임상시험 데이터를 수집하여 MySQL 데이터베이스에 저장하고, 데이터 웨어하우스를 구축하여 데이터를 효율적으로 관리하고 분석할 수 있는 환경을 마련했습니다. 이를 통해 데이터 통합과 분석을 쉽게 할 수 있도록 지원했습니다. Python 스크립트를 작성하여 데이터 수집 자동화 및 정기 업데이트를 구현했습니다.

isrctn, mfds, chris 사이트에서 제공하는 임상시험 데이터를 수집하는 소프트웨어를 개발했습니다. 각 사이트의 API를 활용하여 데이터를 수집하고, 이를 데이터베이스에 저장하여 일관된 형식으로 통합했습니다. 수집된 데이터를 정기적으로 업데이트하고 관리하는 자동화된 시스템을 구축했습니다.

최신 임상시험 규제 및 지침을 제공하는 웹 페이지와 이를 위한 API 백엔드를 개발했습니다. React를 사용하여 사용자 친화적인 프론트엔드를 구축하고, ExpressJS와 Node.js로 백엔드를 개발하여 데이터를 효율적으로 제공했습니다. 페이지네이션 및 자동완성 기능을 추가하여 사용자 경험을 개선했습니다.

LLM (Large Language Model) 모델을 기반으로 한 API 서버를 구축하여 임상시험 데이터 정제 작업에 활용했습니다. Python을 사용하여 서버를 구축하고, 데이터 전처리 및 정제 작업을 자동화하여 처리 효율성을 크게 향상시켰습니다. MySQL 데이터베이스와의 연동을 통해 대량의 데이터를 효율적으로 관리했습니다.

Terraform과 Ansible을 사용하여 인프라를 코드로 관리하고 자동화하는 작업을 수행했습니다. 이를 통해 서버 프로비저닝 및 설정 관리의 효율성을 증대시켰습니다. AWS 환경에서 IaC 도입으로 개발 및 운영 작업을 자동화하여 신속하고 일관된 인프라 배포가 가능하도록 했습니다.

전 세계에서 수집된 임상시험 데이터를 정제하여 일관되고 정확한 데이터를 제공했습니다. Python을 사용하여 데이터 정제 알고리즘을 개발하고, MongoDB를 활용하여 대용량 데이터를 효율적으로 관리했습니다. 이를 통해 데이터의 품질을 향상시키고, 분석 및 보고 작업의 신뢰성을 높였습니다.

기존 Tomcat과 Spring Boot로 개발된 레거시 코드를 최신 React와 Express로 리팩토링하여 홈페이지를 마이그레이션했습니다. 프론트엔드는 React로 재구성하고, 백엔드는 Node.js와 Express로 전환하여 성능과 유지보수성을 개선했습니다. Terraform과 Ansible을 사용하여 개발 및 프로덕션 서버 배포를 자동화하고, AWS Load Balancer를 통해 트래픽 증가에 대비했습니다.

산학협력 학교에서 사용할 서버 리소스를 제공하고 인프라를 관리했습니다. 서버 자원 배분 및 유지보수 작업을 수행하며, 학교의 다양한 요구사항에 맞추어 서버 환경을 최적화했습니다.

사내 사용되는 도메인들을 관리하고, 신규 소프트웨어 개발 시 도메인 연결 및 배포 프로세스를 구축했습니다. 이를 통해 도메인 설정과 관리의 효율성을 높이고, 개발 및 배포 작업의 일관성을 유지했습니다.