박상욱Steve Park

장르: 소셜 네트워킹 서비스(SNS) · 코지 라이프 시뮬레이션

• 로그인 병목 해소 (30초~3분 → 10~30초) · 랭킹 Redis 전환 (10~20초 → 1~2초) · 채팅 서버 신규 구축 · 채널 분산 로직 설계

• 데이터 관리·최적화 및 서버 구조 개선으로 대규모 유저 환경 안정성 확보→ 코코마인 산리오 캐릭터즈 코드베이스를 기반으로 개발하면서 렉이 걸리는 부분을 발견하고 인덱싱·쿼리 최적화를 적용해 아이템·랭킹 등 대규모 데이터 조회/업데이트 처리 시간을 5~15초에서 2~6초로 단축했습니다. 또 로그인 과정의 API 단위 락을 유저 단위로 좁혀 서로 다른 유저의 로그인이 병렬 처리되도록 하고, 공유 상태를 ConcurrentDictionary 기반 동시성 자료구조로 교체하는 로그인 시스템 개편으로 로그인 시간을 30초~3분에서 10~30초로 줄였습니다.
• 채팅/광장/빌리지/지적도 서버 개발로 다양한 유저 상호작용 지원→ 빌리지·지적도 서버를 새로 추가해 콘텐츠를 다양화했고, 빌리지 안에서 사용할 수 있는 인터랙티브 아이템과 상호작용 모션, 주소 시스템을 새롭게 추가했습니다.
• Redis 기반 랭킹 관리 및 게임 서버 콘텐츠 개발→ 자주 조회되는 랭킹 시스템을 Redis 기반으로 개편해 조회 시간을 10~20초에서 1~2초로 단축했습니다.
• 팀 협업 및 기술 방향 검토→ 서버 2명·클라 5명·UI 1명 구성의 팀에서 서버 콘텐츠 개발을 담당했습니다. 개발회의에서 구현 일정과 테스트 계획을 팀 단위로 조율했고, 채널 분산·스케일아웃 등 주요 기술 방향은 CTO와 검토 후 적용했습니다. 개발 중반 서버 팀원 이탈로 단독 체제가 된 이후, 런칭 후 기존 구조의 문제점을 직접 발견하고 분석해 수정했습니다.
• 라이브 전 자체 봇으로 부하테스트, 병목 사전 검증→ 접속·로그인·간단한 플레이까지 자동화한 자체 부하테스트 봇을 제작해 라이브 전 로그인·아이템·광장·채팅 구간의 병목을 사전에 확인했습니다. 이를 바탕으로 구조를 개선하고 락·레이스 컨디션·데드락 가능성이 있는 구간을 재점검해 수정했습니다.
• 새벽 장애 대응 — 이벤트 미오픈·로그인 지연→ 새벽에 기획팀 이벤트가 오픈되지 않는 장애가 발생해 확인하니 해당 데이터가 커밋에 누락된 상태였습니다. 해당 파일만 재커밋 받아 무점검 배포로 이벤트를 복구했습니다. 또 특정 유저의 아이템이 과다해 락이 발생하며 전체 로그인이 지연되는 장애를 인덱싱과 limit으로 임시 해소한 뒤 락 구조를 근본적으로 개선했습니다.
• 실데이터 불일치 대응 및 재발 방지 — 업적 기능→ 업적 기능 추가 후 테스트 환경에서는 문제가 없었으나, 라이브 적용 후 이미 아이템을 판매·사용한 유저의 실데이터와 맞지 않는 문제가 발생했습니다. 사용현황과 로그를 분석해 업적 갱신을 일괄 처리했고, 이후 업적 신규 추가 시 케이스를 더 촘촘히 체크하는 로직을 서버에 추가해 재발을 방지했습니다.

