shYOON riosee2415

AI: RAG, LLM, ML / DL — 검색·생성 파이프라인과 품질·비용·운영까지 고려한 설계
Vector | Embedding: Chroma, Pinecone, Fiss, Es ... Operating
Platform: Docker · Kubernetes 오케스트레이션, 배포·관측 가능한 파이프라인
App delivery: Supabase, Vercel 등을 활용한 자동화 배포와 풀스택 연동
Languages: Python, TypeScript 중심
Workflow: Cursor, Claude 기반 개발에 집중

RAG · LLM · ML/DL 을 설계·구현하고, Kubernetes · Docker 기반 파이프라인과 인프라까지 연결하는 엔지니어입니다. 운영 가능한 시스템을 기준으로 관측·지표·시각화까지 한 흐름으로 다룹니다.

Focus

운영·인프라 관점: 메트릭·로그·알람을 대시보드로 엮어 장애 전후 맥락을 한 화면에서 추적 (예: Grafana · Prometheus 스택, SLI/SLO 중심 패널 구성)
제품·비즈니스 지표: 전환·리텐션·퍼널·코호트 등 핵심 KPI를 정의하고, 집계 파이프라인과 함께 리포트/셀프서비스 탐색까지 설계
ML / LLM 품질: 학습·평가 단계의 오차 분포, 캘리브레이션, 랭킹·Recall@k, 레이턴시 등을 시계열·히스토그램으로 모니터링하고 개선 루프에 연결
RAG 파이프라인: 청크 길이·검색 점수·히트율·응답 길이·비용(토큰)** 을 한 번에 보는 운영 대시보드 구성
Python 시각화 스택: Matplotlib · Seaborn · Plotly 등으로 탐색적 분석(EDA)부터 인터랙티브 차트, 스토리텔링용 정적 리포트까지
웹·앱 계층: TypeScript 생태계와 결합한 차트·맵·실시간 스트림 UI, 운영자용 내부 콘솔 화면 설계
데이터 스토리: 지표 정의 → 시각 인코딩(색·스케일·축) → 오해 없는 레이블링까지 의사결정에 쓰이는 그림을 목표로 정리

_{Built with curiosity · Shipping with discipline}