Retrieval & RAG
문서 변환, 청킹, 임베딩, pgvector 기반 검색, 메타데이터 랭킹을 연결합니다.
Document conversion, chunking, embeddings, pgvector search, and metadata-aware ranking.
Production AI Systems
현장 문제를 AI 시스템으로 바꾸는 엔지니어
Turning operational problems into working AI systems
데이터 분석과 머신러닝에서 출발해 RAG, 멀티모달 검색, 문서 인텔리전스, 에이전트 워크플로, LLM/VLM 서빙 인프라까지 실제 운영 가능한 AI 시스템을 설계하고 구축합니다. 최근에는 250B급 MoE 모델을 expert 축에서 압축하고 단일 장비에서 서빙하는 작업을 공개하고 있습니다.
I design and build production-ready AI systems across data analysis, machine learning, RAG, multimodal retrieval, document intelligence, agent workflows, and LLM/VLM serving infrastructure. Recent open work compresses 250B-class MoE models along the expert axis and serves them on a single device.
7+
rich experience across AI, data, infrastructure
rich experience across AI, data, infrastructure
NLP
from text mining to agentic AI systems
from text mining to agentic AI systems
Data-driven AI
SFT, PEFT, RFT, RAG problem solving
SFT, PEFT, RFT, RAG problem solving
End-to-End
from system design to module implementation
from system design to module implementation
Capabilities
설계와 구현을 분리하지 않는 AI 엔지니어링
AI engineering that connects architecture with implementation
프로토타입 수준의 모델 검토보다, 데이터와 인프라와 사용자 워크플로가 함께 맞물리는 시스템 구축에 집중합니다.
I focus on systems where data, infrastructure, and user workflows work together beyond model-only prototypes.
Multimodal AI
이미지와 텍스트를 함께 다루는 검색, 비교, 리포팅 워크플로를 설계합니다.
Search, comparison, and reporting workflows that reason over image and text together.
Document Intelligence
불규칙한 실무 문서를 RAG-ready 데이터 자산으로 바꾸는 파이프라인을 만듭니다.
Pipelines that convert messy business documents into RAG-ready data assets.
Inference Infrastructure
SGLang, vLLM, llama.cpp, ONNX 위에서 양자화·MoE 압축·분산 추론과 서빙 문제를 다룹니다.
Quantization, MoE compression, distributed inference, and serving debugging across SGLang, vLLM, llama.cpp, and ONNX.
Operator Impact
사람이 검증 가능한 증거, 오류 격리, 리뷰 루프를 제품 흐름 안에 넣습니다.
Evidence artifacts, failure isolation, and review loops built into product workflows.
Inference Infrastructure
Read case
237B MoE on a Single 128 GB Device
expert를 하나도 버리지 않고 텐서 역할별로 정밀도를 배정한 뒤, 서빙 엔진에 모델 패밀리를 직접 구현해 단일 장비에서 최대 컨텍스트로 서빙했습니다.
Assigned precision per tensor role without dropping a single expert, then implemented the model family inside the serving engine to run it at full context on one device.
Model Compression
Read case
Expert-axis Compression of 250B-class MoE
expert 프루닝, 병합, healing, FP4 양자화를 하나의 파이프라인으로 연결해 파생 모델 12종을 검증 자료와 함께 공개했습니다.
Chained expert pruning, merging, healing, and FP4 quantization into one pipeline, publishing 12 derivative models with their verification artifacts.
Personal Project
Read case
oh-my-field Capability Platform
에이전트 작업 로그와 산출물을 증거 기반 capability package로 승격하고, 런타임 간 재사용을 검증하는 CLI/MCP 플랫폼입니다.
A CLI/MCP platform that turns agent run artifacts into evidence-backed capability packages and validates reuse across runtimes.
Multimodal Reporting
Read case
Grid-grounded Satellite Change Reporting
다른 촬영 시점의 영상을 CV와 VLM 컨텍스트로 연결해 위치 근거가 있는 분석 리포트로 변환했습니다.
Converted multi-date imagery into evidence-grounded reports using CV outputs and VLM context.
Document Intelligence
Read case
RAG-ready Ingestion for Enterprise Documents
HWP, PDF, Office, 이미지, 표를 검색 가능한 문서 자산으로 바꾸는 인제스천 구조를 설계했습니다.
Designed ingestion architecture for making HWP, PDF, Office, images, and tables searchable.
Education AI
Read case
AI-driven English Learning Coaching
영어 교육 도메인에 최적화된 생성형 AI, 평가 모델, 피드백 워크플로 기반 모델/아키텍처를 설계했습니다.
Designed domain-optimized model and architecture patterns for English learning coaching workflows.
Working Style
AI 출력이 실제 의사결정으로 이어지게 만드는 구조
Making AI outputs usable in real decisions
좋은 AI 시스템은 모델 호출만으로 끝나지 않습니다. 입력 데이터를 신뢰할 수 있게 만들고, 검색 결과의 근거를 남기며, 사용자가 확인할 수 있는 인터페이스와 운영 절차까지 함께 설계해야 합니다.
Useful AI systems do not end at model calls. They require reliable inputs, evidence for retrieval outputs, interfaces for human review, and operating procedures that survive real constraints.
- 문제 구조화, 데이터 파이프라인, 모델 서빙, API, 운영 이슈까지 직접 연결
- Connect problem framing, data pipelines, model serving, APIs, and runtime operations
- PoC가 아니라 현업 사용자가 검증 가능한 결과물 중심으로 설계
- Design around artifacts that operators can verify, not just prototype demos
- 폐쇄망, 온프레미스, GPU 제약 등 실제 인프라 조건을 고려
- Account for real infrastructure constraints such as air-gapped, on-premise, and GPU environments
