AI 기반 이력서 자동 분석 시스템

개요

한이음 ICT 멘토링 프로젝트로, 채용 담당자의 이력서 검토 부담을 줄이기 위한 AI 기반 자동 분석 시스템을 팀으로 개발했습니다. PDF·DOCX 형식의 이력서를 업로드하면 직무 기술서와의 적합도를 자동으로 평가하고 항목별 점수를 제공하는 웹 서비스입니다. NLP 모델 개발부터 프론트엔드 구현, AWS EC2 배포까지 전 과정을 팀이 직접 담당했습니다.

참고할 자료가 없는 상황에서 만들어야 했습니다

한이음 프로젝트 특성상 유사한 선행 구현체나 참고할 레퍼런스가 많지 않았습니다. NLP 분석 모델을 Flask 백엔드와 연결하고, 이를 다시 HTML/CSS/JS 프론트엔드와 붙인 뒤 EC2에 올리는 전체 파이프라인을 처음부터 직접 설계해야 했습니다.

특히 배포 과정에서 로컬 환경과 서버 환경의 의존성 충돌, 포트 설정, 보안 그룹 구성 같은 문제들이 연달아 발생했고, 공식 문서와 시행착오를 반복하며 하나씩 해결했습니다. 모델을 잘 만드는 것과 실제로 작동하는 서비스를 만드는 것이 전혀 다른 문제라는 걸 이 프로젝트에서 처음 체감했습니다.

시스템 구성

NLP 분석 파이프라인

• KoNLPy를 활용해 한국어 이력서 텍스트 전처리 및 형태소 분석
• TF-IDF와 단어 임베딩으로 이력서 내용을 특징 벡터로 변환
• 직무 기술서와의 키워드 매칭 및 의미적 유사도 기반 점수 산출
• 학력, 경력, 기술 스택, 자격증 4개 항목별 세분화 평가

웹 서비스 구현

• Flask 백엔드로 분석 API 구성 및 PDF·DOCX 파일 처리
• HTML/CSS/JS로 이력서 업로드 및 결과 대시보드 프론트엔드 구현
• AWS EC2에 서버 배포 및 운영 환경 구성

주요 결과

• 이력서 업로드부터 항목별 점수 출력까지 자동화된 웹 서비스 완성
• 직무 기술서 기준 후보자 적합도를 수치로 제공해 검토 시간 단축
• 분석 근거를 항목별로 분리 표시해 결과 해석 가능성 확보

배운 것

레퍼런스 없이 전체 스택을 직접 연결하는 경험은 단순히 모델을 개발하는 것보다 훨씬 많은 것을 요구했습니다. 환경 설정 오류 하나가 전체 서비스를 멈추는 상황을 반복하면서, 데이터 사이언티스트에게도 배포와 운영에 대한 이해가 왜 필요한지를 실감했습니다.

기간: 2022년 4월 — 2022년 11월 (8개월) 프로그램: 한이음 ICT 멘토링 사용 도구: Python, KoNLPy, TF-IDF, scikit-learn, Flask, HTML/CSS/JS, AWS EC2