안녕하세요,
나승후입니다.

휘발되는 학습을 자동으로 누적·연결·회상하는 개인용 세컨드 브레인. MCP(Model Context Protocol)와 A2A 패턴을 단계별로 학습할 수 있는 reference architecture로 공개했습니다.

• ▸ 캡처(Capture) → 연결(Graph) → 회상(Recall) 파이프라인
• ▸ 민감도 정책 — Private은 Ollama 로컬 처리, Public은 외부 API
• ▸ Lv2~Lv5 워크스루 — MCP 서버 → JSON-RPC → A2A → 멀티 역할 오케스트레이터

금융권 경험을 바탕으로 백엔드와 프론트엔드를 일관된 기준으로 설계한 풀스택 은행 시스템의 프론트엔드 코드베이스. 16개 화면에서 실제 금융 도메인의 거부 시나리오를 끝까지 구현했습니다.

• ▸ 고객(8) · 백오피스(3) · 컴플라이언스(3) · 디자인시스템(2) — 16개 화면
• ▸ 51개 ErrorCode SSOT — 백엔드 ↔ 프론트 1:1 매핑으로 정책 자동 반영
• ▸ FDS 거부 · EDD 승인 대기 · idempotency 충돌 등 거부 시나리오 UI 체계화
• ▸ Playwright 자동 녹화 5편 시연 영상 제공

8주간의 체계적인 AI/ML 학습 여정 — 기초 분류 모델부터 Transformer 직접 구현, RAG, LoRA 파인튜닝까지 실습한 프로젝트 모음입니다.

• ▸ Self-Attention · Multi-Head Attention 메커니즘을 PyTorch로 직접 구현
• ▸ BERT 텍스트 분류 + GPT API 고급 프롬프팅 + RAG 시스템 구축
• ▸ 제한된 GPU 환경에서 LoRA로 대형 모델 효율적 파인튜닝
• ▸ 멀티모달(이미지/음성) — Pyannote 기반 실시간 음성 처리