uramlee.me

Uram Lee 이우람

AI 플랫폼 엔지니어 / 데이터 엔지니어 · 미래에셋증권 AI Platform Engineer / Data Engineer · Mirae Asset Securities

금융 데이터 웨어하우스와 실시간 데이터 파이프라인부터 GraphRAG·온톨로지·지식 그래프 기반 AI 검색까지, 데이터와 AI 플랫폼을 연결해 신뢰 가능한 금융 AI 시스템을 만드는 엔지니어입니다. From financial data warehouses and real-time pipelines to GraphRAG, ontology, and knowledge-graph-based AI search — I connect data and AI platforms to build financial AI systems people can rely on.

이메일Email Git LinkedIn 미디어Media 경력 보기Experience
컴퓨터공학 석사MS in Computer Science 최종학력 Education
미래에셋증권Mirae Asset Securities 현재 재직 중 · 2018.12 – Currently at · since Dec 2018
여의도Yeouido 현 근무지 · 서울 Based in Seoul, Korea

소개 ProfileProfile

금융 도메인의 데이터와 AI 플랫폼을 연결하는 엔지니어입니다. 미래에셋증권에서 GraphRAG 기반 금융상품 지식 DB, 금융 도메인 온톨로지, 지식 그래프, 하이브리드 검색, 전사 AIOps 플랫폼, 실시간 데이터 처리 플랫폼을 구축해 왔습니다.

특히 ETF, 공모펀드, 채권 등 금융상품 데이터를 대상으로 정형 데이터와 비정형 문서를 지식 그래프로 연결하고, LLM이 자연어 질의에 대해 근거와 출처를 갖춘 답변을 생성할 수 있도록 데이터 구조화와 검색 파이프라인을 설계했습니다. 금융 업무에서 중요한 정확성, 추적성, 권한, 할루시네이션 방지 요건을 플랫폼 설계의 핵심 기준으로 다룹니다.

I am an AI platform engineer and data engineer focused on connecting financial domain data with reliable AI systems. At Mirae Asset Securities, I have worked on GraphRAG-based financial product knowledge databases, financial domain ontology, knowledge graphs, hybrid retrieval, enterprise AIOps, and real-time data platforms.

My recent work centers on structuring financial product data across ETFs, mutual funds, and bonds, combining structured records and unstructured documents into knowledge graphs, and enabling LLM-based natural-language search with evidence-grounded answers. I focus on the requirements that matter most in financial AI: accuracy, traceability, access control, and hallucination mitigation.

Knowledge Graph 전문가Knowledge Graph Engineer

금융 도메인 · 상품지식DB 구축 및 지식검색 서비스Financial domain · product knowledge DB & knowledge search

국제 표준 FIBO를 한국 금융 분류 체계와 사내 용어집으로 확장한 도메인 온톨로지를 설계하고, ETF·공모펀드·채권의 정형 데이터와 투자설명서·리포트를 하나의 지식 그래프로 연결해 상품지식DB를 구축했습니다.
Entity Extraction과 Entity Resolution, Graph + Vector 하이브리드 검색을 결합해 자연어 질의에 근거와 출처가 함께 따라오는 지식검색 서비스를 만들었고, AI 검색 정답률을 45%에서 84.7%까지 끌어올렸습니다.

Designed a financial domain ontology that extends the FIBO standard with Korean financial taxonomy and internal glossaries, then built a product knowledge DB linking structured ETF, mutual fund, and bond data with prospectuses and reports in a single knowledge graph.
Combined entity extraction, entity resolution, and graph + vector hybrid retrieval into a knowledge search service that answers natural-language questions with evidence and sources attached — raising AI search accuracy from 45% to 84.7%.

LLM 서빙 전문가LLM Serving Engineer

On-Prem LLM 서빙 및 최적화 · AIOps 플랫폼 구축On-prem LLM serving & optimization · AIOps platform

On-Prem GPU 환경에서 vLLM과 MIG를 활용해 LLM 서빙 환경을 구축하고, GPU 분할과 서빙 파라미터 튜닝으로 처리량과 응답 지연을 최적화했습니다.
데이터 분석부터 모델 학습·배포까지 하나의 가상화 환경으로 통합한 전사 AIOps 플랫폼과 사내 LLM API Gateway를 구축해, 임직원이 인프라를 직접 구성하지 않고도 AI 모델과 LLM을 업무에 활용할 수 있게 했습니다.

