이 연구 주제는 대규모 소프트웨어 개발 환경에서 발생하는 결함을 체계적으로 식별하고, 품질 저하의 원인을 정량적으로 분석하며, 유지보수 효율을 높이기 위한 자동화 기술 개발에 초점을 둔다. 특히 연구실은 소프트웨어 품질관리와 소프트웨어 공학을 핵심 축으로 삼아, 실제 산업 현장에서 빈번하게 발생하는 버그 리포트 처리 지연, 결함 분류의 비일관성, 테스트 회피성 버그와 같은 문제를 해결하려는 방향의 연구를 수행하고 있다. 이는 단순히 결함을 찾는 수준을 넘어, 버그의 구조와 상호 연관성을 이해하여 개발 프로세스 전반의 신뢰성을 높이려는 접근이다. 구체적으로는 버그 리포트 빅데이터를 활용한 자동 분류, 앙상블 러닝 기반 버그 해결 기술, 그리고 버그 체인 개념을 이용한 하이브리드 분석 방법이 중요한 연구 요소로 나타난다. 버그 체인은 개별 결함을 독립 사건으로 보지 않고, 서로 연결된 결함 흐름으로 이해하려는 개념으로, 복잡한 테스트 회피성 버그를 다루는 데 유용하다. 또한 자연어처리와 기계학습을 결합해 버그 리포트의 의미 정보를 추출하고, 우선순위 결정이나 자동 할당, 재현 가능성 분석 등 실무적 문제 해결에 적용하는 연구 방향이 분명히 드러난다. 이러한 연구는 소프트웨어 개발 비용 절감, 결함 수정 시간 단축, 품질 보증 체계의 지능화에 직접적으로 기여할 수 있다. 더 나아가 산업 현장에서 축적되는 방대한 개발 이력 데이터를 활용해 예측 기반 품질 관리 체계를 구축하고, 테스트가 놓치기 쉬운 결함까지 조기에 탐지하는 기반을 제공한다. 결과적으로 본 연구는 신뢰성 높은 AI 기반 소프트웨어 시스템을 구현하기 위한 핵심 기반 기술로서, 학문적 가치와 산업적 활용 가능성을 동시에 갖는다.

이 연구 주제는 전통적인 소프트웨어 공학 문제를 인공지능과 데이터 기반 방법으로 해결하는 데 목적이 있다. 연구실의 초기 대표 연구인 소프트웨어 공수 예측은 프로젝트 데이터의 특성과 분포를 분석해 보다 정확한 노력 추정 모델을 구축하는 데 초점이 있었으며, 이는 이후 기계학습과 적응형 데이터 분할, 회귀 기반 모델링으로 확장되었다. 이러한 흐름은 개발 일정, 자원 배분, 프로젝트 계획 수립의 불확실성을 줄이고, 경험에 의존하던 의사결정을 정량화한다는 점에서 의미가 크다. 최근에는 딥러닝, 앙상블 학습, 자연어처리 기술을 소프트웨어 공학 문제에 접목하는 연구가 활발하다. 메소드와 주석의 적합성 검증, 소스코드 요약, 문서 테스트 커버리지 분석, 정적 분석을 통한 보안 취약점 패턴 연구 등은 코드와 문서의 의미적 관계를 이해하고 품질 문제를 자동으로 탐지하려는 시도라 할 수 있다. 또한 언어모델 생성 리뷰의 취약점 분석, 오픈소스 라이선스 위반 우선순위화 등은 소프트웨어 생태계 전반의 리스크를 AI로 분석하는 확장된 응용 사례로 볼 수 있다. 이 연구는 단순한 알고리즘 개발을 넘어, 실제 개발 조직이 활용할 수 있는 지능형 개발지원 도구로 이어질 가능성이 크다. 프로젝트 계획 자동화, 결함 예측, 코드 품질 진단, 보안 취약점 검출, 문서화 지원 등 다양한 영역에서 개발자 생산성을 높일 수 있으며, 장기적으로는 신뢰성 인공지능 SW 시스템 교육연구와도 긴밀히 연결된다. 따라서 본 주제는 소프트웨어 공학을 데이터 중심·AI 중심 패러다임으로 전환하는 데 중요한 역할을 한다.

연구실은 소프트웨어 공학 중심의 연구 기반 위에서 컴퓨터 비전과 딥러닝 응용 분야로 연구 범위를 확장하고 있다. 얼굴 인식 기반 출퇴근 모니터링 모바일 애플리케이션, 말라리아 세포 영상 분류, 의료 영상 분류 성능 향상을 위한 앙상블 CNN 연구는 이러한 방향성을 잘 보여준다. 특히 비용 제약이 큰 중소기업이나 자원이 제한된 의료 환경에서도 실용적으로 사용할 수 있는 저비용·고효율 인공지능 시스템 개발이 중요한 목표로 읽힌다. 기술적으로는 실시간 얼굴 인식, 채널 및 픽셀 구간 기반 이미지 표현, 다중 임계값 전략, 체계적 모델 드롭아웃을 활용한 경량 앙상블 설계 등 성능과 효율을 동시에 고려한 접근이 특징적이다. 이는 단순히 높은 정확도를 추구하는 데 그치지 않고, 데이터 표현의 다양성, 모델 간 상보성, 실제 모바일 및 현장 환경에서의 운용 가능성까지 고려하는 응용지향적 연구라 할 수 있다. 또한 영수증 정보 추출 취약점 분석, 실시간 얼굴 탐지, 음식 이미지 분류 등도 시각 정보 처리 기술을 폭넓게 탐색하고 있음을 보여준다. 이 주제의 강점은 인공지능 알고리즘 개발과 소프트웨어 시스템 구현 역량이 함께 축적되어 있다는 점이다. 연구 결과는 산업 현장의 출입·근태 관리 자동화, 의료 영상 판독 보조, 문서 인식 시스템 개선 등 다양한 형태로 확장될 수 있다. 나아가 신뢰성 있는 AI 소프트웨어 시스템을 설계·검증하는 연구실의 기존 역량과 결합될 때, 정확도뿐 아니라 설명 가능성, 재현성, 운영 안정성까지 고려한 응용 AI 연구로 발전할 가능성이 높다.