10+ years designing power-plant systems on EPC mega-projects — now building the AI/data systems that make construction projects measurable: leakage-aware risk models, deterministic tool-calling agents, and offline-first LLM apps for air-gapped sites.
공개 데이터와 과거 알고리즘으로 재현하고, 검증으로 신뢰를 만드는 ML 프로젝트
Predicts pre-construction readiness friction from 227K Chicago building permits: DuckDB ingest → leakage-tested features → LightGBM regression + group-relative risk classification → SHAP → a deterministic-tools diagnosis agent that outputs decision-ready risk cards. Reports an honest negative result (backlog features hurt under temporal drift) instead of hiding it.
착공 전 인허가 지연 리스크를 "건설 readiness 신호"로 프레이밍해 수집→정제→예측→설명→진단 카드까지 전 단계를 코드로 재현. 시간분할 검증, 누수 차단 테스트, 그룹 상대 리스크 라벨 등 현업 신뢰성 중심 데이터 분석.
My 2013 bachelor-thesis lane departure warning algorithm (OpenCV C/C++, recovered from the printed PDF appendix), faithfully restored in Python with tests and metrics, then modernized one evidenced decision at a time — ending with a lightweight ML lane regressor that only acts through a segment-agreement gate.
13년 전 학부논문 알고리즘을 복원 → 가정이 깨지는 지점을 계측 → 근거 기반 현대화. 4패널 비교 영상과 함께 봅니다.
A methodology-first case study: one analysis playbook — business problem reframing → EDA with one-line interpretations → deliberate preprocessing trade-offs → model comparison → business judgment — applied end-to-end to a Kaggle construction-cost dataset, then stress-tested on 36K rows of real gas-turbine sensor data. The cost of median imputation is quantified by controlled ablation (~3k RMSE), 13 models are measured from linear baselines to TabPFN v2 and a hand-built MLX FT-Transformer, and temporal splits expose the random-split mirage (3.9 → 10.1 RMSE) — misses reported honestly.
캐글 건설비 데이터에 데이터 분석 방법론을 끝까지 적용한 케이스 스터디 — 문제의 업무 언어 재정의부터 전처리 선택의 비용 정량화(결측 대치 ≈3천 RMSE, 재현 실험), 13종 모델 실측, 실물 센서 데이터(36K행) 재검증까지. 시간외삽 검증으로 랜덤 분할의 신기루를 정량화하고, 기준 미달은 정직하게 보고. 모든 수치는 실행 산출물에서만 인용(창작 0), 레드팀 사전 검증.
발전 플랜트 도메인 지식을 검증 가능한 AI 도구로 만든 프로젝트
An MCP server of standards-traceable CCPP balance-of-plant calculations: pipe sizing (ASME B36.10M/B31.1), hydraulics (Crane TP-410, Colebrook), pump TDH/NPSHa (HI), control-valve Cv (ISA 75.01), and an own IAPWS-IF97 steam implementation locked by the official verification tables. Every response carries its evidence — standard, equation, assumptions, warnings — and 524 tests plus ~1,800 cross-assertions against independent libraries hold every number. A real Claude client runs a fuel-oil system design verification end to end.
발전 도메인 지식과 공개 표준(Crane·ASME·HI·ISA·ASTM·IAPWS)만으로 구축한 실무용 계산 MCP. LLM은 오케스트레이션만, 숫자는 검증된 코드가 — 모든 응답에 근거 표준·수식·가정·경고가 실려 옵니다. 검증 하니스가 실제 전사 오류를 잡아낸 기록까지 증거로 공개.
Parsed 50+ internal TBE (technical bid evaluation) workbooks into a database, then trained an approval-outcome classifier combining hand-crafted reply signals — first-response length, negotiation round count, marker phrases ("noted", "confirmed") — with a fine-tuned MiniLM encoder over the free-text replies (mixed Korean/English), reaching 96%+ verdict-call accuracy. An LLM agent app drafts evaluation replies grounded in the historical DB. Built and used in-house on company data, so the code stays private; the ML skill set (scikit-learn, PyTorch fine-tuning, feature engineering on messy bilingual documents) is what this card certifies.
사내 TBE 엑셀 50여 건을 파싱해 DB화하고, 업체 답변 신호(첫 답변 글자 수·라운드 회수·"noted/confirmed" 포함 여부)에 더해 한/영 혼용 자연어 답변을 MiniLM 파인튜닝(PyTorch)으로 인코딩해 승인 여부 예측 96%+ 달성. 기존 DB를 근거로 답변 초안을 작성하는 LLM 에이전트 앱까지 사내 구축 — 사내 데이터 기반이라 코드는 비공개.
에이전트를 팀으로 운영하고, 폐쇄망용 런타임을 직접 구현한 기록
Three Korean real-estate reports become 401 citation-preserving evidence chunks, searched with BM25 + FAISS and fused by RRF before grounded Q&A.