Built LLM serving infrastructure on on-premises GPUs with vLLM and MIG, optimizing throughput and response latency through GPU partitioning and serving-parameter tuning.
Delivered an enterprise AIOps platform that unifies analysis, model training, and deployment in one virtualized environment, plus an internal LLM API gateway — so employees can use models and LLMs in their work without provisioning any infrastructure themselves.

금융 Data EngineerFinancial Data Engineer

DW 및 실시간 데이터 처리 · 정보분석 플랫폼 및 데이터 엔지니어링 플랫폼 운영DW & real-time processing · analytics and data engineering platforms

Hadoop Ecosystem, Hive, Impala, Iceberg 기반 데이터 웨어하우스와 데이터 레이크를 운영하며 엔터프라이즈 데이터 자산의 아키텍처, 보안, 라이프사이클을 관리했습니다.
NiFi, Kafka, Flink로 시세와 뉴스 데이터를 실시간 수집·처리하는 파이프라인을 구축하고, 정보분석 플랫폼과 Airflow·Sqoop 기반 데이터 엔지니어링 플랫폼을 개발·운영했습니다.

Operate data warehouses and data lakes on the Hadoop ecosystem, Hive, Impala, and Iceberg, managing the architecture, security, and lifecycle of enterprise data assets.
Built real-time pipelines that ingest and process market prices and news with NiFi, Kafka, and Flink, and developed and operated the analytics platform alongside data engineering platforms on Airflow and Sqoop.

핵심 전문 분야 Focus AreasFocus Areas

경력 ExperienceExperience

미래에셋증권 Mirae Asset SecuritiesMirae Asset Securities

정규직 · 2018년 12월 – 현재 Full-time · Dec 2018 – Present

AI 플랫폼 엔지니어AI Platform Engineer현재Now

2024.07 – 현재Present · 대한민국 서울Seoul, Korea

  • GraphRAG 기반 금융상품 지식 DB와 지능형 검색 시스템을 설계 및 구축했습니다.
  • ETF, 공모펀드, 채권을 대상으로 자연어 검색을 지원하고, 정확하고 근거 기반의 답변을 제공하는 금융상품 지식 DB를 구축했습니다.
  • 기존 Vector RAG 방식이 대규모 데이터에서 보이는 지연 시간과 정확도 한계를 보완하기 위해 지식 그래프와 금융 도메인 온톨로지를 결합했습니다.
  • 국제 금융 표준 온톨로지인 FIBO를 기반으로 한국 금융 분류 체계, 사내 용어집, 상품 분류 코드, 도메인 전문가 검증을 결합해 ETF 전용 Ontology Map을 설계했습니다.
  • 문서 파싱, Entity Extraction, Entity Resolution, Knowledge Graph 구축, Graph + Vector Hybrid Retrieval까지 이어지는 GraphRAG 파이프라인을 설계했습니다.
  • 부정 구문 인식 필터, 출처 명시, 임의 생성 및 추측 답변 금지 등 할루시네이션 완화 장치를 시스템 수준에 반영했습니다.
  • AWS Bedrock, RDS, S3, Graph DB, Vector DB 기반의 금융 AI 데이터 플랫폼을 구축했습니다.
  • On-Prem 환경에서 데이터 분석, LLM 활용, 모델 학습, 배포를 하나의 가상화 환경으로 통합하는 전사 AIOps 플랫폼을 구축했습니다.
  • 사내 LLM API Gateway, 금융 시장 데이터 파이프라인 연동, 자동 리포팅, AI Code Assistant 기능을 통해 임직원의 AI 활용 기반을 확대했습니다.
  • Designed and built a GraphRAG-based financial product knowledge DB and intelligent search system.
  • Enabled natural-language search across ETFs, mutual funds, and bonds with accurate, evidence-grounded answers.
  • Combined knowledge graphs with financial domain ontology to address latency and precision limits of conventional Vector RAG at scale.
  • Designed an ETF-specific Ontology Map by extending the FIBO standard with Korean financial taxonomy, internal glossary, product classification codes, and domain-expert validation.
  • Built an end-to-end GraphRAG pipeline covering document parsing, entity extraction, entity resolution, knowledge graph construction, and graph + vector hybrid retrieval.
  • Embedded hallucination mitigation controls including negation-aware extraction filters, mandatory source attribution, and rules against fabricated or speculative outputs.
  • Built financial AI data infrastructure using AWS Bedrock, RDS, S3, graph databases, and vector databases.
  • Built an enterprise AIOps platform in an on-premises environment, unifying data analysis, LLM usage, model training, and deployment in a virtualized environment.
  • Expanded internal AI adoption through an LLM API gateway, financial market data pipeline integration, automated reporting, and an AI Code Assistant.

