Azizjon Kasimov

G-Man Auto Parts의 다른 작업

• 중고 부품 가격 예측

  감가상각, 수요, 실시간 시장 신호로 중고 부품의 가격을 매기는 모델을 연구했습니다. 실제 가격으로 이루어진 작은 테스트 세트에서 MAE와 MAPE로 측정한 정확도는 약 70–80%였습니다.

• 이중 언어 상품 요약

  회사의 약 4만 개 상품 하나하나에 영어 요약과 한국어 요약을 써 주는 LLM 파이프라인을 만들었습니다. 요약은 부품 전문가들이 정한 규칙을 따랐습니다. 이 파이프라인은 개념 검증(PoC) 단계에 머물렀습니다.

• 대규모 데이터 마이그레이션

  회사 레코드 약 4만 건을 새 데이터베이스로 옮기고, 외부 카탈로그 레코드 200만 건 이상을 적재했습니다. 중복은 제거했고, 각 배치는 원자적으로 썼기 때문에 실패해도 데이터가 반쯤 쓰인 채로 남을 수 없었습니다.

앱을 뒷받침하는 것들

이전 ML 작업으로는 프리랜스 고객을 위해 만든, 당뇨망막병증의 등급을 매기는 이미지 분류 모델과 태양광 예측을 위한 강화학습 실험이 있습니다. 더 많은 작업은 GitHub에서 볼 수 있습니다.

1. 2025년 3월 – 2026년 7월 대한민국 (원격)

   AI/ML Engineer

   G-Man Auto Parts · 중고 자동차 부품 이커머스

   • 회사의 유일한 AI/ML 엔지니어였습니다. AI 검색과 데이터 파이프라인을 설계하고 운영했으며, 시니어 엔지니어가 퇴사한 뒤 AWS 인프라를 인수받았습니다. Django로 백엔드 기능을, 온라인 스토어의 회원가입·로그인 페이지 같은 프론트엔드 기능을 만들기도 했습니다.
   • Weaviate, spaCy, OpenAI API로 200만 개 이상의 자동차 부품을 다루는 AI 검색을 구축했습니다. 이 검색은 정부 R&D 사업의 3,000개 부품 테스트에서 95% 이상을 기록했고, 그 사업에서 과제가 승인되었습니다.
   • Lambda, SQS, EventBridge, PostgreSQL로 AWS 서버리스 데이터 파이프라인을 구축했습니다. 테스트에서 하루 500만 건이라는 목표를 달성했지만, 이후 데이터 소스의 속도 제한 때문에 하루 약 5,000건에 머물렀습니다. 실패한 작업은 스스로 재시도했고, 문제가 생기면 알림을 보냈습니다.
   • 시니어 코드 리뷰 후 쿼리 타임아웃, URL 허용 목록, 안전한 데이터베이스 쓰기로 서비스를 강화했고, 6,000줄짜리 Django 파일을 작은 모듈로 나눴습니다.
   • 기술 PM들과 협업했고, CEO, COO, 데이터 라벨링 팀에 결과와 트레이드오프를 설명했으며, 주니어 팀원을 비공식적으로 멘토링했습니다.

2. 2024년 11월 – 2025년 2월 원격

   ML Engineer & Data Scientist (프리랜서)

   Upwork · 의료 영상 분석

   • 망막 이미지로 당뇨망막병증의 중증도를 판정하는 모델을 ResNet50 기반으로 PyTorch에서 만들었습니다. 전처리, 데이터 증강, 전이학습을 거쳐 첫 프로젝트는 약 70%, 두 번째 프로젝트는 약 80%의 정확도에 도달했습니다.

3. 2024년 3월 – 2024년 11월 대한민국 나주

   AI Team Lead

   Recs Innovation · 재생에너지

   두 차례 승진: Data Science Intern → AI Engineer → AI Team Lead

   • 두 가지 모델을 프로덕션에 올린 ML, 백엔드, 프론트엔드 팀을 이끌었습니다. 하나는 각 태양광 발전소의 발전량 예측 모델이고, 다른 하나는 발전소 데이터에서 평소와 다른 측정값을 찾아내는 이상 탐지 모델입니다. FastAPI 서비스가 두 모델을 가상발전소(VPP) 플랫폼에 연결했습니다.
   • Docker, GitHub Actions, Prometheus, Grafana로 배포와 모니터링을 자동화했습니다. 배포는 3시간 대신 15분이 걸리게 되었고, 수동 운영 업무는 80% 줄어 연간 약 48,000달러를 절감했습니다.
   • 예측 오차를 9%에서 7%로 줄여, 회사가 발전소의 전력을 한국전력거래소에서 팔 수 있게 했습니다. 이상 탐지 모델의 precision을 약 35%p, recall을 약 37%p 높였습니다.

LLM & 검색

RAG, 벡터 검색(Weaviate), LangGraph, LangChain, OpenAI·Claude·Gemini API, 프롬프트 엔지니어링, LLM 재정렬, Neo4j와 지식 그래프

머신러닝

PyTorch, TensorFlow, scikit-learn, Hugging Face, spaCy(NER), 시계열 예측, 이상 탐지, 컴퓨터 비전

평가

accuracy@k, precision / recall / F1, 혼동 행렬, 교차 검증, MAE / MAPE, 재현 가능한 테스트 세트, 오류 분석

백엔드 & 데이터

Python, Django REST Framework, FastAPI, Celery, PostgreSQL, REST API, 데이터 마이그레이션, Playwright

클라우드 & MLOps

AWS (Lambda, SQS, EventBridge, RDS, S3, CloudWatch, ECR), Docker, GitHub Actions, Prometheus, Grafana, MLflow

AI 활용 개발

Claude Code, Codex CLI, Cursor, 에이전트 규칙·컨텍스트 파일(AGENTS.md, CLAUDE.md)

기타

프론트엔드 기능 개발 및 API 연동, Chrome 확장 프로그램