Software Engineer
김상훈
Sanghun Kim
데이터 정합성과 시스템 신뢰성을 최우선으로 설계하는 금융 도메인 소프트웨어 엔지니어입니다.
About
“단 한 건의 데이터 불일치도 허용하지 않는 설계가 금융 시스템 신뢰성의 근간입니다.”
‘왜 이렇게 동작하는가’가 논리적으로 완전히 풀리기 전에는 다음으로 넘어가지 못하는 편입니다. 그럴듯한 추측으로 덮기보다 근거와 데이터로 판단하고, 모르는 것은 모른다고 인정한 뒤 끝까지 파고듭니다.
금융 도메인에서는 작은 오차 하나가 곧 사고로 이어진다고 생각합니다. 그래서 당장 동작하는 코드보다 변경에 강한 설계를, 화려한 기능보다 데이터 정합성과 시스템 신뢰성을 먼저 둡니다.
동시에 구현 속도와 유지보수성 사이의 트레이드오프를 분명히 인지하려 합니다. 문제를 막아낸 뒤에도 ‘더 나은 방법은 없었는가’를 회고하며 다음 설계를 다듬습니다.
2024.09 ~ 현재
- Connect레거시 전용 웹뷰
- CMS+통합 PG 결제
- Ibill교육비 수납
- Customer API고객 연동형 API
- Square정기 배송
- 전자계약CMS+ 비대면 계약 체결 경로 신규 구축
- 아이빌교육비 수납 전용 레거시 플랫폼 마이그레이션
- 브랜치매니저대형 유통기업 전용 B2B 플랫폼 신규 구축
Strengths
Experience
성균관대학교
개발자로 일하며 실무와 석사 과정을 병행하고 있습니다. 경제학과 정량 분석의 융합을 지향하는, 데이터 분석(빅데이터·머신러닝)에 특화된 경제학 석사 과정으로, 계량경제이론·빅데이터분석과 머신러닝·퀀트 방법론을 이수하며 금융 데이터의 통계적 특성과 예측 방법론으로 역량을 정량 분석까지 확장하고 있습니다.
- 계량경제이론과 시계열 분석으로 금융 데이터의 통계적 특성과 예측 방법론 학습
- 빅데이터분석·머신러닝 기반 자산 가격 예측·포트폴리오 최적화를 암호화폐 퀀트 대시보드 프로젝트로 구현
- 실무 데이터 처리·시스템 설계 경험을 정량 분석 파이프라인에 접목
Fullstack Developer · 효성에프엠에스
채널계 서비스의 백엔드·프론트엔드 개발과 운영을 담당합니다. 결제·정산·계약 도메인에서 계정계·대외계 연동, 배치, 데이터 정합성 문제를 주로 다룹니다.
- 결제 화면과 공유하는 계정계 API에 하위 호환 필터링 축을 도입해, 기존 소비자 영향 없이 정산대상 결제내역과 정산내역의 정합성 확보
- 수정 불가능한 계정계 레거시 쿼리의 부하를 호출 측 분할 호출로 흡수하고 SXSSF 스트리밍을 적용해 15만 건 규모 정산대상 결제내역 추출 자동화(8분)
- 결제 배치 실패 시 계약상태를 재조회해 검증하는 2단계 구조와 ConcurrentHashMap Thread-safe 저장소로 청구 상태 고착 해소
- AOP 기반 예외 경계 변환으로 외부 연동 예외의 고객 노출 차단 및 실패 알림 자동화
- 전자계약 서비스 신규 구축 및 링크 서명 확장 (기획~운영, 토큰 기반 인증)
MSA Full Stack 개발 전문가 양성 과정
자동 청구/결제 시스템을 4인 팀으로 구축하며 아키텍트로서 시스템·인프라 아키텍처, DevOps, 협업 환경을 주도했습니다. Kafka 이벤트 기반 MSA를 ECS Fargate에 배포하고 CI/CD·중앙 로깅·모니터링까지 클라우드 네이티브 스택을 설계했습니다.
- Main·Payment·Messaging·Batch·Analysis 서버를 역할·언어별로 분리한 MSA를 ECS Fargate 멀티 AZ에 배포 (RDS·Read Replica·ElastiCache for Redis)
- Kafka 3-브로커 클러스터(Zookeeper 앙상블·토픽별 파티션 리플리케이션)로 결제·메시징·결제결과를 Consumer Group 단위 비동기 분산
- batch.size·linger.ms 데이터 기반 튜닝으로 5만 건 결제 처리 12초 → 7초(약 70%↑)
- GitHub Actions CI/CD로 프론트는 S3·CloudFront, 백엔드는 ECR·ECS에 배포하고 ALB·Route53·ACM으로 서비스 구성
- Logback→Kafka→Logstash→Elasticsearch→Kibana 중앙 로깅과 Prometheus·Grafana(JVM Micrometer) 모니터링, Kafdrop·UI for Kafka로 운영 관측성 확보
- 아키텍트로서 Git 브랜치 전략(feat/dev/prod/main)·커밋 컨벤션·Lint 정립과 Jira·Slack 자동화로 협업 환경 구축
클라우드 엔지니어 양성 과정
AWS 멀티 AZ 환경에 MSA 클라우드 POS(sale-sync)를 4인 팀으로 구축했습니다. EKS 컨테이너 오케스트레이션, Argo CD GitOps, Terraform IaC, EFK·Prometheus 관측성까지 클라우드 네이티브 스택을 설계·운영했습니다.
