강연철 포트폴리오

🧑‍💻다재다능한 Developer

배움에 두려움이 없고 분야를 가리지 않는, 항상 정진하는 개발자입니다.

[2022~ 끊임없는 도전]

전역 이후 지금도 쉼 없이 실력을 갈고 닦고 있습니다. AI에 대한 관심으로 부스트캠프 AI Tech 4기를 수료했습니다. 소중한 동료들을 많나 많은 프로젝트를 진행하고 다양한 식견들을 얻을 수 있었으며, 함께 했던 [지구코딩실] 팀과는 현재까지도 인연을 이어가며 작은 프로젝트를 진행하고 있습니다.
- 부스트캠프 AI Tech 4기 수료(2022~2023년)
[2020~2022 ROTC 58기 학군 장교로 군복무]

군복무 중에도 개발자의 꿈을 놓지 않고 계속해서 정진했습니다. 이러한 저의 노력은 각종 수상으로 이어졌습니다. 평소 흥미를 갖고 공부한 AI 기술을 부대 시설에 적용하여 개선안을 제시하는 한편, 코딩 지식을 발휘하여 동아리 활동을 이끌어 전국 대회에서 수상했습니다.
- 육군정보통신학교 AI 초청 강연자 표창(2021년)
- 제 3회 청년DREAM 국군드림 최우수상 수상(2021년)
[2016~2019 한양대학교 정보시스템 전공]

다양한 CS 지식을 습득하고 Capstone Project로 NUgaller(누갤러)를 개발하며 사람과 소통하는 AI 기술의 활용 가능성에 대해 흥미가 생겼습니다.
- SKT AI 커리큘럼 Capstone Project 우수상 수상(2019년)
- 정보처리기사 취득(2019년)

부스트캠프 AI Tech 4기 수료증

「SKT AI 커리큘럼 Capstone Project」 우수상

육군정보통신학교 AI 초청 강연자 표창

제 3회 청년DREAM 국군드림 최우수상 수상

🌏Links

Resume

강연철 이력서

Tistory

삽질을 해보자

Velog

kyc3492 (Yeoncheol Kang) - velog

GitHub

kyc3492 - Overview

💡기여한 프로젝트

누비랩 기업연계 프로젝트
- 참여 기간 : 2022. 12 ~ 2023. 02
- 기술 스택 : Python, Pytorch, FastAPI, MongoDB
- 세부 역할 : 실험 진행 및 결과 분석을 위한 Backend Server 구성, 베이스라인 모델링, 테스트 코드 작성
- 개요
  
  OPEN CLIP[링크] 모델을 기반으로 ‘음식 도메인’[1] FINE GRAINED TASK를 해결하는 프로젝트를 진행했습니다. 아직 해당 분야에 뚜렷한 해결책이 대두되지 않았다는 점과 실제 스타트업에서 고민하는 점을 함께 공유하고 해결하는 과정이 특별했던 프로젝트입니다.
- 프로젝트 리뷰
  
  FINE GRAINED 도메인에 대해 CLIP을 적용하는 것은 도전적인 과제로 알려져 있으나, 실제로 존재하는 수많은 음식들을 제대로 분류하기 위해서는 처음 보는 데이터를 대상으로 하는 Zero-Shot Task에 뛰어난 CLIP을 적용하는 것이 타당하다 생각했습니다. 우리 ‘지구코딩실’[2] 팀은 모든 역량을 집중했지만, 약 5주라는 짧은 기간동안 진행됐기에 원하는 수준의 Zero-Shot 성능을 달성하는 것은 어려웠습니다. 그러나 Food-Tokenizer 개선의 필요성이 대두되는 등 프로젝트에서의 경험은 NLP 기반의 새로운 후속 프로젝트의 토대가 되었습니다.
  - 모델링 측면
    - 저희 팀은 우선 음식 도메인에서 OPEN CLIP의 취약점을 파악했습니다. Zero-Shot Task에서의 정확도는 약 77%를 보였는데, 전체 오답 중 같은 대분류(밥류, 국탕찌개류 등) 내에서 발생하는 오답의 약 50%임을 확인했습니다.
    - 따라서, Hard-Negative Sampling을 통해 같은 대분류로 샘플링하고, 각각의 대분류 내에서 소분류(실제 음식 이름을 뜻합니다. 순두부찌개, 김치찌개 등)를 예측하도록 학습을 진행했습니다.
    - 또한, 음식을 대분류로 먼저 구분한 다음에, 소분류를 구분하는 2-Stage 모델을 구성하고 실험을 진행한 후, 다른 대분류로의 예측을 제한하여 Zero-Shot Task에서의 성능을 향상시켰습니다.
  - DataOps(데이터 서빙) 측면
    - 대용량 데이터를 한 번에 관리하고자 MongoDB와 FastAPI를 활용해 데이터 서버를 구축해 서빙을 진행했습니다. 이를 통해, 자체 대시보드와 연결하여 데이터를 탐색할 수 있는 기능을 구현했고, 각 팀원들의 GPU 인스턴스에서의 Dataset 구성을 통일하여 학습 동안 발생할 수 있는 변수를 통제했습니다.
    - SHA256 해시를 활용하여 각 팀원들의 GPU 인스턴스에서 사용중인 Dataset을 검증하여 각 데이터의 변조 가능성을 방지했습니다.
  [1] 음식을 분류하는 등 음식과 관련된 Task들을 일컫는 용어로써 사용됨.
  
