최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...
1. 새로운 시각이나 끊임없는 혁신의 실행으로 문제를 포기하지 않고 해결했던 경험을 서술해주세요.(발생했던 문제, 새로운 시각 또는 혁신의 세부 내용, 해결 또는 개선된 결과를 포함하여 구체적으로 기술) (최소 700자, 최대 1,000자 입력가능)
3D Reconstruction을 통한 큐브 해결 프로그램 프로젝트에 참여하면서, 복잡한 문제를 해결하기 위해 끊임없이 혁신적인 방법을 고민했습니다. 프로젝트의 핵심은 Point cloud 데이터를 기반으로 큐브를 복원한 후, 이를 해결하는 알고리즘을 개발하는 것이었습니다. 초기에는 큐브의 3D 모델을 정확히 복원하는 것이 가장 큰 도전 과제였습니다. Point cloud 데이터를 활용하여 큐브의 표면을 정확히 추출하고, 각 면에 해당하는 색을 정확하게 판단하는 것이 주요 과제였기 때문입니다.
큐브 해결 알고리즘을 개발하는 과정에서는 효율성을 극대화할 수 있는 접근법을 고민했습니다. 일반적인 큐브 해결 알고리즘은 여러 가지가 있었지만, 3D 공간에서 큐브의 각 면을 복원한 후, 해결 과정을 자동화하는 데에는 많은 어려움이 있었습니다. 문제를 해결하기 위해 기존의 알고리즘을 개선하여, 큐브의 상태를 실시간으로 분석하고 해결할 수 있도록 하였습니다.이 과정에서 가장 큰 혁신은 3D Reconstruction을 통해 큐브의 상태를 시각적으로 확인하고, 이를 기반으로 큐브 해결 알고리즘을 자동화할 수 있다는
점이었습니다. 프로젝트를 통해 기존의 2D 이미지 기반 문제 해결 방식에서 벗어나, 3D 데이터를 적극적으로 활용함으로써 문제를 효율적으로 해결할 수 있었습니다.
이 경험은 제게 문제를 해결하기 위해 새로운 접근 방식을 찾는 중요성을 다시 한 번 깨닫게 해주었습니다. 다양한 기술과 방법을 융합하여 기존의 해결책을 개선하고 혁신적인 방식으로 문제를 해결할 수 있다는 자신감을 얻게 되었습니다.
2. 타인의 협력을 이끌어 내거나 타인을 주도적으로 도와서 공동의 목표를 달성했던 경험을 서술해주세요.(공동의 목표, 함께 했던 사람들, 본인의 역할(리더/팔로워), 협업의 어려움과 극복 방법 또는 시너지 발휘를 위한 노력, 목표 달성 여부 및 본인의 기여도를 포함하여 구체적으로 기술) (최소 700자, 최대 1,000자 입력가능)
저는 소화기 탐지 로봇 개발 프로젝트에서 AI 기반 객체 탐지 및 자율 주행 시스템 구축을 목표로 팀원들과 협업하였습니다. 해당 프로젝트에서 저는 Yolov5 기반 소화기 탐지 모델 개발을 담당했으며, 팀원들은 자율 주행, 하드웨어 설계, 통신 모듈 구현을 맡았습니다.
공동의 목표 및 역할
우리 팀의 목표는 로봇이 자율 주행 중 소화기를 탐지하면 즉시 경로를 변경하고 해당 위치를 저장하는 시스템을 구축하는 것이었습니다. 저는 객체 탐지 모델을 고도화하여 다양한 환경에서도 높은 정확도로 소화기를 인식하도록 최적화하는 역할을 맡았습니다. 리더는 따로 없었지만, 저는 팀원들에게 AI 모델의 요구사항을 설명하고, 학습 데이터셋을 구축하는 과정을 주도했습니다.
협업의 어려움과 극복 방법
초기에는 각 팀원의 역할이 분리되어 있어, 서로의 진행 상황을 완전히 이해하기 어려운 문제가 있었습니다. 특히, 저는 탐지 모델을 개발하고, 다른 팀원들은 로봇의 자율 주행을 담당했기 때문에, 모델이 실제 로봇과 매끄럽게 연동되지 않는 문제가 발생했습니다. 이를 해결하기 위해 주간 회의를 통해 진행 상황을 공유하고, 테스트 환경을 통합하여 AI 모델과 자율 주행 시스템을 함께 실험하는 방식으로 협업을 강화하였습니다.
