AI 기술을 실제 사용자가 체감하는 서비스와 인터랙티브 경험으로 구현하는 개발자를 지향합니다.

모델이나 API 자체보다, 사용자의 입력이 클라이언트 상태 → 서버·데이터 처리 → AI 추론 → 사용자 피드백으로 이어지는 전체 흐름을 설계하고 구현하는 데 관심이 있습니다.
Flutter/Next.js 기반 서비스 개발, Supabase/PostgreSQL 백엔드, Unity/XR 인터랙션, AI 모델·API 연동을 프로젝트 안에서 함께 다뤄왔습니다.

세종대학교 인공지능학과 · 2027.02 졸업 예정

LLM·STT·TTS·NLP 모델을 단순 호출하는 데서 끝내지 않고, 사용자 입력과 서비스 흐름 안에 연결하고 결과를 검증합니다.

Flutter와 Next.js 기반 앱·웹을 만들고, Supabase/PostgreSQL의 인증·권한·도메인 규칙·데이터 정합성까지 함께 설계합니다.

Unity/XR, 모바일 입력, 장비 인터페이스처럼 사용자의 행동이 시스템 상태와 외부 처리로 이어지는 인터랙티브 소프트웨어 경계를 구현합니다.

Voice AI × Unity XR · 4인 팀 프로젝트

Meta Quest에서 사용자의 음성 질문을 STT → LLM → TTS로 처리하고 다시 VR 안에서 음성으로 재생하는 인터랙티브 콘텐츠입니다.

• Unity/C# 음성 입력, 오디오 데이터 처리, XR 상태 및 인터랙션 구현
• UnityWebRequest 기반 Unity ↔ FastAPI 통신
• faster-whisper → Gemini → Edge TTS AI voice pipeline 구현
• 입력 장치부터 AI 응답 재생까지 클라이언트·서버 전체 흐름 통합

Unity · C# · XR Interaction Toolkit · FastAPI · faster-whisper · Gemini · Edge TTS

Production Mobile Service · 1인 개발

실제 바이올린 학원에서 운영 중인 수업 일정 관리 서비스입니다. 요구사항 정리부터 앱·데이터 구조·백엔드 로직·스토어 배포·운영 및 유지보수까지 담당했습니다.

• Flutter 기반 Teacher / Manager / Master / Student 사용자 흐름
• Firebase 구조를 Supabase/PostgreSQL 기반으로 재설계
• RLS·RPC·Edge Functions를 이용한 역할별 권한 및 서버 검증
• 수업 취소 → 수업권 반환 → 보강 사용의 도메인 lifecycle 설계
• 운영 중 발생한 일정 누락·정합성 문제를 추적하고 데이터 구조와 규칙으로 개선

Flutter · Dart · Supabase · PostgreSQL · RLS · RPC · Edge Functions

Full-stack Content Service · 1인 개발

기관의 발간물·세미나·보고서 등을 관리하는 권한 기반 콘텐츠 아카이브 웹사이트입니다.

• Next.js App Router 기반 프론트엔드·서버 API 구현
• public / member / admin 공개 범위 및 관리자 권한 설계
• PostgreSQL 메타데이터와 Cloudflare R2 파일 저장소 분리
• R2 업로드 후 DB 저장 실패 시 객체를 제거하는 rollback 처리
• 기존 자료 이관 스크립트와 Vercel 배포·운영

Next.js · TypeScript · Supabase · PostgreSQL · Cloudflare R2 · Vercel

NLP Service Prototype · 수업 프로젝트

민사 판결문을 기사형 요약으로 변환하는 Flutter + FastAPI 기반 AI 서비스 프로토타입입니다.

• KoBART 기반 법률 문서 요약 inference pipeline
• 금액·이자율·판결 결론 보존 여부를 별도 평가 기준으로 정의
• 입력 구조와 decoding 설정을 조정해 생성 실패 유형을 검증
• AI 출력을 그대로 사용하는 대신 사용 목적에 맞는 실패 기준을 먼저 정의하고 평가

Flutter · FastAPI · KoBART · PyTorch · Transformers

Porter — Autonomous Last-mile Delivery App
캡스톤 팀 프로젝트에서 Flutter 앱과 delivery mission / control interface를 담당했습니다. 카메라 OCR → 목적지 파싱 → 배송 mission 생성 → 장비 통신 경계를 구현하며 사용자 작업을 로봇 실행 계층에 연결했습니다.

End-to-end Integration
서로 다른 기술을 나열하기보다 입력 → 상태 → 통신 → 데이터/AI 처리 → 사용자 피드백이 하나의 경험으로 동작하도록 연결합니다.

Production-oriented Design
실제 운영 서비스에서 권한, 데이터 정합성, 실패 처리, migration과 유지보수까지 고려하며 문제를 사후 수정이 아닌 구조와 규칙으로 해결하려고 합니다.

AI with Verification
AI 결과를 그대로 신뢰하기보다 목적과 제약을 정의하고, 실제 실패 유형과 평가 기준을 통해 결과를 다시 확인합니다.

현재는 AI-powered products와 interactive systems의 접점을 중심으로 역량을 확장하고 있습니다.
특히 LLM/AI Agent 기술이 실제 앱·웹·XR의 사용자 인터랙션과 서비스 workflow 안에서 어떻게 동작할 수 있는지에 관심을 두고 있습니다.