신무결 이력서 | 1 / 2

신무결 프로필 사진

Resume

신무결

AI 서비스 / 백엔드 개발자

Email tlsanruf123@gmail.com GitHub github.com/weoqpur Blog velog.io/@weoqpur Phone 010-8434-2186

자기소개

마이스터고에서 생성형 AI와 컴퓨터 비전 모델을 학습한 경험을 바탕으로 웹 백엔드와 서버 배포를 함께 익히고 있는 개발자 지망생입니다. GAN 모델을 중심으로 pix2pix, StyleGAN 같은 이미지 생성/변환 모델을 공부했고, segmentation과 object detection 모델도 함께 학습했습니다. Field-S에서 6개월간 AI 개발자로 근무하며 GPU 서버에서 대용량 데이터와 멀티 GPU 환경을 경험했습니다.

최근에는 AI 모델이 단순한 실험 코드에 머무르지 않고 실제 사용자가 접근할 수 있는 서비스가 되려면 어떤 백엔드 구조와 배포 환경이 필요한지에 집중하고 있습니다. FastAPI 기반 서버 구현, MariaDB/MySQL 데이터베이스, JavaScript를 이용한 화면 연동을 실습하며 서비스의 기본 흐름을 익혔습니다.

Linux 서버 환경에서는 Nginx, Uvicorn, systemd를 이용한 FastAPI 애플리케이션 실행 구조와 Cloudflare Tunnel을 통한 외부 접속 구성을 학습했습니다. 3-Tier 구조로 구성한 웹 서비스와 YOLO 모델 웹 데모를 배포해 보며 로컬 개발 환경과 서버 실행 환경의 차이를 직접 확인하고 있습니다.

목표는 AI 모델을 잘 다루는 것을 넘어, 모델을 안정적인 웹 서비스와 서버 구조로 연결할 수 있는 백엔드 개발자가 되는 것입니다.

병역사항 육군 만기전역

경력/학습 요약

Web / Server

한컴 아카데미 웹/서버 과정

FastAPI 기반 웹 애플리케이션, MariaDB 연동, Linux 서버 기본 명령, Nginx reverse proxy, Uvicorn 실행, systemd 서비스 등록을 실습했습니다.

  • Front-WAS-DB 3-Tier 구조와 Cloudflare Tunnel 연동
  • YOLO 모델 웹 데모 배포 경험
  • Docker/UTM 기반 로컬 서버 환경 학습
  • AWS Lightsail 인스턴스에 배포

Generative AI / Computer Vision

마이스터고 생성형 AI/컴퓨터 비전 학습 경험

GAN 기반 생성형 AI를 중심으로 이미지 생성과 이미지 변환 모델의 구조를 학습했습니다. 이와 함께 segmentation, object detection 모델을 공부하며 AI 모델 결과를 서비스 기능으로 연결할 때 필요한 데이터 흐름을 학습하고 있습니다.

  • GAN, pix2pix, StyleGAN 기반 생성형 AI 학습
  • Segmentation, object detection 모델 학습
  • PyTorch, OpenCV, Pandas를 이용한 모델 실습 및 데이터 처리

경력/자격 및 수상

Career

Field-S AI 개발자

6개월간 AI 개발자로 근무하며 GPU 서버에서 대용량 데이터를 다루고, 멀티 GPU 환경을 사용한 모델 실험 및 데이터 처리 흐름을 경험했습니다.

Certificate

정보처리기능사

소프트웨어 개발 기초, 데이터베이스, 운영체제 등 개발 기본 지식을 검증받았습니다.

Award

2021 빛가람에너지밸리 소프트웨어 작품 경진대회 대상

치과와 협업해 구강 사진 촬영 시 치아를 개별 인식하고, 부정교합 여부를 파악할 수 있도록 보조하는 모바일 앱을 개발해 출품했습니다.

Award

GSM 소프트웨어 올림피아드 대상

동일한 부정교합 파악 보조 모바일 앱 작품으로 참가했으며, 컴퓨터 비전 모델을 실제 문제 해결 아이디어와 연결한 점을 평가받았습니다.

