.01 ~ 2026.02)

• Role: AI / RAG Optimization
• Tech Stack: Elasticsearch, LangChain, OpenAI API
• Key Achievement: - Dense/Sparse 하이브리드 검색 및 Reranker 결합으로 검색 성능 최적화.
  • LLM-as-a-Judge 프레임워크 검증 결과, 초기 베이스라인 대비 문맥 정확도 31% 향상(최종 97%).

펫시팅 분쟁 예방을 위한 AI 피부 질환 사전 판별 서비스 (2025.02 ~ 2025.05)

• Role: Backend / ML Infra
• Tech Stack: Java (Spring Boot), Python (Flask), YOLO, InceptionV3, AWS EC2
• Key Achievement: - 배경 노이즈 해결을 위한 2-Stage 비전 모델(YOLO → Inception) 아키텍처 전면 재설계.
  • 추론 서버(Flask)와 메인 로직 서버(Spring Boot) 분리로 병목 현상 방지 및 리소스 최적화.