안녕하세요. 어렵다고 포기하지 않는 최범규입니다. 지식 그래프를 활용한 추천 서비스 및 딥러닝 연구를 주로 수행하고 있으며, 인공지능을 활용한 다양한 분야에 관심을 가지고 있습니다. 특히 팀원과의 협업을 통해 연구 및 프로젝트를 기획하고 개발하는 과정을 즐기며, 제 능력을 향상 시켜 연구 및 프로젝트를 더 발전시키기 위해 노력하고 있습니다. 저는 IT 분야에 대한 끊임없는 관심을 가지고 있으며, 컴퓨터, 모바일, 인공지능, 자연과학 등 다양한 분야의 정보와 트렌드를 찾아보는 것을 즐깁니다. 또한, 취미로 수영을 즐기며 몸과 마음을 활기차게 유지하고 있습니다.
- 파이썬
- Deep Learning(Pytorch, Tensorflow)
- Recommendation System
- Neo4j
- C, C++
- Photoshop
- AfterEffects
- Vegas
- 파이썬
메인 언어이며, 여러 라이브러리를 사용하며, 데이터 전처리 및 데이터 활용을 하고 있습니다. 현재 데이터를 활용하여 딥러닝을 돌리는 쪽으로 계속 공부해나가고 있습니다. - NLP(Natural Language Processing)
처음 관심을 가지게 된 이유는 Word2vec 덕분입니다. 단어를 임베딩하여 유사도를 측정할 수 있다는 것이 신기 했고 계속 공부해 나가며 감성 분석, RNN 계열 모델, Transformer, RAG 등등 다양한 NLP 모델의 작동 원리를 이해하고 있습니다. - GNN(Graph Neural Network)
다른 딥러닝 모델과는 다르게 직관적으로 이해하기 힘들지만, 다양한 표현이 가능한 그래프 구조를 학습한다는 점에서 흥미를 느꼈습니다. 주로 GNN을 사용한 추천 시스템 위주로 공부하고 있습니다. - Recommendation System
데이터 활용에서 가장 관심이 많은 분야입니다. 유사도를 이용한 방법이나 행렬 분해 등을 이용한 방법을 알고 있으며, 좀 더 나아가 딥러닝(MLP, GNN, NLP)을 통한 추천 방법도 공부해나가고 있습니다. - Deep Learning
현재 가장 흥미롭게 공부하고 있는 분야입니다. MLP, CNN, RNN, Transformer 등 다양한 딥러닝 모델들을 공부하고 있습니다. Activation function, Loss function, 최적화 알고리즘 등 세부적으로 딥러닝이 어떻게 돌아가는지 이해하고 있습니다.
-
VoiceWizards_deepfake_detectione(2024-06 ~ 2024-07)
- SW중심대학에서 진행한 디지털 경진대회 AI부문: 가짜 음성 탐지
- 일반화 성능 향상과 과적합을 방지하기 위한 방법론 모색
- Train 데이터을 Test 데이터와 최대한 비슷하게 만들어 성능 향상
- 잡음을 제거하기 위한 CleanUNet 사용
- 가짜 음성 탐지에서 높은 성능을 보이는 AASIST 사용
- 사용 기술: data augment, CleanUNet, AASIST
-
POISON(2024-03~)
- Yelp(사용자-위치 방문 데이터) 데이터셋을 이용한 POI 추천 시스템 연구 중
- 미국 필라델피아의 방문 데이터와 리뷰 데이터를 활용
- BPR에 Visual 정보를 합쳐 만든 VBPR의 영감을 받아, 방문 데이터와 리뷰 데이터를 합쳐 POI 추천 진행 중
- 추천 시스템에 자연어 처리 기술을 접목하여 사용자 개개인의 특성을 효과적으로 반영
- 사용 기술: BPR, VBPR, BERT
-
Improve_Smart_Crossroads(2023-09 ~ 2024-06)
- 교차로의 신호를 최적화하는 프레임워크 개발
