정보

정보

신진용

AI 엔지니어 | 머신러닝 & AI 에이전트 전문가

연락처

소개

안녕하세요. 데이터를 기반으로 문제를 해결하는 ML Engineer, 신진용입니다. 저의 Objective Function은 바로 ‘문제를 정의하고 의미 있는 변화를 만들어 내는 엔지니어로서의 태도’이며, 이를 최적화하기 위해 끊임없이 노력합니다. 저는 Continual Learning처럼 새로운 기술과 필요한 지식을 지속적으로 학습하여 실험과 검증을 통해 모델 성능을 개선합니다. 제가 물리학, 산업, 금융, 그리고 다양한 데이터 도메인에서 얻은 경험은 Mixture of Experts와 Transfer Learning처럼 서로 다른 지식과 교훈을 결합하여 새로운 문제를 해결하는 기반이 됩니다. 데이터와 도메인을 통합하고, 실험과 학습을 반복하며, 실제 비즈니스와 사회 문제에 의미 있는 결과를 만들어내는 것이 저의 핵심 역량입니다.

3년 5개월 경력의 머신러닝 엔지니어로, 시계열 데이터 분석 및 AI 에이전트 시스템 구축에 특화되어 있습니다. 금융 및 산업 현장에서 최신 딥러닝 모델을 활용한 문제 해결 경험과 SOTA 기술 적용 역량을 보유하고 있습니다. 현재 AI 에이전트 기술의 발전과 이를 통한 다양한 서비스 출시에 관심을 가지고 AI 에이전트 시스템 및 멀티 에이전트 시스템의 아키텍스트와 오케스트레이션에 관심을 두고 있습니다.

경력

알파브릿지 주식회사 (2024.09 ~ 재직중)

  • 투자 알고리즘 연구 에이전트 개발 (2025.04-2025.07)
    • 문제: 퀀트 개발자의 자연어 입력을 기반으로 알고리즘을 연구하고 개선하는 AI 시스템이 필요했습니다.
    • 역할: AI 에이전트 개발을 주도적으로 담당했습니다.
    • 행동: Self-reflection, CoT, RAG 등 다양한 에이전트 기법을 적용하여 시스템을 구축했습니다.
    • 성과: 구축한 AI 에이전트가 잘 알려진 퀀트 알고리즘을 효과적으로 개선하는 것을 확인했습니다.
  • 뉴스 기반 포트폴리오 편입 종목 이상 탐지 모델 PoC (2025.03-2025.05)
    • 문제: 운용 중인 펀드에 편입된 종목이 분식회계 뉴스로 인해 급감했음에도, 재무 데이터 기반의 기존 AI 펀드는 해당 종목을 편출하지 못하는 문제가 발생했습니다.
    • 역할: 뉴스 데이터를 활용하여 문제 발생 종목을 조기 편출하기 위한 모델 컨셉 검증을 주도했습니다.
    • 행동:
      • FinBERT 모델을 활용해 뉴스 임베딩을 수행하고, 문제성 뉴스와 일반 뉴스 간의 임베딩 공간 구분을 확인했습니다.
      • 단순 감정 분석(Sentiment Analysis)으로는 너무 많은 종목이 편출될 수 있음을 데이터로 증명하고, 다양한 뉴스 패턴에 대응하기 위해 이상 탐지 모델 적용을 추진했습니다.
    • 성과: 뉴스 데이터를 활용하여 특정 종목에 문제 상황 발생 시, 이를 감지하고 편출 로직 구현이 가능함을 증명했습니다.
  • AI 에이전트 개발을 위한 선행 연구 진행 (2025.03-2025.06)
    • 문제: 기존 프레임워크의 한계로 인해 AI 에이전트 시스템 개발에 비효율이 존재했습니다.
    • 역할: 새로운 에이전트 개발 프레임워크를 조사하고 토이 프로젝트를 진행했습니다.
    • 행동:
      • Google ADK, OpenAI Agent SDK 등 새롭게 출시되는 프레임워크를 비교 분석하고, 오픈소스에 기여하는 등 기술 검증을 수행했습니다.
      • 다양한 프레임워크의 장단점을 조사하고 비교한 내용을 바탕으로 사내 세미나를 주도적으로 준비하여 진행하였습니다.
    • 성과: 에이전트 기반 시스템 개발 효율을 30% 향상시켜 연간 개발 기간을 평균 2개월 단축하는 데 주도적으로 기여했습니다.
  • 매크로 및 가격 데이터 기반 로보어드바이저 모델 개발 (2024.09-2024.11)
    • 문제: 로보어드바이저에 활용할 금융 시계열 데이터가 발표 시점 및 주기가 달라 모델에 반영하기 어려웠습니다.
    • 역할: 시계열 데이터 불일치 문제를 해결하고 모델 성능을 향상시키는 역할을 수행했습니다.
    • 행동:
      • 발표 주기가 같은 데이터끼리 그룹화하여 개별적인 특징 추출 네트워크를 학습하는 방법을 제안하고 구현했습니다.
      • 같은 그룹 내에서 발표 일자가 다른 데이터에 대해 DTW(Dynamic Time Warping)를 적용하는 방법을 제안했습니다.
      • 데이터 양이 적은 문제 해결을 위해 Few-shot learning이 가능한 TS2Vec 기반의 Contrastive Learning 모델을 구현했습니다.
    • 성과: 데이터 불일치 문제를 해결하여 모델의 성능과 안정성을 향상시켰습니다.