- 매장·상품·주문·매출·대시보드·컨설팅 6개 마이크로서비스를 서비스별 DB로 분리하고 멀티 AZ EKS 클러스터에 컨테이너로 배포
- GitHub Actions로 이미지를 빌드해 ECR에 푸시하고 Argo CD 기반 GitOps로 EKS에 배포
- Terraform IaC로 인프라를 코드화하고 S3·DynamoDB를 상태 백엔드·잠금으로 사용
- Kafka 이벤트 기반 비동기 통신과 OpenAI API 매출 컨설팅, RDS Master·Read Replica로 조회 부하 분산
- EFK(Elasticsearch·Kibana·fluentd) 로깅과 Prometheus·Grafana 모니터링으로 관측성 확보, 프론트는 S3·CloudFront(WAF·Route53·ACM)로 배포
경희대학교
의료기기·의료영상을 다루는 공학을 전공하며, 신호 처리와 딥러닝으로 이어지는 데이터 중심 사고의 기반을 다졌습니다.
- 전자기학·회로이론·신호와 시스템 등 신호·하드웨어 기반 공학 이수
- 의료영상·생체신호를 다루며 데이터 기반 문제 해결에 관심
- 졸업논문으로 CNN 기반 간종양 CT 분류(VGG19 99.3%) 수행, 딥러닝 첫 프로젝트 적용
한서항공직업전문학교
항공기 정비를 전공하며 작은 오차도 허용되지 않는 안전·정밀 중심의 절차를 익혔고, 이때의 태도가 데이터 정합성과 시스템 신뢰성을 우선하는 지금의 개발 원칙으로 이어졌습니다.
Side Projects
AI 코딩 테스트 문제 생성·채점 플랫폼
- 기존 알고리즘 문제 데이터를 학습해 AI가 매일 새로운 코딩 테스트 문제를 생성하고, 지문·입출력·제약·테스트케이스까지 자동으로 구성하는 것을 목표로 합니다.
- 생성 문제를 그대로 내보내지 않습니다. 자체 임베딩(Sentence Transformer·pgvector)으로 기존 문제와의 유사도를 걸러내고, 서로 다른 세션으로 만든 N개 풀이의 출력이 일치할 때만 정답으로 채택하는 교차검증을 거친 뒤, 사람 검수를 통과한 문제만 공개하도록 설계했습니다.
- 사용자 제출 코드는 Kafka로 비동기 분산해 Go 채점 워커가 seccomp·cgroups로 격리된 Docker 샌드박스에서 실행합니다. 문제 생성(Python·LLM·LangChain)·검증·채점(Go)·API·프론트를 언어별로 분리한 폴리글랏 마이크로서비스로, 넓은 최신 스택을 동작하는 세로 슬라이스 단위로 학습·구현하고 있습니다.
암호화폐 퀀트 분석 대시보드
- 업비트 KRW 마켓 약 260종을 대상으로 HMM 시장 국면 탐지, 마코위츠 포트폴리오 최적화, 팩터 분석, 백테스팅 등 9개 퀀트 기법을 하나의 분석 파이프라인으로 통합했습니다.
- “시장 국면 → 자산 구조 → 팩터 검증 → 최적화 → 전략 검증”의 5단계로 의사결정 흐름을 구조화해, 어떤 근거로 포트폴리오가 도출됐는지 한눈에 추적할 수 있게 설계했습니다.
- stale-while-revalidate 캐싱과 단일 WebSocket 허브로 콜드스타트 지연과 동시 연결 폭증을 제거해, 수백 종목 실시간 시세를 안정적으로 갱신합니다.
포트폴리오
- Next.js 14 App Router·RSC 기반 단일 페이지 포트폴리오와 MDX 파일시스템 블로그를 한 코드베이스로 운영합니다.
- MongoDB 댓글·대댓글, 시맨틱 토큰 기반 라이트/다크 테마, FSD(Feature-Sliced Design) 아키텍처로 확장성을 확보했습니다.
- 마크다운을 서버 컴포넌트에서 렌더링해 클라이언트 번들을 최소화하고 초기 로딩 성능을 높였습니다.
