LEE HEEYEON

ABOUT ME

실제 쓰임을 생각하는 개발자 이희연입니다

  • 기능 하나를 추가할 때도 사용하는 사람에게 도움이 되는지 생각합니다.
  • AI 활용만큼 신뢰성과 실제 쓰임도 중요하게 생각합니다.
  • 모르는 것은 질문하고 배우며, 새로운 지식과 방법에 열려 있습니다.
  • 막연히 이해했다고 넘기지 않고, 데이터와 로그로 확인합니다.

EXPERIENCE

  1. 202607월

    SSAFY 16기

    2026.07–현재

    Java 서비스 개발·알고리즘 심화 학습

    AI 모델링 교육

  2. 202505월

    날씨 빅데이터 콘테스트

    2025.05–2025.08

    부산 119 신고량 예측·기상 상황별 모델 분리

    본선 발표 · 부산소방재난본부장상

  3. 202503월

    KT AIVLE School 7기

    2025.03–2025.09

    클라우드 기반 AI·웹 서비스 개발 교육

    인천공항 챗봇 AI 서버·데이터 처리 구현

  4. 202408월

    학부 종합설계

    2024.08–2024.12

    AI 생성 코드 실행 결과·오류 분석

    리뷰 모델 피드백을 통한 코드 개선

SKILLS

Backend

  • Java
  • Spring Boot
  • Python
  • Django

Data

  • MySQL
  • MongoDB
  • Redis

Infrastructure

  • Kafka
  • Docker
  • Nginx

AI

  • LLM
  • RAG
  • Semantic Cache

프로젝트

백엔드 · 신뢰성

Kafka 기반 송금 시스템

DB-Kafka 간 정합성, 중복 소비, 동시성 충돌을 Outbox·Optimistic Lock·멱등성으로 검증한 개인 프로젝트.

송금 요청이 원장과 Outbox를 거쳐 Kafka와 멱등 소비자로 전달되는 간단 구조도
100건 동시 송금
최종 잔액 정합성 검증
JavaSpring BootKafkaMySQL
AI 서비스 · 성능 최적화

인천공항 AI 챗봇 ‘아라’

반복 LangGraph 실행으로 30–40초 걸리던 유사 질의를 Semantic Cache를 통해 1초 이내로 단축했습니다.

질문을 Semantic Cache에서 조회하고 적중 시 즉시 응답, 미적중 시 LangGraph와 RAG로 처리하는 간단 구조도
30–40초 → 1초 이내
유사 질의 응답 · 프로젝트 테스트 환경
DjangoLangGraphMongoDB Vector SearchRAG
머신러닝 · 문제 정의

날씨 빅데이터 기반 119 신고량 예측

평상시와 재난 시 신고량의 분포 차이에 주목해 2-Stage 예측 구조를 설계하고 특별상을 수상했습니다.

기상 및 119 데이터를 극단 상황으로 분류한 뒤 평상시와 재난시 회귀로 분기하는 간단 구조도
특별상
2025 날씨 빅데이터 콘테스트
최종 모델 RMSE ≈ 0.9
Python시계열 분석Regression
상세 보기 →
LLM · 실행 기반 검증

LLM 생성 코드 검증 프레임워크

생성 코드를 실제 컴파일·실행하고 Sanitizer 결과를 다시 피드백하는 검증 파이프라인을 연구했습니다.

코드 생성 후 실행 오류를 분석하고 리뷰 피드백을 거쳐 코드를 개선하는 간단 구조도
실행 기반 피드백 루프
LLM 생성 C/C++ 코드 검증
PythonQwen 2.5 Coder familyLoRA
상세 보기 →