전남대학교 소프트웨어중심대학사업단 인턴십

인턴십안내

기본정보

기업명 주식회사 달구
기업구분 스타트업 ICT기술분류 첨단 AI 모델링·의사결정(인지·판단·추론)
참여이력 신규 코딩테스트 실시
지역 광주 홈페이지 https://www.dall9.com/
사업장주소(본사) 광주 동구 남문로 600 (소태동) 2층
근무지 주소(실습생) 광주 동구 AI창업켐프
주요제품 및 서비스 1. 실시간 Vision Ai 기반 응급처치 장비 객체 추적 인식 기록-재고관리 자동화 시스템
2. 실시간 VisionAi 기반 심폐소생술 적절성 평가 피드백 시스템 [개발 성숙도 > TRL5]
3. 실시간VisionAi기반[영상 데이터기반 실시간 인공환기 적절성 평가 피드백 시스템 및 그 제어 방법]
특허출원(신속출원) [개발 성숙도 > TRL3-4]
4. CODE-eye
5. 구급차 공정배차 App
6. CMS 솔루션
7. 구급차 및 이송사업자 관리 ERP
회사보유 기술현황 및
업적
-활력징후 반응형 구급차 내부 응급환자 모니터링방법
-통신 및 충전이 가능한 의료용 산소레귤레이터
-다수개의 카메라를 이용한 구급차 내부 응급환자 모니터링방법
-가래 및 피떡 제거용 석션 카데타Suction catheter for removing sputum and blood clot
-다수 사상자가 발생한 재난응급 의료상황에서 환자의 최적 분산을 위한 직관적 구급차 관제방법
-중증도 구분 표시가 가능한 구급차용 경광등 장치
-영상 데이터 기반 실시간 인공 환기 적절성 평가 피드백 시스템 및 그
제어방법{REAL-TIME ARTIFICIAL VENTILATION ADEQUACY UATION FEEDBACK
SYSTEM BASED ON VIDEO DATA AND CONTROL METHOD THEREOF}
인력현황
경영·행정 연구개발 홍보·마케팅 생산·기타 합계
0명 0명 0명 0명 0명

실습조건

실습요일 월      화      수      목      금      토     
실습시간 13:00~17:00
실습
조건
휴가 자유
복리후생 식사      교통      기숙사     
기타 지원사항

실습생 직무

직무구분 웹 프로그래밍, SW아키텍쳐, 데이터베이스, 서버 프로그래밍, 모바일 애플리케이션, 임베디드SW, 네트워크, 인공지능 서비스, 데이터 시각화, 데이터 분석, 빅데이터, 헬스케어
기술스택 Techbulance Trinity Solution
직무내용 달구의 주요 기술 스택
1. Techbulance Trinity Solution
달구의 핵심 플랫폼인 Techbulance Trinity Solution은 다음 세 가지 요소로 구성되어 있습니다:

Ambulance Vital: 구급차 내 환자의 생체 정보를 실시간으로 모니터링하여 응급상황에 대한 즉각적인 대응을 가능하게 합니다.

Action: 응급환자 이송 과정을 체계적으로 관리하며, 구급차 공정 배차 앱을 통해 신속하고 효율적인 이송을 지원합니다.

Medical Control DB: 의료 데이터를 통합 관리하여 AI 기반의 의료 기록 자동화 및 재고관리 솔루션을 제공합니다.


2. AI 기반 의료 기록 자동화
달구는 인공지능 기술을 활용하여 의료 기록을 자동으로 작성하고, 재고 관리를 효율화하는 솔루션을 개발하였습니다. 이를 통해 의료 현장의 업무 효율성을 극대화하고, 환자 데이터를 정밀하게 관리할 수 있습니다.


3. 멀티모달 커스텀 데이터 생산
구급차와 의료 데이터의 기술 융합을 통해 독보적인 멀티모달 커스텀 데이터를 생산하고 있습니다. 이 데이터는 지역 의료기관과의 동반 성장, 정부 정책 지원, 연구자들에게 신뢰할 수 있는 연구 환경 제공 등 다양한 분야에 활용됩니다.


