Haeun Oh Email & Phone Number

- Python 기반의 2년차 ML Engineer 오하은입니다.- AI 서비스를 제공하기 위해 데이터 수집부터 모델 개발, 그리고 batch 서빙까지 구축한 경험이 있습니다.

• 

  Machine Learning Engineer

  마키나락스

  Mar 2022 - Present

  1. MLOps 플랫폼 Runway - Edge Deployment 기능 개발1) 진행 기간- 2023.12 ~ 현재2) 주요 내용- Kubernetes 기반 on-premise MLOps 플랫폼인 Runway에 Edge deployment 기능을 개발하여 모델 배포의 범위를 확장3) 본인이 기여한 점- Model Package 다운로드 API 구현하여 Runway 클러스터 외부 디바이스의 모델 접근성 확장- Kafka를 활용한 데이터 동기화 API 구현으로 Runway 클러스터 외부 디바이스 데이터를 내부 DB에 효율적으로 저장4) 사용한 기술스택 및 지식- Python, FastAPI, Kubernetes, Docker, SQLAlchemy, Kafka, Postgresql5) 결과 및 성과- Runway 클러스터 외부의 컴퓨팅 자원에 모델을 효과적으로 전달 및 운용2. MLOps를 활용한 태양광 발전량 예측 서비스 개발1) 진행 기간- 2023.04 ~ 2023.10 (7개월)2) 주요 내용- 고도화된 모델을 적용한 예측 결과 서비스를 제공하기 위해 MLOps 기반 태양광 발전량 에측 시스템 개발3) 본인이 기여한 점- Kubeflow를 활용한 batch 데이터 파이프라인을 구축하여 기상 예보 데이터를 매일 자동으로 수집- MLflow를 활용하여 실험 관리 및 모델 버전 관리 체계화- ray를 활용하여 1시간안에 예측 결과를 추론하도록 구현- REST API 서버를 구축하여 고객사가 예측 결과를 원활하게 사용할 수 있도록 지원- ML 서비스 운영을 위한 모니터링 및 이슈 대응4) 사용한 기술스택 및 지식- Python, Kubeflow, MLflow, Ray, Kubernetes- S3, Docker, FastAPI, SQLAlchemy, MySQL5) 결과 및 성과- 855개의 발전소에 대해 하루에 2번 다음 날의 시간별 태양광 발전량 예측 결과 제공3. 다양한 데이터를 활용한 모델 고도화1) 진행 기간- 2022.09 ~ 2023.02 (6개월)2) 프로젝트 배경- 20MWh 이상의 대형 발전소의 예측 오차율이 높아 정산금 제도 참여가 어려워짐.3) 주요 내용- 전 세계의 다양한 기상 데이터를 활용해 태양광 발전량 예측 모델 개선4) 기여한 점- 한국 기상청 데이터 보다 성능이 뛰어난 전지구 수치예보 데이터 6개 조사- 미국 해양대기청 및 유럽 중기예보 데이터 수집후 tabular 데이터로 정제하여 모델 개발에 사용(약 5TB)- 다양한 데이터 소스를 결합하여 모델의 예측 정확도를 높이는 새로운 기법 적용5) 사용한 기술스택 및 지식- Python, Numpy, Pandas, Minio, Kubernetes, Docker6) 결과 및 성과- 태양광 발전량 예측 모델 고도화 (오차율: 8.906% → 7.555%)

• 

  한양대학교

  컴퓨터소프트웨어학부