Data Fullstack Engineer로의 여정
안녕하세요! 이 블로그에 오신 것을 환영합니다.
저는 데이터 사이언티스트로 시작해 파트 리더, 팀 리더, Data PM을 거쳐 현재 Data Fullstack Engineer로 활동하고 있습니다. 이는 단순한 직급의 변화가 아닌, 경험의 확장을 통해 데이터의 전 영역을 이해하고 구현할 수 있게 된 여정입니다.
💼 About Me
분석부터 인프라, ML 모델링, 프로덕트 설계까지 — 데이터의 전 영역을 직접 설계하고 구현합니다.
대시보드 구축, AI 에이전트 개발까지, 설계에서 구현까지 빠르게 완료하는 실행력을 갖추고 있습니다.
🎯 Core Competencies
1. End-to-End Data Development
분석 → 모델링 → 파이프라인 → 서빙까지 전 과정을 직접 구현합니다.
- 데이터 분석 및 인사이트 도출
- ML 모델 개발 및 학습
- 데이터 파이프라인 설계 및 구축
- 모델 서빙 및 프로덕션 배포
대시보드, AI 에이전트를 설계에서 구현까지 빠르게 완료하는 실행력을 보유하고 있습니다.
2. Problem Definition & Translation
서로 다른 언어를 쓰는 이해관계자들 사이에서 "번역자" 역할을 수행합니다.
- 개발자에게는: 워크플로와 비즈니스 가치로 설명
- 비개발자에게는: 일상의 비유로 쉽게 전달
기술과 비즈니스를 연결하며, 복잡한 데이터 문제를 모두가 이해할 수 있는 언어로 정의합니다.
3. Practical Problem Solving
현실적인 제약 속에서 실질적인 개선을 만들어냅니다.
🚀 Current Building
현재 집중하고 있는 분야는 AI 에이전트 개발과 Context Engineering입니다.
AI Agents & LLM Engineering
- LangGraph 기반 AI 에이전트 개발
- RAG (Retrieval-Augmented Generation) 파이프라인 설계
- 프롬프트 구조화 및 Context Engineering
- 업무 자동화, 개인 비서, 코드 리뷰 에이전트 구축
진행 중인 프로젝트
- Context Engineering 체계화
- LangGraph 기반 에이전트 아키텍처 설계
- RAG 파이프라인 최적화
- AI 협업 워크플로우 구축
💡 Philosophy
"논리적으로 문제만 잘 정의한다면 만들지 못할 것이 없다."
AI와 적극적으로 협업하며, 혼자서는 만들 수 없었던 것들을 함께 만들고 평가하는 것이 지금 시대의 성장 방식이라고 믿습니다.
문제 정의 → AI 협업 → 빠른 구현 → 반복 개선
이 사이클을 통해 계속해서 새로운 것을 만들고 배워나가고 있습니다.
📚 이 블로그에서 다루는 주제
이 블로그는 제가 학습하고 실무에 적용하는 과정을 기록하는 공간입니다.
AI Agents & LLM Engineering
- LangGraph, LangChain 활용법
- RAG 파이프라인 설계 및 구현
- Context Engineering 및 프롬프트 최적화
- AI 에이전트 아키텍처 패턴
Data Engineering
- 데이터 파이프라인 설계 (ETL/ELT)
- 데이터 모델링 및 스키마 설계
- 대용량 데이터 처리 (Spark, Airflow)
- 데이터 웨어하우스 및 레이크하우스
ML/MLOps
- 머신러닝 모델 개발 및 최적화
- 모델 서빙 및 배포 전략
- MLOps 파이프라인 구축 (Kubeflow, MLflow)
- 모델 모니터링 및 재학습 자동화
Python & Development Tools
- Python 개발 환경 설정 및 최적화
- 데이터 분석 도구 (pandas, NumPy, PySpark)
- 개발 워크플로우 및 생산성 도구
- Docker, Kubernetes, Git
🔗 연결하기
- GitHub: github.com/namyoungkim
- 블로그: 이 블로그를 통해 기술적 경험과 학습 내용을 공유합니다
Ready to explore? 상단 메뉴에서 블로그 포스트나 문서를 둘러보세요!
함께 배우고 성장하는 공간이 되길 바랍니다. 😊