장르: 소셜 네트워킹 서비스(SNS) · 메타버스형 커뮤니티

• 어드민 전체 기능 개발 주도, 데이터 관리 및 최적화로 서버 성능 개선
• 채팅 서버·광장 서버 개발로 유저 간 실시간 상호작용 지원
• Redis 기반 랭킹 관리, 스레드 이용 세션 분리로 안정성·확장성 확보

• 어드민 전체 기능 개발 주도, 데이터 관리 및 최적화로 서버 성능 개선→ 운영팀이 게임 콘텐츠나 요소에 쉽게 접근할 수 있도록 ASP.NET Core 기반 어드민 홈페이지를 직접 설계·개발했고, BigQuery로 게임 재화·아이템 등 게임 로그 통계 사이트를 추가해 운영팀의 게임 운영을 도왔습니다. 서버 성능 개선을 위해 인덱싱과 불필요·중복 로직을 찾아내어 제거했습니다.
• 채팅 서버·광장 서버 개발로 유저 간 실시간 상호작용 지원→ 혼자 파밍하고 집을 꾸미던 공간에서 여러 사람과 대화를 나누고 서로의 아바타를 볼 수 있는 채팅·광장 공간을 새롭게 지원했습니다.
• Redis 기반 랭킹 관리, 스레드 이용 세션 분리로 안정성·확장성 확보→ 자주 조회되는 랭킹 시스템을 Redis 기반으로 개편해 조회 시간을 10~20초에서 1~2초로 단축했습니다. 또 유저 세션 처리를 스레드 단위로 분리해, 특정 유저의 요청이 지연되더라도 다른 유저의 세션이 함께 대기하지 않도록 개선해 동접이 늘어도 안정적으로 처리할 수 있는 구조를 만들었습니다.

장르: 스타일링 게임 (패션 드레스업)

• 서버 유지보수 및 어드민 시스템 관리·추가 기능 개발로 운영 효율성 향상
• 데이터 관리 및 최적화로 대규모 유저 데이터 안정적 처리
• DB 이전 작업 수행으로 시스템 업그레이드 지원

• 서버 유지보수 및 어드민 시스템 관리·추가 기능 개발로 운영 효율성 향상→ 간혹 발생하는 에러를 추적해 기존 코드와 신규 콘텐츠가 중복되거나 서로 충돌하는 부분을 찾아 수정했고, 어드민에 없던 통계 시스템과 신규 콘텐츠 관리 기능을 추가해 운영팀이 더 수월히 운영할 수 있도록 지원했습니다.
• 데이터 관리 및 최적화로 대규모 유저 데이터 안정적 처리→ 최적화되지 않은 쿼리와 인덱싱이 걸려있지 않아 시간이 오래 걸리던 부분을 개선해, 스테이지 클리어 후 아이템 지급 등 시스템 업데이트 처리 시간을 10~20초에서 2~5초로 단축했습니다.
• DB 이전 작업 수행으로 시스템 업그레이드 지원→ 비용 문제로 AWS에서 로컬 서버로 옮기는 과정에서 대규모 데이터 백업과 마이그레이션을 직접 수행했습니다.

장르: 매치-3 퍼즐 게임

• 어드민 시스템 추가 기능 개발로 운영팀의 효율적인 게임 관리 지원
• 데이터 관리 및 최적화로 게임 데이터 안정적 처리
• DB 이전 작업 수행으로 시스템 업그레이드 지원

• 어드민 시스템 추가 기능 개발로 운영팀의 효율적인 게임 관리 지원→ 재화가 어디로 흘러가고 어떻게 사용되는지 파악할 수 있는 통계 시스템을 추가해 운영팀의 게임 관리를 지원했습니다.
• 데이터 관리 및 최적화로 게임 데이터 안정적 처리→ 게임 시스템 개편에 맞춰 DB의 다수 컬럼을 통합·정리했고, 플레이에 차질이 없도록 충분히 테스트한 뒤 문제 없이 배포했습니다.
• DB 이전 작업 수행으로 시스템 업그레이드 지원→ 비용 문제로 AWS에서 로컬 서버로 옮기는 과정에서 대규모 데이터 백업과 마이그레이션을 직접 수행했습니다.

장르: SNG(소셜 네트워크 게임) · 라이프스타일 시뮬레이션

• 결제 실패 빈도 개선 (하루 4~5건 → 1~2주 1건) · MySQL 5.7→8.0 마이그레이션 대응 · Looker Studio 대시보드 구축
• 한국/일본/대만/영미 4개국 서버 유지보수