3개 기관·136페이지를 텍스트 215, 표 49, 이미지 근거 137개로 구조화. 23문항 중 21문항에서 기대 근거 전체를 회수(anchor recall 0.9565)했고, 근거 부족 5문항은 5/5 거부했습니다. 21/23은 retrieval coverage이며 answer accuracy가 아닙니다.
An offline-capable full-stack desktop web app for engineering documents — FastAPI + React, packaged as a single PyInstaller exe — with four chained modules (translate / analyze / review / write) running on any OpenAI-compatible gateway. Later evolved with a declarative LangGraph agent that reviews specification deviations: the whole workflow is declared in YAML, with ambiguity branching, LLM self-correction, and deterministic tool validation — tools over tokens.
폐쇄망에서도 브라우저 하나로 도는 엔지니어링 문서 처리 앱(FastAPI+React, 단일 exe)을 만들고, 이를 선언적 LangGraph 에이전트로 진화시킨 기록. 워크플로를 YAML로 선언하고 애매 케이스 분기·LLM 자가보정·결정론 도구 검증까지 — 사내 경진대회 출품작을 익명화해 공개.
A 2-day sprint in Kaggle's Maze Crawler real-time strategy competition, where a Claude + Codex agent team did all research, coding, experiments and submission decisions under human orchestration — tty bridge, file mailbox, submission locks, adversarial audit, 200-seed gates. Finished 131/459 (top 29%, 906.4 pts), with honest negative results logged along the way.
두 AI 에이전트에 역할(구현 vs 적대적 감사)을 나누고 통신 프로토콜·제출 락·의사결정 로그로 운영해, 이틀 만에 상위 29% 달성. 작업 디렉터리를 무편집 공개 — "제출 0/5로 마감한 날"의 기록까지 그대로 있습니다.
A single-file LLM agent runtime built for constrained corporate environments where nothing can be pip-installed: agent loop with native tool-calling, depth-limited subagents, context compaction, file-based memory, a safety router, and document-generation pipelines (pptx/docx/xlsx) — Python standard library only, works with any OpenAI-compatible gateway.
외부 패키지 설치가 막힌 폐쇄망에서 표준 라이브러리만으로 구현한 에이전트 런타임. 사내 LLM 게이트웨이 환경에서 실사용.
조직이 AI를 실제로 쓰게 만드는 일 — 교육과 데이터 경계
An 80-minute Claude curriculum designed and delivered for non-developer colleagues: product landscape (Claude.ai / Desktop / Code), file-upload analysis demos, Project · MCP · Skill concepts — with a synthetic demo dataset and a working report-writing Skill, packaged so attendees could retry everything on their own.
비개발자 실무 동료들을 위해 80분 커리큘럼을 직접 설계해 강의. 목표는 관점 전환 — "반복 업무를 프롬프트 한 번이 아니라 데이터 + 작업 규칙 + 산출물 형식으로 재사용한다". 실습용 합성 데이터셋, 보고서 Skill 예제, 제작 과정의 멀티-LLM 협업 로그까지 패키지로 공개.
A synthetic demo of privacy-aware prompt boundaries for internal-data analysis and LLM workflows: semantic placeholders, metadata hints, placeholder validation, and local restore mapping. No internal data or external API calls are included.
사내/민감 정보를 AI 분석과 LLM 활용에 연결하기 전에, 원문 값을 직접 외부 모델에 보내지 않기 위한 마스킹·비식별화 경계를 합성 예시로 시연한 보조 프로젝트.
본업 밖 저녁 실험 — 작게, 자주, 배포까지 끝내보기
Gemini 2.5(생성 + TTS)를 단일 HTML에 통합한 모바일 스페인어 발음 학습 앱. API 키는 브라우저 localStorage에만 저장. 동사 트레이너 → 리딩 앱으로 1주간 3회 반복 개선.
한 번의 스퍼트가 아니라, 이어진 시도들
발전소 시스템 설계 10+년 — 발전플랜트 EPC에서 다양한 해외 복합화력 프로젝트의 시스템 설계, 벤더 기술평가(TBE), 현장 엔지니어링, 설계 관리를 수행했습니다. 해외 현장 2년+.
AI는 도구가 아니라 시스템으로 — 설계 업무와 병행하여 LLM 에이전트 런타임, 엔지니어링 계산의 MCP 도구화, 문서 자동화 파이프라인을 사내에서 직접 설계·구현했습니다. 원칙은 하나: 숫자는 결정론적 코드가 계산하고, LLM은 그 근거를 연결하고 설명합니다.
다음 목표 — 대규모 건설 프로젝트의 일정·설계·리스크 데이터를 구조화하고, 현업이 실제로 쓰는 AI 의사결정 도구를 만드는 것.