오신의(Shinui Oh)

AI Engineer

GitHub | LinkedIn

[email protected]

Profile.

문제 정의부터 LLM 기반 솔루션 구현까지 전 사이클을 독립적으로 수행합니다. 단순 API 연결이 아닌, 검색 구조 · 컨텍스트 설계 · 응답 품질 실험을 통해 실제 오류율을 수치로 낮춰온 방식으로 일합니다. 비개발 조직과의 협업에서도 지표를 먼저 설계하고 자동화 대상을 구체화하는 접근을 일관되게 유지합니다.

Main Project.

B-BOT(부산 청년 공간 AI 챗봇) | KT 디지털인재장학생 최우수 디인재상 수상(2025)

Tech : Python · RAG · OpenAI API · Prompt Engineering · Flask · React

• RAG 구조 설계 : 검색 결과 기반 컨텍스트 결합으로 응답 정확도 개선, irrelevant 응답 비율 유의미하게 감소
• Prompt 구조 최적화 : 질문 유형별 프롬프트 설계 및 응답 품질 비교 실험, 응답 오류율 18% 개선
• 메타데이터 기반 필터링 · 재랭킹 : 잘못된 응답 감소를 위한 Context 재구성 전략 사용
• 전체 구현 단독 담당 : Frontend(React+Vite) · Backend(Flask/SQLite) · 크롤러(BeautifulSoup) 전반

Repository : https://github.com/KT-Busan

AI 기반 조기 위험 예측 시스템 | HuggingFace 공개 배포

Tech : Python · XGBoost · LightGBM · CatBoost · SHAP · Optuna

• Risk Score 수식 직접 설계 : 매출(S) · 이용패턴(U) · 고객변동(C) 3개 지표를 정규화한 구조 설계 (Risk = αS + βU + γC)
• 47개 피처 엔지니어링 : 다중 기간 매출, 계절성, 고객 행동 등 V1(20개) 대비 대폭 확장, SMOTE 불균형 처리
• 앙상블 전략 수립 : XGBoost(35%) + LightGBM(35%) + CatBoost(30%), Optuna 하이퍼파라미터 최적화