안녕하세요, 정원서입니다.
자연어처리와 AI, 경영학을 함께 공부하고 있습니다.
언어 데이터를 분석하고 AI 시스템을 구현하며, 데이터가 실제 의사결정으로 이어지는 과정을 탐구합니다.
궁금한 것을 분석하고, 필요한 것을 만듭니다.
2020–2025년 FOMC 성명서·의사록의 정책 톤과 불확실성을 정량화하고, 발표 전후 비트코인 고빈도 수익률·변동성과의 관계를 이벤트 스터디와 회귀분석으로 검증했습니다.
분석 설계Python으로 연준 공식 문서를 수집하고, R에서 텍스트를 정규화해 매파·비둘기파 정책 톤과 Loughran–McDonald 기반 불확실성 지표를 만들었습니다. 비트코인 고빈도 데이터와 S&P 500·VIX를 결합해 발표 전후 시장 반응을 분석했습니다.
핵심 결과정책 톤 자체는 수익률에 유의한 영향을 보이지 않았지만, 정책 불확실성은 비트코인 3시간 수익률과 유의한 음의 관계를 보였고 변동성을 유의하게 높였습니다. 이러한 반응은 의사록보다 최초 정보가 공개되는 성명서 발표 시점에 더 뚜렷했습니다.
한국외대 학사 정보를 안내하는 RAG 시스템에서 팀장으로 전체 파이프라인을 구현했습니다. 외국인 학생의 영어 질문에서도 정확한 학사 정보를 찾도록 검색 방식과 질의 처리 흐름을 반복해서 실험했습니다.
맡은 역할4인 팀을 이끌며 전체 파이프라인 구현을 담당했고, 특히 검색 구조를 설계하고 여러 retrieval 방식을 비교하는 데 집중했습니다.
해결하려던 문제외국인 학생이 영어로 질문할 때 관련 학사 안내 문서를 정확히 찾지 못해 답변 품질이 떨어지는 한영 교차언어 문제가 있었습니다.
시도와 개선LangChain과 LangGraph를 활용해 검색 방식과 질의 처리 흐름을 다양하게 실험했습니다. 모호한 질문에는 다시 묻는 Agentic RAG와 전용 사전을 적용해, 외국인 학생도 필요한 학사 정보를 더 정확히 찾을 수 있도록 검색 품질을 개선했습니다.
답이 나올 때까지,
질문을 바꾸고
다시 들여다봅니다.
한 번 생긴 궁금증을 쉽게 놓지 않고, 문제의 구조가 보일 때까지 깊이 파고드는 편입니다.
영어학·언어공학을 바탕으로 사람이 사용하는 언어를 데이터로 이해하는 방법을 배우고 있습니다. 경영학을 함께 공부하면서 분석 결과가 실제 판단과 행동으로 이어지는 과정에도 관심을 넓혀 왔습니다.
하나의 주제를 만나면 빠르게 결론을 내리기보다 질문을 더 정확하게 만들고, 필요한 근거를 다시 확인합니다. 서로 다른 분야의 관점을 연결해 복잡한 문제를 분명하게 설명하는 사람이 되고 싶습니다.
언어와 데이터 역량을 꾸준히 쌓아가고 있습니다.
2025 · TOEIC 공인영어성적
2026 · 신규 1–6 스케일
2025 취득 · 데이터분석 준전문가
2026 취득 · SQL 개발자