기본정보

회 사 명	인이지		사업자번호	618-87-01228
대 표 자	최재식		홈페이지	www.ineeji.com
기업구분	중소기업
사업장주소(본사)	소재지	서울 부산 대구 인천 전남광주 대전 울산 세종 경기 강원 충북 충남 전북 경북 경남 제주	우편번호	13558
	상세주소	경기 성남시 분당구 성남대로331번길 8 (정자동)
사업분야	설명가능 AI 기반 공정최적화 및 클라우드 AI 솔루션
주 제 품	○ INEEJI Infinite Optimal Series 세계 최고 수준의 다변수 시계열 데이터를 예측하는 인공지능 기술을 통한 공정 품질 및 생산량 최적화 가이드(추천 및 제어) AI 시스템 ○ Time-Series LLM Agent LLM기반 시계열 유사사례 검색·분석 서비스로, 산업 공정 데이터의 비정형 이상사례를 자연어로 검색·진단할 수 있는 차세대 AI Agent 서비스
회사보유 기술현황 및 업적	인이지가 걸어온 길 ㆍ2026.01 2026 Emerging AI+X Top 100 선정 (4년 연속) ㆍ2025.07 스케일업 팁스(Scale-up TIPS) R&D 글로벌형 기업 선정 ㆍ2025.05 한국산업기술기획평가원 AI 자율제조 전문기업(AI 팩토리 전문기업) 선정 ㆍ2025.03 과학기술정보통신부 지정 국가전략기술 보유·관리기업 선정 (AI부문 1호) ㆍ2024.12 AI 자율제조 부문 산업통상자원부 장관 표창 ㆍ2024.05 2024 초격차 스타트업 1000+ 프로젝트 선정 (AI·빅데이터 부문) ㆍ2024.01 Series A 111억 투자 유치 (누적 166억 원) ㆍ2023.11 2023 산업디지털전환 부문 산업통상자원부 장관 표창 ㆍ2019. 01 – (주)인이지 설립

회사소개자료	ICT인턴십_기업소개자료.pdf

회사로고	인이지 기본 로고.png

기본정보

참여이력	기참여		ICT기술분류	설명가능한 AI
사업장주소(본사)	경기 성남시 분당구 성남대로331번길 8 (정자동)			소재지	서울 부산 대구 인천 전남광주 대전 울산 세종 경기 강원 충북 충남 전북 경북 경남 제주
근무지 주소(실습생)	경기 성남시 분당구 성남대로331번길 8 (정자동)			소재지	서울 부산 대구 인천 전남광주 대전 울산 세종 경기 강원 충북 충남 전북 경북 경남 제주
회사소개	설명가능 AI 기반 공정최적화 및 클라우드 AI 솔루션
주요 제품 및 서비스	○ INEEJI Infinite Optimal Series 세계 최고 수준의 다변수 시계열 데이터를 예측하는 인공지능 기술을 통한 공정 품질 및 생산량 최적화 가이드(추천 및 제어) AI 시스템 ○ Time-Series LLM Agent LLM기반 시계열 유사사례 검색·분석 서비스로, 산업 공정 데이터의 비정형 이상사례를 자연어로 검색·진단할 수 있는 차세대 AI Agent 서비스
회사보유 기술현황 및 업적	인이지가 걸어온 길 ㆍ2026.01 2026 Emerging AI+X Top 100 선정 (4년 연속) ㆍ2025.07 스케일업 팁스(Scale-up TIPS) R&D 글로벌형 기업 선정 ㆍ2025.05 한국산업기술기획평가원 AI 자율제조 전문기업(AI 팩토리 전문기업) 선정 ㆍ2025.03 과학기술정보통신부 지정 국가전략기술 보유·관리기업 선정 (AI부문 1호) ㆍ2024.12 AI 자율제조 부문 산업통상자원부 장관 표창 ㆍ2024.05 2024 초격차 스타트업 1000+ 프로젝트 선정 (AI·빅데이터 부문) ㆍ2024.01 Series A 111억 투자 유치 (누적 166억 원) ㆍ2023.11 2023 산업디지털전환 부문 산업통상자원부 장관 표창 ㆍ2019. 01 – (주)인이지 설립
인력현황	경영·행정	연구개발	홍보·마케팅	생산·기타	합계
	10 명	35 명	13 명	7 명	65 명

