AI 모델을 서비스까지 끝내는 개발자

어떤 문제를 풀었나

시설물 외관 점검은 점검자가 현장에 나가 육안으로 판독하는 방식이라, 점검 대상이 늘면 비용과 시간이 그대로 비례해 늘어납니다. 판독 결과도 점검자 숙련도에 따라 편차가 크고, 무엇을 왜 그렇게 판정했는지 이력이 남지 않습니다.

어떻게 풀었나

하자 유형별로 전용 Vision 모델(균열은 U-Net, 면적형 하자는 YOLOv8n-seg)이 1차 판독하고 사람이 확정합니다. 확정된 결과를 근거로 LLM이 시설물안전법 원문을 인용해 보고서 초안을 씁니다. 판독에서 검수, 보고서까지 한 흐름으로 잇는 것이 기존 서비스와의 차별점입니다.

내가 맡은 부분

• 분석 결과 뷰어 화면 전체 구현. 프로토타입에서 시작해 Figma 디자인 적용, 다중 이미지 지원, 검수확정 게이트까지
• 검수 API를 append-only 이력으로 설계. 오탐 삭제와 등급 조정을 되돌릴 수 있게 남겨 감사 추적이 가능하도록 만들고, 상태 정합성 버그를 다수 수정
• AI 하자 설명 패널과 LLM 코치 공용 인프라. 보고서·RAG 체인을 LangGraph로 전환
• 균열 폭 mm 환산 파이프라인. 사진 속 규격 카드를 기준물로 자동 검출해 픽셀을 mm로 환산
• 보안 수정. LLM 트레이싱에 개인정보가 남던 문제를 마스킹으로 차단하고 IDOR 취약점을 수정

결과

• 머지된 PR 97건
• 균열 탐지 recall 0.28 → 0.575 (U-Net 전환과 현장사진 파인튜닝)
• 등급 판정 3등급 정확도 70.2% → 79.6%
• 균열 폭 기준물 자동 검출 82%, 0.7mm 이상 정량 판정 가능

어떤 문제를 풀었나

20·30대는 배달과 숏폼, 게임에 매일 돈과 시간을 쓰지만 그 총량은 아무도 모릅니다. 가계부와 스크린타임 앱은 직접 기록해야 해서 번거롭고, 죄책감만 줘서 금세 포기하게 됩니다.

어떻게 풀었나

영수증 사진 한 장이나 사용 시간 입력만으로 자동 환산합니다. 돈은 "치킨 1.2마리값", 시간은 "책 2권"처럼 누구나 체감하는 단위로 바꿔 보여주고, AI가 공감 코멘트와 맞춤 챌린지를 제안해 죄책감 없이 스스로 돌아보게 만듭니다.

내가 맡은 부분

• 배달 영수증 OCR 파싱과 음식 칼로리 추론
• 소비 패턴 기반 공감 코멘트 생성과 종합 도파민 점수 산출
• 히스토리를 읽어 맞춤 챌린지를 추천
• AI 호출이 실패해도 서비스가 멈추지 않도록 수동 입력 fallback 경로를 함께 설계

결과

• 6인 팀에서 AI 기능 5종을 단독으로 구현해 서비스에 연결
• 1주 안에 로그인부터 환산, 리포트, 챌린지까지 도는 데모 완성

어떤 문제를 풀었나

전기차는 빠르게 늘고 있지만 충전소를 어디에 얼마나 더 놓아야 하는지 판단할 근거가 마땅치 않습니다. 감이 아니라 실제 사용 기록으로 답할 수 있어야 합니다.

어떻게 풀었나

한국전력공사 공공데이터 63만 건의 충전 세션을 전처리해 자치구와 충전소 단위 수요를 예측했습니다. 주소 문자열에서 자치구를 뽑아내는 전처리와 EDA를 거쳐 RandomForest와 XGBoost를 비교했고, 결과는 수요 예측·구별 지도·핫스팟 랭킹 세 화면의 Streamlit 대시보드로 만들었습니다.

결과

• 자치구 모델 R² 0.940
• 학습에 쓰지 않은 2026년 실데이터 검증에서도 R² 0.806을 유지해 과적합이 아님을 확인
• 충전소 핫스팟 TOP-N 랭킹으로 증설 우선순위 제시

직접 해보기

배포된 대시보드를 바로 열어볼 수 있습니다. 며칠 사용이 없으면 앱이 잠들어 있는데, Yes, get this app back up! 버튼을 누르면 깨어납니다.

코드를 직접 돌려보려면:

git clone https://github.com/50seok/SeoulEVCheck
cd SeoulEVCheck
pip install -r requirements.txt
streamlit run app/SeoulEVCheck.py

어떤 문제를 풀었나

광어와 가자미는 생김새가 비슷해 일반 소비자가 구분하기 어렵습니다. 이 점을 이용해 값싼 어종을 비싼 어종으로 속여 파는 수산시장 사기가 반복됩니다.

어떻게 풀었나

눈이 어느 쪽에 붙었는지로 어종을 가리는 "좌광우도" 원리를 YOLOv8 객체 탐지로 학습시켰습니다. Roboflow로 데이터셋을 직접 구축하고 증강했으며, 물고기가 아닌 사진이 올라왔을 때 엉뚱한 판정을 내리지 않도록 CLIP으로 먼저 걸러내는 단계를 앞에 두었습니다.

