|
|
|
|
|
 |
인공지능 연구 또는 프로젝트 수행 경험이 있다면 그 내용과 본인 역할, 성과를 기술하시오.
이 경험은 인공지능 연구가 단순한 기술 적용이 아니라, 문제를 구조적으로 이해하고 개선 방향을 찾는 과정이라는 사실을 깨닫게 해주었습니다.
제가 참여한 가장 의미 있는 인공지능 프로젝트는 의료영상 데이터를 이용한 폐질환 예측 모델 개발 프로젝트였습니다.
프로젝트에서 저는 데이터 전처리와 모델 성능 개선을 담당했습니다.
저는 모델 성능을 높이기 위해 전처리 과정을 개선하고, 데이터 증강(Augmentation)을 통해 학습 다양성을 확보했습니다.
프로젝트를 통해 데이터 전처리, 모델 학습, 하이퍼파라미터 튜닝까지 전 과정의 흐름을 이해할 수 있었습니다.
제가 경험한 가장 인상적인 협업은 인공지능 기반 감정 분석 모델 개발 프로젝트였습니다.
프로젝트는 데이터 수집, 전처리, 모델 학습, 결과 분석의 네 단계로 진행되었고, 저는 팀 리더로서 일정관리와 모델 구조 설계를 맡았습니다.
|
|
|
 |
인공지능 연구 또는 프로젝트 수행 경험이 있다면 그 내용과 본인 역할, 성과를 기술하시오.
이 경험은 인공지능 연구가 단순한 기술 적용이 아니라, 문제를 구조적으로 이해하고 개선 방향을 찾는 과정이라는 사실을 깨닫게 해주었습니다.
제가 참여한 가장 의미 있는 인공지능 프로젝트는 의료영상 데이터를 이용한 폐질환 예측 모델 개발 프로젝트였습니다.
이 연구는 병원과 협력하여 X-ray 이미지데이터를 분석하고, 폐질환 여부를 예측하는 딥러닝 모델을 구축하는 것이 목적이었습니다.
프로젝트에서 저는 데이터 전처리와 모델 성능 개선을 담당했습니다.
저는 모델 성능을 높이기 위해 전처리 과정을 개선하고, 데이터 증강(Augmentation)을 통해 학습 다양성을 확보했습니다.
이 조치를 통해 모델의 편향을 줄일 수 있었고, 실제 예측 결과에서도 소수 클래스 의 정확도가 눈에 띄게 향상되었습니다.
프로젝트를 통해 데이터 전처리, 모델 학습, 하이퍼파라미터 튜닝까지 전 과정의 흐름을 이해할 수 있었습니다.
특히 데이터의 불균형과 편향 문제를 해결할 수 있는 알고리즘을 연구해, 신뢰할 수 있는 AI 시스템을 개발하는 것이 목표입니다.
최근 AI가 생성한 정보의 신뢰성, 개인정보보호 문제, 알고리즘의 편향성 같은 이슈를 보면서 기술개발과 윤리가 분리되어서는 안 된다고 생각했습니다.
최근에는 CVPR2024에서 발표된 'GenerativeAI의 안전성 평가' 논문을 분석하며 생성형 모델의 윤리적 검증체계를 공부했습니다.
발표를 준비하면서 논문을 단순히 읽는 것이 아니라, 연구의 도를 파악하고 구현 방식을 이해하는 훈련이 되었습니다.
앞으로는 의료 AI나 공공데이터 분야에서 신뢰성 평가 체계를 구축하는 연구를 하고 싶습니다.
제가 경험한 가장 인상적인 협업은 인공지능 기반 감정 분석 모델 개발 프로젝트였습니다.
프로젝트는 데이터 수집, 전처리, 모델 학습, 결과 분석의 네 단계로 진행되었고, 저는 팀 리더로서 일정관리와 모델 구조 설계를 맡았습니다.
팀원 간 의견이 엇갈렸고, 새로운 구조를 도입하자는 의견과 기존 모델을 개선하자는 의견이 나뉘었습니다.
결과적으로 기존 모델을 개선한 방법이 더 효과적이라는 결론이 나왔고, 팀 전체가 결과에 납득 했습니다.
덕분에 팀 전체의 이해도가 높아졌고, 프로젝트 후반에는 팀원들이 자발적으로 새로운 기능을 제안할 정도로 적극적인 분위기가 형성되었습니다. |
 |
모델, 데이터, 연구, 결과, 프로젝트, 기술, 지능, 되어다, ai, 과정, 인공, 팀, 단순하다, 신뢰, 학습, 싶다, 분석, 문제, 이다, 성 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.10.20
5페이지