참여배경

참여배경

참여배경	당사는 국내를 넘어 글로벌 시장으로의 확장을 본격화하고 있습니다. 사업 확장 국면에서 가장 절실한 자원은 AI 알고리즘 역량과 산업 도메인 이해를 동시에 갖춘 ICT 실무인재입니다. 당사는 ICT 학점연계 프로젝트 인턴십 사업 참여를 통해 다음의 세 가지 목표를 달성하고자 합니다. 1. 실무형 AI 인재 조기 양성: 대학 재학 단계에서부터 실제 산업 현장의 시계열 데이터를 다루어 본 인재를 발굴·육성함으로써 기업과 학생 양쪽의 미스매치를 해소 2. 차세대 산업 AI 생태계 기여: 국가전략기술 1호 기업으로서 산업 AI 분야의 후속 인력 풀(Pool) 형성에 기여 3. 글로벌 확장 대응 인력 확보: 일본·유럽 등 해외 사업 확장에 대응할 수 있는 멀티 도메인 AI 엔지니어 채용 연계

실습조건

실습조건

실습요일	주 5일제	월 화 수 목 금
실습시간	전일제	09:00 ~ 18:00
실습조건	휴가	• 월 1회 휴가 부여 (필수)
	복리후생	식사(점심) 교통 기숙사
	기타 지원사항	• 8-10 to 5-7 • 선택근로제 운영, • 제휴카페를 통한 아침식사 또는 음료 지원 • 직무 발명 보상 제도 운영 등

실습환경 사진

프로젝트 내용

프로젝트 개요

프로젝트명	설명가능 기반 산업 공정 자율제어 시스템 개발
목표	- 본 프로젝트는 철강 정유 화학 이차전지 등 공정에서 발생하는 다변수 시계열 데이터를 활용하여 1) 공정 상태 예측 예측, 2) 결과에 대한 설명가능한 근거 제시, 3) 자율제어 가이던스 도출까지 전 주기를 수행하는 차세대 산업 Ai 시스템을 개발하는 데 목표를 둡니다. - 특히 기존의 블랙박스형 Ai 모델이 가진 신뢰성 한계를 극복하기 위해 당사가 보유한 설명가능 원천기술을 결합하여 현장 엔지니어가 Ai의 판단 근거를 즉시 이해하고 협업할 수 있는 신뢰 기반 자율제어 모델을 구현합니다. 실습생은 본 프로젝트를 통해 단순한 모델 학습을 넘어 산업 현장의 실데이터를 분석하고, 도메인 전문가와 협업하며 실제 운영 단계의 Ai 시스템을 설계하는 전 과정을 경험하게 됩니다.
주요내용	- 공정 분석 및 도메인 학습: 철강 가열로 정유 반응기 시멘트 소성로 등 적용 대상 공정의 운영 메커니즘을 현업 전문가 인터뷰 및 도메인 자료 학습을 통해 이해하고 핵심 제어 변수, 외란 변수를 정의합니다. - 시계열 데이터 분석 및 전처리: 실제 산업 현장의 시계열 데이터 센서 데이터 PLC/DCS로그 등) 에 대해 분포 분석 결측 이상치 처리 인과성 검정 등을 수행하고 모델링에 필요한 파생 변수를 도출합니다. - 딥러닝 기반 예측 모델 개발: 다변수 시계열 예측 모델을 설계 학습하고 성능을 검증합니다 - 설명가능 기반 인과 분석 및 모델 고도화: 설명 가능 인공지능 기술을 적용하여 예측에 영향을 미친 핵심 변수를 시각화하고 현업 전문가의 도메인 지식과의 정합성을 검증하여 모델을 고도화합니다. - 자율제어 가이던스 및 웹 서비스 개발: 예측 설명 결과를 바탕으로 최적 제어 변수 추천 알고리즘을 개발하고 현장 운영자가 직관적으로 활용할 수 있도록 웹 기반 자율운전 대시보드를 구현합니다.
주요결과물	- 다변수 시계열 기반 공정 예측 모델 - XAI 기반 예측 설명 모듈 - 자율제어 가이던스 알고리즘 및 웹 서비스 - 프로젝트 기술 보고서 및 결과 발표 자료

