문장 스크랩

---

복사

---

공유

1. 보유 역량 및 경험 위주 기술 [결과를 흐름으로 바꾼 설계] 데이터 지표와 실제 사용자 경험 사이의 차이를 기술적으로 해결하는 과정에 관심을 가져왔습니다. 학부연구생으로 식음료 소비 데이터를 기반으로 추천 시스템을 개선하는 연구를 진행했습니다. 기존 추천 모델은 사용자 선호를 맞추는 데 집중되어 있었고 건강 관점에서의 변화까지는 반영하지 못한다는 한계가 있었습니다. 이를 해결하기 위해 먼저 사용자 소비 이력을 시간 흐름에 따라 정리하고 제품별 영양 정보를 함께 묶어 입력으로 구성했습니다. 여기에 GPT-4o-mini API를 활용해 사용자 소비 패턴을 기반으로, 반복적으로 나타나는 섭취 패턴과 영양 섭취 경향을 추론하도록 Few-shot 프롬프트를 설계했습니다. 또한 추천 결과가 실제로 더 나은 선택으로 이어지는지를 확인하기 위해 주요 영양 성분의 섭취 변화를 반영한 건강 개선 지표(RHI)를 직접 정의했습니다. 그 결과 Recall@5는 4.22% 향상되었고 RHI 기준에서도 4.7%의 개선을 확인할 수 있었습니다. 추천 결과에 포함된 제품의 나트륨 함량 역시 통계적으로 유의미하게 감소했습니다(p-value < 0.05). 이 과정을 통해 추천 결과의 질을 수치로 확인할 수는 있었지만 이 변화가 실제 사용자 행동으로 이어지는지는 확인하기 어려웠습니다. 추천이 개선되었다는 것과 사용자의 선택이 바뀌는 것은 다른 문제라고 느꼈습니다. 그래서 이 간극을 직접 확인해보고자, 사용자 입력과 결과가 실제 서비스 안에서 어떻게 쌓이고 다시 활용되는지를 구현하여 감성 분석 웹 서비스(EAAI)를 개발했습니다. 백엔드 API와 데이터 흐름 설계를 맡았고 LLaMA 기반 감정 분석 모델을 FastAPI 서버에 연결해 사용자 요청이 들어오면 모델 추론 결과가 반환되고 저장되는 구조를 구성했습니다. 초기에는 요청이 들어올 때마다 모델 추론이 반복되면서 응답 속도가 느려지는 문제가 있었습니다. 요청 흐름을 확인해보니 동일한 입력에도 매번 새로 추론이 실행되고 있었고 프롬프트 길이도 길어 연산량이 커지고 있었습니다. 이를 해결하기 위해 동일한 요청에 대해서는 결과를 재사용하도록 구조를 바꾸면서 응답 시간을 크게 줄일 수 있었고, 프롬프트 길이를 조정해 새로운 요청의 처리 시간도 일부 줄일 수 있었습니다. 또한 이전 기록을 재확인할 수 있는 구조를 바탕으로 사용자 감정 데이터를 시간에 따라 누적하고 조회할 수 있도록 설계했으며, 시각화를 통해 자신의 상태와 감정 변화의 흐름을 한눈에 파악할 수 있는 환경을 만들었습니다. 이 경험을 통해 결과가 서비스 안에서 계속 활용되도록 구조를 설계하는 과정이 중요하다는 점을 알게 됐습니다. 이런 구조를 만드는 능력은 데이터가 지속적으로 쌓이는 환경에서 안정적으로 활용되는 서비스를 만드는 데 필요하다고 생각합니다. 서울신문은 뉴스 콘텐츠와 독자 반응이 함께 쌓이는 환경이라고 생각합니다. 텍스트 데이터를 기반으로 독자의 관심 흐름을 이해하고 이를 서비스로 연결하는 과정이 중요한 역할이라고 보고 있습니다. 저는 소비 데이터와 텍스트 정보를 함께 다루며 패턴을 정리하고 이를 서비스 형태로 동작할 수 있도록 구현해본 경험이 있습니다. 사용자 입력이 데이터로 쌓이고 다시 활용되는 흐름을 직접 설계해본 경험을 바탕으로 기사 텍스트와 사용자 반응 데이터를 함께 다루면서 어떤 기사들이 함께 소비되는지 흐름을 구조로 정리하고 이를 서비스에 반영하는 방식으로 기여할 수 있다고 생각합니다. 특히 실시간으로 이어지는 기사 소비 흐름과 연속적으로 읽히는 패턴을 함께 고려해 자연스럽게 다음 콘텐츠로 이어지는 구조를 만들어보고 싶습니다. 입사 후에는 뉴스 콘텐츠와 사용자 반응 데이터를 함께 다루면서 데이터가 서비스 안에서 어떻게 흐르고 활용되는지를 구조로 정리하는 역할을 맡고 싶습니다. 텍스트 데이터에서 의미를 추출하고 이를 사용자 경험으로 이어지게 만드는 과정에 기여하고 싶습니다. 또한 데이터가 한 번의 결과로 끝나지 않고 사용자 반응을 통해 다시 활용되는 흐름을 실제 서비스 안에서 구현해보고 싶습니다.