결과

• 최종 mAP50 58.2% · Precision 57.3% · Recall 60.7%
• 데이터셋 277장을 831장으로 증강해 클래스 균형을 맞춤
• 데이터 수집부터 학습, Streamlit Cloud 배포까지 단독 수행

직접 해보기

물고기 사진을 올리면 바로 판별해 줍니다. 며칠 사용이 없으면 앱이 잠들어 있는데, Yes, get this app back up! 버튼을 누르면 깨어납니다.

코드를 직접 돌려보려면:

git clone https://github.com/50seok/FishCheck
cd FishCheck
pip install -r requirements.txt
streamlit run app.py

어떤 문제를 풀었나

일기예보는 기온과 강수 확률이라는 숫자만 줍니다. 우산을 챙길지, 겉옷을 입을지, 몇 분 일찍 나갈지는 결국 사람이 매번 다시 판단해야 합니다.

어떻게 풀었나

기상청 10.5년치 실측 3,836일로 내일 기온과 강수를 예측하고, 로컬에서 돌아가는 sLLM이 RAG로 근거 문서를 인용해 자연어 브리핑을 씁니다. 완성된 브리핑은 디스코드로 자동 발송되며, 사용자가 남긴 체감온도 피드백을 학습해 다음 브리핑에 자동으로 반영합니다.

결과

• 내일 최고기온 예측 MAE 2.41°C. ML 3종을 비교한 뒤 LSTM 채택
• 출퇴근 소요시간(TMAP·ODsay) 연동과 자전거 통근 조언까지 붙인 디스코드 챗봇
• 예측에서 해설, 개인화에 이르는 전체 파이프라인을 단독 설계

직접 해보기

배포된 앱에서 기온 예측 결과를 볼 수 있습니다. 며칠 사용이 없으면 잠들어 있는데, Yes, get this app back up! 버튼을 누르면 깨어납니다. 브리핑 생성은 로컬 Ollama(EXAONE 3.5)가 필요해 아래처럼 직접 띄워야 합니다.

git clone https://github.com/50seok/WeatherCheck
cd WeatherCheck
pip install -r requirements.txt
cp .env.example .env   # 발급받은 키 입력
streamlit run app.py

어떤 문제를 풀었나

LLM에게 게임 진행을 통째로 맡기면 매번 다른 이야기가 나오지만, 체력이 오락가락하고 잠긴 문이 열려 버려서 게임이 되지 않습니다. 판정과 서사를 나누는 것이 이 프로젝트의 핵심이었습니다. 수치는 규칙 코드가 정하고 LLM은 그 결과를 묘사만 합니다.

그리고 배포해서 친구에게 링크를 줬습니다. 남이 플레이한 순간부터 진짜 문제가 나왔습니다 — 제보 여섯 건 중 셋은 증상이 똑같이 "화면이 멈춘다"였는데, 원인은 셋 다 달랐습니다.

어떻게 풀었나

• 가장 깊었던 결함 — LLM 호출이 실패한 턴에 서버가 이전 상태를 그대로 되돌려보내고 있었습니다. 화면은 멈춰 있는데 그래프 체크포인트는 계속 앞으로 가서, 플레이어는 죽는 장면을 한 번도 못 보고 죽어 있었습니다. 실패한 턴도 체크포인트에서 실제 상태를 읽어 보내도록 고쳤습니다.
• 재현을 먼저 만들었습니다 — 묘사 함수 하나만 갈아 끼워 항상 실패하는 서버, 한 번 걸러 한도 오류가 나는 서버를 만들어 API 비용 0으로 실패 경로 전체를 27턴 재현했습니다.
• 스크립트로 직접 플레이했습니다 — 채팅만으로 43턴을 자동 진행해 보스 앞까지 갔습니다. 브라우저로 몇 판 눌러봤을 때는 안 나오던 12턴짜리 정지 구간이 여기서 나왔습니다.
• 프롬프트로 부탁한 규칙은 전부 뚫렸습니다 — 선택지·적 생사·장비 일치를 지시문으로 막았다가 실패해서, 지금은 상태와 대조해 검증하고 모자란 선택지는 코드가 채웁니다.

결과

• 제보 6건 전부 원인 규명 후 수정 · 테스트 108개
• 사용 한도에 걸린 턴을 자동 재시도 — 운영 서버 18턴 중 5턴이 이걸로 되살아남
• 보스 밸런스를 몬테카를로 150판으로 재조정 (무기별 승률 15% / 42% / 77%)
• 세이브는 브라우저에 두어 서버를 무상태로 — 무료 호스팅의 디스크 초기화와 세이브 덮어쓰기를 함께 없앰

직접 해보기

브라우저에서 바로 플레이할 수 있습니다. 무료 서버라 첫 접속에는 서버가 깨어나기까지 1~2분이 걸릴 수 있고, 그동안 화면 오른쪽 위에 기다린 시간이 표시됩니다.

디버깅 과정을 자세히 적어 둔 기록도 있습니다.