• 한국/일본/대만/영미 4개국 서버 유지보수로 안정적인 서비스 운영 지원→ 4개국마다 콘텐츠가 달라 발생하는 오류를 직접 찾아 수정했고, 이후 다른 개발자도 원활히 관리할 수 있도록 콘텐츠·버그 목록 문서를 만들어 계속 갱신했습니다.
• 데이터 관리 및 최적화로 서버 성능 개선, 신규 콘텐츠 개발→ 신규 콘텐츠 개발 시 인덱싱과 쿼리 최적화를 적용해 아이템 등 기능에 문제가 없도록, 데이터 중복이 발생하지 않게 개발했습니다.
• MySQL 버전업 대응 소스 코드 수정으로 시스템 호환성·안정성 확보→ MySQL 5.7의 지원이 종료되면서 8.0으로 업그레이드가 필요했고, 인증 방식·GROUP BY 처리 등 호환성이 깨지는 부분을 찾아 소스 코드를 수정한 뒤 충분히 테스트하고 배포해 문제없음을 확인했습니다.
• Looker Studio 기반 데이터 시각화 대시보드 구축으로 운영팀 효율성 향상→ BigQuery와 Looker Studio를 연동해 게임 재화와 로그를 대시보드에서 바로 확인할 수 있도록 만들어 운영팀의 의사결정을 지원했습니다.
• 새벽 장애 대응 — 일본 서버 디스크 풀 다운→ 새벽에 일본 서버가 다운돼 df 명령으로 확인하니 디스크가 가득 찬 상태였습니다. crontab으로 설정해둔 로그 정리 배치가 오작동해 로그가 과다하게 쌓인 것이 원인이었습니다. 즉시 오래된 로그 파일을 정리해 서버를 복구하고, 배치를 재점검해 재자동화해 재발을 방지했습니다.

• 관리자/사용자 페이지 구현
• 교육청·통합시스템·예약시스템 API 연동으로 데이터 흐름 연결
• DB 설계 및 푸시 기반 알림 시스템 개발

• 관리자/사용자 페이지 구현→ 기획 문서에 따라 관리자용/사용자용 페이지를 구분하여 페이지·DB를 설계하고 개발했습니다.
• 교육청·통합시스템·예약시스템 API 연동으로 데이터 흐름 연결→ 기존에 있던 교육청의 통합예약시스템 API를 호출해 학부모가 쉽게 접근할 수 있도록 홈페이지와 연결했습니다.
• DB 설계 및 푸시 기반 알림 시스템 개발→ 관리자/사용자 페이지 설계에 쓰인 DB를 기반으로, 새로운 공지나 알림을 휴대폰으로 푸시받을 수 있는 알림 시스템을 개발했습니다.

• 만족도 시스템 기능 개발, 학교 자체 설문 기능 구현
• 운영 중 발생한 오류 수정으로 시스템 안정성 확보

• 만족도 시스템 기능 개발, 학교 자체 설문 기능 구현→ 학부모와 교사들이 학교에 대한 만족도 설문 콘텐츠를 만들고, 결과를 수집해 통계를 내고 PDF로 문서화할 수 있는 페이지를 추가해 관리자들이 편리하게 운영할 수 있도록 했습니다.
• 운영 중 발생한 오류 수정으로 시스템 안정성 확보→ 기존 시스템에서 동작하지 않거나 에러가 발생하던 부분을 수정해 민원을 다소 줄였습니다.

• 단독 개발, DB 설계 및 전체 페이지 개발
• OKTA SSO·KNOX MAIL API 적용으로 보안성·편의성 강화

• 단독 개발, DB 설계 및 전체 페이지 개발→ 디자인·프론트엔드를 제외한 백엔드를 단독으로 개발했고, 사용자·관리자 페이지에 필요한 DB를 직접 설계했습니다.
• OKTA SSO·KNOX MAIL API 적용으로 보안성·편의성 강화→ 삼성바이오로직스에서 요구하는 SSO와 KNOX MAIL을 적용했고, 내부에서만 접근 가능한 페이지와 외부에서도 접근 가능한 페이지를 구분해 설계한 뒤 네트워크 담당자와 조율해 L4의 내부/외부 라우팅 규칙을 수정했습니다.

