Jun Hee Kim, 연구자 출신 AI 개발자
데이터의 본질을 파고듭니다
모델 성능 경쟁이 아니라 '이 데이터는 어떻게 생성되었는가'를 먼저 의심합니다. AI는 결국 분류와 회귀 — 모델을 더 돌리기 전에 데이터의 생성 원리를 진단합니다.
주강사 '상용 수준' 평가
건강검진 결과로 CKD 위험을 예측(AUROC 0.906)하고 맞춤 생활습관 챌린지·RAG 상담 챗봇으로 연결한 기업연계 헬스케어 서비스. LangGraph 기반 Self-corrective RAG(검색 적합성·환각 검증 + 의료 가드레일)와 FastAPI·Redis Stream 비동기 아키텍처·SSE 토큰 스트리밍으로 구축, 주강사 '상용 수준' 평가.
LangGraph, RAG, Qdrant, FastAPI, Redis Stream, SSE, React, Docker
해커톤 2등 (DACON)
'표현 변환(representation transformation)'이라는 메타 인사이트로 단변수 천장을 넘고, 마감 D-1에 Adversarial Validation으로 숨은 누수를 발견해 CV-LB 일치도를 22.5%→47.4%로 끌어올림. DACON 멘토링 보고서가 강점으로 평가.
LightGBM, CatBoost, MLP 블렌드, fold-safe Target Encoding, Adversarial Validation
우수상 (2등)
ML 모델 대신 유전학 도메인 지식(게놈 좌표계·연관불평형·멘델 유전양식)을 직접 알고리즘으로 코드화. OMIA 변이 좌표가 6종 게놈 어셈블리에 흩어진 함정을 LiftOver로 통일, 4,500만 변이를 65.6% 압축(25.75GB→8.85GB) 처리.
MySQL, SQLAlchemy, Parquet, UCSC LiftOver, pandas.merge_asof(LD), MOI 판정
RMSE ~0.7 → 0.02
트리 모델이 못 넘는 벽 앞에서 '이 데이터는 수식으로 생성된 것 아닌가?'를 의심하고 Keytel 공식을 역공학으로 복원. 체중이 kg가 아니라 lb로 저장된 숨은 버그까지 규명한 first-principles의 교과서적 사례.
CatBoost, Optuna, SHAP, LinearRegression(계수 검증), 역공학
Public LB 0.781
Data Leakage로 손쉽게 얻은 점수를 스스로 폐기하고 정직한 baseline부터 다시 쌓아 올린 자기 규율이 핵심. Mach-IV·Big Five·d-prime(신호탐지이론) 등 학술적 의미를 가진 피처를 설계하고 GBDT vs DL 의사결정을 실측으로 정당화.
AutoGluon, CatBoost/LightGBM/XGBoost, FT-Transformer, train-only Leakage 방지
10년간 나노소재·전자현미경(TEM)을 연구한 공학 박사.
가설 → 실험설계 → 정량분석 → 재현검증 워크플로우를 데이터 사이언스로 옮깁니다.
전북대 중재의료기기 실증센터, 책임연구원
산업부 산업혁신기반구축사업 장비 22종 구축·운영 담당 · Cryo-TEM 전담 운영
전북대 중재의료기기 연구센터, 선임연구원
산업부 시스템산업거점기관지원사업 장비 26종 기획·조달·구축 담당
한국기초과학지원연구원(KBSI) 전주센터, 박사후연구원
In-situ TEM Heating Holder로 소재 열적 거동 실시간 정량 분석
한국과학기술연구원(KIST) 전북분원, 학생연구원(학연)
BNNT 이중 성장 메커니즘 규명 (박사 연구)
나노소재 설계, 전기방사·BNNT 합성 공정, HR-TEM·Cryo-TEM 운영 3년(in-situ heating TEM 확장), TEM/STEM 이미지·EELS/XPS/XRD 해석.
중재의료기기(스텐트·카테터·스텐트 리트리버) 설계·제조·평가, 임상 연구 공동참여, 의료기기 인허가·규제 실무.
데이터와 AI로 과학·의료 문제를 푸는 일
AI와 함께 만든 프로젝트 기록과 학습 노트를 남깁니다.
연재 「AI 헬스케어 파이널 프로젝트」 23편. 1편부터 읽기
데모데이를 코앞에 두고, 심사에 쓰일 평가표(6개 분류·20개 항목)를 그대로 가져다 우리 프로젝트를 AI 13명에게 깐깐하게 채점시켰습니다.
화면이 위아래로 길게 늘어져 한눈에 안 들어오던 대시보드와 로그인 화면을, 2열 레이아웃(화면을 좌우 두 칸으로 나눠 배치하는 방식)으로 다시 짠 날입니다.
드디어 우리 서비스를 진짜 서버(아마존 클라우드)에 올려 직접 써봤습니다.