👉 [웹 포트폴리오 바로가기]
다양한 현장에서 쌓은 문제 해결 경험을 바탕으로
Python과 AI 기술을 실제 프로젝트로 구현하고 기록하고 있습니다.
병원, 철강 가공, 특수용접 등 서로 다른 현장에서 문제를 직접 해결해 온 경험을 바탕으로
현재 Python · AI · Deep Learning 기술을 활용한 개인 프로젝트를 개발하고 있습니다.
결과만 남기는 것이 아니라 실험 → 개선 → 문서화 → 배포 과정을 GitHub에 기록하며
프로젝트의 완성도를 지속적으로 높여가는 것을 목표로 하고 있습니다.
- 🏥 병원 물리치료 파트 — 4년
- 🏭 1차 철강 가공 — 2년
- 🔧 특수용접 — 2년
- 💻 Python · AI 기반 프로젝트 개발
WAV 음악 데이터를 분석하여 10개 음악 장르를 예측하는 AI 프로젝트
Python PyTorch ResNet18 Librosa Scikit-learn Streamlit
Development
- RandomForest 기반 기본 장르 예측 모델 구현
- 장르별 신뢰도 시각화
- 여러 WAV 파일 비교 기능 구현
- 예측 이력 기능 추가
- 3초 Segment 기반 학습 데이터 확장
- ResNet18 Fine-tuning
- Backbone / FC Learning Rate 분리
- SpecAugment 적용
- Streamlit 웹 애플리케이션 통합
Result
- Validation Accuracy: 82.32%
- 6강 기본 → 7강 고급 → 8강 Deep Learning 구조로 기능 확장
- WAV 업로드 기반 음악 장르 예측 웹 구현
| Project | Description | Tech | Status |
|---|---|---|---|
| 🎵 AI Music Genre Classifier | WAV 기반 10개 음악 장르 분류 | Python · PyTorch · ResNet18 · Streamlit | ✅ |
| 📊 Mini Project - Classification & Regression | 분류·회귀 모델 학습 및 성능 개선 미니프로젝트 | Python · PyTorch · Machine Learning | ✅ |
프로젝트는 기능 구현 이후에도 README, 코드 구조, 실행 결과를 지속적으로 정리하고 있습니다.
개발 구현의 기반이 되는 최신 AI/Deep Learning 논문들을 치열하게 읽고 분석하는 공간입니다.
| Category | Description | Status | Link |
|---|---|---|---|
| 📂 read-and-chewed | 완벽히 이해하진 못했지만, 내 방식대로 요약하며 씹어먹는 중인 논문들 | ⏳ In Progress | View Folder |
| 🧠 digested | 수학적 구조와 코드를 완벽하게 이해하고 소화 완료한 핵심 논문들 | ✅ Completed | View Folder |
프로젝트 개발에 필요한 기술을 직접 실습하고 결과를 기록하고 있습니다.
- CNN 이미지 분류
- ResNet18 Fine-tuning
- Transfer Learning
- Data Augmentation
- SpecAugment
- Model Optimization
- Transformer 구조 실습
- SentenceTransformer
- 문장 Embedding
- 유사도 기반 검색
- Top-K 검색
- 음성 데이터 처리
- Mel Spectrogram
- 음악 장르 분류
- TTS 관련 실습
- Audio Feature Extraction
- Pandas / NumPy 데이터 처리
- RandomForest
- Scikit-learn
- 데이터 시각화
- 모델 성능 비교 및 실험
Python Pandas NumPy
PyTorch Scikit-learn ResNet18
Librosa Mel Spectrogram
Matplotlib Streamlit
VS Code Google Colab Git GitHub
프로젝트가 늘어나더라도 동일한 기준으로 관리할 수 있도록
GitHub 운영 원칙을 적용하고 있습니다.
- 프로젝트별 독립 Repository 운영
- Public Repository 중심 관리
- 프로젝트 목적을 Description에 명확하게 작성
각 프로젝트 README는 다음 구조를 기준으로 작성합니다.
프로젝트 소개 → 개발 환경 → 주요 기능 → 실행 방법 → 실행 결과 → 개선 사항
작업 내용을 확인하기 쉽도록 의미 있는 Commit Message를 사용합니다.
feat— 기능 추가fix— 오류 수정docs— 문서 수정refactor— 코드 개선style— 코드 정리
main— 최종 버전develop— 개발 내용 통합feature— 기능 개발fix— 오류 수정docs— 문서 수정
프로젝트 작업 및 협업 과정에서
Issue → Branch → Pull Request → Merge 흐름을 기록합니다.
GitHub 운영 기준 적용
↓
프로젝트 수행 및 기록
↓
README · 코드 지속 개선
↓
대표 프로젝트 관리
↓
실행 가능한 결과물 배포
↓
개발자 포트폴리오 구축