또한, 탐지 모델의 성능 문제도 도전 과제였습니다. 초기에 학습된 모델은 조명 변화나 거리 차이에 따라 인식률이 낮아지는 문제가 있었습니다. 이를 해결하기 위해 다양한 환경에서 데이터를 추가로 수집하고, 데이터 증강 기법을 적용하여 모델의 성능을 개선했습니다. 이러한 과정에서 팀원들과 역할을 분담하여 야간 및 실외 환경에서도 정확도가 높은 탐지 시스템을 구축할 수 있었습니다.
이 경험을 통해, 저는 효과적인 협업의 중요성을 깨달았으며, AI 모델 개발뿐만 아니라 팀원들과의 긴밀한 소통과 실험 환경의 통합이 프로젝트 성공에 핵심적인 요소임을 배울 수 있었습니다. 앞으로도 다양한 기술을 보유한 팀원들과 협업하며, 공동의 목표를 효율적으로 달성하는 전문가로 성장하고자 합니다.
3. 지원 분야 관련 본인의 직무 역량 또는 전문성에 대해 기술하고, 입사 후 직무 전문가로서의 성장 Vision을 서술해주세요.(본인이 보유한 상세 직무 역량 또는 전문성(지식/기술 등), 회사에 기여할 수 있는 점, 성장 Vision(경력 개발 계획, 최종 목표 등)을 포함하여 구체적으로 기술) (최소 700자, 최대 1,000자 입력가능)
저는 AI 기반 영상 분석, 3D Reconstruction, 실시간 시스템 최적화 기술을 연구하며 다양한 프로젝트를 수행해왔습니다. 이를 통해 전자광학 및 레이저 무기체계 SW 개발 분야에서 효과적인 표적 감시 및 추적 시스템을 구현하는 역량을 갖추게 되었습니다.
또한, 3D Reconstruction 및 Stereo Vision을 활용한 정밀 영상 분석 경험이 있습니다. 3D Reconstruction 기반 큐브 해결 프로젝트에서 Point Cloud 데이터를 가공하여 색상을 분석하는 알고리즘을 개발했으며, Mediapipe 기반 3D Vision 칠판 프로젝트에서는 Stereo Calibration을 통해 손가락 위치의 Depth 값을 측정하여 특정 거리에서 결과를 출력하는 기능을 구현했습니다. 이러한 경험은 다중 센서를 활용한 표적 감시 및 영상 융합 기술 개발에 기여할 수 있습니다.
뿐만 아니라, On-device AI 기반 실시간 모델 갱신 기술을 개발한 경험도 있습니다. 실시간 얼굴 인식 카메라 프로젝트에서 Multi-Tasking을 활용하여 얼굴 인식 데이터를 실시간 학습 및 갱신하는 기능을 구현했습니다. 이는 제한된 환경에서도 AI 모델을 최적화하고 적응형 학습을 수행하는 기술로, 향후 전자광학 시스템에서 실시간 탐지 성능을 향상시키는 데 적용할 수 있습니다.
입사 후에는 전자광학 및 레이저 기반 표적 감시 SW 개발에 참여하며, AI 기반 탐지 및 추적 기술을 심화하고자 합니다. 특히, 다중 센서 데이터를 융합하여 정밀 영상 분석 및 무기체계 운용 SW를 고도화하는 전문가로 성장하는 것이 목표입니다. 최신 AI 및 영상 처리 기술을 연구하며, 실시간 탐지 및 추적 성능을 최적화하는 데 집중할 계획입니다. 이를 통해 표적 감시 시스템의 정확도를 높이고, 다양한 환경에서도 신뢰성 높은 성능을 유지하는 데 기여하고자 합니다.
새창
목록
합격 자소서
LIG넥스원 / SW / 2025 상반기
경희대 / 소프트웨어융합 / 학점 4.02/4.5 / 오픽: IM1
보고있는 합격자소서 참고해서 내 자소서 작성하기
새창
목록
마음에 드는 문장을 스크랩 할 수 있어요!
