About Me소개

I'm an undergraduate student at Chung-Ang University, majoring in Mechanical Energy Engineering. My interests mainly lie in Data Science, Developing AI agents, and in Recommendation Systems. I'm also finding ways to integrate those areas with my mechanical/energy engineering background.

Previously, I've worked as an AI Engineer Intern at IBM, developed Multi-Scale AI agents and AI-powered custom IT/SW management dashboards for clients by utilizing CI assets detected from IBM's observability solution (IBM Instana).

저는 중앙대학교 에서 에너지시스템공학부 발전기계전공을 전공하고 있는 한승원 입니다. 데이터 사이언스, AI 에이전트 개발, 추천 시스템 분야에 관심이 있으며, 동시에 이 분야들을 기계공학 지식과 접목할 방법을 찾고 있습니다.

이전에 IBM에서 AI 엔지니어 인턴으로 일하며 사내 Multi-Scale AI Agent를 개발 및 평가하고, IBM Instana에서 감지한 CI 정보를 토대로 AI 기술을 활용하여 기업용 IT 자산관리 (ITAM) Custom 대시보드를 개발한 경험이 있습니다.

Education학력

• Chung-Ang University중앙대학교 | Mar. 2021 - Feb. 2027 (Expected)2021. 3 - 2027. 2 (Expected)
  • B.E. in Mechanical Energy Engineering (GPA: 4.1 / 4.5)B.E. - 에너지시스템공학부 발전기계전공 (학점: 4.1 / 4.5)
• Joong-Dong High School중동고등학교 | 2018. 3 - 2021. 2
  • Natural Science Track

Experience경력

• IBMIBM | Seoul, KoreaSeoul, Korea |Jul. 2026 - Sep. 2026Jul. 2026 - Sep. 2026 AI Engineer Intern, Client Engineering Team (Manager: Ji-Eun Lee - IBM Korea, CTO)AI Engineer Intern, Client Engineering Team (Manager: Ji-Eun Lee - IBM Korea, CTO)
  • Built and evaluated enterprise scale multi-AI Agent systems applying advanced RAG within agentic workflows, utilizing trace data with IBM’s coding agent to automate/improve evaluation consistency and enhance development efficiency. Agentic workflow 및 Vector DB (Milvus,Astra)를 비롯한 RAG 기술을 활용하여 Multi-Agent 시스템을 구축하고, trace 정보를 활용하여 각 Agent 간 평가 프로세스를 표준화하고 빠른 개발이 가능하게 함
  • Developed an infrastructure asset management dashboard by integrating observability and CI data across Kubernetes environments, progressing from PoCs with 2+ clients to successful product implementations. IBM Instana의 CI 자산 데이터를 활용한 AI 기반 Custom 대시보드 구축 및 2+ 고객사에 PoC (개념 검증) 진행
  • Optimized asset data retrieval by converting individual API calls into batch requests, reducing loading time in cold-start environments by over 40% 자산 API 호출 과정을 개선하여 첫 화면까지의 로딩 시간을 90% 이상 단축하고, 전체 자산 수집 시간을 40% 이상 단축함
  • Supported technical seminars with IBM employees, engaging with 10+ clients to present IBM SW solutions and initiate follow-up discussions with prospective clients. IBM SW 제품을 소개하는 세미나 및 컨퍼런스에 참석하여 10개 이상의 실무 담당자에게 제품을 소개하고, 이후 제품 도입 미팅을 주선함
• CAU Energy Conversion System LAB (ECSL)CAU Energy Conversion System LAB (ECSL) | Seoul, KoreaSeoul, Korea |Jul. 2025 - Oct. 2025Jul. 2025 - Oct. 2025 Research InternResearch Intern
  • Collaborated with faculty and graduate researchers to conduct thermal performance analysis of data center cooling configurations, synthesizing findings to support sustainable and energy-efficient infrastructure design decisions. 한국 전기 연구원에서 발표된 보고서를 바탕으로 폐 석탄 화력 발전소를 지속 가능한 AI 데이터 센터로 변환하는 사업의 기술 검토 수행 및 Meta(사)의 맴브레인 기반 State-Point Liquid Cooling(SPLC) 냉각 방식을 차용하여 고밀도 AI 데이터 센터의 효율적 열 관리에 기여
  • Conducted 5+ in-depth literature reviews for the Journal of Mechanical Science and Technology (JMST), critically evaluating methodologies and technical findings to support editorial decisions and ongoing mobility research. 대한기계학회 영문 학술지 (JMST)에 투고되는 5편 이상의 논문 리뷰 및 해당 방법론, 기술적 결과에 대한 비판적 평가를 통해 논문 승인 과정에 참여함
  • Participated in recurring technical seminars on data center thermal management and future mobility energy solutions to stay current with emerging technologies and industry trends연구실 구성원과 협력하여 데이터 센터 냉각 기술에 대한 열 성능 분석을 통해 지속가능한 효율적인 에너지 인프라 설계의 의사결정에 관여함

