기본 정보
- 이름
- 김건희
- 소속
- 국립공주대학교 소프트웨어학과
- 관심 분야
- 자율주행·자율운항 · 제어 · AI · 네트워크
- 수업
- 미래첨단기술의이해
- 목표
- AI가 안정적인 서비스로 전달되는 과정까지 이해하는 개발자
Software · AI · Network · Autonomous Systems
김건희
국립공주대학교 소프트웨어학과
AI와 네트워크 기술을 기반으로 자율 시스템과 지능형 서비스를 공부하는 소프트웨어학과 학생입니다. 인공지능 모델뿐 아니라 데이터가 이동하고 서비스가 사용자에게 전달되는 과정까지 이해하며, 빠르고 안정적인 서비스를 만들기 위해 공부하고 있습니다.
01 · About Me
소개
AI와 네트워크를 바탕으로 자율 시스템까지 관심을 확장한 과정과 문제를 해결하는 방식을 소개합니다.
AI에 관심을 가진 계기
검색, 추천, 자동화, 생성형 AI가 일상의 여러 영역에서 실제로 사용되는 모습을 보며 관심을 갖게 되었습니다. 기술이 사람의 경험을 바꾸는 과정을 보면서 개념을 배우는 데서 그치지 않고 직접 구현해 보고 싶다는 목표가 구체화되었습니다.
네트워크까지 보는 이유
AI 모델의 성능뿐 아니라 모델이 사용자에게 전달되는 과정에도 관심이 있습니다. 요청과 데이터가 이동하는 네트워크 구조, TCP/IP와 라우팅, 지연 시간, 트래픽과 시스템 안정성이 함께 갖춰져야 신뢰할 수 있는 AI 서비스가 된다고 생각합니다.
개발과 문제 해결 방식
요구사항을 먼저 정리하고 입력과 출력을 정의한 뒤, 기능을 작은 단위로 나누어 구현하고 테스트합니다. 문제가 생기면 결과만 고치기보다 원인을 단계별로 확인하고, 확인한 내용을 다음 설계와 구현에 반영하려고 노력합니다.
미래첨단기술의이해
미래첨단기술의이해 수업에서 다룬 기술과 개인적으로 공부한 관심 분야, 프로젝트 경험을 이 포트폴리오에 함께 정리하고 있습니다.
02 · Interests / Study
관심 기술 및 학습 분야
자율운항 · 제어 · AI · 네트워크를 중심으로, 시스템이 환경을 인식하고 판단하며 움직이는 과정과 그 데이터가 안정적으로 전달되는 서비스 구조까지 이해하고 싶습니다.
자율주행 · 자율운항
센서, 통신, 제어 기술을 이용해 시스템이 주변 환경을 인식하고 스스로 판단하며 이동하는 기술에 관심이 있습니다.
제어 기술
자율 시스템이 원하는 경로와 상태를 안정적으로 유지하고, 환경 변화에 대응하도록 만드는 제어 원리를 공부하고 싶습니다.
Artificial Intelligence · LLM
머신러닝과 LLM의 원리를 익히고, 센서 및 네트워크 데이터를 분석해 상황을 인식하고 판단하는 AI 기술을 실제 문제와 서비스에 적용하는 방법을 공부합니다.
Computer Network · Communication
자율 시스템과 AI 서비스의 데이터를 안정적으로 전달하기 위해 TCP/IP, 라우팅과 Network Communication이 서비스 품질에 미치는 영향을 공부합니다.
Traffic · Data Transmission
증가하는 데이터 전송량과 지연, 대역폭, 경로 선택 문제를 분석하고 개선하는 방법에 관심을 두고 있습니다.
Cloud · Infrastructure
AI 모델을 배포하고 운영하는 환경과 서비스를 안정적으로 유지하기 위한 기반 구조를 학습합니다.
AI Service
모델 성능과 데이터 흐름, 응답 속도, 운영 안정성을 함께 고려하는 서비스 개발을 목표로 합니다.
현재 학습 키워드
03 · Project Portfolio
대표 프로젝트
GitHub에 공개된 6개 저장소를 기준으로 주요 학습과 구현 경험을 정리했습니다.
Baseball_AgentPython
야구 규정 질의 에이전트
야구 규정 데이터에서 관련 내용을 검색하고, 질문의 조건을 단계별로 판단해 답변하는 에이전트 프로젝트입니다.
- 임베딩과 벡터 저장소를 이용한 규정 검색
- 검색 결과를 바탕으로 판단 과정과 결론 생성
Trip_PlanerPython
여행 계획 추천 에이전트
출발지, 목적지, 기간, 예산, 선호 조건을 구조화하고 도구 호출을 통해 여행 일정과 예산안을 만드는 프로젝트입니다.
- 여행 요청 저장, 후보 조회와 선호 필터링
- 예산 계산과 일정 저장을 연결한 에이전트 흐름
Elemental_2D_MarioC++
2D Mario 스타일 게임
C++와 SFML로 플레이어, 적, 아이템, 배경 등 게임 객체와 실시간 상태 변화를 구성한 2D 게임 프로젝트입니다.
