Applied AI Engineer
building production-ready systems.
프로덕션 레디 시스템을 구축하는
응용 AI 엔지니어.
Product-oriented AI Project Lead & Senior Software Engineer with 3+ years building clinical-grade Bio-IT systems. I specialize in bridging the gap between medical stakeholders and scalable AI architectures — transforming complex biological signals into high-impact diagnostic tools. 임상 등급 Bio-IT 시스템을 3년 이상 구축한 제품 지향 AI 프로젝트 리드 & 시니어 소프트웨어 엔지니어입니다. 의료 이해관계자와 확장 가능한 AI 아키텍처 사이의 간극을 메우고, 복잡한 생물학적 신호를 고효과 진단 도구로 전환하는 일에 특화되어 있습니다.
Four areas where I deliver measurable impact 측정 가능한 성과를 만드는 네 가지 전문 영역
AI Product Leadership & Bio-ITAI 제품 리더십 & Bio-IT
Clinical AI lifecycle leadership (POSTECH: Life Science + CS). Clinical specs → architecture → deployment. Bridging biology domain with rigorous engineering. 임상 AI 주기 리더십(POSTECH: 생명+CS). 임상 요구 → 아키텍처 → 배포. 생물학 도메인과 엄격한 엔지니어링 연결.
High-Precision AI & Signal Innovation고정밀 AI & 신호 혁신
Patented innovation. MSI prediction >0.99 AUC · CGT recognition >99.5% · Signal resolution 2–10× superior vs. prior art. 특허 혁신. MSI 예측 >0.99 AUC · CGT 의식 >99.5% · 신호 해상도 2–10× 우위 재현.
Full-Stack Engineering & Integration풀스택 엔지니어링 & 통합
C/C++ · Python · Java · Qt desktop UI · Seamless C#–Python integration for medical-grade diagnostics. C/C++ · Python · Java · Qt UI · 의료 등급 단도를 위한 C#–Python 동기화 간결히 구현.
Compliance & Cybersecurity규정 준수 & 사이버보안
CE-IVDR/MFDS/FDA compliance · End-to-end encryption · Access control · Audit trails · Medical-grade security across system layers. CE-IVDR/MFDS/FDA 준수 · 엔드투엔드 암호화 · 접근 제어 · 감사 추적 · 시스템 전 레이어 의료 등급 시스템.
Scientific foundation meets systems engineering 과학적 기반과 시스템 엔지니어링의 결합
POSTECH
Pohang University of Science and Technology
B.S. · Double Major: Life Science & Computer Engineering 이학사 · 복수전공: 생명과학 & 컴퓨터공학
This combination allows me to read both a PCR trace and a call stack — bridging biological domain expertise with rigorous software engineering. 이 조합 덕분에 PCR 트레이스와 콜 스택을 모두 해석할 수 있으며, 생물학 도메인 전문성과 엄격한 소프트웨어 엔지니어링을 자연스럽게 연결합니다.
"If the operator cannot follow the flow, if the reviewer cannot trust the output, or if the result cannot be packaged clearly — the system is not complete yet." "운영자가 흐름을 따라갈 수 없거나, 검토자가 출력물을 신뢰할 수 없거나, 결과를 명확히 패키징할 수 없다면 — 아직 완성된 시스템이 아닙니다."
Hands-on research across neuroscience & oncology 신경과학 & 종양학을 아우르는 현장 연구 경험
Modeling of neurodevelopmental disorders associated with congenital brain malformations.선천성 뇌 기형과 관련된 신경발달 장애 모델링 연구.
Characterization of activity-dependent transcriptional regulation of the Arc gene in neuronal cells.신경세포에서 Arc 유전자의 활성 의존적 전사 조절 특성 분석.
Viral-mediated neural pathway mapping for anatomical and functional connectivity confirmation.바이러스 매개 신경 경로 매핑을 통한 해부학적·기능적 연결성 확인.
Development and validation of DNA-based therapeutic vaccine constructs targeting lung cancer.폐암 표적 DNA 기반 치료 백신 구조물의 개발 및 검증.
Development of peptide-based diagnostic biomarkers for breast cancer and assessment of peptide–protein binding affinity.유방암 펩타이드 기반 진단 바이오마커 개발 및 펩타이드-단백질 결합 친화도 평가.
Analysis of behavioral phenotypes and gene-expression alterations in murine depression models under neural stimulation.신경 자극 하 마우스 우울증 모델에서의 행동 표현형 및 유전자 발현 변화 분석.
Skills built across production clinical software 실제 임상 소프트웨어 개발을 통해 쌓은 기술
How I build things that earn clinical trust 임상 신뢰를 얻는 것을 만드는 방법
Gather requirements from the source현장에서 요구사항 수집
Every system starts with pathologist and lab staff interviews — not assumptions. Clinical requirements drive architecture decisions before a single line of code is written. 모든 시스템은 가정이 아닌 병리학자·실험실 직원 인터뷰에서 출발합니다. 코드 한 줄을 작성하기 전에 임상 요구사항이 아키텍처 결정을 이끕니다.
Own every layer end-to-end모든 레이어를 엔드투엔드로 책임
UI, inference pipeline, data layer, PDF report, regulatory docs — I build them all. End-to-end ownership means each layer is designed knowing what comes before and after. UI, 추론 파이프라인, 데이터 레이어, PDF 보고서, 규제 문서 — 모두 직접 구축합니다. 엔드투엔드 책임은 각 레이어가 앞뒤를 모두 고려한 설계를 의미합니다.
Measure by daily clinical adoption일상적 임상 사용을 성공의 척도로
Success isn't a demo — it's lab staff relying on the system every day. Reproducibility, auditability, and output clarity are first-class engineering concerns, not afterthoughts. 성공은 데모가 아니라 실험실 직원이 매일 시스템에 의존하는 것입니다. 재현성, 감사 가능성, 출력 명확성은 나중에 추가하는 것이 아닌 핵심 공학 과제입니다.
Open to the right opportunity. 적합한 기회를 찾고 있습니다.
Clinical AI product roles, Bio-IT system design, senior software engineering — especially where domain knowledge and AI execution both matter. 임상 AI 제품 개발, Bio-IT 시스템 설계, 시니어 소프트웨어 엔지니어링 — 특히 도메인 지식과 AI 실행력 모두가 중요한 역할을 원합니다.