  [2] 부스트캠프 AI Tech 4기 동안 모든 프로젝트를 함께했던 팀.
[소개 페이지]

[소개 링크]

[NLP-9] 지구코딩실 | CLIP을 이용한 Zero-Shot 음식 분류 (누비랩 기업연계 프로젝트)

[Youtube]

[NLP-9] 지구코딩실 | CLIP을 이용한 Zero-Shot 음식 분류 (누비랩 기업연계 프로젝트)

[Github]

[Project]

https://github.com/boostcampaitech4lv23nlp2/final-project-level3-nlp-09

[API]

https://github.com/EarthCodingLab/food-data-api

[DataOps Review]

Dive into Data Lake
Relation Extraction(관계 분류) 대회 (부스트캠프 AI Tech 내부 대회)
- 참여 기간 : 2022. 11
- 기술 스택 : Python, Pytorch, Transformer, MLflow
- 세부 역할 : MLflow model tracking / serving 서버 구성, 베이스라인 모델링, Split & Combine 모델 구현
- 개요
  
  30가지로 정의된 문장 내 2개의 객체 사이의 관계를 분류하는 대회에 참여했습니다. 베이스라인의 모델 개선뿐만 아니라 우리 지구코딩실 팀만의 협업 문화를 완성하고 적용하여 짧은 시간 내에 팀의 역량을 집중하여 최종 2위의 값진 결과를 성취했습니다.
- 프로젝트 리뷰
  
  우리 팀은 우선 베이스라인을 리팩토링하고 협업을 위한 준비를 진행했습니다. 대회의 성적 및 모델의 성능을 향상하기 위해서, 더불어 우리 팀의 차별화된 과업을 위해 반드시 선행되어야하는 과제라 생각했습니다.
  - MLOps 측면
    - 협업 준비는 모델 방면에서는 베이스라인 리팩토링이, 모델 외적 면에서는 코드의 품질을 보장할 수 있는 Linting을 포함한 Github Action 구성과 MLOps를 위한 MLflow 커스텀을 진행했습니다.
    - MLflow를 설정하고 세팅하며 막히는 부분은 Github에서 버전별 코드를 직접 확인하고 다른 개발자 분들이 남겨주신 Issue를 확인하며 해결했습니다. 이를 통해 대형 오픈소스를 경험할 수 있었습니다.
    - 구축한 서버에서 HTTP 문제 응답횟수 제한 문제가 발생하여 MLflow의 Artifact로써 모델 저장 및 서빙하는 부분은 구현이 제한되었고, 해당 기능을 SFTP로 직접 구현했습니다. 발생한 이슈에 대하여 대체 방법을 생각하고 신속하게 실행하여 주어진 시간 내에 구현할 수 있었습니다.
  - 모델링 측면
    - Split & Combined 모델을 구현해 앙상블 및 모델 성능 향상에 기여했습니다. 30가지 라벨링 중 두 객체 간 관계가 없음을 나타내는 ‘no_relation’ 라벨링이 전체 데이터의 약 40%임을 확인했고 베이스라인 모델은 이를 확실하게 구분해내지 못하고 있었습니다.
    - 이에, ‘no_relation’과 그 외 카테고리, 총 2가지 라벨링을 구분하는 모델과 30개의 라벨링을 구분하는 베이스라인 모델을 학습한 후, 이 둘을 결합하는 ‘Split & Combined’ 모델을 구현했고 기존 베이스라인 대비 4%의 성능 향상을 달성했습니다.
[Github]

https://github.com/boostcampaitech4lv23nlp2/level2_klue_nlp-level2-nlp-09

[MLOps Review]

처음부터 시작하는 MLflow + SFTP 서버 세팅하기