중앙대학교
Bachelor of Engineering (B.E.) · 에너지시스템공학부 발전기계전공
- 학위
- Bachelor of Engineering (B.E.)
- 전공
- 에너지시스템공학부 발전기계전공
- GPA
- 4.1 / 4.5
- 핵심 수강과목
-
컴퓨터 프로그래밍, 통계학, 자료구조, 데이터베이스,
데이터처리 및 분석 - 수상내역
- Dean's List (2026-1, 학년 수석)
Ex-AI Engineer Intern @ IBM | Mechanical Energy Engineering @ CAU
Seoul, KR
저는 현재 중앙대학교 에너지시스템공학부에서 발전기계 전공을 공부하고 있는 한승원 입니다. 데이터 사이언스, AI 에이전트 개발, 추천 시스템 분야에 관심이 있으며, 동시에 AI/Data Science 기술을 기계공학 지식과 접목하는데 흥미를 가지고 있습니다.
이전에 IBM에서 AI Engineer Intern으로 근무하며 Multi-Scale AI Agent를 개발 및 평가하고, IBM Instana에서 감지한 CI 정보를 토대로 AI 기술을 활용하여 기업용 IT 자산관리 (ITAM) 대시보드를 개발한 경험이 있습니다.
Bachelor of Engineering (B.E.) · 에너지시스템공학부 발전기계전공
자율형 사립고
AI Engineer Intern, Client Engineering Team
Seoul, Korea
기업 업무를 도와주는 RAG 기반 Multi-Agent 시스템을 구축하고, trace 정보를 활용한 평가 및 LLM-as-a-judge 을 적용하여 신뢰성 있는 Agent를 구축함.
복잡한 기업 IT 자산을 효과적으로 배치하여 의사결정을 돕는 대시보드를 Observability 솔루션 (IBM Instana)의 정보를 통해 개발함.
API 요청을 Batch 단위로 변경하여 초기 화면 로딩을 90% 이상, 전체 자산 수집 시간을 40% 이상 단축함.
기술 세미나와 컨퍼런스에서 10명 이상 고객사 실무 담당자에게 IBM 소프트웨어 솔루션을 소개하고, 후속 제품 도입 미팅을 주선함.
폐석탄화력발전소 AI 데이터센터 전환 사업을 기술 검토하고, StatePoint Liquid Cooling(SPLC) 기반 냉각 방식을 분석해 에너지 효율적인 열 관리 설계에 기여함.
JMST 투고 논문 5편 이상의 방법론과 기술적 결과를 검토하고, 데이터센터 냉각과 미래 모빌리티 에너지시스템 관련 세미나에 참여함.
Python 기반 크롤링을 통해 수집한 9만 건 이상의 사용자 경험 데이터를 활용해 Two-Stage 식당 추천 시스템을 개발하고, 개인화된 식당 추천의 품질을 향상시키기 위한 방법론을 연구하는 중
PRISM 데이터셋의 평점 및 설문 데이터를 활용하여 Activation Steering을 통한 LLM 개인화 연구를 진행중. LLM-as-a-Judge, Jev 등과 같은 의사결정 모델을 통한 평가 등을 수행하고 있음.
국립국어원 말뭉치와 GPT-4o로 구축한 15,894쌍의 한국어 뉴스 기사를 기반으로 Gemma 3-1B의 Fine-tuning을 수행함. 어려운 뉴스를 청소년 눈높이로 순화하면서 75% 이상 샘플에서 원문의 숫자·금액·비율을 모두 보존함.
(주) Kaicore와 URL 기반 GEO 진단 플랫폼을 개발해 10곳 이상 고객사의 호텔 AI 검색 노출도 분석과 핵심 개선 사항 도출을 지원함. 리뷰 크롤러를 구축하고, MCP workflow를 활용해 에이전시 웹사이트의 UI/UX와 SEO/GEO 설정을 고도화함.
51,290건의 글로벌 소매 거래 데이터 대한 고객·상품·시장·주문·배송 정보를 분석하고, 손실 요인에 대한 분석을 통해 할인 정책 및 상품 운영 전략을 포함한 3가지 비즈니스 개선 방안을 도출함.
AI 기반 캠퍼스 점심 매칭 서비스
OpenAI가 주최한 해커톤에서 Top 5 서비스로 선정됨. 시간표·선호 기반 필터와 관심사 기반 랭킹 알고리즘을 결합한 학생 점심 매칭 서비스를 구현함.
교내 데이터 경진대회 — 대상 (1등)
XGBoost·CatBoost Ensemble 모델과 Optuna를 이용한 하이퍼파라미터 튜닝으로 대상(1위)을 수상함. Baseline 대비 Average Precision(AP)을 20% 이상 개선하고, 변수 중요도 분석으로 예측 근거를 설명하는 발표 수행.