바로가기 메뉴
메인 메뉴로 바로가기
본문으로 바로가기

트랙별 보기

전체 시간표 보기
  1. 세션 110:00 ~ 10:45

    임시이미지

    Deep Learning - Machine Learning with Deep Neural Network 북마크

    Deep Learning은 최근 Machine Learning 분야에서 크게 주목 받고 있는 분야입니다.
    Deep Neural Network(DNN)는 복잡한 함수에 대해서도 좋은 모델링 성능을 보인다고 알려져 있었지만, 학습하기가 쉽지 않고 학습 속도도 느려 적용하기 어려웠습니다.
    그러나, 최근 수 년 사이에 제시된 여러 해결책들과 Big Data들로 인해 DNN을 활용할 수 있는 가능성이 열리기 시작했습니다.
    DNN은 음성인식, Image 분류 등 Pattern Recognition 분야에서 높은 성능을 보이며 크게 주목 받고 있습니다.
    본 세션에서는 최근 활발히 이루어지고 있는 Deep Learning의 연구 동향 및 그 성과에 대하여 소개합니다.

    김정희NAVER LABS

  2. 세션 211:00 ~ 11:45

    임시이미지

    오픈소스를 활용한 분산 환경 구현기술 북마크

    대용량 트래픽을 처리 할 수 있도록 분산서버 환경을 구성하는 일은 생각보다 많은 것들을 고려해야 합니다. node.js, vert.x, redis, zookeeper 등 다양한 오픈소스를 조합하여 어떻게 분산 환경을 구성하는지 알아보고, 꼭 필요한 reverse proxy 와 consistent hashing 의 개념과 구현 방법을 실제 코드와 함께 공유 하고자 합니다. 무엇 보다도, 그동안 오픈소스 소프트웨어로 분산 아키텍처를 설계/구현해오면서 고민했던 부분과 그 해결방법도 공유하여, 여러분들이 직접 보다 쉽게 분산환경을 구현할 수 있도록 할 것입니다.

    김요한LG CNS

  3. 세션 313:00 ~ 13:45

    임시이미지

    NAVER Data Center “GAK(閣)” - 친환경 기술과 자동제어 및 모니터링 Tools 북마크

    일상에서 궁금한 것이 생기면 누구나 거리로 나서기 보다 검색 포탈을 이용합니다. 불과 십여 년 만에 강산이 변하듯이 사람의 행동 패턴이 바뀐 것입니다. 그렇다면 지난 십여 년간 무슨 일이 있었던 것일까? 그 변화의 중심에는 다양한 인터넷 서비스의 등장과 통신 기술의 급속한 발전이 있었습니다. 누구나 정보를 쉽게 기록하고 공유할수 있게 됐고, 덕분에 수없이 많은 정보가 인터넷에 데이터로 쌓이게 되었습니다. 거기다 공유를 통해 또 다른 데이터가 만들어지는 데이터의 특성 때문에, 데이터의 규모는 기하 급수적으로 늘어나고 있습니다.

    언제든 우리가 원하면 접근할 수 있는 수많은 데이터는 어디에 있을까? 바로 데이터센터에 있습니다. 이곳은 데이터를 저장하는 서버 수천 수만 대로 가득하며 우리의 '언제나'를 위해 단 1초도 전원을 내리지 않습니다. 데이터는 온종일 내뿜는 열기와 이를 식히는 기기가 내는 소리로 가득한 데이터 센터에 따끈하게 담겨 있습니다.

    그런데 이런 데이터센터 때문에 언제부턴가 IT 기업은 '굴뚝 없는 친환경 사업'이란 찬사 대신 '전기 먹는 하마'를 키운다는 비판을 받고 있습니다. 데이터 규모의 급격한 증가가 이를 담을 데이터센터의 확장과 함께 전력 사용량의 증가도 가져왔기 때문입니다. 데이터가 성장을 멈추지 않는 한 확장과 전력 사용량은 점점 더 커질 것입니다. 그래서 네이버는 다음 세대를 위해 에너지 소비와 이산화탄소 배출을 줄인 데이터센터를 고민하기 시작했습니다.

