[데이터의 정확한 분류를 통한 소통] 대학에서 컴퓨터공학을 배우며 방대한 양의 데이터를 효율적으로 저장하고, 사용자가 원하는 정보를 정확하게 탐색할 수 있도록 돕는 데이터베이스 설계를 배웠습니다. 저에게 도서관은 단순히 도서를 대여하는 공간을 넘어, 방대한 지식 자산과 디지털 자료가 규칙에 따라 분류되고 사용되는 곳이라고 생각합니다. 특히 도서관 자료의 정확한 입력과 분류는 이용자의 정보 접근 편의성에 영향을 미치는 중요한 가치라고 생각합니다. 저는 그동안 제가 배워온 데이터 구조에 대한 이해도를 바탕으로, 국립금오공과대학교 도서관의 도서 및 자료 DB구축 업무와 학위논문 관리 업무를 신뢰성 있고 정확하게 지원하고자 이번 인턴에 지원했습니다. 5개월의 근무 기간 동안 양호 캠퍼스에 있는 도서관과 신평 캠퍼스 자료실 등 실제 현장에서 데이터가 어떻게 수집되고, 관리되며 어떻게 대학에서 사용되는 실무 과정을 배우고 싶습니다. 저는 이러한 국립금오공과대학교에서 얻은 경험을 통해, 향후 공공 정보 자산을 관리하고 운영하는 공공기관 전산 분야의 전문 인재로 성장하겠다는 진로 계획을 실현하기 위해 노력할 것입니다.
[대규모 공공 데이터를 관리하며 키운 정밀함]
도서관의 핵심 업무 중 하나인 도서 및 자료 DB 구축과 행정 지원을 수행하기 위해, 대규모 데이터를 체계적으로 분류 및 가공하고 분석하고 정밀한 역량을 길러왔습니다. 첫째, 대용량 데이터베이스의 논리적 구조와 데이터 정규화 과정을 배우며, 정보의 중복을 방지하고 일관성을 유지하는 설계 능력을 키웠습니다. 데이터 분류 체계에 대한 이해를 바탕으로, 수많은 도서 정보와 학위논문 자료를 정해진 표준 규격에 맞추어 오류 없이 입력하고 관리할 수 있는 능력을 키웠습니다. 둘째, 건강보험심사평가원에서 제공하는 API 3개를 결합하여 사용자 리뷰 정보와 심평원 제공하는 기본적인 병원 정보, 병원 평가 정보, 병원별 상위 5개 진료 과목 정보를 결합한 병원 정보 서비스를 개발했습니다. 수만 건의 원본 데이터를 주기적으로 수집하고 가공하는 과정에서, 공통된 PK를 찾아 DB를 연결하고, 수많은 데이터를 한 번에 동기화할 수 없어, 배치 기반 동기화를 사용하여 데이터를 동기화했습니다. 이 경험은 대량의 학술 자료와 행정 데이터를 처리하는 데 기여할 것이라 생각합니다. 그동안 축적해 온 체계적인 데이터 가공 경험과 꼼꼼한 분석력을 통해, 도서관의 정보 자산을 가장 안전하고 정확하게 관리하는 인재 되도록 노력하겠습니다.