자동 청구/결제 시스템
- Main·Payment·Messaging·Batch·Analysis 서버를 역할·언어별로 분리한 MSA를 ECS Fargate 멀티 AZ에 배포하고, RDS·Read Replica·ElastiCache for Redis로 데이터 계층을 구성했습니다.
- Kafka 3-브로커 클러스터(Zookeeper 앙상블·토픽별 파티션 리플리케이션)로 결제·메시징·결제결과를 Consumer Group 단위로 비동기 분산하고, batch.size·linger.ms 튜닝으로 5만 건 처리를 12초 → 7초(약 70%↑)로 단축했습니다.
- Logback→Kafka→Logstash→Elasticsearch→Kibana 중앙 로깅과 Prometheus·Grafana(JVM Micrometer) 모니터링, Kafdrop·UI for Kafka로 운영 관측성을 확보했습니다.
- GitHub Actions CI/CD로 프론트는 S3·CloudFront, 백엔드는 ECR·ECS에 배포하고, 아키텍트로서 Git 브랜치 전략·커밋 컨벤션·Jira·Slack 자동화로 협업 환경을 구축했습니다.
MSA 클라우드 POS
- 매장·상품·주문·매출·대시보드·컨설팅 6개 마이크로서비스를 서비스별 DB로 분리하고, 멀티 AZ EKS 클러스터에 컨테이너로 배포했습니다.
- GitHub Actions로 이미지를 빌드해 ECR에 푸시하고 Argo CD 기반 GitOps로 EKS에 배포했으며, Terraform IaC(S3·DynamoDB 상태 백엔드·잠금)로 인프라를 코드화했습니다.
- Kafka 이벤트 기반 비동기 통신과 OpenAI API 매출 컨설팅을 연결하고, RDS Master·Read Replica로 조회 부하를 분산했습니다.
- EFK(Elasticsearch·Kibana·fluentd) 로깅과 Prometheus·Grafana 모니터링으로 관측성을 확보하고, 프론트는 S3·CloudFront(WAF·Route53·ACM)로 배포했습니다.
간종양 CNN 분류 모델 비교
- LiTS17 데이터셋의 간 CT 이미지 4,325장(종양 2,472·정상 1,853)을 1mm³ 등방성 재샘플링·224×224 리사이즈하고 회전·줌 증강으로 학습셋을 구성했습니다.
- LeNet5·AlexNet·VGG19·ResNet50 4개 CNN 아키텍처를 동일 조건에서 학습·비교하고, Early Stopping·ModelCheckpoint로 과적합을 제어했습니다.
- VGG19가 검증 정확도 99.3%로 최고 성능(AlexNet 95.6%·ResNet50 94.8%·LeNet5 93.2%)을 기록했으며, 층 깊이가 정확도에 기여하되 단순한 층수 증가가 능사는 아님을 확인했습니다.
CT 이미지 재구성
- 실제 스캐너 회전 대신 디지털 이미지를 여러 각도로 회전시켜 투영 데이터를 생성하고 사이노그램을 만든 뒤, 필터 역투영(Filtered Back-Projection)으로 원본 영상을 재구성했습니다.
- 5종 필터와 보간법을 비교하고 MSE로 화질을 정량 평가해, 공간 해상도에 유리한 최적 파라미터를 도출했습니다.
- 각도 스텝(투영 개수) 변화가 재구성 정확도에 미치는 영향을 분석했습니다.
Writing
전체 글 보기GraphQL
REST API리소스 중심의 설계를 따르며, 각 리소스에 고유한 URI각각의 엔드포인트에 맞는 DTO를 생성해서 관리GraphQL단일 엔드포인트모든 요청은 graphql 엔드포인트의 쿼리로 처리하나의 DTO만 ...
생성자 어노테이션
문득 개발을 하다가 @~ArgsConstructor에 대해 궁금증이 생겼다.자연스럽게 필요한 코드에 해당 어노테이션들을 달지만 왜 달아야하는지 다시 공부한다.간단하게 말하면 해당 어노테이션들은 다음과 같다.@N...
Next.js
Next.js는 React의 한계를 극복하기 위해 등장한 프레임워크브라우저에서만 해석되는 특징으로 인해 검색엔진 최적화 등에 불리한 점을 극복하기 위해 등장SSR이라 불리는 서버 사이드 렌더링 기법은 Next....
Contact
함께 일하고 싶으신가요?
새로운 기회나 협업, 기술적인 논의 등 어떤 문의든 환영합니다. 데이터 정합성과 시스템 신뢰성을 중요하게 여기는 팀에서, 금융·백엔드 도메인의 문제를 함께 풀어가는 일이라면 특히 반갑습니다.
아래 버튼으로 편하게 연락 주시면 확인하는 대로 답변드리겠습니다.
이메일 보내기