완성된 AI 러닝분석 엔진의 재학습 자동화 시스템 구축(ML 경험 필수) 전문가

[프로젝트 개요] 서울 소재 러닝 전문 정형외과입니다. 8,000건 이상의 러닝 분석 데이터와 전문 측정장비(MotionMetrix)를 보유하고 있습니다. 본 프로젝트는 3단계 로드맵의 2단계입니다. - 1단계 (개발 완료 · 최종 인계 진행 중): 스마트폰 러닝 영상 → 자세지표 자동 산출 AI 엔진. 외주 개발 완료, 서면 합의된 성능 검수 기준 충족 확인, 소스코드·모델 당사 GitHub 이관 완료 — 현재 최종 검수 마무리 절차 중이며, 본 프로젝트의 코드 열람은 해당 절차 종료 후 진행 (제3자 후속개발 제한 없음은 서면 확인됨) - 2단계 (본 프로젝트): 이 엔진이 진료 데이터로 스스로 재학습하며 정확도가 향상되는 자동화 시스템 구축 - 3단계 (후속 예정): 환자용 모바일 앱 — 본 프로젝트 성과에 따라 동일 팀과 연장 협의 즉, AI를 새로 만드는 일이 아닙니다. 돌아가는 엔진 + 계속 쌓이는 검증 데이터 위에서 재학습 시스템을 만드는 일입니다. [인계받을 자산 (NDA 체결 후 열람)] - 전체 소스코드 (Python / FastAPI / Streamlit, GitHub) - 학습 완료 AI 모델 (Overstride 회귀, Strike Type 분류) 및 학습 노트북(재현 가능한 학습 절차 포함) - API 명세서, OpenAPI schema, 자세분석 구조 설명서, QA 문서 - 원 개발사 인수인계 교육 녹화 자료 - 학습·검증용 데이터: 기존 모델 학습에 사용된 약 65명 + 병원 진료 중 신규 축적분 (환자당 [측면·후면 영상 + MotionMetrix 실측값 + 전문의 판정 리포트] 세트, 주 15~20명 페이스) — 착수 시점 신규분 50명+, 파이프라인 완성 시점 150명+ 예상, 이후 연 500~1,000명 규모로 지속 확대 (본 파이프라인은 누적 1,000명 이상에서도 추가 개발 없이 동작해야 함) - 데이터 분포(정직하게 고지): 현재 축적분은 힐 착지·중간 구간(오버스트라이드 50~90mm) 위주로 치우쳐 있음. 부족 클래스(미드풋·포어풋, 100mm 이상 극단값)는 병원에서 우선 수집하되, 희귀 케이스 특성상 수급 시점을 보장할 수 없으므로 배치 실행은 총 인원 기준으로 진행하고 분포 보정은 200명 시점에 정밀 조정 (계약 구조 참조) [현재 엔진 실측 성능 (원장 직접 검증, 참고)] - Overstride: 80mm대 환자에서 전문장비 대비 오차 1~2mm 수준, 100mm 이상 극단 구간에서 과소 추정(재학습 대상) - 재현성: 동일 환자 2회 독립 실행 시 최종값 차이 0.2~0.3mm - Strike Type: 리어풋 판정 양호, 미드풋 클래스 취약(재학습 1순위) 즉, "무엇을 고쳐야 하는지"가 케이스 데이터로 특정된 상태에서 시작하는 프로젝트입니다 [개발 범위 (5개 모듈)] - 데이터 수집 도구 — 진료 중 [환자 영상 + MotionMetrix 값 + 전문의 판정]을 클릭 몇 번으로 페어링 저장하는 웹 화면. 데이터 분포(착지 타입별·오버스트라이드 구간별 인원)는 시스템이 자동 집계·표시하며, 배치 트리거 도달·특정 클래스 부족 등 상태 변화 시 시스템 또는 개발팀이 병원에 알리는 구조 — 병원이 수기로 분포를 세거나 관리하지 않아도 되어야 함 - API 서버 상시 가동 — 인계받은 엔진의 클라우드 배포·운영 (개인정보 고려한 구성 협의) - 재학습 파이프라인 — 축적 데이터로 모델 재학습 → 기존 모델과 성능 비교 리포트 자동 생성 - 승인·교체 장치 — 병원 승인 시에만 신규 모델이 운영에 반영되는 구조 (완전 자동 교체 금지) - 지표 확장 — 기존 Pose 좌표 기반 신규 동작 지표 추가 산출. 대상 지표와 각 지표의 정의(측정 방식·산출 기준·판정 등급)는 계약 시점에 별지 「지표 정의서」로 확정하며, 1차 확정 대상: 팔 동작(팔꿈치 각도, 스윙 폭, 몸통 크로스오버), 좌우 팔 움직임 차이, 좌우 다리 움직임 차이, 골반 낙하(Pelvic Drop) 정밀화. 판정 등급 기준은 병원(전문의)이 정의해 제공. 정의서에 없는 지표의 추가는 건별 서면 합의(범위·비용 포함)로만 진행 — 구두 요청·해석 차이로 인한 범위 분쟁을 사전 차단합니다. 파이프라인은 지표 추가가 구조 변경 없이 가능하게 설계해야 함 [계약 구조 (중요 — 지원 전 확인)] 1. 