 |
알고리즘을 활용하여 생산 공장의 운영 비용 절감에 기여할 계획입니다.
Q3. 스마트팩토리 환경에서 공무/생산인프라의 역할은 무엇이라고 생각하십니까?
A3. 스마트팩토리 환경에서는 실시간 데이터 분석을 통해 설비 운영을 최적화하고,
|
|
 |
력 수급을 안정적으로 조정하는 것이 ESS 시스템의 핵심 과제라고 생각합니다.
Q2. LG에너지솔루션에서 본인의 강점을 어떻게 활용할 계획인가요?
A2. 저는 배터리 충·방전 알고리즘 최적화 및 데이터 기반의 실시간 전력 변환 제어 경험을 보
|
|
 |
입하고 있으며, 저는 기존의 연구 경험을 바탕으로 이러한 기술 발전에 기여할 수 있습니다. 입사 후에는 센서 데이터를 활용한 실시간 공정 모니터링 및 자동화 알고리즘을 연구하여, 포스코의 철강 생산 공정의 정밀도를 높이고, 불량률을
|
|
 |
데이터 보안, 자율 시스템의 의사 결정 알고리즘 최적화 등의 연구를 수행하여 더욱 정밀하고 안전한 시스템을 구축하고자 합니다. 연구뿐만 아니라, 후배 개발자들에게 효율적인 개발 방법론과 협업 프로세스를 전수하는 역할을 하며, 조직
|
|
 |
이를 기반으로 AI 모델을 학습시키는 일을 맡았습니다. 이를 통해 머신러닝 알고리즘의 이해는 물론, 데이터 전처리, 특징 엔지니어링, 모델 평가 등 전반적인 데이터 분석 및 모델 개발 과정에 대한 실무 경험을 쌓았습니다.
나. IoT 시스템 및
|
|
 |
데이터를 암호화하고, 서버와 앱 간의 통신을 최적화하는 방법을 찾아냈습니다. 또한, 모바일 앱의 성능 향상을 위해 기술 스택을 재조정하고, 애플리케이션의 성능을 개선하는 알고리즘을 도입했습니다. 이를 통해 문제를 해결하고, 최종적
|
|
 |
데이터에는 결측치, 이상치가 포함되어 있어 이를 바로 사용할 수 없었습니다. 저는 먼저 데이터 전처리를 통해 결측치를 선형 회귀법과 평균값 대체 기법을 이용해 처리하고, 이상치 탐지 알고리즘을 적용하여 데이터의 신뢰성을 높였습니
|
|
 |
데이터 분석의 기초부터 심화까지 학습했습니다. 이 과목을 통해 AI 모델의 설계와 구현 방법, 데이터 전처리와 알고리즘의 최적화에 대해 깊이 이해하게 되었습니다. 특히, 머신 러닝을 활용한 예측 모델 구축 실습을 통해 AI 기반 시스템을
|
|
 |
데이터 수집 및 품질 검사 알고리즘 개발을 맡았습니다. 그러나 초기 개발 과정에서 센서 데이터의 정확도 문제가 발생해 데이터가 불규칙하게 측정되었고, 검사 알고리즘이 제대로 작동하지 않았습니다.
이 문제를 해결하기 위해 저는 센서
|
|
 |
데이터셋의 품질 문제가 발생하여 프로젝트 일정에 큰 차질을 빚을 위기에 처한 적이 있었습니다. 데이터셋에 중복된 값과 결측치가 과도하게 포함되어 있었고, 이를 해결하지 않으면 모델의 정확도가 급격히 저하될 위험이 있었습니다. 원
|
|
메뉴펼치기
