 |
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
|
|
 |
알고리즘 등을 코딩하면서 소프트웨어 실무지식을 쌓아갈 것입니다. 한 가지 모듈에만 집중하는 것이 아니라, 전체 모듈에 순환적으로 참여하면서 전반적인 소프트웨어의 프로세스를 총체적으로 이해하는 데 초점을 맞출 것입니다. 또한, 향
|
|
 |
알고리즘 최적화 등의 연구를 수행하여 더욱 정밀하고 안전한 시스템을 구축하고자 합니다. 연구뿐만 아니라, 후배 개발자들에게 효율적인 개발 방법론과 협업 프로세스를 전수하는 역할을 하며, 조직 내에서 기술적 리더십을 발휘하는 개발
|
|
 |
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
|
|
 |
알고리즘을 도입했습니다. 이를 통해 문제를 해결하고, 최종적으로 사용자 데이터를 안전하게 처리하면서 앱의 실시간 성능을 보장할 수 있었습니다.
이 경험을 통해 저는 기술적인 문제를 해결하는 능력과 팀워크의 중요성을 깨달았습니다.
|
|
 |
알고리즘을 적용하여 생산 속도를 개선하는 방법을 모색했습니다. 시스템의 하드웨어와 소프트웨어 간의 상호작용을 면밀히 검토한 결과, 하드웨어 성능이 소프트웨어의 요구사항을 충족하지 못하는 부분을 발견했습니다. 이후, 하드웨어를
|
|
 |
알고리즘을 적용하여 데이터의 신뢰성을 높였습니다. 이를 통해 데이터의 정확성을 확보하고, 모델 학습에 영향을 미치지 않도록 했습니다.
두 번째 문제는 예측 성능의 저조였습니다. 처음 모델을 훈련시키고 예측을 해본 결과, 예측 정확도
|
|
 |
알고리즘의 최적화에 대해 깊이 이해하게 되었습니다. 특히, 머신 러닝을 활용한 예측 모델 구축 실습을 통해 AI 기반 시스템을 설계하는 데 필요한 핵심 역량을 기를 수 있었습니다. 이러한 경험은 KAI의 AI 개발 및 데이터 분석 분야에서 매우
|
|
 |
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 센서의 측정 범위와 정확도를
|
|
 |
으로 줄일 수 있었고, 전체 프로젝트 일정에 맞춰 예측 모델 개발에 집중할 수 있었습니다. 또한, 예측 모델의 성능을 개선하기 위해 다양한 머신러닝 알고리즘을 실험하고, 하이퍼파라미터 튜닝을 통해 모델의 정확도를 크게 향상시켰습니다
|
|
메뉴펼치기