데이터 엔지니어Data Engineer현재Now

2023.07 – 현재Present · 대한민국 서울Seoul, Korea

  • 데이터플랫폼팀 Data Engineer로서 전사 AIOps 플랫폼 개발 및 운영을 프로젝트 매니저와 플랫폼 관리자로 리드했습니다.
  • MIG / vLLM 기반 환경에서 AI 모델 학습 및 서빙 환경을 구축하고 운영했습니다.
  • AI 서비스가 윤리적·규제적 기준에 맞게 운영될 수 있도록 금융 AI 컴플라이언스 정책 설계와 구현을 주도했습니다.
  • NiFi, Kafka, Flink 기반 실시간 데이터 처리 플랫폼을 구축하고, AI 연계 서비스를 통해 내부 업무 자동화와 생산성 향상에 기여했습니다.
  • Hadoop Ecosystem, Impala, Hive, Iceberg 기반 데이터 레이크를 운영하고, 엔터프라이즈 데이터 자산의 아키텍처, 보안, 라이프사이클을 관리했습니다.
  • Airflow, Sqoop 등을 활용한 데이터 엔지니어링 플랫폼을 개발 및 운영했습니다.
  • Worked as a Data Engineer in the Data Platform Team, leading enterprise AIOps platform development and operations as project manager and platform administrator.
  • Built and operated AI model training and serving infrastructure using MIG and vLLM.
  • Led the design and implementation of financial AI compliance policies to support ethical and regulatory alignment of internal AI services.
  • Built real-time data processing platforms using NiFi, Kafka, and Flink, and developed AI-integrated services that automated workflows and improved internal productivity.
  • Administered enterprise data lakes based on the Hadoop ecosystem, Impala, Hive, and Iceberg, including architecture, security, and lifecycle management.
  • Developed and operated data engineering platforms using tools such as Airflow and Sqoop.

데이터 사이언티스트Data Scientist

2020.12 – 2023.06 · 여의도Yeouido, Korea

  • Hadoop Ecosystem 기반 빅데이터 모델링, 데이터 시각화, 데이터 사이언스 업무를 수행했습니다.
  • Python과 SQL 튜닝을 활용해 금융 데이터 분석과 모델링을 지원했습니다.
  • Worked on big data modeling, data visualization, and data science using the Hadoop ecosystem.
  • Supported financial data analysis and modeling using Python and SQL tuning.

데이터 애널리스트, 디지털 마케팅Data Analyst, Digital Marketing

2018.12 – 2020.12 · 대한민국 서울Seoul, Korea

  • 금융 데이터 엔지니어링 및 분석 업무를 수행했습니다.
  • 고객 세분화 분석을 통한 개인화 마케팅과 금융 데이터 기반 퍼포먼스 마케팅을 수행했습니다.
  • Python 3와 SQL을 활용했습니다.
  • Performed financial data engineering and analysis.
  • Worked on personalized marketing through customer segmentation and performance marketing through financial data analysis.
  • Used Python 3 and SQL.

프리랜서 소프트웨어 개발자Freelance Software Developer

2018.07 – 2018.12 · 대한민국 경기도Gyeonggi-do, Korea

  • PHP와 jQuery 기반 이커머스 웹 개발을 수행했습니다.
  • Python Flask, Django, Node.js 기반 API 및 백엔드를 개발했습니다.
  • MySQL 기반 데이터베이스를 활용했습니다.
  • Developed e-commerce web services using PHP and jQuery.
  • Built APIs and backend services using Python Flask, Django, and Node.js.
  • Used MySQL for database development.

디저트픽코리아 DessertPick KoreaDessertPick Korea Co., Ltd.