    이 세션에서는 개발자로서는 생소할수 있는 데이터센터의 Infra Engineering, Automatic Control 과 같은 기술들의 소개로 이루어져 있으며 어떻게 수많은 기계/전기 설비들을 자동화 했는지에 대해 이야기하고자 합니다.

    최우신NAVER Business Platform

  4. 세션 414:00 ~ 14:45

    임시이미지

    하둡 및 하둡 에코 시스템을 이용한 데이터 플랫폼 아키텍처 적용 사례 북마크

    최근 빅데이터라는 용어도 웹 2.0과 같이 마키텡 용어로 전락하고 있는 현실에서 빅데이터라는 용어를 출현시키는데 결정적인 역할을 한 하둡과 이를 중심으로 하는 에코 시스템을 기반으로 하는 아키텍처의 실제 활용 사례를 살펴 봄으로써 현재의 국내 빅데이터 추진 프로젝트들의 문제점과 방향성을 제시한다.
    본 세션에서는 그루터의 하둡 사용 경험을 기반으로 한 하둡 기반 바이오 인포매틱스를 위한 데이터베이스, 보안 로그 데이터 처리 아키텍처, e-Commerce 서비스의 실시간 분석 플랫폼, 온라인 컨텐츠 서비스의 데이터 분석 및 서비스 제공을 위한 아키텍처 등에 대해 살펴보고 이들 서비스의 기술적 요구사항과 이를 실현하기 위해 어떤 오픈 소스 솔루션을 조합하였는지 살펴본다.

    김형준그루터

  5. 세션 515:00 ~ 15:45

    임시이미지

    MySQL과 MariaDB를 위한 새로운 암호화 방법, Engine Level Encryption 북마크

    본 세션은 가장 널리 사용되는 오픈소스 DB인 MySQL과 MariaDB에 대한 암호화 기술을 소개합니다. MySQL과 MariaDB에서 암호화는 개발자라도 적용하기 쉽지 않습니다. 게다가 단순한 암호화 함수를 적용하는 것은 개발자에게 가이드 할 수 있지만, 안전한 암호화 적용한다는 것은 고급 개발자에게도 까다로운 작업입니다. 추가 개발을 하지 않고도 안전한 암호화를 적용할 수 있는 Engine Level Encryption 기술에 대하여 소개하고자 합니다. 개발방법, 고려사항, 노하우 등에 대한 이야기를 나누고, 실제 Engine Level Encryption 활용한 암호화 데모를 진행합니다.

    박광근Penta Security System Inc.

  6. 세션 616:15 ~ 17:00

    임시이미지

    Mobile Optimization 북마크

    모바일 사용자가 지속적으로 증가함에 따라 기업들은 모바일 네트워크를 통해서 더 많은 컨텐츠들이 서비스하고 있습니다. 현재 모바일 트래픽의 대부분은 HTTP 트래픽이 차지하며, 그 중 Video와 Image가 많은 부분을 차지하고 있습니다.
    본 세션에서는 모바일 네트워크 환경에서 사용자의 QoE를 증가시키기 위한 주요 Optimization 기술들을 소개합니다. 주로 Mobile 네트워크 상에서 TCP Optimization, FEO (Front-End Optimization), Image Optimization 기술들에 대해서 다루며, 마지막 부분에는 Mobile CDN에 대해서 소개할 예정입니다.

    안상준씨디네트웍스

  7. 세션 717:15 ~ 18:00

    임시이미지

    NSMT : 통계적 기계번역기 개발 북마크

    NSMT는 Naver Statistical Machine Translation의 약어로, 네이버에서 개발한 통계적 기계번역기의 이름입니다. 대용량의 병렬코퍼스로부터 자동으로 학습된 Translation Model과 Language Model을 이용하여 기계번역을 수행합니다.
    이 세션에서는 통계적 기계번역기의 개발 과정을 설명하고, 네이버에서 만든 기계번역기는 어떤 서비스에 적용이 되고 있는 지와 어떤 특징을 가지는가에 대해서 소개하려고 합니다.

    김준석NAVER LABS