숫자를 읽고, 문제를 정의하고
서비스로 해결합니다

해결: 암호화 서명 인증(HMAC-SHA256)으로 네이버 검색광고 API를 연동해, 리포트 자동 다운로드·병합과 소재·키워드 등록/수정/삭제(엑셀 업로드 → 계정별 분할 → 일괄 처리)를 구축. 입찰가·세그먼트 일괄 변경과 예약 실행까지 지원.

해결: 브라우저를 자동 조작해 웹페이지를 수집하는 방식(동적 크롤링)과 사이트 내부 데이터 통신 직접 호출로 자사 3개 몰·경쟁사 4개 몰 베스트 상품을 자동 수집. 방송 편성 상품 수집·매칭·병합과 상위 키워드 노출 이미지 추출까지 자동화.

해결: 수집 작업을 여러 개 동시에 실행하도록(병렬 처리) 바꾸고, 예약 실행 프로그램(스케줄러) 운영(실행 시간 조정), 카카오 토큰 재발급, 데이터 정합성 확인·재적재, 반복 장애 긴급 수정(광고성과 첫행 누락 해결, 소재 다운로드 데이터 불일치 점검, 크롤러 요소 수정)로 안정 운영 체계를 만들었습니다.

해결: 프롬프트 내보내기 방식 — 서버는 무료 Gemini(텍스트·비전)로 스케치를 분석해 규격 맞춤 프롬프트를 만들고, 그림은 사용자가 무료 ChatGPT·Gemini 웹에서 생성 → 다시 올리면 규격 PNG·ZIP으로 자동 정리. 전 구간 비용 $0.

• ‘프롬프트 내보내기’ 아키텍처로 비용 0 유지 — 유료 이미지 생성 API(무료 티어 없음)를 정면으로 우회. 서버는 무료 텍스트·비전만 쓰고 픽셀 생성은 사용자의 무료 웹으로 넘겨, 완전 무료라는 제약을 아키텍처로 지킴.
• specs.py 단일 소스(캘리브레이션 노브) — 픽셀 값을 어디에도 하드코딩하지 않고 플랫폼 규격을 한 파일에서 관리. 프론트도 /api/specs로 같은 값을 읽어 규격이 코드 전체에 한 번에 전파.
• 배경 제거에서 텍스트 보존 — rembg(AI 세그멘테이션)가 이모티콘 텍스트를 배경으로 오분할. 코너가 단색이면 flood-fill로 가장자리에 연결된 배경만 투명 처리해 내부 글자 픽셀을 그대로 보존.
• 카카오-우선 등록 전략(도메인 리서치) — “카카오 기준 = 상위 호환”이라 판단해 가장 빡센 카카오 규격으로 먼저 만들고 OGQ·라인으로 확장하도록 가이드·기본값 설계.

해결: 파싱 → OCR → 임베딩 → 하이브리드 검색 → RAG 답변까지 전 구간 로컬·무료로 직접 구축. 빈 디렉터리에서 Sprint 단위로.

• 전 구간 로컬·무료 스택 — 비용 0·데이터 외부유출 0(온프레미스). 임베딩 ko-sroberta, LLM Ollama, OCR Tesseract, 검색 Elasticsearch 모두 로컬.
• 작은 LLM 한계 → qwen2.5:7b 전환 — 3b는 성과/실적 질문에서 청크를 그대로 덤프. 7b로 지시준수·요약 품질 확보(비교 검증), 3b는 옵션으로 유지.
• OCR 깨짐(낱글자·저해상도) 정면 대응 — 흑백·대비·업스케일 전처리 + 300dpi + '다 운 로 드 → 다운로드' 후처리로 스캔 인식률 개선.
• 내용 해시 기반 중복 방지 — 파일명이 같아도 내용 다르면 유지, 이름 달라도 내용 같으면 스킵(md5). 실무형 폴더 색인 노이즈 제거.

해결: 데이터 자동 수집 → 핵심 지표 대시보드 → 이상 감지 알림 → What-if 시뮬레이션까지 원스톱 시스템 구축.

• 개발 DuckDB ↔ 실무 BigQuery 환경변수 분기 — 포트폴리오 단계 비용 0원과 실무(BigQuery) 전환 가능성을 동시에 잡으려, SQL은 공통으로 쓰고 연결 모듈만 분기하도록 설계.
• 실데이터 대신 18개월 가상 데이터 직접 생성(유저 75K·이벤트 190만) — 사내 데이터 접근 불가 제약에서 분석이 의미를 가지려면 ‘스토리 있는’ 데이터가 필요해, 성장→리텐션→런웨이 서사를 시드로 의도적으로 심음.
• 자동화는 n8n으로 ‘설계’까지(다음 단계) — 우선순위상 MVP는 대시보드·시뮬레이터를 먼저 실구동하고, 데이터 파이프라인·알림 자동화(코딩 없이 흐름을 짜는 도구 n8n)는 다음 단계로 계획했습니다(‘90% 절감·1일→10분’은 그 목표치).
• 프론트는 Streamlit 단일 앱(4탭+슬라이더 시뮬레이터) — ‘분석+엔지니어링’ 분석가가 직접 만들고 유지하는 내부 툴임을 보이려 Python만으로 인터랙티브 대시보드를 빠르게 구현.

