FACE 02 / 엔지니어 아티팩트 우선 파이프라인
JUNGCHAN LEE
ML 시스템 엔지니어
독학 ML 엔지니어. LoRA 파인튜닝, 파라미터 최적화, 아이덴티티 평가를 위한 프로덕션 Python 파이프라인을 구축합니다. AZIT LoRA 파이프라인(K-Pop 디지털 휴먼 독립 R&D)의 단독 저자 — Python 스크립트 9본, RTX 5090에서 학습, 상용 베이스라인(Higgsfield Soul 2.0) 대비 평가. 가장 최근에는 The Blue Studio의 AI Lab Lead로서 같은 기법을 실제 배우 사진에 적용했습니다.
핵심 지표 · 핵심 결과
0.6050 ArcFace · 베이스라인 0.5090 대비
FLUX.2 Klein 9B 기반 AZIT LoRA ·
베이스라인 대비 +18.9%
가장 최근 역할
AI Lab Lead
The Blue Studio — 단독 엔지니어
- 기간
- 2026년 3월 — 2026년 4월
- 범위
- LoRA 학습 · 추론 · 파이프라인 구축
- 스택
- Python · ComfyUI · AI-Toolkit · ArcFace
- 상태
- 구직 중
작업 환경
모든 의존성을 함께 담은 툴
AZIT 파이프라인이 실제로 어떻게 도는지 담았습니다 — AI-Toolkit의 데이터셋 준비 단계와 ComfyUI의 추론 그래프. 단계별 전체 기록은 비주얼 워크플로우 ↗에서.
정직한 프레임
디지털콘텐츠 학사(DCDC, 2025). 하나의 프로덕션 프로젝트를 깊이 파고들며 독학으로 ML 엔지니어링을 익혔습니다. ML 보드가 보증하는 다년 경력은 없습니다. 대신 규모 있는 ML 파이프라인을 혼자 기획·구축·배포·측정할 수 있다는 증거가 있습니다 — 스크립트 9본, 벤치마크, 구조화된 스윕, 비주얼 워크플로우 기록. 경력 대신 아티팩트가 말하게 합니다.