|
AI · Data · Product를 연결해 아이디어를 실제 동작하는 결과물로 만들고, 데이터와 사용자 피드백으로 다시 검증하는 과정을 기록하고 있습니다. 현재는 Python 기반 데이터 분석과 ML/DL, LLM/RAG, 웹 서비스 구현을 함께 확장하고 있으며, 최근에는 MCP를 활용해 AI가 실제 서비스와 협업 도구의 상태·근거를 이해하고 안전하게 동작하도록 만드는 방법을 탐구하고 있습니다. |
|
🤝 Team Projects
원공고를 기준으로 준비한 자격판정·필수서류가 변경공고 이후에도 유효한지 다시 확인하고, 변경 조건과 원문 근거를 연결하는 팀 프로젝트입니다.
My role — 팀장 · LLM/RAG · AI Copilot · GitHub/Discord 협업 인프라 · 서비스 통합 기준선 운영
👉 gyuniverse-hq/bid-change-validator
핵심 리뷰어의 다음 연도 활동 유지·약화·중단을 예측하고 운영자의 다음 행동까지 연결하는 리텐션 운영 서비스입니다.
My role — 팀장 · 프로토타입 설계/구현 · 공통 데이터 규격/서비스 통합 · 운영 UI/UX 및 제품 문서 체계화
👉 SKN34 2nd Team Project · Personal DL Experiment
🛠 Personal & Open Source
GitHub Projects v2를 ChatGPT·Claude 같은 AI에서 조회·분석·안전하게 변경·검증·감사할 수 있도록 연결하는 MCP 서버입니다.
- OAuth · DCR · PKCE · Viewer / Member / Admin ACL
- guarded write · relationship · Bulk Preview → Approval → Apply · durable audit
- 249 / 249 regression tests
👉 gyuniverse-github-projects-mcp
생각나는 일을 빠르게 Capture하고 AI로 정리해 지금 무엇을 해야 하는지에 집중하도록 돕는 개인 작업 관리 서비스입니다.
- Quick Capture → Inbox → Today / Focus
- Next.js · TypeScript · Supabase · PostgreSQL
- 부트캠프 내 실제 사용 중이며, 사용자 피드백을 바탕으로 UX와 정보 구조를 반복 개선
AI 대화 · 문서 · GitHub에 흩어진 기록을 연결해 무엇을 했는가뿐 아니라 왜 그렇게 판단했는가까지 복원하는 개인 작업 기억 시스템입니다.
- Discussion → Decision → Documentation → Implementation → Verification
- 기록의 관계·변화·패턴을 탐색하는 Personal Evidence AI로 확장 중
유럽 5대 리그 선수의 다음 시즌 Big5 득점 수를 예측하는 시계열 ML/DL 프로젝트입니다.
- Walk-forward · Nested HPO · Two-stage modeling
- 2025-26 Locked Test: 926 players · MAE 2.003
- Big5 잔류 분류: ROC-AUC 0.907 · Macro F1 0.814
👉 european-football-goal-prediction
-
Car-BTI
Team Project · Data / DB— 자동차 등록 데이터 추출/전처리 · MySQL DB 설계 · 지역별 차량 특성 통계
👉 SKN34 1st Team Project · Data Pipeline -
Gyuniverse Discord Bridge
Open Source · MCP— Discord 대화를 Evidence 기반 AI Context로 연결하는 Read-only MCP
👉 gyuniverse-discord-bridge -
Titanic Survival Prediction
Personal · ML— Feature Engineering · leakage-safe validation · Decision Log
👉 titanic-survival-prediction -
Online Shoppers Conversion ML
Personal · ML— 온라인 쇼핑 세션 구매 전환 예측 및 Streamlit 실험 대시보드
👉 online-shoppers-conversion-ml -
Python Coding Test Study
Learning— 직접 구현 → 반례 확인 → 디버깅 → 리팩터링 중심의 코딩테스트 기록
👉 python
| Area | Current Focus |
|---|---|
| Product | CHANGELOG · Flowin · 실제 사용자 피드백 기반 제품 개선 |
| AI / LLM | RAG · AI Copilot · MCP · Evidence-aware AI · evaluation |
| Machine Learning | Classification · Regression · Feature Engineering · validation design |
| Deep Learning | PyTorch · MLP · sequence modeling |
| Data | Pandas · SQL · ETL · Supabase / PostgreSQL |
| Collaboration | GitHub Projects · PR workflow · Discord Context · audit trail |
| Algorithm | Programmers Level 1 · PCCP 유형 연습 |
Language / Data
Python · TypeScript · SQL · Pandas · NumPy
ML / DL / AI
scikit-learn · PyTorch · RAG · MCP
Product / Web
Next.js · React · FastAPI · Supabase · PostgreSQL · MySQL · Vercel
Workflow / Infra
Git · GitHub · Docker · Upstash · Jupyter Notebook · Streamlit
- ✅ Programmers 코딩테스트 입문 Complete
- ✅ Programmers 코딩 기초 트레이닝 Complete
- ✅ Programmers Level 0 Complete
- ✅ PCCE Lv.3 · 856 / 1000
- 🔄 Programmers Level 1
- 🔄 PCCP 유형 연습
Problem / Idea
↓
Define what matters
↓
Design / Implement
↓
Test with real data or users
↓
Find failure cases
↓
Improve
↓
Document what changed and why
결과만 남기기보다 왜 그렇게 설계했는지, 무엇이 실패했고 어떻게 개선했는지가 남는 프로젝트를 만들려고 합니다.