지금 바로 PC에서 이용해보세요.
최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...
1. 새로운 시각이나 끊임없는 혁신의 실행으로 문제를 포기하지 않고 해결했던 경험을 서술해주세요.(발생했던 문제, 새로운 시각 또는 혁신의 세부 내용, 해결 또는 개선된 결과를 포함하여 구체적으로 기술) (최소 700자, 최대 1,000자 입력가능)
3D Reconstruction을 통한 큐브 해결 프로그램 프로젝트에 참여하면서, 복잡한 문제를 해결하기 위해 끊임없이 혁신적인 방법을 고민했습니다. 프로젝트의 핵심은 Point cloud 데이터를 기반으로 큐브를 복원한 후, 이를 해결하는 알고리즘을 개발하는 것이었습니다. 초기에는 큐브의 3D 모델을 정확히 복원하는 것이 가장 큰 도전 과제였습니다. Point cloud 데이터를 활용하여 큐브의 표면을 정확히 추출하고, 각 면에 해당하는 색을 정확하게 판단하는 것이 주요 과제였기 때문입니다.
큐브 해결 알고리즘을 개발하는 과정에서는 효율성을 극대화할 수 있는 접근법을 고민했습니다. 일반적인 큐브 해결 알고리즘은 여러 가지가 있었지만, 3D 공간에서 큐브의 각 면을 복원한 후, 해결 과정을 자동화하는 데에는 많은 어려움이 있었습니다. 문제를 해결하기 위해 기존의 알고리즘을 개선하여, 큐브의 상태를 실시간으로 분석하고 해결할 수 있도록 하였습니다.이 과정에서 가장 큰 혁신은 3D Reconstruction을 통해 큐브의 상태를 시각적으로 확인하고, 이를 기반으로 큐브 해결 알고리즘을 자동화할 수 있다는
점이었습니다. 프로젝트를 통해 기존의 2D 이미지 기반 문제 해결 방식에서 벗어나, 3D 데이터를 적극적으로 활용함으로써 문제를 효율적으로 해결할 수 있었습니다.
이 경험은 제게 문제를 해결하기 위해 새로운 접근 방식을 찾는 중요성을 다시 한 번 깨닫게 해주었습니다. 다양한 기술과 방법을 융합하여 기존의 해결책을 개선하고 혁신적인 방식으로 문제를 해결할 수 있다는 자신감을 얻게 되었습니다.
2. 타인의 협력을 이끌어 내거나 타인을 주도적으로 도와서 공동의 목표를 달성했던 경험을 서술해주세요.(공동의 목표, 함께 했던 사람들, 본인의 역할(리더/팔로워), 협업의 어려움과 극복 방법 또는 시너지 발휘를 위한 노력, 목표 달성 여부 및 본인의 기여도를 포함하여 구체적으로 기술) (최소 700자, 최대 1,000자 입력가능)
저는 소화기 탐지 로봇 개발 프로젝트에서 AI 기반 객체 탐지 및 자율 주행 시스템 구축을 목표로 팀원들과 협업하였습니다. 해당 프로젝트에서 저는 Yolov5 기반 소화기 탐지 모델 개발을 담당했으며, 팀원들은 자율 주행, 하드웨어 설계, 통신 모듈 구현을 맡았습니다.
공동의 목표 및 역할
우리 팀의 목표는 로봇이 자율 주행 중 소화기를 탐지하면 즉시 경로를 변경하고 해당 위치를 저장하는 시스템을 구축하는 것이었습니다. 저는 객체 탐지 모델을 고도화하여 다양한 환경에서도 높은 정확도로 소화기를 인식하도록 최적화하는 역할을 맡았습니다. 리더는 따로 없었지만, 저는 팀원들에게 AI 모델의 요구사항을 설명하고, 학습 데이터셋을 구축하는 과정을 주도했습니다.
