██╗  ██╗██╗   ██╗ ██████╗      ██╗██╗███╗   ██╗         ██╗ ██████╗  ██████╗ 
  ██║  ██║╚██╗ ██╔╝██╔═══██╗     ██║██║████╗  ██║         ██║██╔═══██╗██╔═══██╗
  ███████║ ╚████╔╝ ██║   ██║     ██║██║██╔██╗ ██║         ██║██║   ██║██║   ██║
  ██╔══██║  ╚██╔╝  ██║   ██║██   ██║██║██║╚██╗██║    ██   ██║██║   ██║██║   ██║
  ██║  ██║   ██║   ╚██████╔╝╚█████╔╝██║██║ ╚████║    ╚█████╔╝╚██████╔╝╚██████╔╝
  ╚═╝  ╚═╝   ╚═╝    ╚═════╝  ╚════╝ ╚═╝╚═╝  ╚═══╝     ╚════╝  ╚═════╝  ╚═════╝ 

class HyojinJoo:
    """
    인간의 니즈를 AI 에이전트의 언어와 인프라로 번역하는 Agentic AI 엔지니어 & 기획자
    기술의 출발점인 '사람'을 깊이 이해하고, 이를 단단한 공학적 기반 위에 올려 스스로 동작하는 AI 생태계로 구축합니다.
    """

    role    = "AI Engineer & Assistant PM @ DeepAuto.ai"
    edu     = "M.S. HCI (Human-AI Interaction Lab) @ Hanyang Univ."
    focus   = ["Agentic AI", "Vertical Domain Workflows", "LLMOps"]
    domains = ["Construction", "Finance", "Legal", "Manufacturing"]
    
    core_focus = {
        "ai_engineering": [
            "Multi-Agent System",
            "LLM Orchestration",
            "Machine-readable API"
        ],
        "product_planning": [
            "HCI (Human-Computer Interaction)",
            "User-Centric Architecture",
            "Data-Driven Problem Definition"
        ]
    

---

$ cat career.log

[2025.09~NOW]  DeepAuto.ai — Agentic AI for verticals (건설/금융/법률/제조)
               └─ 미국 B2B 서비스 단독 리딩 | 대기업 프로젝트 다수 AI Engineering 작업 참여 중

[2024.08~2025.02] Naver Cloud — LLMOps 서비스 프로토타입 → 프로덕션
               └─ 페이지 로딩 3x↑ | CI/CD 배포 시간 50%↓ 

[2023]         수면 분석 앱 (산학협력: DelightRoom)
               └─ 누적 DL +700만 | DAU 15%↑ | 구글플레이 '2023 올해의 앱' 🏆

[2022~2023]    리뷰 모니터링 자동화 (산학협력: DelightRoom)
               └─ CS팀 업무 10→3단계 | 대응 시간 70%↓ 

[2020~2021]    Edtech '자작자작' — (주)팀플백
               └─ 이탈률 30%↓ | 가입자 3x↑ (VoC 기반 UX 개선 및 NLP 평가 메트릭 도입)

$ cat stack.yaml

agentic_ai:
  orchestration: [LangGraph, LangChain]
  serving:       [vLLM, LLaMA.cpp, HuggingFace]
  evaluation:    [LangSmith, RAGAS, DeepEval]        # ← studying
  prompt_eng:    [Multi-turn, CoT, ReAct, Tool-use]

backend:
  framework:     [FastAPI, Django]
  database:      [MongoDB, MySQL, ChromaDB]
  infra:         [Docker, Kubernetes, GitHub Actions] # ← K8s studying
  cloud:         [Naver Cloud (NCA certified), AWS]   # ← AWS studying

frontend:                                                      
  framework:     [React.js, Streamlit]                # 에이전트도 UI가 필요하다
  design:        [Figma, TailwindCSS, Shadcn/ui]

research:
  nlp:           [BERT, Zero-Shot, Aspect Extraction, MRC]
  hci:           [User Study, HITL, UX Research]
  ml:            [TensorFlow, Scikit-learn, Fine-tuning]

$ cat publications.bib

@article{joo2025mrc,
  title   = {기계독해를 통한 설비 사양 문서 정형화},
  journal = {한국CDE학회 논문집},
  year    = {2025},
  note    = {2nd Author — Multi-span MRC for unstructured manufacturing docs}
}

@article{joo2022railway,
  title   = {A Review of Deep Learning Applications for Railway Safety},
  journal = {Applied Sciences (SCIE)},
  year    = {2022},
  note    = {2nd Author — DL survey across 4 railway safety domains}
}

@mastersthesis{joo2024zeroshot,
  title  = {Improving Zero-Shot Aspect Extraction},
  school = {Hanyang University, HCI Lab},
  year   = {2024},
  note   = {QA approach: R-ACOS +7.8%p, L-ACOS +15.1%p using SLM only}
}

$ ls repos/

📂 ai-engineer-growth-lab/    ← K8s, AWS, LLMOps, 논문 리딩 노트  [🟢 ACTIVE]
📂 agentic-ai-workflows/      ← 멀티도메인 Agentic AI 프레임워크   [🔨 BUILDING]

---

**if __name__ == "__main__":
    print("📫 hyojin.joo.ai@gmail.com")
    print()
    print("> Initializing profile...")
    print("> Target: Humans and AI Agents")
    print("> Note: Translating human intent into agent-readable protocols.")
    print()
    print("🌱 매일 조금씩, 꾸준히.")**