• 개발 PM으로 전체 개발 총괄
• 자원 관리 시스템 및 QR 코드 인식 기능 구현
• PWA 기반 시스템으로 모바일 환경 자원 관리 지원

• 개발 PM으로 전체 개발 총괄→ 디자인·프론트엔드를 제외한 기획부터 백엔드 개발까지 총괄했습니다. 디자인은 PK밸브 담당 과장님의 의견을 바탕으로 구성했고, 일정과 기능 구현·검토는 PK밸브 직원들과 논의하며 정했습니다.
• 자원 관리 시스템 및 QR 코드 인식 기능 구현→ 모바일 앱에서 바로 QR코드를 인식해 해당 장비 정보를 확인할 수 있도록 구성해, 자원 관리가 편리하도록 시스템을 만들었습니다.
• PWA 기반 시스템으로 모바일 환경 자원 관리 지원→ PWA 기반으로 구성해 앱을 다운받지 않아도 모바일에서 앱처럼 사용할 수 있게 했고, 앱을 다운받아 사용하는 것도 가능하도록 구성했습니다.

• 6,400~10,000명 인사이동 판별을 수기·엑셀에서 점수 기반 자동 알고리즘으로 전환 · 동점자 처리 로직 구현
• 인사기록 관리, 근무성적평정, 설문조사 및 통계 기능 개발

• 6,400~10,000명 인사이동 판별을 수기·엑셀에서 점수 기반 자동 알고리즘으로 전환→ 기존에는 개개인이 수기로 점수화하고 취합하는 절차가 매우 많았는데, 프로그램이 자동으로 처리하도록 만들어 인사 이동 판단을 빠르게 할 수 있게 됐습니다. 점수를 부여할 때마다 과정을 일일이 확인할 필요가 없어졌습니다.
• 인사기록 관리, 근무성적평정, 설문조사 및 통계 기능 개발→ 통계 기능을 바탕으로 어떤 부서에서 이동이 많은지, 어떤 부서를 가장 선호하는지 파악할 수 있게 됐습니다. 또 기존에 문서로 보관해 찾아봐야 했던 인사기록을 하나로 통합해 한 번에 조회할 수 있도록 만들었습니다.

• 즐겨찾기 기능, 사용자 페이지 개발
• 공지사항, 1:1 문의사항 기능 개발

• 즐겨찾기 기능, 사용자 페이지 개발→ 커뮤니티 페이지의 즐겨찾기 기능과 사용자용 페이지의 일부 콘텐츠를 개발했습니다.
• 공지사항, 1:1 문의사항 기능 개발→ 사용자에게 필요한 공지 페이지와 1:1 문의 기능을 짧은 일정 내에 개발해, 홈페이지 개발에 있어 부담을 덜어주었습니다.

• 단독 개발로 비대면 화상 시스템 솔루션 개발 및 DB 설계
• 턴 서버 구축
• 화상 회의 중 참여자 집중도 분석 알고리즘 개발

• 단독 개발로 비대면 화상 시스템 솔루션 개발 및 DB 설계→ ZOOM처럼 비대면으로 소통할 수 있는 시스템을 Node.js로 개발해, 교사·학생이 교실처럼 채팅·비디오·오디오를 사용할 수 있도록 구성했습니다. 채팅 내역과 접속 기록을 확인하기 위한 DB도 직접 설계했습니다.
• 턴 서버 구축→ WebRTC와 ICE 프레임워크로 연결을 시도하고, 실패하면 TURN 서버를 통해 우회 연결을 시도해 연결 실패를 방지했습니다. 여러 번 시도해도 실패하면 네트워크 지연으로 판단해 입장 실패 처리를 해두었습니다.
• 화상 회의 중 참여자 집중도 분석 알고리즘 개발→ 교실에서 사용할 프로그램이었기 때문에 Mediapipe로 눈동자 위치를 추적해, 화면 밖으로 벗어나거나 원래 보던 곳에서 벗어난 정도를 일정 구간의 median 값으로 측정했고, 그 상태가 일정 시간 이상 지속되면 집중도 점수를 낮추는 방식으로 구현했습니다.

• 취업생/면접관/상담관 대상 화상 상담·인터뷰 시스템 운영
• 기존 화상 시스템 솔루션을 박람회 환경에 맞게 최적화

• 취업생/면접관/상담관 대상 화상 상담·인터뷰 시스템 운영→ 배러온에서 교실 환경에 맞춰져 있던 구조를 면접관/면접자, 취준생/상담관이 편하게 사용할 수 있도록 변경했고, 서로 문서를 공유할 수 있는 파일 첨부 기능을 추가했습니다.
• 기존 화상 시스템 솔루션을 박람회 환경에 맞게 최적화→ 박람회 특성상 채팅 기록과 취준생/상담관, 면접관/면접자 정보를 모두 기록해 추후 기관 요청 시 제공할 수 있도록 준비했습니다. 또 취준생과 면접자의 긴장을 풀어주기 위해 입장 전 자신의 모습을 확인할 수 있는 거울 시스템과 Mediapipe 기반 posing 기능을 추가해, 배러온의 모션 인식 기술이 실제로 어떻게 활용되는지 시연했습니다.

