Hwang Doyeon [pdf]

소규모 팀에서 제품이 없던 상태로 시작해 여러 서비스를 기획부터 배포까지 만들어냈습니다. 사용자 피드백을 반영하는 개발 사이클을 처음부터 구축했고, 제품이 늘어나며 복잡해지는 인프라를 GitHub CI/CD와 온프레미스 환경에서 직접 관리했습니다.

기업의 탄소 배출량 산정 플랫폼을 GHG Protocol 표준에 따라 엔드투엔드로 구축했습니다. 각 조직의 복잡한 데이터 관리 환경에 맞춘 데이터 수집 기능, 수집 자동화, 수집된 데이터에 배출계수를 적용해 Scope 1·2·3 전 영역의 배출량을 다중 가스 기준으로 산정하는 엔진, 그리고 산정 결과를 대시보드에서 확인하는 전체 프로세스를 설계하고 개발했습니다. 특히 Scope 3의 Category 1·2·3·4·6·7·8·9·13을 직접 담당했으며, IEA, Ecoinvent, Exiobase 등 배출계수 데이터베이스를 정제 및 적용하고 각 Category에 맞는 산정식을 구현했습니다.

인프라는 Docker 기반 멀티 컨테이너 아키텍처에서 다수의 서비스가 통신하도록 구성했고, 원클릭 배포 파이프라인을 만들어 개발-배포 사이클을 단순화했습니다. 또한 B2B SaaS 환경에서 사용자 문의 대응과 기능 가이드를 위해 LLM 기반 Agent 시스템을 설계했고, 기업마다 상이한 비정형 데이터를 통합 스키마로 변환하는 AI 파이프라인도 구축했습니다.

전 세계 임상시험 데이터를 수집·정제해 빅데이터 구조로 통합하는 작업으로 시작했습니다. 기관마다 표기 방식과 스키마가 달라 이를 통합하는 것이 핵심 과제였고, Python과 MySQL로 수집-정제 파이프라인을 구축해 일일 자동 수집이 가능하도록 만들었습니다.

이후 임상시험 데이터를 제공하고 시각화하는 플랫폼을 기존 Tomcat + Spring Boot 레거시에서 React와 Express로 전면 마이그레이션했습니다. 프론트엔드는 React Chart로 데이터를 시각화하고 TanStack Query로 검색 성능을 개선했으며, 백엔드는 JWT 인증과 AWS RDS 자동 백업을 연동했습니다. 배포는 Jenkins, Terraform, Ansible을 조합해 IaC 방식으로 전환했고 AWS Load Balancer까지 적용했습니다.

임상시험 Regulation과 Guidelines를 제공하는 웹 서비스도 개발했고, 오픈소스 LLM인 Vicuna를 사내 서버에 설치해 OpenAI 호환 API로 래핑한 뒤 프롬프트 엔지니어링을 활용한 데이터 정제 작업에도 적용했습니다.