본 프로젝트의 핵심 원칙: 학습은 날짜가 아니라 데이터 개수로 움직입니다. 환자 데이터는 진료 흐름에서 자연 축적되므로, 재학습 일정에 시간 제한을 두지 않습니다. 2, 프로젝트 종료의 정의 (개발팀이 무기한 구속되는 구조가 아닙니다): - 본 개발 계약은 5개 모듈의 시스템 동작 검수 + 병원 직접 실행 가능한 상태로 인계(버튼화) 완료 시 종료됩니다 (예상 3~4개월) - 이후 재학습 실행은 데이터 도달 시점마다 회당 정산의 별도 건별 발주이며, 초기 동반 실행 몇 회 이후에는 병원이 자체 실행합니다 3. 학습 시점의 정의 (실시간 학습이 아닙니다): - 진료 중 업로드되는 환자 데이터는 즉시 학습에 반영되지 않고, 전문의 판정 확정본으로 축적됩니다 트리거(총 인원) 도달 시 배치 재학습을 실행 → 기존 모델과 성능 비교 리포트 생성 → 병원 승인 시에만 운영 모델 교체 개발(모듈 1~5): 마일스톤 분할 계약. 검수 기준은 "모델 정확도"가 아니라 "시스템 동작" (데이터 투입 → 재학습 실행 → 비교 리포트 산출이 재현되는가) 4. 재학습 실행 로드맵 (회당 정산): - 1차 배치: 신규 데이터 총 60명 도달 시 - 이후 20명 추가 도달 시마다 배치 재학습 반복 (80, 100, 120... 200명) - 누적 200명 시점에 분포 정밀 조정(부족 클래스 보강 확인) 후 학습 단계 완료 → 운영 단계 전환 - 각 배치는 인원 도달 시 실행하며, 특정 클래스(미드풋·포어풋·극단값) 쿼터가 미충족이어도 배치는 실행하되 성능 리포트에 클래스별 신뢰 한계를 명시하고 부족 클래스는 다음 배치로 이월 — 희귀 케이스 수급 지연이 프로젝트를 정지시키지 않는 구조 5. 운영 단계 (학습 완료 후): - 운영 전환 후 6개월 시점에 영점 조정(재검증·캘리브레이션) 1회 포함 - 이후에는 6개월 단위 유지 계약(자동 업데이트 옵션): 반기마다 신규 축적 데이터 반영 재학습 + 성능 리포트 + 모델 갱신을 정액으로 제공 (요율은 견적 시 제안 요청) - 파이프라인 인계 후에는 병원이 직접 실행 가능하도록 버튼화하여 이관 (회당 정산은 초기 동반 실행 몇 회에 한함) - 1차 마일스톤(수집 도구 + 서버 가동)만 우선 계약 후 확대하는 방식도 가능 - 산출물 지식재산권 병원 귀속, 하자보수 기간 및 소스·문서 인계 조건 계약 명시, 검수기간은 영업일 기준 기산, 주 1회 서면 진행 보고 6. 소통 원칙 (계약에 포함) - 기본 소통은 이메일(서면), 긴급 사안은 전화·카카오톡 — 어떤 경우든 결정 사항은 이메일로 재확인하여 기록을 남깁니다 - 납품·검수 요청·기한이 걸린 통지는 영업일에만 발송 (금요일 오후·주말·공휴일 전일 발송으로 상대 검토 기간이 휴일에 잠기게 하지 않기 — 상호 동일 적용) - 문의·요청에 대한 회신 기한: 영업일 2일 이내 (지연 시 사유 통지) - 병원 측 필수 대응은 다음으로 최소화: 판정 입력(진료 중), 배치 실행 승인, 모델 교체 승인 — 그 외 운영·모니터링은 시스템과 개발팀이 담당 [필수 요건] - 운영 환경에서 ML 모델을 재학습·배포해본 실무 경험 (포트폴리오로 증빙 — "모델을 만들어봤다"가 아니라 "돌아가는 모델을 다시 학습시켜 교체해봤다") - Python, scikit-learn, PyTorch (인계 코드 스택) - FastAPI 등 백엔드 서버 구축·배포 경험 [우대] - 3단계(환자용 모바일 앱)까지 연계 수행 가능한 팀 — 모바일 개발 역량 보유 또는 협력 체계가 있는 팀 (본 프로젝트 성과 확인 후 동일 팀과 연장 협의 예정) - 영상 처리 · Pose estimation(MediaPipe 등) 데이터 경험 - 의료·헬스케어 데이터 프로젝트 경험 - 2인 이상 소규모 팀 (ML + 풀스택) [예산 및 기간] - 예산: 1,700만~2,500만 원 협의 (마일스톤 분할) - 기간: 4~6개월 (협의 가능) — 개발 모듈 기준이며, 품질 우선 원칙으로 무리한 단축을 요구하지 않습니다. 재학습 실행은 데이터 도달 시점에 회당 진행 [진행 절차] - 서류 검토 → 오프라인 미팅(30~60분) → NDA 체결 → 소스·문서 열람 → 상세 견적 → 계약 [지원 시 포함해 주세요] - 운영 모델 재학습·배포 경험이 담긴 포트폴리오 (프로젝트 개요·역할·사용 스택) - 팀 구성 (인원, 각자 역할) - 본 프로젝트 5개 모듈에 대한 대략적 접근 방식 (간단히) - 예상 견적 범위와 가능 착수 시기