예측 시스템과 대규모 데이터 플랫폼
Microsoft에서 forecasting 및 monetization 시스템을 개발하고 있습니다. API와 데이터 파이프라인부터 성능, 안정성, 클라우드 인프라, 운영 비용과 장애 대응까지 분산 시스템에서 피할 수 없는 문제들을 다룹니다.
LinkedIn에서 현재 업무 보기 →소프트웨어 엔지니어 · 시스템 빌더 · Physical AI를 배우는 중
로스앤젤레스에서 Microsoft Senior Software Engineer로 일하고 있습니다. 20년 넘게 소프트웨어, 광고 기술, 분산 시스템, 대규모 데이터 플랫폼을 다뤄 왔고, 요즘은 로보틱스와 Physical AI로 관심 영역을 넓히고 있습니다. 복잡한 문제를 구조화하고, 측정하고, 나중에 다시 확인할 수 있도록 기록으로 남기는 일을 좋아합니다.
소개
웹과 광고 기술, 분석, 대규모 데이터 시스템, 예측, 클라우드 인프라를 거쳐 지금은 Physical AI를 공부하고 있습니다. 소프트웨어만 다룰 때와 달리 로봇은 배선, 전원, 센서, 모터, 기구물, 그리고 중력까지 모두 설계에 참여합니다. 그 차이가 어렵기도 하지만, 그래서 더 재미있습니다.
주요 작업
20년이 넘는 경력을 한 페이지에 다 넣기보다는, 지금의 관심과 대표적인 작업만 골랐습니다. 자세한 경력은 LinkedIn에서 볼 수 있습니다.
Microsoft에서 forecasting 및 monetization 시스템을 개발하고 있습니다. API와 데이터 파이프라인부터 성능, 안정성, 클라우드 인프라, 운영 비용과 장애 대응까지 분산 시스템에서 피할 수 없는 문제들을 다룹니다.
LinkedIn에서 현재 업무 보기 →Immersive Web Community Group에서 자원봉사로 API review에 참여하며, 실제 구현 경험과 오픈 웹 표준이 만나는 지점을 살펴보고 있습니다.
클라이언트 환경 변화에 따라 화면의 디지털 콘텐츠를 동적으로 다시 배치하는 기술의 발명자로 이름을 올렸습니다.
Monetize Insights, AppNexus Apple TV SDK, 비디오 프레임워크 등 서로 다른 제품과 플랫폼을 경험했습니다. 분야는 달라도 관심사는 비슷했습니다. 복잡한 시스템을 이해하고, 실제로 안정적으로 동작하게 만드는 일입니다.
엔지니어링 기록
결정의 근거, 실패 원인, 실험 결과, 숫자와 측정치, 방향을 바꾼 이유를 가능한 한 그대로 남깁니다. 시간이 지난 뒤에는 “무엇을 했는가”만큼 “왜 그렇게 했는가”가 유용하다고 생각합니다.
오랫동안 소프트웨어를 해온 엔지니어가 로보틱스를 처음부터 다시 배우는 과정을 시간순으로 남기고 있습니다. 첫 로봇 플랫폼을 고르는 과정, ROS 2와 GPU 개발 환경 준비, 실제 하드웨어 검증, 출하 상태 백업, 원격 개발 환경 개선, 전원과 충전 문제까지—잘된 결과뿐 아니라 막혔던 지점과 판단 근거도 함께 기록합니다.
시간을 남기고, 근거를 남기고, 배운 것을 공개한다.
조금 개인적인 이야기
연락처와 소셜
LinkedIn에는 경력과 프로젝트를 정리해 두었고, GitHub에는 코드와 엔지니어링 기록을 남깁니다. X에는 짧은 기술 생각과 업데이트를 남깁니다.