4. 사회공헌 활동: 치료적 외출
달구는 장기 입원 환자들이 소중한 시간을 함께할 수 있도록 구급차를 활용한 '치료적 외출' 사회공헌 활동을 적극적으로 전개하고 있습니다. 이를 통해 구급차의 사회적 가치를 확대하고, 건강한 구급차 문화를 조성하는 데 기여하고 있습니다.


주식회사 달구는 이러한 기술 스택을 바탕으로 응급의료 서비스의 혁신과 생명 연결을 실현하고 있으며, 디지털 헬스케어 분야에서의 지속적인 발전을 추구하고 있습니다.
요구기술 1. AI/ML 및 Vision AI
기술역량:

YOLOv8, OpenPose, AlphaPose, Mediapipe 기반 객체 탐지 및 자세 인식 기술

LLM 기반 행위 분석 (ex. GPT, BERT 등의 커스터마이징)

CNN 기반 장비 인식 및 다중 분류

영상 로그 생성 및 행동 인식 데이터셋 구축

사용 언어 및 프레임워크:

Python (PyTorch, TensorFlow, OpenCV, FastAPI)

ONNX 또는 TensorRT 기반 경량화 모델 활용

2. IoT 및 엣지 컴퓨팅
기술역량:

환자 모니터 기기 (Biolight, Philips 등)와 통신 (RS-232/USB/Modbus)

Edge Mini PC에서 실시간 데이터 수집 및 전송

NAS 연동 자동 백업 및 재전송 구조

사용 기술:

Node.js / Python 기반 실시간 수집 프로그램

MQTT / HTTP 통신 프로토콜

로컬 SQLite + 클라우드 PostgreSQL 연계

3. 백엔드/데이터베이스 및 CMS
기술역량:

환자 생체정보, 구급차 위치, 응급행위 등의 로그 저장·조회

병원 간 연계 가능한 의료정보 저장 구조

대시보드 기반 실시간 관제 인터페이스 구축

사용 기술:

Django / Flask / FastAPI (Python 기반)

PostgreSQL / TimescaleDB (시계열 DB)

Redis / Celery (비동기 작업 처리)

4. 프론트엔드 및 앱 기술
기술역량:

구급대원용 앱 또는 태블릿 기반 사용자 인터페이스 구성

병원용 대시보드 시스템 구축

실시간 이송 현황 시각화 및 사용자 경험 최적화

사용 프레임워크:

React / Next.js

Flutter 또는 React Native (크로스 플랫폼 앱 개발)

5. 클라우드 및 DevOps
기술역량:

실시간 데이터 수집 및 CMS 운영을 위한 클라우드 인프라 구성

Edge-Cloud 연계 구조 설계 및 안정화

사용 기술:

AWS (EC2, S3, RDS, IoT Core)

Docker / Kubernetes / GitHub Actions

Prometheus + Grafana 모니터링

실습생 지도계획

1. (기업 도메인, 협업 툴, GitHub 워크플로우)
2. (Docker 개념 및 실습)
3. (YOLO / AlphaPose)
4. (라벨링 툴 / 데이터셋 정리)

세부 내용

Q1. CVAT의 주요 목적은?
A. 모델 학습
B. 실시간 스트리밍
C. 데이터 라벨링
D. API 서버 구축
E. 네트워크 최적화
Q2. 라벨링된 데이터의 품질이 중요한 이유는?
A. 모델 실행 속도를 높이기 위해
B. GPU 성능을 높이기 위해
C. 학습 데이터로 사용할 수 있기 때문에
D. 코드 에러를 방지하기 위해
E. 메모리 용량을 줄이기 위해
Q3. 라벨링 시 'Bounding Box'는 무엇을 의미하는가?
A. 사람의 감정 상태
B. 객체의 크기를 추정하는 통계값
C. 객체를 둘러싼 사각형 박스 좌표
D. 이미지의 배경 부분
E. 모델의 예측 정확도
Q4. 데이터셋 분석 과정에서 중요한 작업은?
A. 이미지 색상 변경
B. 모델 디버깅
C. 데이터의 분포 확인 및 전처리
D. 라벨 파일 삭제
E. 프레임 속도 조정
Q5. 다음 중 좋은 라벨링의 기준이 아닌 것은?
A. 일관성 있는 기준 적용
B. 명확한 객체 경계
C. 라벨 누락 방지
D. 라벨 개수 늘리기
E. 전문가 또는 팀원 검수
목록