- 교통량을 예측한 후, 여러 신호에 따른 평균 속도를 예측, 이때 속도가 가장 높은 신호를 최적의 신호로 판별
- 교통량(시계열 데이터) 예측에 LSTM, 속도 예측에 MLP, 최적의 신호를 찾기 위해 유전 알고리즘을 사용하여, 이를 유기적으로 연결해 작동
- 사용 기술: LSTM, MLP, 유전 알고리즘
-
Hands-on-GNN(2023-12 ~ 2024-02)
- 생성형 GNN을 공부하고 실습
- 다양한 GNN 모델을 통해 그래프를 생성
- 기존에 있던 딥러닝 모델들이 GNN과 합쳐져서 시너지를 발휘하는 것을 보고, 기존에 있던 딥러닝 모델들도 폭넓게 공부해야지 새로운 모델을 잘 만들 수 있다는 것을 깨닫음
- 사용 기술: Graph variational autoencoders, Autoregressive models, Generative adversarial networks, Temporal Graph Neural Networks
-
Tear_Translator(2024-01 ~ 2024-02)
- 아기의 울음 소리를 분석하여 아기가 왜 우는지 원인을 분류하는 AI 개발
- 아기의 울음 소리를 주파수로 받아와 CNN이 특성을 추출하고, MLP를 통한 클래스 분류
- 이를 앱으로 제작하여, 일반인이 사용 가능하도록 제작
- 사용 기술: CNN, MLP(softmax, categorical crossentropy)
-
Sentiment_analysis(2023-08 ~ 2023-10)
- 소속 연구실과 삼성 연구진이 협업하여 제품 리뷰 영상의 핵심 단어 및 감성 분석 연구
- 제품 리뷰 영상의 자막에 핵심 개념과 감성을 추출 함으로써, 영상을 전부 볼 필요 없이 문제되는 부분만 알아내는 프레임워크 개발
- 감성 분석이라는 기술은 알고 있었지만 이렇게도 사용될 수 있는 것을 보고, 모든 기술들은 잠재력이 있다는 것을 깨닫음
- 사용 기술: PageRank, 감성 분석
-
꼬리에 꼬리를 무는 단어 (2023-10 ~ 2023-11)
- 단어 간 유사도를 통해 오늘의 단어를 유추하며 맞추는 게임
- Word2vec 기술을 사용하여 토익 영단어를 임베딩
- 아무 단어나 입력하며 유사도를 통해 어떤 단어인지 맞추도록 하여 사용자가 영어 단어를 재밌게 공부할 수 있도록 제공
- Word2vec를 공부하고 기술을 적용한 프로젝트
- 사용 기술: Word2vec, cosine similarity(코사인 유사도)
-
CONREC (2023-06 ~ 2023-09)
- 사용자의 이해한 개념을 기반으로 지속적으로 성장 가능한 강의 영상을 추천해주는 시스템
- 영상들을 불러와 사용자에게 적절한 영상을 추천해주는 기술을 개발
- KaRS - RecSys 2023 워크숍에 논문을 제출하고 출판
- 사용 기술: Knowledge graph(지식 그래프), 텍스트 전처리, Jaccard similarity(자카드 유사도), 추천 시스템
-
모먹을까? (2023-06 ~ 2023-08)
- GPT API를 활용하여 맞벌이 부부의 자녀들에게 부모가 부재 중에 간단한 음식 레시피를 추천하는 시스템 구현
- GPT API 파인 튜닝 및 원하는 아웃풋 생성 역할 수행
- 사용기술: GPT API, fine-tuning
-
web-media-mix (2022-03 ~ 2022-07)
- 깃허브의 오픈 프로젝트에서 방향을 제시 및 데이터 구조 개발에 기여
- Neo4j를 활용하여 데이터 관리 및 DB 구축에 기여
- 사용기술: Knowledge graph(지식 그래프), Neo4j