주식회사 플레이오니 (2022.03 ~ 2024.09)

  • 다변량 시계열 데이터를 사용한 Anomaly Detection 기반의 CNC 머신 충돌 감지 (2023.06-2023.12)
    • 문제: CNC 머신 충돌 감지를 위해 센서 데이터를 활용하는 시스템이 필요했습니다. 특히, 외부 소음으로 인한 오탐이 발생하는 문제가 있었습니다.
    • 역할: 정부 과제로 진행된 이 프로젝트의 전반적인 시스템 개발 과정을 주도적으로 담당했습니다.
    • 행동:
      • TCN 기반 VAE 모델을 다변량 시계열 데이터에 맞게 구현하여 실시간 이상 감지 시스템을 개발했습니다.
      • 모델 학습 및 결과 분석 과정에서 외부 소음에 의한 진폭 상승이 음향 센서의 Anomaly Score를 높여 오탐을 유발하는 문제를 발견했습니다.이를 해결하기 위해, 모든 채널의 Anomaly Score를 평균하는 기존 방식 대신 각 채널의 Anomaly Score 변화량을 통해 이상을 검출하도록 로직을 개선하고, 음향 센서의 Score만 높아지는 경우를 배제하여 오탐을 줄였습니다.
    • 성과: 안정적인 충돌 감지 시스템을 구현하여 관련 특허를 출원했습니다.
  • 공구 상태 모니터링 솔루션 개발 (2022.09-2023.05)
    • 문제: CNC 머신 공구 상태를 모니터링하고 잔여 수명을 예측하는 솔루션이 필요했습니다.
    • 역할: CNC 머신에서 획득되는 전류 데이터를 활용하여 이상 탐지 모델 학습 및 공구 상태 판별 로직을 구현하는 역할을 수행했습니다.
    • 행동:
      • CNC 머신의 스핀들 모터 및 서보 모터의 입력 전류(1KHz 샘플링)를 사용하여 TCN 기반 VAE 및 Linear Regression 모델을 학습했습니다.
      • Anomaly Score를 기반으로 공구의 상태를 예측하고 잔여 수명(RUL)을 예측하는 로직을 개발했습니다.
      • 개발된 모델 판정 결과를 REST API 형태로 반환하는 시스템을 구축했습니다.
    • 성과: 대호 정밀, 엠에스테크에 솔루션을 성공적으로 공급했습니다.
  • 전기 용량 측정 시계열 데이터를 활용한 항생제 감수성 판정 솔루션 개발 (2023.04-2023.12)
    • 문제: 세균 배양액에 항생제를 투여한 후, 전기 용량 시계열 데이터를 사용하여 항생제 내성 여부를 판정하는 자동화된 솔루션이 필요했습니다.
    • 역할: 항생제 감수성 판정을 위한 시계열 데이터 분석 및 모델 개발을 담당했습니다.
    • 행동: TCN 기반 시계열 특징 추출 프로그램을 개발하고, 이를 통해 얻은 특징을 바탕으로 Contrastive Learning 모델을 활용하여 내성 여부를 판별하는 솔루션을 구축했습니다.
    • 성과: 전기 용량 데이터를 기반으로 항생제 감수성을 자동으로 판정하는 솔루션을 성공적으로 개발했습니다.
  • 알루미늄 표면 결함 검출 솔루션 개발 (2022.08-2023.12)
    • 문제: 수요 기업의 결함 기준이 모호하여 학습에 어려움이 있었고, 검사 결과의 일관성이 부족했습니다.
    • 역할: 모호한 결함 기준 문제를 해결하고 불량률을 감소시키는 역할을 수행했습니다.
    • 행동:
      • 확실한 데이터로부터 학습을 시작하는 PU Learning과 Metric Learning이 결합된 PUMAD 모델을 제안하고 적용했습니다.
      • 대용량 데이터 처리를 위한 PUMAD의 hamming distance를 Mahalanobis distance로 대체하여 데이터 특성에 맞게 학습을 진행했습니다.
    • 성과: 검사 결과의 일관성을 확보하고, 최종 출하 제품의 불량률을 35% 감소시키는 데 기여했습니다. 능동 학습 및 앙상블 기법의 효과를 확인했습니다.

학력

  • 경북대학교 물리학과 석사 (2020.03-2022.02)
    • 연구 내용: 머신러닝을 이용한 새로운 보존 및 암흑 섹터 탐색 연구를 진행했습니다.
  • 경북대학교 물리학과 학사 (2013.03-2020.02)

보유 기술

Python SQL PyTorch XGBoost Scikit-Learn NumPy SciPy Pandas Polars MLflow LangChain LangGraph Google ADK OpenAI Agent SDK

외국어

  • 영어: 일상 회화 가능
  • TOEIC SPEAKING: Level 6 (2021.01.01)