JDBC부터 vLLM까지, 시장과 고객의 니즈에 발맞춰 빠르게 변화하는 SW 기술스택을 체득하며 설계 역량을 쌓아온 5년차 서버 개발자입니다. 10,000 line의 스파게티 레거시 코드를 분석해 리팩토링하며 구조를 읽고 다시 세우는 힘을 길렀습니다. 이제는 전체 구조를 그리는 설계자이자, 언어에 대한 깊은 이해를 바탕으로 AI의 코드를 이끄는 조언자가 되고자 합니다.
생년월일 : 1995.04.12
휴대전화 : 010-9950-8978
이메일 : [email protected]
2014.03 - 2020.02 충남대학교 천문우주과학과 졸업
2022.05 - 현재
GPU기술TF (선임)
2026.07 ~
연관기술 : vLLM model serving k8s kubeVirt
목적
담당기능
vLLM 기반 args 최적화를 바탕으로 Gemma4.0 31B, Qwen3.8 모델 서빙 및 MLOps 업무 수행
GPUaaS 플랫폼 구축 (backend, devOps 업무 병행)
Pain Point & Solution
v1이 GPU Passthrough 기반 단일 GPU·추론 전용 구조여서 자원 효율과 학습 워크로드 수용에 한계가 있었음.
MIG·vGPU·MPS·Time-slicing 등 GPU 분할 기술을 VM 환경 적합성 기준으로 비교하고, 스토리지 선택이 Live Migration 가능 여부(가용성 정책)와 직결되는 트레이드오프를 정리해 Storage·Networking → GPU 분할 → 멀티노드 학습·멀티테넌시로 이어지는 단계별 로드맵을 수립했음.
결과
WD 기준 2주 내 3개 모델 서빙을 통해 AI 기반 사내 서비스 구축을 성공적으로 지원
2025.05 ~ 2026.03
연관기술 ****: AWS Lambda EMR Python
목적
IPTV 로그 데이터를 바탕으로 외부 연동 서비스(TV Index)에 기간별 데이터 제공
담당기능
Python과 PySpark를 이용해 시청통계 집계로직 개발 (일간 / 주간 / 월간 단위의 통계집계. 12개의 목표 통계 데이터중 4개 전담해 개발)
EMR을 통한 분산처리 파이프라인 구축 (Lambda - EMR - S3를 통한 데이터 생성 파이프라인)
Pain Point & Solution
타사가 5인 이상의 팀 단위로 과제를 진행한 것과 달리, 2인 체제로 과제를 진행하였음. 책임님의 전체적인 아키텍처 설계를 바탕으로 DAG, DataFrame, pySpark 기초를 빠르게 학습한 뒤 1일 1 코드리뷰를 통해 이해도를 빠르게 높였음
결과
분산처리를 통해 1억건의 시청 데이터를 2시간 이내에 처리하는 데이터 처리 파이프라인 구축 성공하였으며, 기존에 예상했던 비용, 소요 시간을 각각 30%, 33% 절감
AWS EMR, PySpark 기술 학습을 통해 데이터 엔지니어링 역량 확보
2024.01 ~ 2024.12
연관기술 : Bedrock AWS Lambda Opensearch ****
목적
콘텐츠 제공자가 전달하는 콘텐츠의 메타데이터와 자사 콘텐츠의 메타데이터를 활용, 동일 콘텐츠를 자동으로 매핑한다. 이를 통해 담당자가 수기로 콘텐츠를 매핑함에 따라 발생하는 편성 지연을 해소한다.
담당기능
OpenSearch를 RAG 검색 저장소로 활용해 자사 콘텐츠의 메타데이터 적재
외부 콘텐츠가 수급될 때, AWS Lambda와 Opensearch를 이용해 Lexical Search로 가장 유사하다고 판단되는 후보 검색기능 구현
후보를 Bedrock에 질의하여 최종적으로 수급된 외부 콘텐츠와 가장 유사하다고 판단되는 자사 콘텐츠를 매핑
Pain Point & Solution
주니어 BE 3명이 해당 과제에 참여하였으며, 당시 비교적 최신 기술이었던 RAG를 어떻게 사내 환경에서 적용할지 기술 검토 과정에서 많은 어려움이 있었음. 또한 한국어 형태소 분석기를 활용한 Lexical Search와 벡터 데이터 기반 Semantic Search 2개의 성능을 비교하는데 많은 어려움을 겪음. 이를 위해 사내 RAG 구축 경험이 있는 선행개발팀에 자문을 구해 프로토타입을 학습하였고, 구축하고자 하는 시스템의 목적을 기준으로 트레이드 오프를 검토하여 불필요한 아키텍처를 덜어내었음. 또한 100여개의 콘텐츠 테스트 케이스를 통해 Lexical Search와 Semantic Search를 비교해 트레이드오프 및 기술 선택을 진행하였음.
결과
기존에 제목 유사도로 매핑했던 비즈니스 로직 대비 콘텐츠 매핑 정답률 75% → 95%로 향상
기존 대비 수급한 외부 콘텐츠가 고객에게 노출되기까지 필요한 기간을 7.8일 → 1일 이내로 단축
형태소 분석기 Nori와 가중치 기반 Lexical Search + Prompt Engineering을 통해 토큰비용 최적화와 정확도 향상 달성
2023.10 ~ 2025.12
연관기술 : Java Spring Boot QueryDSL MSA
목적
오랜 기간 외주사가 관리하던 레거시 IPTV CMS를 내재화 및 리팩토링하여 기술부채를 해소한다.
담당기능
Pain Point & Solution
결과
2023.03 ~ 2023.09
연관기술 : Testcontainers Spock Github actions
목적
담당기능
Pain Point & Solution
결과
2022.05 ~ 2023.10
연관기술 : Java Spring Boot MSA ****
목적
담당기능