[시스템 마비 위기를 극복한 데이터 처리 프로세스 최적화]
교내 외국인 유학생을 위한 ‘AI 기반 맞춤형 식단 안내 및 알레르기 유발 재료 분석 서비스' 개발 프로젝트 당시, GEMINI API 시스템의 과부하로 인해 서비스의 안정성이 저하되는 문제를 해결한 경험이 있습니다. 당시 시스템은 수집된 메뉴와 재료 데이터를 개별적으로 실시간 번역 및 분석하도록 설계되어 있었습니다. 하지만 수많은 식단 데이터를 처리하는 과정에서 외부 API 호출량이 급증했고, ’503 서비스 거부 오류'가 빈번히 발생하여 시스템이 마비되는 문제가 있었습니다. 저는 이러한 문제를 해결하기 위해 API 호출 방식을 바꾸는 두 가지 솔루션을 설계하게 적용했습니다. 첫째, 데이터를 매번 실시간으로 개별 요청하는 대신, 분석이 필요한 재료와 설명 데이터를 하나의 리스트로 한 번에 처리하는 ‘일관 분석 및 번역 API’를 구현했습니다. 둘째, 내부 데이터베이스를 일종의 캐시로 활용했습니다. 이미 한 번 분석을 거쳐 DB에 저장된 음식 데이터는 외부 API를 다시 호출하지 않고 내부 DB에서 꺼내쓰도록 했습니다. 그 결과, 외부 API 호출 횟수를 획기적으로 줄여 503 오류를 완전히 해결했을 뿐만 아니라, 시스템 간의 데이터 전송 부하를 줄여 전체 서비스의 응답 속도와 안정성을 향상시켰습니다. 이 경험을 통해 특정 기술이나 외부 시스템의 제약 조건이 있을 때, 시스템 아키텍처를 효율적으로 개선하고 데이터 처리 프로세스를 최적화하여 대안을 찾아내는 문제 해결 능력을 키울 수 있었습니다.
[체크리스트로 모델의 정확도를 높이다]
교내 프로젝트 중 딥러닝을 통한 ‘쓰레기 분류 시스템'을 개발하는 프로젝트를 수행하며, 데이터 품질에 대한 팀 내 갈등을 합리적인 방법으로 해결하고 성과를 낸 경험이 있습니다. 당시 수집한 이미지 데이터를 모델에 학습시키는 단계에서 팀원 간의 의견 대립이 있었습니다. 저는 모델의 신뢰도와 분류 정확도를 위해 ’모든 학습 데이터를 검수한 뒤 정제하여 사용하자’라고 주장했습니다. 반면, 다른 팀원들은 일정 한계를 이유로 ’별도의 검수 없이 수집된 데이터를 그대로 빠르게 학습시키자'라고 주장했습니다. 저는 팀원들의 현실적인 시간 우려는 해결하기 위해, 무작위로 검수하는 대신 해당도 깨짐, 배경의 복잡성, 객체 중복 여부와 같은 핵심 기준 3가지만 빠르게 확인할 수 있는 ‘데이터 검수 체크리스트'를 직접 제작했습니다. 이러한 정형화된 가이드라인 덕분에 데이터 검수 시간을 획기적으로 단축할 수 있었습니다. 이러한 대안을 이해한 팀원들과 함께 데이터 검수를 진행했고, 정제된 고품질의 데이터셋을 구축할 수 있었습니다. 그 결과, 무작위 데이터를 학습시켰을 때보다 모델의 정확도를 20% 이상 향상시키며 프로젝트를 완성했습니다. 이 경험을 통해 협업 중 의견 충돌이 발생했을 때, 감정적으로 대응하지 않고, 실현할 수 있는 대안을 제시하는 것이 문제 해결에 도움이 된다는 것을 배웠습니다.
[능동적으로 먼저 찾아 일하는 인턴]
이번 인턴을 통해 실무에서 데이터가 어떻게 체계적으로 가공 및 분류되고 디지털 서비스로 구현되는지에 대한 전체 과정을 배우고 싶습니다. 특히 도서 및 자료 DB 구축과 학위논문 업무 등 데이터의 무결성이 요구되는 직무를 수행하며, 실무 데이터의 품질을 책임감 있게 관리하는 역량을 기르고 싶습니다. 저는 단순히 지시받은 업무를 수행하는 수동적인 인턴이 되지 않겠습니다. 실무에서 데이터를 관리하는 과정에서 제가 만든 ‘검수 체크리스트'를 만들어 효율성을 극대화했던 경험을 살려, 도서관 행정 지원과 자료실 운영에서도 사소한 오류를 먼저 찾아 개선하려는 능동적인 자세를 가지겠습니다. 겸손하게 배우는 자세와 함께 업무에 있어서 철저하고 꼼꼼한 태도를 가지고, 함께 일하는 구성원들에게는 ‘가장 든든하고 신뢰할 수 있는 인턴'이 되도록 노력하겠습니다.