해결: AI Vision API로 사진 1장 → 10초 분석. 실제 판매 제품 연결. 운영비 $0. 원래 계획의 30%만 실행해서 MVP(첫 실사용 버전) 출시.

• Streamlit → Vanilla JS 전환 — Streamlit이 iframe 한계로 4계절 비교·레이더 차트 등 커스텀 UI의 HTML이 깨져, 순수 JS 프론트로 피벗.
• OpenCV·2코드베이스 거절 → Gemini Vision + FastAPI 단일 — OpenCV 피부톤은 정확도가 낮고 Next.js+FastAPI 2코드베이스는 과해서, 무료·고정확도 Gemini Vision으로 통합.
• 쉽게: 무료 AI 서버가 자주 먹통(과부하·요청 초과)이 돼, 여러 개를 자동으로 번갈아 쓰게 만든 것. Gemini 4모델 폴백 + API 키 프로젝트 분리 — 무료 Gemini의 503/429가 빈번해 가용성 확보가 필요했고, 같은 프로젝트 키는 할당량을 공유하므로 프로젝트를 분리해야 일 3,000회 분석이 가능.
• 확신도 ‘0.90 기본값 금지’ 프롬프트 강제 — Gemini가 확신도를 늘 ~90%로 부풀려, 사진 조건별(자연광 0.8~0.92 / 조명 불량 0.45~0.65) 기준을 프롬프트에 강제 주입해 신뢰도 확보.

설계: 연쇄 붕괴(스탯 하나 떨어지면 나머지 급락) + 피로도(같은 행동 효과 감소) → 전략적 긴장감. 게임오버 시 추모카드+칭호 → SNS 5채널(X·페이스북·카카오·인스타·네이버블로그) 공유·복사.

• 쉬운 요약: 화면은 직접 코딩하고, 파이썬은 데이터 관리만 맡김. UI는 순수 HTML/CSS/JS 커스텀, Python은 상태관리만 — 다마고치식 상호작용을 기본 화면 제작 도구(Streamlit)로는 만들 수 없어 역할을 분리, 향후 정적웹/PWA(앱처럼 설치되는 웹) 이식까지 대비.
• 저장은 서버 데이터베이스(DB) 대신 브라우저 자체 저장소(localStorage·다중 슬롯) — 바이럴 테스트용 프로토타입이라 서버·인증 부담을 피하고 무료 정적 호스팅 배포를 가능케 하려는 선택.
• 쉬운 요약: 앱을 업데이트해도 예전 저장 기록이 깨지지 않게 함. 세이브 version 필드 + 누락 필드 기본값 복원 — 브라우저 저장(localStorage)이라 유저 기기의 옛 세이브를 강제 무효화할 수 없어, 후속 추가 필드를 기본값으로 채워 업데이트 시 세이브가 깨지지 않게 함.
• 난이도 상수 튜닝(부정이벤트 15%→45%, 연쇄붕괴 1.5배 등) — ‘아무리 잘해도 결국 죽는다 = 공유 욕구’ 가설을 성립시키려 후반부로 갈수록 무너지는 곡선을 의도적으로 설계.

해결: 웹 접속 유지·보안 토큰(CSRF)·자바스크립트단 암호화(Base64·AES·RSA) 기술을 단계별로 학습한 뒤, 정작 차단된 KRX 대신 로그인이 필요 없는 네이버 금융 시가총액 순위 페이지(자바스크립트 없이 고정된 웹페이지)를 읽어들여 KOSPI+KOSDAQ 4,000+ 전종목을 수집.

• 초기 타겟 KRX 포기 → 네이버 금융 피벗 — KRX가 로그인 필수로 전환돼(LOGOUT/alert만 반환) 비회원 수집이 원천 차단 → 동일 데이터를 공개하는 네이버 시총순위로 대체 경로.
• Selenium 대신 requests + BeautifulSoup — 무거운 브라우저 자동화 도구 대신 가벼운 데이터 수집 방식을 택함. 대상이 로그인 불필요한 정적 HTML(자바스크립트 없이 고정된 웹페이지)이라 헤드리스 브라우저(화면 없이 도는 브라우저) 없이 87페이지를 ~36초에 수집(가벼움·속도 우선).
• User-Agent 위장 + 0.3초 딜레이 + 재시도 — 일반 브라우저처럼 보이게 하고 요청 간격을 둬 차단을 피함. UA(브라우저 식별 정보)가 없으면 접근 거부(403)로 차단되고, 연속 요청 시 부하·차단을 피하려 딜레이·점증 백오프(점점 간격을 늘려 다시 시도) 재시도를 넣음(안정성을 속도보다 우선).
• 전일비를 정규식 + img alt로 파싱, 구분행 필터 — 셀이 ‘<img alt="상승">13,500’ 형태라 그대로 변환하면 실패(‘0종목 수집’ 버그) → 사이트 마크업 제약에 맞춰 파싱 방식을 강제당한 결정.

