#데이터엔지니어 #백엔드개발자

📞 +82 10-4745-6976

📧 [email protected]

| Resume | Github I LinkedIn | RocketPunch |

새로운 것을 능숙하게 받아들입니다.

중심을 유지하며 업무를 진행합니다.

원활한 협업을 이끌어냅니다.

🚀 제가 경험한 기술 스택 입니다

Data Engineering

• AWS EMR, AWS glue, Redshift, Elastic search
• sparkSQL, pyspark, zeppelin, presto
• Airflow, kafka, kinesis, Logstash,
• Tableau, Kibana

DevOps

• MySQL, PostgreSQL, RDS(Aurora)
• EC2, S3, AWS Apigateway, AWS Lambda, AWS Batch, ECR, Docker
• Cloud Watch, IAM, Secret Manager
• Nginx, Gunicorn
• Ubuntu, Centos, Redhat

Backend

• Python3.x
• Django, FastAPI
• SQL alchemy, Redis

업무Tool

• GitHub , Trello , Notion

🧑🏻‍💻 프로젝트

빅데이터 분산처리

• 식당, 메뉴 개인화 추천 프로그램
• AWS 데이터 파이프라인
• Taxi-pricing 파이프라인
• 전국 날씨현황 호출 배치
• 이상데이터 감지 kafka cluster

Backend 서버 개발

• Prism39
• BeerBnB
• WESOP

[식당, 메뉴 개인화 추천 프로그램]

| 역할 : 추천프로그램 개발 | 기여도: 100% | 팀원 : 개인프로젝트 | GITHUB

기술스택 : Python PostgreSQL AsyncIO Pandas SVD

프로젝트 개요

• 배달앱 크롤링 데이터를 이용한 식당/메뉴 개인화 추천 데이터 도출

구현 사항

• 파이썬 비동기 적용으로 프로세스 속도 향상
• 리뷰 데이터를 통한 유저 간 유사도 도출 - Collaborate Filtering 적용
• SQL / Pandas 이용한 데이터 가공
• SVD 이용한 유저 별 식당/메뉴에 대한 예상 점수 도출
• 도출 데이터에 대한 Upsert 구현

프로젝트 리뷰

추천 시스템 로직에 대한 이해

• 추천 로직에 대한 학습 진행

  (Collaborative Filtering, Contents based Recommendation 등)

• SVD 라이브러리를 학습하고 RMSE로 측정하는 과정을 통해 머신러닝 개념 이해

• 대용량 데이터 조회 / 가공 / Upsert 과정을 통해 DB 이해도 향상 및 DataFrame 핸들링 경험