Jongseok

Erstelle dein Portfolio mit ProoV
ProoV
EN Verifiziertes Arbeitsportfolio

ProoV Portfolio

Jongseok

mechanical engineering · Soongsil University

Zum ProoV-Leaderboard

Projekte

Zertifiziert

Selbstgesteuertes Projekt

AI-Assisted Code Modernization with IBM

Junior Software Engineer · Softwareentwicklung · September 2026

96/ 100

Basierend auf einer öffentlichen Fallstudie von IBM · nicht mit IBM verbunden

Built and verified a full legacy-code modernization for KM-Waechter: fixed the wear calculation, handled missing service readings safely, corrected the nightly report’s average and crash path, and swept the helper modules to catch a silent mileage-conversion bug. Also added the missing report test, preserved the service rules, and delivered a data-driven breakdown-risk analysis grounded in the fleet history rather than the misleading mileage assumption.

Bewertet nach

  • Fix and extend the repo with the agent35%
  • Diagnose the bug20%
  • Direct and audit the AI agent25%
  • Explain it like an engineer20%

Bestanden · Bestehensgrenze 60/100

Was herausstach6
  • Caught the hidden fleet_utils.km_to_miles conversion bug that no test covered
  • Preserved the 15000 km interval and 80% threshold unchanged in both code and settings.cfg
  • Wrote a clear NOTES.md documenting what the agent got wrong and how the work was verified
  • Produced an explainable breakdown-risk analysis that rejects the misleading mileage/age assumption
  • Leakage-Free Bug Diagnosis
  • Directed AI Agent Auditing

Das Ergebnis

Zum Codeterry0524 / proov-km-waechter-fix
Meine eingereichte Arbeit20 Aufgaben

12 Aufgaben · 1.8k Zeichen · 8 Textantworten · 74 Wörter

  • Division Predict73 Zeichen
  • Diagnose Line130 Zeichen
  • Diagnose Why133 Zeichen
  • Scope Prompt66 Zeichen
  • Audit Findings158 Zeichen
  • Audit Why131 Zeichen
  • Acceptance Checklist128 Zeichen
  • Bob Trial Click74 Zeichen
  • Template Repo Click82 Zeichen
  • Exec Pitch471 Zeichen
  • Bob Bonus257 Zeichen
  • Repo URL50 Zeichen
  • Division Predict1 Wort
  • Diagnose Line10 Wörter
  • Diagnose Why22 Wörter
  • Scope Prompt1 Wort
  • Audit Findings1 Wort
  • Audit Why20 Wörter
  • Acceptance Checklist18 Wörter
  • Bob Trial Click1 Wort

Bewusst zusammengefasst — der eingereichte Code und die Texte bleiben privat, damit diese Seite nicht als Lösungsvorlage dient. Die vollständige Einreichung steht hinter dem verifizierten Zertifikat.

Verifiziertes ZertifikatFälschungssicher · ausgestellt von ProoV
Zertifiziert

Selbstgesteuertes Projekt

Predictive Maintenance: Industrial ML for Fault Detection

Condition-Monitoring Engineer · KI / ML · September 2026

84/ 100

Eine ProoV-Fallstudie · Lernprojekt, kein Arbeitsverhältnis

Built a compact rolling-bearing fault detector end to end: engineered time-domain features, used envelope-spectrum energy around supplied defect frequencies, trained a shallow decision tree on training bearings only, and evaluated it on a held-out set with catch-rate and false-alarm rate. The final memo defended a 0.60 alarm threshold with explicit cost reasoning and correctly localized the fault to the outer race from the dominant BPFO signature.

Bewertet nach

  • Feature engineering (signal to honest numbers)25%
  • Held-out evaluation (honest measurement)25%
  • Cost-based threshold decision + memo25%
  • Compact model + embedded-budget justification15%
  • Plain-language explanation10%

Bestanden · Bestehensgrenze 60/100

Was herausstach6
  • Used a depth-capped decision tree and explicitly stated depth 1 and 3 nodes against the embedded budget
  • Correctly tied the dominant BPFO band to an outer-race fault in the memo
  • Reported held-out catch-rate and false-alarm rate rather than evaluating on training data
  • Leakage-Free Feature Engineering
  • Honest Held-Out Evaluation
  • Cost-Based Operational Decision-Making
Meine eingereichte Arbeit18 Aufgaben

10 Aufgaben · 6.0k Zeichen · Python · 8 Textantworten · 441 Wörter

  • Initial Prediction62 Zeichen
  • Load Plot Signal CodePython · 1.8k Zeichen
  • Load Plot Signal205 Zeichen
  • Example Rms WorkedPython · 698 Zeichen
  • Time Features143 Zeichen
  • Freq FeaturesPython · 1.1k Zeichen
  • Train Classifier363 Zeichen
  • Evaluation Heldout288 Zeichen
  • Threshold Decision332 Zeichen
  • Decision Memo1.1k Zeichen
  • Initial Prediction9 Wörter
  • Load Plot Signal Code163 Wörter
  • Load Plot Signal15 Wörter
  • Example Rms Worked72 Wörter
  • Time Features10 Wörter
  • Freq Features117 Wörter
  • Train Classifier31 Wörter
  • Evaluation Heldout24 Wörter

Bewusst zusammengefasst — der eingereichte Code und die Texte bleiben privat, damit diese Seite nicht als Lösungsvorlage dient. Die vollständige Einreichung steht hinter dem verifizierten Zertifikat.

Verifiziertes ZertifikatFälschungssicher · ausgestellt von ProoV
2Abgeschlossene Projekte
2Verifizierte Zertifikate
90Durchschnittsnote
Erstelle dein Portfolio mit ProoV
Jongseok — Portfolio | ProoV