협업의 어려움과 극복 방법
초기에는 각 팀원의 역할이 분리되어 있어, 서로의 진행 상황을 완전히 이해하기 어려운 문제가 있었습니다. 특히, 저는 탐지 모델을 개발하고, 다른 팀원들은 로봇의 자율 주행을 담당했기 때문에, 모델이 실제 로봇과 매끄럽게 연동되지 않는 문제가 발생했습니다. 이를 해결하기 위해 주간 회의를 통해 진행 상황을 공유하고, 테스트 환경을 통합하여 AI 모델과 자율 주행 시스템을 함께 실험하는 방식으로 협업을 강화하였습니다.
또한, 탐지 모델의 성능 문제도 도전 과제였습니다. 초기에 학습된 모델은 조명 변화나 거리 차이에 따라 인식률이 낮아지는 문제가 있었습니다. 이를 해결하기 위해 다양한 환경에서 데이터를 추가로 수집하고, 데이터 증강 기법을 적용하여 모델의 성능을 개선했습니다. 이러한 과정에서 팀원들과 역할을 분담하여 야간 및 실외 환경에서도 정확도가 높은 탐지 시스템을 구축할 수 있었습니다.
이 경험을 통해, 저는 효과적인 협업의 중요성을 깨달았으며, AI 모델 개발뿐만 아니라 팀원들과의 긴밀한 소통과 실험 환경의 통합이 프로젝트 성공에 핵심적인 요소임을 배울 수 있었습니다. 앞으로도 다양한 기술을 보유한 팀원들과 협업하며, 공동의 목표를 효율적으로 달성하는 전문가로 성장하고자 합니다.
3. 지원 분야 관련 본인의 직무 역량 또는 전문성에 대해 기술하고, 입사 후 직무 전문가로서의 성장 Vision을 서술해주세요.(본인이 보유한 상세 직무 역량 또는 전문성(지식/기술 등), 회사에 기여할 수 있는 점, 성장 Vision(경력 개발 계획, 최종 목표 등)을 포함하여 구체적으로 기술) (최소 700자, 최대 1,000자 입력가능)
저는 AI 기반 영상 분석, 3D Reconstruction, 실시간 시스템 최적화 기술을 연구하며 다양한 프로젝트를 수행해왔습니다. 이를 통해 전자광학 및 레이저 무기체계 SW 개발 분야에서 효과적인 표적 감시 및 추적 시스템을 구현하는 역량을 갖추게 되었습니다.
또한, 3D Reconstruction 및 Stereo Vision을 활용한 정밀 영상 분석 경험이 있습니다. 3D Reconstruction 기반 큐브 해결 프로젝트에서 Point Cloud 데이터를 가공하여 색상을 분석하는 알고리즘을 개발했으며, Mediapipe 기반 3D Vision 칠판 프로젝트에서는 Stereo Calibration을 통해 손가락 위치의 Depth 값을 측정하여 특정 거리에서 결과를 출력하는 기능을 구현했습니다. 이러한 경험은 다중 센서를 활용한 표적 감시 및 영상 융합 기술 개발에 기여할 수 있습니다.
뿐만 아니라, On-device AI 기반 실시간 모델 갱신 기술을 개발한 경험도 있습니다. 실시간 얼굴 인식 카메라 프로젝트에서 Multi-Tasking을 활용하여 얼굴 인식 데이터를 실시간 학습 및 갱신하는 기능을 구현했습니다. 이는 제한된 환경에서도 AI 모델을 최적화하고 적응형 학습을 수행하는 기술로, 향후 전자광학 시스템에서 실시간 탐지 성능을 향상시키는 데 적용할 수 있습니다.
입사 후에는 전자광학 및 레이저 기반 표적 감시 SW 개발에 참여하며, AI 기반 탐지 및 추적 기술을 심화하고자 합니다. 특히, 다중 센서 데이터를 융합하여 정밀 영상 분석 및 무기체계 운용 SW를 고도화하는 전문가로 성장하는 것이 목표입니다. 최신 AI 및 영상 처리 기술을 연구하며, 실시간 탐지 및 추적 성능을 최적화하는 데 집중할 계획입니다. 이를 통해 표적 감시 시스템의 정확도를 높이고, 다양한 환경에서도 신뢰성 높은 성능을 유지하는 데 기여하고자 합니다.