웹 개발자 · 2017.12 – 2018.07 · 서울시 용산구 한남동 Web Developer · Dec 2017 – Jul 2018 · Hannam-dong, Yongsan-gu, Seoul

  • PHP, jQuery, HTML/CSS 기반 이커머스 웹 개발을 수행했습니다.
  • MySQL 기반 RDBMS를 활용했습니다.
  • Developed e-commerce web services using PHP, jQuery, and HTML/CSS.
  • Used MySQL as the primary RDBMS.

플레이오토 PLAYAUTOPLAYAUTO

R&D 매니저 · 2016.01 – 2017.03 · 서울특별시 구로구 R&D Manager · Jan 2016 – Mar 2017 · Guro-gu, Seoul

  • 이커머스 솔루션 개발 및 유지보수를 담당했습니다.
  • PHP, jQuery, HTML/CSS, C#, MySQL, .NET Framework를 활용했습니다.
  • Developed and maintained e-commerce solutions.
  • Used PHP, jQuery, HTML/CSS, C#, MySQL, and the .NET Framework.

세인시스템 SeinSystemSeinSystem Co., Ltd.

애플리케이션 개발자 · 2014.12 – 2016.01 · 서울특별시 구로구 Application Developer · Dec 2014 – Jan 2016 · Guro-gu, Seoul

  • MIS 시스템 개발 및 유지보수를 수행했습니다.
  • C#, VB 6.0, MSSQL, ADO.NET을 활용했습니다.
  • Developed and maintained MIS systems.
  • Used C#, VB 6.0, MSSQL, and ADO.NET.

주요 프로젝트 Key ProjectsKey Projects

GraphRAG 기반 금융상품 지식 DBGraphRAG-Based Financial Product Knowledge DB

  • GraphRAG
  • Ontology (FIBO)
  • Knowledge Graph
  • Hybrid Retrieval
  • AWS Bedrock
  • ETF, 공모펀드, 채권의 정형 데이터와 투자설명서·리포트 등 비정형 문서를 연결해 금융상품 지식 그래프를 구축했습니다.
  • 자연어 질의를 Graph Query 및 구조화 검색으로 변환해 금융상품 간 관계를 탐색하고, 근거와 출처가 있는 답변을 생성하는 구조를 설계했습니다.
  • 금융 도메인 온톨로지를 통해 상품명, 운용사, 지수, 수익률, 수수료, 위험, 규제 문구 등 복잡한 관계를 구조화했습니다.
  • Entity Resolution Map, 부정 구문 필터, Human-in-the-loop 검증을 적용해 금융 업무에 필요한 정확성과 컴플라이언스 리스크 관리를 강화했습니다.
  • AWS와의 EBA(Experience Based Acceleration)를 통해 PoC/MVP를 빠르게 검증하고, 이후 실제 서비스 수준으로 고도화하는 방향을 추진했습니다.
  • Built a financial product knowledge graph by connecting structured data and unstructured documents such as prospectuses and reports for ETFs, mutual funds, and bonds.
  • Designed retrieval flows that convert natural-language questions into graph queries and structured searches, enabling relationship-aware answers with supporting evidence and sources.
  • Structured complex financial product relationships such as product names, asset managers, indices, returns, fees, risks, and regulatory clauses through financial domain ontology.
  • Improved accuracy and compliance controls through entity resolution maps, negation-aware filters, and human-in-the-loop validation.
  • Worked with AWS through EBA (Experience Based Acceleration) to validate the PoC/MVP quickly and move toward production-grade service expansion.

전사 AIOps 플랫폼Enterprise AIOps Platform

  • AIOps
  • LLMOps
  • vLLM / MIG
  • LLM API Gateway
  • On-Prem
  • 데이터 분석, LLM 활용, 모델 학습, 배포를 하나의 통합 가상화 환경에서 지원하는 전사 AIOps 플랫폼을 구축했습니다.
  • 임직원이 별도 서버 인프라를 직접 구성하지 않고도 AI 모델을 개발·배포하고, LLM API를 활용해 반복 업무를 자동화할 수 있는 기반을 마련했습니다.
  • 금융 시장 데이터 파이프라인과 연계해 자동 리포팅 및 부서별 데이터 분석 자동화를 지원했습니다.
  • 보안과 거버넌스를 고려한 사내 AI 활용 체계를 마련했습니다.
  • Built an enterprise AIOps platform that supports data analysis, LLM usage, model training, and deployment in a unified virtualized environment.
  • Enabled employees to develop and deploy AI models without separate server provisioning and automate repetitive work using internal LLM APIs.
  • Integrated the platform with financial market data pipelines to support automated reporting and department-specific analytics.
  • Supported secure and governed internal AI adoption.

