AI Engineer Portfolio | RAG · LLM · FastAPI · Model Serving
AI 기반 서비스를 설계하고 구현하며, 데이터 처리부터 모델 추론·백엔드 API·사용자 화면까지 연결하는 과정을 기록합니다. 부트캠프 미션, 개인 실험, 프로젝트 고도화 결과를 코드와 문서 중심으로 정리합니다.
- RAG 기반 문서 질의응답 시스템 설계와 검색 품질 평가
- FastAPI 기반 AI 백엔드 및 API 개발
- Streamlit 기반 AI 서비스 프로토타이핑
- ONNX 모델 추론과 Docker 기반 실행 환경 구성
공공 RFP 문서를 대상으로 질의응답을 수행하는 RAG 시스템 고도화 프로젝트입니다. Dense 검색, BM25 하이브리드 검색, Reranker 조합을 비교하고 RAGAS 지표로 검색·답변 품질을 기록합니다.
RAG LLM 검색 평가 RAGAS
연말정산 문서를 검색하고 근거 기반 답변을 생성하는 RAG 질의응답 시스템 실험입니다. 문서 전처리, 검색, 답변 생성의 기본 흐름을 구현했습니다.
RAG NLP 문서 질의응답
FastAPI와 Streamlit으로 구현한 영화 리뷰 감성 분석 웹 서비스입니다. 영화·리뷰 관리 API와 감성 분석 결과 표시를 하나의 서비스 흐름으로 연결했습니다.
FastAPI Streamlit Sentiment Analysis
사용자가 그린 손글씨 숫자를 ONNX Runtime으로 추론하고, 결과 확률과 저장 이력을 제공하는 Streamlit 서비스입니다. Docker 컨테이너 실행 환경도 함께 구성했습니다.
ONNX Runtime Streamlit Docker
모델 학습 컨테이너와 추론 컨테이너를 Docker Compose로 연결한 머신러닝 워크플로우입니다. 학습 산출물과 추론 결과를 컨테이너 간에 전달하는 과정을 구현했습니다.
scikit-learn Docker Docker Compose
18개 미션을 통해 Python 기초부터 머신러닝, 컴퓨터 비전, 자연어 처리, RAG, 모델 서빙까지 단계적으로 실습했습니다.
| Category | Selected repositories |
|---|---|
| Python / Data | Python Basics, Hotel Booking Analysis, Bike Demand Prediction |
| ML / Computer Vision | Bank Marketing Classification, X-ray Pneumonia Classification, Pet Face Detection |
| NLP | News Text Classification, Korean-English Translation, Shopping Review Sentiment |
| RAG / AI Service / MLOps | RAG Tax Document Q&A, Model Format Conversion, Movie Review Sentiment App |
전체 미션 저장소는 GitHub Repositories에서 확인할 수 있습니다.
- Portfolio: Minseong Code Lab
- GitHub: @malit9999