Projects프로젝트

• Two-Stage Restaurant Recommender System on Crawled DiningCode Reviews 웹 크롤링 리뷰 데이터 기반 2-Stage 식당 추천 시스템 개발 •Dec. 2025 - Present2025. 12 - 현재
  • Crawled restaurant reviews across 5+ cities in Korea with Selenium, stored and queried in a PostgreSQL DB server 전국 5개 지역을 대상으로 Selenium 맛집 사이트의 자동화 크롤링을 통해 데이터를 수집하고, 이를 PostgreSQL DB에 저장하여 실 사용자 리뷰 데이터셋을 구축함
  • Designed a two-stage recommender: Stage 1 fuses popularity, item-item co-occurrence, and regional-popularity candidates via quota-based RRF (Top-100), and Stage 2 re-ranks them with LightGBM LambdaRank (Top-10) 인기도·Item-item 동시 방문·지역 인기 후보를 quota 기반 RRF로 결합하는 후보 생성(Top-100)과 LightGBM LambdaRank 재정렬(Top-10)로 구성된 2-Stage 추천 시스템을 설계함
  • Established a leakage-free evaluation with global date-cutoff train/validation/test splits, tuning only on validation; LambdaRank improved test NDCG@10 by 54% (0.0174 → 0.0268) over the candidate order, with a paired-bootstrap 95% CI above zero 전역 날짜 기준 train/validation/test 분할로 데이터 누수를 차단하고 validation에서만 설정을 고른 뒤, test에서 재정렬 전 대비 NDCG@10을 54% 향상시킴 (0.0174 → 0.0268, paired bootstrap 95% CI > 0)
  • Ensured reproducibility with fixed data snapshots and MLflow experiment tracking, and built a Streamlit dashboard to inspect per-user recommendations and restaurant exposure 고정 데이터 snapshot과 MLflow 실험 추적으로 재현성을 확보하고, 사용자별 추천과 식당 노출을 확인하는 Streamlit 대시보드를 구축함
  Code코드
• Study on LLM Personalization and Performance Evaluation via Activation Steering Activation Steering을 활용한 LLM 개인화 및 성능에 대한 연구 •Sep. 2026 - Present2026. 9 - 현재
  Research연구
  • Investigating training-free personalization of a frozen Qwen3-0.6B by adding user-specific steering vectors to hidden states at inference, derived from human ratings and surveys of 1,500 PRISM users 가중치 학습 없이, PRISM 사용자 1,500명의 평점·설문으로 만든 사용자별 방향 벡터를 추론 시 hidden state에 더해 고정된 Qwen3-0.6B의 응답을 개인화하는 방법을 연구 중
  • Built population, cold-start (survey-weighted attribute directions), and warm-start (user history shrunk toward population) steering vectors from activations across all 28 layers, benchmarked against a survey-in-system-prompt baseline 28개 레이어 전체의 활성값으로 population, cold-start(설문 가중 attribute 방향), warm-start(사용자 이력 + population 수축) steering 벡터를 구성하고, 설문을 system prompt로 넣는 방식과 비교함
  • Built a blind pairwise LLM-as-a-judge pipeline via OpenRouter that moves on to the layer × strength grid only after judge–user agreement passes a Wilson lower-bound calibration (> 0.5) OpenRouter 기반 LLM-as-a-judge 쌍비교 파이프라인(조건 비공개, A/B 순서 무작위)을 구축하고, judge–사용자 일치도의 Wilson 하한이 0.5를 넘을 때만 레이어 × 강도 탐색으로 넘어가도록 설계함
  • Exploratory runs showed that a low steering strength (0.03) left outputs nearly unchanged (first-token KL ≈ 1e-5), while the survey system prompt increased complete responses by 13 pp; judge calibration and dev grid evaluation are in progress 탐색 평가에서 낮은 강도(0.03)는 출력을 거의 바꾸지 못했고(첫 토큰 KL ≈ 1e-5), 설문 system prompt는 완결 응답을 13%p 늘림을 확인함. 현재 judge calibration과 dev grid 평가를 진행 중
  HuggingFace Qwen3 0.6B Code코드
• News Simplification for Youth via LLM Fine-Tuning LLM Fine tuning을 활용한 청소년 맞춤 뉴스 번역 •Mar. 2025 - Jul. 20252025. 3 - 2025. 7
  Project LeadProject Lead
  • Synthesized a 15,894-pair Korean parallel corpus from NIKL corpora via the GPT-4o API 국립국어원 말뭉치 데이터와 GPT-4o API를 활용해 모델 학습을 위한 15,894쌍의 한국어 병렬 코퍼스 구축
  • Fine-tuned Gemma 3-1B with QLoRA (4-bit NF4, LoRA r=64) for the text-style-transfer task Gemma 3-1B를 QLoRA(4-bit NF4, LoRA r=64)로 Fine-tuning하여 청소년에 맞는 어휘로 변환 (Text-Style-Transfer) 
  • Evaluated model performance having 100% factual accuracy on 75%+ of the original data while improving readability for younger readers 전체 데이터의 75%+가 넘는 샘플에서 원문의 숫자, 금액, 비율을 100% 보존하면서 어려운 한자 및 행정 용어를 청소년 수준에 맞게 순화함
  HuggingFace Gemma 3 1B Code코드
• URL-based AI Search Visibility (GEO) Diagnosis Platform for Hotels URL 기반 호텔 AI 검색 노출도(GEO) 진단 파이프라인 구축 •mock data<mock data>
  • Collaborated with a startup agency to develop automated diagnosis tool evaluating hotels visibility (GEO) across AI searching environments, enabling 10+ prospective clients to assess their online reputation and identify key GEO revisions (주) Kaicore와 협업하여 AI 검색 환경에서 호텔의 노출도 GEO를 평가하는 자동 진단 도구를 개발하고, 10곳 이상의 고객사의 온라인 평판을 분석하고 핵심 개선 사항을 도출할 수 있도록 지원함
  • Built large scale review crawlers across multiple platforms in compliance with their crawling policies, integrating the data pipeline with the backend and frontend architectures 사용자 친화적인 UI/UX를 중심으로 Agency 웹사이트를 개선하고, 오픈소스 AI 에이전트 기반 디자인 개발 도구와 MCP workflow를 활용해 다양한 컴포넌트를 신속하게 적용하여 고도화함
  • Modernized the agency website by updating its outdated contents and SEO/GEO setups, additionally enhancing site’s UI/UX by applying MCP-based workflows to rapidly prototype and iterate on various UI components <mock data>
  Front:프론트: Back:백엔드: Code코드
• Global Supermarket Retail Analysis & Business Report글로벌 슈퍼마켓 유통 데이터 분석 및 비즈니스 리포트 •Mar. 20252025. 3
  • Ran EDA, loss and multivariate analysis on 51,290 global retail transactions (2019–2022)51,290건의 글로벌 소매 거래 데이터(2019–2022)에 대한 EDA와 상세 분석을 통해 KPI 핵심 지표 도출
  • Developed 3 different business strategies that can overcome critical profit loss손실 분석을 통해 핵심 수익 손실을 개선할 수 있는 3가지 비즈니스 전략을 이끌어냄
  • Normalized the data into a 5-table MySQL schema and built a dependency-free interactive dashboard to provide business insights데이터를 5개 테이블의 MySQL 정규화 스키마로 재구성하고 의존성 없는 인터랙티브 대시보드 제작
  Code코드 Dashboard대시보드 Report리포트