- 객체별 클래스와 게임 로직 구성
- 그래픽·오디오 자원을 포함한 실행 환경 구현
Web_ProjectJavaScript
AI Model Booting 인터랙티브 자기소개
AI 학습과 네트워크 라우팅을 개인의 성장과 진로 과정에 결합한 웹프로그래밍 수업 프로젝트입니다.
- Canvas 네트워크와 스크롤 기반 화면 변화
- 패킷 이동, 문자 반응, 동적 콘텐츠 전환
rlarjsl03.github.ioHTML
개인 포트폴리오 홈페이지
자기소개, 관심 분야, 프로젝트와 진로 방향을 한 흐름으로 전달하기 위해 운영하는 현재의 개인 홈페이지입니다.
- HTML·CSS·Vanilla JavaScript 기반
- One Page 구조와 반응형 레이아웃
Team-1.github.ioWeb
자율주행 소개 팀 프로젝트
자율주행을 주제로 정보를 구성하고 소개 페이지를 제작한 HTML, CSS, JavaScript 기반 팀 프로젝트입니다.
- 주제별 웹 콘텐츠 구조화
- 팀 단위 페이지 제작과 협업 경험
04 · Web Project Detail
AI Model Booting
AI 모델 학습과 네트워크 라우팅이라는 컨셉을 자기소개 및 진로 과정과 결합한 인터랙티브 웹페이지입니다.
Project Overview
텍스트가 아닌 경험으로 만든 자기소개
웹프로그래밍 수업에서 배운 HTML, CSS, JavaScript를 바탕으로, 개인의 학습과 진로를 AI 모델이 학습되고 네트워크를 거쳐 서비스로 배포되는 과정에 비유했습니다.
Concept
AI / Network를 화면과 상호작용으로
자기소개 문장을 나열하는 대신 데이터셋, 시스템 로그, 라우팅 경로, 배포 계획이라는 구조와 움직이는 패킷·네트워크 배경으로 관심 분야를 표현했습니다.
Core Sections
주요 섹션
AI에 관심을 갖게 된 과정과 학습 흐름을 데이터 단계로 표현합니다.
Pretext를 불러와 소개 문장을 줄 단위로 배치하고 각 문자를 개별 DOM 요소로 구성합니다.
버튼 선택에 따라 목표, 성장, 문제 해결, 협업, 관심 기술과 연구 방향의 내용을 바꿉니다.
현재에서 서비스 구조, 네트워크 연구, AI 시스템과 AI 개발로 이어지는 진로를 경로로 보여줍니다.
네트워크와 AI 학습, 프로젝트 경험을 실제 서비스의 배포 단계처럼 순서대로 정리합니다.
실제 코드에서 확인한 주요 구현
- Canvas API로 입자와 연결선을 그리는 네트워크 배경
- 스크롤 위치 기반 reveal과 진행 막대 업데이트
- 일정 간격으로 추가되는 부팅 로그
- 버튼 선택에 따른 미션 콘텐츠 DOM 변경
- Pretext 동적 import와 실패 시 fallback 레이아웃
- 패킷 경로·속도·시작 지점의 무작위 재설정
getBoundingClientRect()기반 패킷·카드·문자 위치 계산- 패킷과 요소의 교차 및 근접 상태 판단
requestAnimationFrame()기반 지속 상태 업데이트- 화면 resize 시 Canvas와 문자 레이아웃 재계산
기술HTML5 · CSS3 · Vanilla JavaScript · Canvas API · Pretext
배운 점 — DOM 상태 변경, 요소 위치 계산, 사용자 입력에 따른 콘텐츠 전환, 애니메이션 상태 확인과 문자 단위 레이아웃을 직접 구현했습니다. 기능이 많아질수록 데이터와 화면 상태를 작은 단위로 나누고 검증하는 과정이 중요하다는 점을 경험했습니다.
Web_Project GitHub 보기05 · Career / Research Direction
앞으로의 학습과 진로
단순한 AI 모델 개발을 넘어, AI가 실제 환경에서 빠르고 안정적으로 동작하도록 만드는 서비스 구조를 공부하고 싶습니다.
- 01소프트웨어 전공 학습
프로그래밍과 소프트웨어 구조의 기본기를 다집니다.
- 02AI / Network / 자율 시스템 관심 확장
모델과 서비스 사이의 데이터 흐름, 자율 시스템의 인식과 제어를 함께 이해합니다.
- 03네트워크 연구 및 학습
프로토콜, 라우팅, 트래픽 분석과 데이터 전송을 깊이 공부합니다.
- 04AI·네트워크·자율 시스템을 결합한 연구
트래픽 예측, 경로 선택, 제어와 서비스 안정성 개선 가능성을 탐구합니다.
- 05AI 서비스 개발자
모델 성능과 실제 운영 품질을 함께 고려하는 개발자로 성장합니다.
06 · Contact
연락
프로젝트와 학습 기록은 GitHub에서 확인할 수 있으며, 이메일로 연락할 수 있습니다.