Sunghwan Park Email & Phone Number

서울시 서초구

☉ LLM 모델을 활용한 RAG 방식의 AI assistant 봇 리드 개발 ∙ 인사 정보를 토대로 질의 후 문서 정보 요약 및 인사이트 제공하는 챗봇 모델 구현. ∙ 카테고리 분류 로직과 gpt 프롬프트 활용하여 발화 문장 입력 시 1차 카테고리 분류 후 오픈소스 모델을 RAG 방식으로 모델 답변 플로우 구현 ∙ 문서 업로드 화면 페이지, 챗봇 화면 페이지, 관련 데이터베이스 설계 등 문서봇 개발 기획☉ LLM 모델을 활용한 Assistant API 방식의 AICC 콜봇 리드 개발 ∙ 고객 문의에 대해 인텐트를 분류하여 각 인텐트에 맞는 조치사항으로 처리하는 콜봇 모델 구현

서울시 용산구

☉ 소구점이 반영된 광고 문구 생성 프로젝트 일반 문장이 들어왔을 때 소구점과 MBTI 성향에 맞는 성격의 광고 문구로 변경하는 모델을 구현. 1. ChatGPT 프롬프트 튜닝으로 소구점을 추출하고 소구점이 반영된 광고 문구를 생성하여 T5를 이용하여 문체 변환하는 모델 구현. 2. Koalpaca-Polyglot-5.8b를 활용하여 마케팅 정보를 input으로 Instruct 구조로 광고 문구를 생성하도록 PEFT LoRA finetuning 학습.☉ 국내 유통대기업 성격유형별 문체 특성 기반 맞춤형 광고 메시지 생성 모델 ∙ 국내 유통대기업과의 협업으로 성격유형별 문체 특성 기반 맞춤형 광고 메시지 생성 모델 재구현하는 프로젝트. Pretrained Model KoBART Encoder에 인코더 입력으로 원문의 MBTI 성격, 변경될 MBTI 성격, 시즌 정보를 스페셜 토큰으로 그리고 토큰화된 원문을 인코더에 입력하고 디코더에 변경될 문구를 입력하여 finetuning 진행. ☉ Meme Project ∙ 밈으로 대답하는 봇 구현 연구. 1. pretrained sbert로 유저 발화-밈대답셋 데이터 중 유저 발화를 문장 임베딩으로 벡터화를 진행 한 후 cosine similarity를 통해 가장 유사한 문장을 추출하여 유사도가 80%이상인 발화에 대한 밈 답변, 80% 미만인 발화에 대해 LLM 답변 구축. 2. 한국어 어절, 종성 구조 분석으로 EDA 단어 교체 및 pretrained model을 활용한 문체 변환을 통한 데이터 증강

서울시 마포구

◉ 카테고리 분류 모델 개발• 뉴스 본문 기사를 토대로 Transformer Encoder 모델 카테고리 30개 클래스 분류기 개발• 모델링 predict 후 db update 하는 aws pipeline 구축◉ NER본문에서 기업명을 추출하는 NER Model train- Bert model(Klue NER Dataset 활용)Location, Date, Organization, Time, Person, 기타◉ Sentiment Classification with Active LearningActive Learning 개념을 적용하여 Koelectra Sentiment Classification에서 label annotation data를 적은 공수로 생성 및 재학습◉ 키워드 추출 모델sentence_transformers based KeyBERT를 활용한 keyword 추출 pipeline 구축◉ 뉴스 기사 crawlingPython Selenium Pipeline을 구축하여 xpath 태그 추출RabbitMQ, Docker, Supervisord 활용