접근: 증권 시세 수집 도구로 7종목 3년(5,110레코드) 수집 → 27개 기술지표·최근 60일 흐름(시퀀스) → 2층 딥러닝 모델(LSTM, 128) → 과거 데이터로 모의 검증(백테스트) + 규칙 기반 리스크관리. 데이터 서버(FastAPI)와 화면 대시보드(Streamlit)로 신호 조회.

• 글로벌 14종목·앙상블·90% 목표 → 반도체 7종목·LSTM 단독·F1 64%로 축소 — ‘주식 90% 예측은 비현실적(효율적 시장 가설=EMH)’이라 결론, 1인·단기 제약상 상관 높은 한 섹터·단일 모델로 좁혀 ‘저점 동시 포착’ 검증에 집중(앙상블은 설계 단계, Transformer는 미구현).
• Threshold 0.02→0.01 + WeightedBCELoss — 매수 신호가 희소(불균형 6:1)해 F1 0% → 임계값을 1%p 낮춰 양성 36→64개(불균형 3:1)로 F1 64.2% 급변, 남은 불균형은 손실 가중치로 보정.
• 시간 순서 7:1.5:1.5 분할(랜덤 셔플 X) — 랜덤 분할 시 미래 데이터 누수(look-ahead)로 성능이 부풀려져, 순차 분할로 누수를 차단(워크포워드 검증은 향후 과제로 인정).
• Buy&Hold → 규칙기반 리스크관리(손절·익절·트레일링) — 보유는 평균 189%지만 거래 1회·MDD(최대 손실폭) −55%로 손실 방어가 없어, 리스크관리로 수익 150%·승률은 낮아져도 거래 57.7회로 능동 대응(수익 일부를 손실 통제와 맞바꾼 트레이드오프).

해결: URL 입력 → 사이트별 전용 추출기(원티드/사람인/잡코리아/그룹바이)로 회사·포지션·자격·마감일을 자동으로 뽑고, 점핏·기타 사이트는 AI(Gemini)가 대신 읽어 채움 → Google Sheets에 저장 → 마감 2일 전 Slack 알림(정해진 시각에 자동 실행).

• AI SaaS 구상 접고 로컬 Streamlit 앱으로 피벗 — $0 예산에서 무료 서버(Render 512MB)로는 Playwright Chromium(300MB+)을 못 띄워 ‘무료+크롤링’이 물리적으로 불가 → ‘나만 쓰는 도구’로 바꾸자 서버·인증·과금·법적 제약이 모두 사라짐.
• 저장은 Google Sheets(전문 데이터베이스 대신) — 개인용 수십~수백 건엔 DB가 과하고, 무료에 시트에서 데이터를 바로 확인·수정할 수 있어 운영이 편리.
• 전용 파서 + Gemini 폴백 하이브리드, 본문만 전달 — 쉽게 말해 ‘사이트마다 맞춤 추출기를 기본으로, 안 되는 곳만 AI로 보완’한다는 뜻. 전용만으론 신규 사이트 불가·AI만으론 정확도/비용 부담이라 균형. 잡코리아는 초기엔 셀렉터가 불안정해 Gemini 폴백을 썼으나 ld+json(JobPosting)+iframe 전용 파서로 전환해 Gemini 의존을 제거. 폴백 경로에선 HTML 전체가 노이즈라 trafilatura+BS4로 본문만 전달(잡코리아 543→1,048자).
• 로켓펀치는 우회 대신 ‘미지원 + 명확한 안내’ — 사이트의 자동 접속 차단(봇 차단)을 우회 기술로 뚫는 건 불안정·과해서, 우회보다 사용자에게 상태를 명확히 안내하는 쪽을 택함.

접근: SQL(데이터 조회·집계 언어)로 각 요소(연령/성별/BMI/자녀수/흡연/지역)와 보험료의 상관성 분석 → 흡연 여부를 고정 변수로 교차 분석 → 가중치 산출 → 마케팅 기획안 제안.

결과(실측): 내부 수익 8,300만원 vs 외부 7,400만원. 제안: 고객 세그먼트 기반 혼합 운영 시 최대 8,800만원(+약 7%)까지 개선 가능할 것으로 추정(제안 시나리오·미실행).

결과: LightGBM 최종 모델 Recall 80.3% 달성 (이탈 고객 5명 중 4명 정확 예측). K-means 군집화(비슷한 고객끼리 묶기)로 4가지 이탈 유형 분류 → 유형별 방지 전략 제안.

접근: 6개 플랫폼 크롤링(1,490건) → 파생변수(기존 데이터를 가공해 만든 지표) 생성(최종점수) → Tableau 대시보드로 한·일 트렌드 비교 → STP(시장 세분화·타깃 선정·포지셔닝) 전략 도출