• 사용자 메인 페이지 개발, 구독 및 선물 기능 구현
• FAQ 기능 개발로 고객 문의 대응 효율화

• 사용자 메인 페이지 개발, 구독 및 선물 기능 구현→ 사용자 페이지에서 홈 기능, 구독 기능과 가입자끼리 서로 선물을 주고받을 수 있는 기능을 구현했습니다.
• FAQ 기능 개발로 고객 문의 대응 효율화→ FAQ 기능과 문의 기능을 개발해 고객들이 민원이나 소통 창구로 활용할 수 있는 페이지를 만들었습니다.

• 전체 관리자 페이지 개발로 가게·주문 관리 기능 구현
• 사용자용 앱 개발로 직관적인 주문·배달 경험 제공

• 전체 관리자 페이지 개발로 가게·주문 관리 기능 구현→ 처음 맡은 업무로, 배달 시스템에서 관리자가 어떤 기능을 써야 하는지 기획 문서를 토대로 페이지 개발을 시작했습니다. 배민처럼 관리자가 가게의 메뉴·정보를 관리하고 주문 현황을 파악할 수 있는 기능을 구현했습니다.
• 사용자용 앱 개발로 직관적인 주문·배달 경험 제공→ React Native로 화면을 바로 확인하며 빠르게 개발을 진행했고, 사용자가 주문 내역과 배달 현황을 확인할 수 있는 기능을 개발했습니다.

카카오테크 부트캠프 딥다이브 · GPT 아키텍처 직접 구현 + Qwen3 로컬 LLM + RAG / LangChain / LangGraph / Claude API

• GPT 아키텍처(~97M params) · 자모 BPE 토크나이저 직접 구현, 다단계 학습(이어쓰기→QA→스팬→DPO) 완료
• BM25+FAISS 하이브리드 RAG + LangGraph 4그래프 구성 / Qwen3-1.7B 로컬 LLM BF16·GGUF Q4_K_M 두 모드 서빙
• Claude Haiku 질문 자동 분류 라우팅 + 4분할 실시간 비교 UI, FastAPI + SSE 스트리밍

• GPT 아키텍처(~97M params) · 자모 BPE 토크나이저 직접 구현 + 다단계 학습→ 한글을 NFD로 분해해 자모 단위 BPE를 적용하는 토크나이저를 직접 구현했습니다. CausalSelfAttention + MLP(GELU) + Pre-norm 구조의 GPT 디코더를 처음부터 설계하고, kowikitext + AI Hub 데이터로 이어쓰기 → QA 파인튜닝 → 스팬 추출 → DPO 선호 학습 순으로 단계적 학습 파이프라인을 구축했습니다.
• BM25+FAISS 하이브리드 RAG + LangGraph 4그래프 / Qwen3-1.7B 로컬 LLM 두 모드 서빙→ BM25+FAISS 하이브리드 검색기로 라우팅 정확도를 73.3%→82.7%로 높였습니다. LangGraph StateGraph로 검색→평가→재시도→생성 흐름을 4가지 그래프(SOP_GPT / Claude / Qwen BF16 / Qwen Q4)로 조립했고, Qwen3-1.7B를 Transformers+MPS(BF16)와 llama-cpp(GGUF Q4_K_M) 두 모드로 서빙해 KorQuAD 100문항 기준 Q4_K_M이 3.3배 빠름을 확인했습니다.
• Claude Haiku 자동 분류 라우팅 + 4분할 비교 UI + FastAPI SSE 스트리밍→ Claude Haiku가 질문을 잡담 / 사실형 / 일반으로 자동 분류해 적합한 체인으로 라우팅합니다. 4분할 화면(SOP_GPT · Claude · Qwen BF16 · Qwen Q4)에서 동일 질문에 대한 4개 모델 응답을 SSE 스트리밍으로 동시 비교하며, PBKDF2-HMAC-SHA256 로그인과 MemorySaver·JSON 이중 메모리로 세션 간 대화 맥락을 유지합니다.