01 / CONTEXT
문제와 제약
실무자로부터 대용량 JSONL과 학습 데이터 사용 과정의 제약, Arrow 포맷 전환 요구가 전달됐습니다. 파일 형식을 바꾸는 것과 함께 기존 운영 원본과 학습 경로의 의존성을 확인해야 했습니다.
02 / DECISION
선택한 방향
운영 원본 run-stage JSONL은 보존하고, 학습용 중간 JSONL 생성 경로를 Direct Arrow 생성으로 변경하는 방향을 채택했습니다. 원본의 역할을 유지하면서 학습 데이터 경로를 정리하고 유효값·shape·로더 검증을 연결했습니다.
운영 원본은 보존하고,
학습용 생성 경로는 직접 연결합니다.
학습용 생성 경로는 직접 연결합니다.
운영 원본 JSONL / 학습용 Direct Arrow
03 / CONTRIBUTION
본인의 역할
요구 해석과 기존 의존성 분석, 대안 채택, AI 보조 구현 검토와 실행 결과 확인을 담당했습니다. Arrow 형식 자체는 전달받은 요구였으며, 저의 기여는 이를 실행·검증·인계 가능한 흐름으로 구체화한 데 있습니다.
04 / VALIDATION
확인한 결과
- raw·normalized 각각 920,544행의 전체 실행 기록 확보.
- 데이터 생성·검증과 학습·API·Simulink 연계.
- 실행 규약과 연구자 검수·인수인계 자료를 정리해 1차 과제 완료.
결과를 읽는 범위
행 수는 확인한 실행 규모입니다. 속도 개선율·압축률·모델 정확도나 현장 자동제어 성과를 의미하지 않습니다. 이 사례는 SV 고용 경력과 구분한 별도 프로젝트입니다.
완료의 기준은 파일이 만들어지는 순간을 넘어, 다른 사람이 이해하고 이어서 사용할 수 있는 지점에 있습니다.
실제 수행 경험을 바탕으로 정리했습니다. 내부 코드와 고객 데이터는 포함하지 않았습니다.