👋 Intro

항상 새로운 것을 배우고, 협력하는 오영석입니다.

새로운 기술을 빠르게 익히고 팀과 함께 문제를 풀어가는 것을 좋아합니다.

📝 Projects

1. 도파민 체크 (DopaCheck)

배달 한 번, 스크롤 한 시간 — 내 도파민 소비를 숫자로 마주하는 서비스

배달 영수증을 올리면 "치킨 1.2마리값, 러닝 28분어치" 로, SNS·게임 시간을 입력하면 "책 2권" 으로 환산해 보여줍니다. AI가 공감 코멘트와 맞춤 챌린지를 제안하고, 종합 도파민 점수로 소비 패턴 변화를 추적합니다.

• 개발 기간 : 2026.06 (AI 심화 과정 6인 팀 프로젝트, 약 1주)
• 담당 역할 : AI 모듈 + 챌린지 (FR-32~45)
  • 영수증 OCR 파싱 (ai/ocr.py)
  • 음식 칼로리 추론 (ai/calorie.py)
  • 공감 코멘트 생성 (ai/comment.py)
  • 도파민 점수 산출 (ai/score.py)
  • 히스토리 기반 맞춤 챌린지 추천 (ai/challenge.py)
  • AI 호출 실패 시 수동 입력 fallback 처리
• 기술 스택 : Python Flask Jinja2 MariaDB Claude API OAuth(Google·Kakao) Cloudtype
• 링크 : GitHub

2. SeoulEVCheck — 서울 전기차 충전 인텔리전스

서울시 전기차 충전 데이터로 수요를 예측하고 운영을 권고하는 데이터 인텔리전스 프로젝트

한국전력공사 공공데이터 63만 건의 충전 세션을 분석해 자치구·충전소 단위 충전 수요를 예측합니다. 한 주제를 ML → DL → LLM으로 3주에 걸쳐 점진 확장하는 머신러닝 심화 개인 프로젝트입니다.

• 개발 기간 : 2026.06.17 ~ 2026.06.24 (머신러닝 개인 프로젝트)
• 담당 역할 : 전 과정 단독 수행
  • 데이터 전처리 · EDA (63만 세션, 주소→자치구 추출)
  • 충전 수요 예측 모델링 (자치구 모델 RandomForest R²=0.940, 2026년 실데이터 검증 R²=0.806)
  • 충전소 핫스팟 랭킹(TOP-N) 분석
  • Streamlit 앱 (수요 예측 · 구별 지도 · 핫스팟)
• 기술 스택 : Python pandas scikit-learn XGBoost Streamlit
• 링크 : GitHub

3. FishCheck — 어종 판별 사기 방지 서비스

물고기 사진 한 장으로 광어·가자미를 판별해 어시장 사기를 막는 AI 서비스

"좌광우도"(눈 위치로 광어/가자미 구분) 원리를 딥러닝으로 학습해, 사진을 올리면 어종을 자동 판별합니다. CLIP으로 물고기 사진 여부를 먼저 검증한 뒤 YOLOv8로 어종을 탐지합니다.

• 개발 기간 : 2026.06.24 ~ 2026.07.01 (딥러닝 개인 프로젝트)
• 담당 역할 : 전 과정 단독 수행 (모델 학습 → 배포)
  • Roboflow 데이터셋 구축 (442장 + 3배 증강)
  • YOLOv8s 객체 탐지 모델 학습 (640×640, 4클래스)
  • CLIP 기반 비(非)물고기 이미지 사전 검증
  • Streamlit 앱 + Streamlit Cloud 배포
• 기술 스택 : Python PyTorch YOLOv8 CLIP Streamlit
• 링크 : GitHub

4. WeatherCheck — 출근 비서

날씨+교통을 학습해 출근 전 행동 지침("우산·겉옷·10분 일찍")을 자동 알림하는 서비스

기상청 10.5년치 실측 데이터(3,836일)로 내일 기온·강수를 예측(ML→DL)하고, 로컬 sLLM(EXAONE 3.5)이 RAG 근거 문서를 인용해 자연어 브리핑을 생성, 디스코드로 자동 발송합니다. 개인 체감온도 피드백 학습이 특징.

• 개발 기간 : 2026.07.03 ~ 2026.07.07 (ML→DL→LLM+RAG 개인 프로젝트)
• 담당 역할 : 전 과정 단독 수행
  • 기상청 ASOS 데이터 수집·전처리, ML 3종 비교 후 LSTM 학습 (회귀 MAE 2.41°C, ML 대비 우위)
  • RAG(Chroma+TF-IDF) 기반 근거 인용 브리핑 파이프라인, 로컬 Ollama(EXAONE 3.5) 연동
  • 디스코드 챗봇 — 자연어 알림 설정·출퇴근 소요시간(TMAP/ODsay)·니치(자전거 통근) 조언
  • 개인 체감온도 피드백 학습(🥶/👍/🥵) → 브리핑에 자동 보정 반영
• 기술 스택 : Python scikit-learn TensorFlow/Keras(LSTM) Ollama(EXAONE 3.5) ChromaDB Streamlit Discord.py
• 링크 : GitHub

5. (프로젝트명)

한 줄 소개

• 개발 기간 :
• 담당 역할 :
• 기술 스택 :
• 링크 :

🎞 Youtube

▶️ 영상 보기

📞 Contact