면접 대비 및 포트폴리오용 — 각 경험에서 마주한 문제, 원인, 해결 방법을 정리한 문서입니다.

1. 서울아산병원 디지털 의학 연구실 (DLab)

기간: 2026.01 ~ 현재 | 역할: Research Intern

문제 (Problem)

• 임상 데이터 기반 심방세동(AF) 예측 모델 개발 시, 클래스 불균형(Imbalanced Dataset) 문제로 일반적인 Accuracy 지표가 모델 성능을 제대로 반영하지 못함
• 웨어러블 가속도계 수면 분류 데이터의 라벨링 일관성이 낮아 전처리 파이프라인 설계가 어려움

원인 (Cause)

• 심방세동 환자 데이터가 정상 데이터 대비 극히 소수 → 단순 Accuracy로는 모델이 다수 클래스만 맞춰도 높은 점수가 나오는 함정 발생
• 웨어러블 센서 데이터 특성상 개인차 및 측정 환경 차이가 크고, 수면 라벨 기준이 모호한 경우 존재

해결 (Solution)

• 평가 지표를 AUC (ROC Curve) 및 AUCPR (Precision-Recall Curve) 로 변경하여 클래스 불균형 상황에서도 의미 있는 성능 측정
• 데이터 품질 기준을 명확히 정의하고, 이상값 제거 및 라벨 검증 파이프라인을 설계하여 데이터 신뢰성 확보

결과 (Result)

• (진행 중 — 수치 업데이트 예정)

2. Back Office RAG AI 챗봇 프로젝트

기간: 2024.11 ~ 2025.03 | 역할: Backend Developer

문제 (Problem)

• 팀 내 다양한 내부 문서와 운영 정보가 분산되어 있어 필요한 정보를 빠르게 찾기 어려운 상황