Hackathon해커톤

• Codex Community Hackathon - Campus Mate: AI-Powered Campus Lunch Pairing ServiceCodex Community Hackathon - Campus Mate: AI 기반 캠퍼스 점심 매칭 서비스 •Aug. 20262026. 8
  • Selected as one of the Top 5 services by building an end-to-end service that matches students on the same campus from a hackathon hosted by OpenAIOpenAI가 주최한 해커톤에서 교내 대학생 친구 매칭 서비스의 MVP 개발 및 참가 팀 중 Top 5 서비스 중 하나로 선정됨
  • Designed a natural-language AI flow that understands date, time, duration, budget, and atmosphere before guiding users to a lunch proposal날짜·시간·만남 시간·예산·분위기를 자연어로 이해해 점심 제안까지 연결하는 AI 흐름 설계
  • Implemented schedule and availability management, common-break calculation, venue recommendations, and proposal status updates시간표·선호 시간 관리, 공통 공강 계산, 장소 추천, 제안 수락·거절·취소 상태 처리 구현
  Front:프론트: Back:백엔드: Live Demo데모 Code코드
• Developing AI models for fraudulent account detection 사기 계좌 탐지를 위한 AI 모델 개발 •May 20252025. 05
  • Led the team to 1st Place (Grand Prize) in the internal data competition, overseeing the whole end-to-end procedure of data preprocessing, feature engineering, and presentation of actionable insights 비정상적인 계좌 거래 개설 탐지를 위한 AI 모델을 개발하는 해커톤에 참가하여 대상 1등을 수상함
  • Designed and implemented a stacked ensemble model using XGBoost and CatBoost, tuning hyperparameters via an Optuna pipeline to improve over 20% of the baseline model’s predictive accuracy XGBoost 모델과 CatBoost 모델을 앙상블 (Ensemble)한 모델을 개발하였고, Optuna를 활용한 하이퍼파라미터 튜닝을 통해 Baseline 대비 20% 높은 예측 성능 개선을 이룸
  • Delivered data-driven presentations based on study results and project findings, improving communication skills and translating technical insights into actionable recommendations 데이터 기반으로 도출된 모델 선정 이유와 개발 과정, 변수 선택의 통계적 근거를 설명하는 발표를 진행함