실습생 직무

실습생 직무

직무구분
기술스택
직무내용	- 산업 공정 도메인 분석 및 현업 인터뷰 보조 - 시계열 데이터 수집 전처리 및 시각화 (Python 등) - DBMS 연동 및 데이터 파이프라인 구축 - 딥러닝 기반 시계열 예측 모델 개발 (TensorFlow, PyTorch) - 설명가능 AI(XAI) 기법 적용 및 인과 분석 - 웹 서비스 frontend 개발 (Vue.js, React 등 ) - 웹 서비스 backend 개발 (Django, FastAPI, nginx 등) - LLM 기반 시계열 분석 보조
요구(우대) 역량	- Python 기반 데이터 처리 및 분석 역량 - 딥러닝 기본 이론 및 TensorFlow/PyTorch 활용 경험 - 시계열 데이터 또는 시계열 분석에 대한 기초 이해 - 기초적인 웹 개발 경험 (JavaScript, Vue, React 등) - Linux/Git 등 협업 개발 환경에 대한 이해 - XAI, LLM, 인과추론, 강화학습 등 최신 기법에 대한 관심

실습생 지도계획

지도계획

지도계획	◦ 당사는 실습생이 단순 보조 인력이 아닌 실제 수행 중인 프로젝트의 참여자로서 업무를 경험할 수 있도록 운영합니다. 별도의 인턴 전용 교육 프로그램을 신설하기보다는 당사가 일상적으로 운영하는 연구개발 체계 내에 실습생을 자연스럽게 편입시켜 현장형 학습이 이루어지도록 합니다. ◦ 지도 체계 - 매주 주간 회의를 통한 프로젝트 수행 단계별 방향 제시 및 수행 결과 논의 - 각 단계별 요구 지식 소개 및 멘토링으로 자발적 학습 유도 - 진행 단계별 수행 방법론 제시 및 수행 결과 논의 및 평가

실습생 평가계획

실습생 평가계획

평가기준	태도평가 (40%), 능력평가 (60%)
평가방법	팀원들에 의한 다면평가

추진일정

추진일정

실습기간	내용
1개월차	1주차: 온보딩/ 회사 소개/ 도메인 학습 (철강 정유 화학 시멘트 공정 개요) 2주차: 현업 인터뷰 참관 핵심 변수 외란 변수 정의 도메인 학습 3주차: 시계열 데이터 수집 4주차: 데이터 전처리 기초 통계 분석
2개월차	5주차: 시계열 분석 인과성 분석 파생 변수 발굴 6주차: 딥러닝 프레임워크 학습 모델 차 설계 7주차: 예측 모델 학습 페어 프로그래밍 8주차: 중간 평가 모델 리뷰 세션
3개월차	9주차: 모델 성능 검증/ 결과 분석 10주차: SHAP, Integrated Gradients 학습 11주차: XA기반 변수 영향도 분석 논문 스터디 12주차: 현업 도메인 지식 검증 협업 모델 고도화
4개월차	13주차: Backend 개발(Django/FastAPI) 14주차: Frontend 개발 (Vue.js) 14주차: 고객사 서버 시스템 연동 통합 테스트 배포 환경 실습 16주차: 최종 발표 결과물 제출 종합 평가 채용 연계 면담

기대효과

기대효과

기대효과	◦ 우수 ict 인재 풀과의 조기 접점 확보 ◦ 실습생의 신선한 시각을 통한 연구개발 다양성 보강 ◦ 학계와의 협력 네트워크 강화 ◦ 국가전략기술 분야 후속 인력 풀 (Pool) 형성에 기여 ◦ 산업계 요구사항을 실제로 경험한 도메인 이해 기반의 AI 개발자 양성에 기여

향후 실습생 채용 계획

채용계획

채용계획	◦ 인턴십을 장기 채용 파이프라인의 일부로 운영하며 실습생 본인의 진로 의사와 채용 절차 진행이 합치할 경우 채용을 검토합니다. ◦ 인턴십 16주차에 채용 연계 면담을 정식 일정으로 진행하여 실습생의 진로 희망과 회사의 채용 가능성을 상호 확인합니다. ◦ 채용이 확정될 경우 신입 연구원 표준 처우 연봉 복지 를 동등하게 적용하며 글로벌 사업 일본 지사 협업 등 참여 기회를 제공합니다.