AI 마켓 어시스턴트AI Market Assistant

  • Kafka
  • Flink
  • NiFi
  • Real-time Pipeline
  • Cloudera DataFlow
  • Kafka, Flink, NiFi 기반 실시간 데이터 플랫폼을 활용해 주가 데이터와 뉴스 데이터를 수집·분석·적재하는 AI 마켓 어시스턴트 서비스를 구축했습니다.
  • 실시간 시장 데이터와 AI 분석을 결합해 내부 업무 효율화를 지원했습니다.
  • Cloudera Partner Day 2025 Korea에서 미래에셋증권 고객 성공 사례로 발표된 내용과 연결됩니다.
  • Built an AI Market Assistant service using a real-time data platform based on Kafka, Flink, and NiFi to collect, analyze, and load stock price and news data.
  • Combined real-time market data with AI analysis to improve internal productivity.
  • This work is connected to the Mirae Asset Securities customer success case presented at Cloudera Partner Day 2025 Korea.

기술 스택 Technical SkillsTechnical Skills

Knowledge Graph & Ontology
  • Ontology Engineering
  • FIBO-based Financial Ontology
  • Entity Extraction
  • Entity Resolution
  • Knowledge Graph
  • Graph Query
  • Cypher
  • SPARQL
RAG & LLM
  • GraphRAG
  • Vector RAG
  • Hybrid Retrieval
  • LLM Engineering
  • Hallucination Mitigation
  • Source Attribution
  • Prompt Guardrails
Data Engineering
  • Kafka
  • Flink
  • NiFi
  • Airflow
  • Sqoop
  • Hadoop Ecosystem
  • Hive
  • Impala
  • Iceberg
  • Data Lake Administration
AI Platform / MLOps
  • AIOps
  • LLMOps
  • MLOps
  • vLLM
  • MIG
  • Model Training & Serving
  • LLM API Gateway
Cloud / AWS
  • AWS Bedrock
  • Amazon RDS
  • Amazon S3
  • Amazon OpenSearch
  • Amazon SageMaker
  • Graph DB
  • Vector DB
Backend / Web
  • Python
  • Flask
  • Django
  • Node.js
  • PHP
  • jQuery
  • HTML/CSS
  • C#
  • VB 6.0
Databases
  • MySQL
  • MSSQL
  • RDBMS
  • Graph DB
  • Vector DB
Analytics
  • Python
  • SQL
  • SQL Tuning
  • 금융 데이터 분석Financial Data Analysis
  • 고객 세분화Customer Segmentation
  • 퍼포먼스 마케팅 분석Performance Marketing Analytics

발표 및 미디어 Talks & MediaTalks & Media

발표Speaking

2026.08

AWS Financial Services Forum

GraphRAG 기반 금융상품 AI 검색 고도화 — 정답률 45% → 84.7% 개선 사례 Advancing GraphRAG-based financial product AI search — improving answer accuracy from 45% to 84.7%

2026.05 · IND206

AWS Summit Seoul 2026

Convert To AI-Ready Data: 미래에셋증권의 GraphRAG 기반 상품지식DB 구축기 Convert To AI-Ready Data: Building Mirae Asset Securities’ GraphRAG-based product knowledge DB

2025.04

Cloudera Partner Day 2025 Korea

미래에셋증권 고객 성공 사례 — Kafka·Flink·NiFi 기반 AI 마켓 어시스턴트 Mirae Asset Securities customer success case — AI Market Assistant on Kafka, Flink, and NiFi

미디어Media

‘프로젝트’로 표시된 항목은 회사·프로젝트 단위의 공개 자료로, 개별 참여자를 명시하지 않습니다. 그 외 항목은 이우람이 직접 언급되거나 인용된 자료입니다. Items marked “Project” are company- or project-level public announcements that do not name individual contributors. The remaining items directly name or quote Uram Lee.

집에 있는 MacBook Pro에서 WEBrick + Tailscale Funnel로 직접 서빙 중 Served straight from a MacBook Pro at home via WEBrick + Tailscale Funnel
서울 시각Seoul time --:--:--