대표 경험

  1. Field-S AI 개발자 근무 경험

    6개월간 AI 개발자로 근무하며 GPU 서버에서 대용량 데이터를 다루고, 멀티 GPU 환경을 활용한 모델 실험과 데이터 처리 흐름을 경험했습니다.

  2. Front-WAS-DB 3-Tier 웹 서비스 구축 및 외부 접속 구성

    정적 화면, FastAPI WAS, MariaDB를 분리해 요청 흐름과 데이터 저장 구조를 구성하고, Cloudflare Tunnel을 통해 외부에서 접속하는 흐름까지 실습했습니다.

  3. FastAPI + MariaDB 기반 데이터 관리 기능 구현

    CRUD 흐름에 맞춰 요청 처리 구조를 만들고 SQL 실행, 응답 상태 코드, JSON 데이터 구조, 화면과 서버의 연동 방식을 정리했습니다.

  4. Nginx/Uvicorn/systemd 기반 FastAPI 배포 환경 구성

    Uvicorn으로 FastAPI 앱을 실행하고 Nginx를 통해 요청을 전달하며, systemd 서비스로 서버 프로세스를 관리하는 흐름을 학습했습니다.

  5. YOLO 모델 웹 데모 배포 경험

    YOLO 모델을 웹 화면에서 확인할 수 있는 데모 형태로 구성하고, FastAPI 기반 서버와 배포 환경을 연결하는 흐름을 실습했습니다.

  6. GAN 기반 이미지 생성/변환 모델 학습

    pix2pix와 StyleGAN을 중심으로 이미지 변환과 생성 모델의 구조를 학습하고, segmentation 및 object detection 모델까지 함께 공부하며 AI 모델 결과를 서비스 데이터로 연결할 수 있는 가능성을 학습하고 있습니다.

기술 스택

Language

Python, JavaScript, SQL

Backend

FastAPI

Database

MySQL, MariaDB

Infra

Linux, Nginx, Uvicorn, systemd, AWS Lightsail, Cloudflare Tunnel, Docker, UTM

AI/CV

PyTorch, GAN, pix2pix, StyleGAN, YOLO, Segmentation, Object Detection, OpenCV, Pandas, GPU Server, Multi-GPU

프로젝트

3-Tier 웹 서비스 및 Cloudflare Tunnel 배포 실습

FastAPI, MariaDB, Nginx, Uvicorn, Cloudflare Tunnel

  • 프론트 화면, FastAPI WAS, MariaDB를 분리한 3-Tier 구조로 요청 흐름을 설계하고 구현했습니다.
  • Nginx reverse proxy와 Cloudflare Tunnel을 연결하며 외부 접속 및 배포 환경의 기본 단계를 정리했습니다.

FastAPI 기반 데이터 관리 서비스

Python, FastAPI, JavaScript, SQL

  • 데이터 생성, 조회, 수정, 삭제 흐름에 맞춘 서버 기능을 구현하고 화면 이벤트와 비동기 요청을 연결했습니다.
  • SQL 실행 결과, 예외 상황, 응답 메시지를 확인하며 요청/응답 구조를 개선했습니다.

YOLO 모델 웹 데모 배포 실습

YOLO, FastAPI, JavaScript, Nginx

  • YOLO 모델 결과를 웹 화면에서 확인할 수 있는 데모 형태로 구성했습니다.
  • FastAPI 서버와 정적 화면을 연결하고, Nginx 기반 배포 흐름을 점검했습니다.

생성형 AI 및 컴퓨터 비전 모델 학습

GAN, pix2pix, StyleGAN, PyTorch, OpenCV

  • pix2pix와 StyleGAN을 중심으로 이미지 생성/변환 모델의 구조와 학습 흐름을 공부했습니다.
  • segmentation, object detection 모델도 함께 학습하며 AI 모델 출력이 서비스에서 사용 가능한 데이터가 되려면 어떤 후처리와 검증이 필요한지 학습하고 있습니다.