Excellence Sharing Growth

2018. 10. 11-12 COEX Grand Ballroom, Seoul

Scroll icon
See you next year!

DEVIEW 2018 행사가 종료되었습니다.

발표 영상과 자료를 지금 확인해보세요.

WATCH VIDEOS
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진

SESSIONS

강연 목록

강연자 사진
강연 분야
  • 빅데이터
  • 머신러닝
  • AI
강연 제목
NAVER 광고 deep click prediction: 모델링부터 서빙까지
강연 내용
이 세션에서는 온라인 광고 시스템의 전통적인 클릭 예측(click prediction) 문제를 설명하고, 고성능의 예측 및 대용량의 온라인 예측 문제를 해결하기 위해 네이버 광고에서 시도한 모델링 및 엔지니어링 접근 방식을 설명합니다.
목차
1. 온라인 광고 시스템의 주요 문제들 
  • 클릭 예측 문제 
  • 온라인 서빙과 차원의 저주 
2. 모델 구조 
  • 후보군 생성을 위한 추천 시스템 
  • 임베딩 모델 성능과 서빙 성능 간의 tradeoff 제어 
  • Preference와 similarity를 함께 학습하기 
3. 서빙 구조 
  • Approximate Nearest Neighbor search와 cold start 문제 
  • 솔루션 비교: Clipper vs. TensorflowServing 
  • I/O size 변화에 따른 성능 변화 
  • CPU 기반 vs GPU 기반 prediction 비교 
강연자
김윤중 임지훈
강연자 사진
강연 분야
  • 머신러닝
  • AI
강연 제목
인공지능이 인공지능 챗봇을 만든다
강연 내용
"언제까지 직접 눈으로 클러스터링할래? 언제까지 밤새 감으로 파라미터 튜닝할래?" AutoML과 자연어처리 중 특히 Chatbot과의 결합으로 데이터만 있으면 스스로 인간의 언어를 학습하고, 보다 정확한 대화모델을 만들어내는 가능성이 현실이 되는 과정을 소개하고자 합니다. 사용자로부터 입력된 여러 쌍의 QA 데이터를 클러스터링부터 여러 모델에 사용될 파라미터 최적화, 개별 모델 성능 평가 그리고 여러 모델 간의 앙상블 가중치 자동설정 후 처음 주어진 데이터로 최적의 챗봇 모델 최종 제안 및 서비스까지 one-click으로 이루어지는 AutoML을 공유하고, 더 넓게는 챗봇이 아닌 다른 NLP분야에서도 적용 가능한 AutoML의 가치를 나누고자 합니다.
목차
  • 스스로 언어를 배우는 인공지능 만들기 : AutoML과 NLP/Chatbot 개념 소개
  • 우리 챗봇의 말하기 실력은 몇 점? : Chatbot 자동 평가 프로세스
  • 말뭉치 줄게, 챗봇 다오 : Chatbot 자동학습 프레임워크
  • 실제 클러스터링 결과, 모델 성능 및 상용 서비스 현황 공유
대상
주어진 문장을 보다 적절한 벡터공간에 표현하고자 하는 노력, 인공지능 모델에게 사람의 언어를 더 잘 가르쳐주고자 하는 노력, 그리하여 사람처럼 자연스럽고 정확하게 대답할 수 있는 챗봇을 만들고자 노력 중인 개발자분들에게 도움이 될 수 있길 기대합니다.
강연자
이재원
강연 분야
강연 제목
KEYNOTE
강연 내용
강연자
강연자 사진
강연 분야
  • 모바일
  • 머신러닝
  • AI
강연 제목
모바일 키보드, 스마트보드에 AI 적용하기
강연 내용
모바일에 머신러닝을 적용한다는 것은, 모델을 그냥 가져오는 작업이 아닌 전/후처리, 컨버팅, 최적화 등 일련의 모델링만큼 큰 프로세스이며, 이 과정을 소개하고자 합니다. 최근 화두로 떠오르는 AI를 실제 모바일 앱에 넣는다는 것은 어떤 경험일까요? 연구를 통해 나온 모델을 실제 프로덕트에 넣는 것은 생각보다 어려운 과정이고 잘 찾아볼 수 없는 사례이기도 합니다. 본 세션에서는 스마트보드팀에서 산학과제 (SNUT)를 통해 연구한 알고리듬과 사내 오타보정 챌린지를 통한 모델을 융합하여 서비스에 넣는 과정에서 나온 다양한 경험과 고충을 공유하고자 합니다.
목차
  • 가상키보드 오타보정, AI로 가능할까?
  • 모바일에서의 AI, 어디까지 가능한가
  • 모바일에서 모델을 컨버팅하여 사용해보자
  • 전/후 처리를 통한 프로덕션화 준비
  • AI를 사용했더니?
대상
  • 실제 모바일 서비스에 ML을 적용하고자 하는 개발자
강연자
이승윤
강연자 사진
강연 분야
  • 모바일
  • 테크 스타트업
  • 머신러닝
  • AI
강연 제목
모바일 환경에서 실시간 Portrait Segmentation 구현하기
강연 내용
최근 딥러닝의 발전으로 전에 없던 다양한 서비스들이 개발되고 있습니다. 그러나 아직 대부분의 딥러닝 기반 서비스는 기술적 한계로 인해 서버 상에 배포되는 경우가 많고, 이런 서버 배포 모델은 통신에 드는 비용으로 인해 실시간 서비스에 적용하기 어려운 문제가 있습니다. 본 세션에서는 하이퍼커넥트에서 서비스 중인 아자르에 모바일 상에서 구동 가능한 실시간 portrait segmentation 기능을 개발하여 적용하기까지 사용했던 기술과 경험을 공유하려 합니다. Portrait segmentation은 사진 혹은 영상 속에서 전경과 배경을 구분해내는 기술로, 세션에서 소개할 방법들을 통해 Galaxy J7과 같은 저가형 휴대폰에서도 single-core로 30 프레임 영상의 전경과 배경을 분리하는 애플리케이션을 만들 수 있었습니다. 세션 내용은 모델의 크기와 추론 시간을 줄일 수 있는 일반적 기술에 대한 소개와 실제로 TFLite를 사용한 모바일 애플리케이션을 만들며 겪은 시행착오 위주로 구성됩니다. 보다 자세한 내용이 궁금하신 분들은 하이퍼커넥트 기술 블로그(https://hyperconnect.github.io)를 참고 부탁드립니다.
목차
1. 모바일 딥러닝
  • 모바일 딥러닝의 현재
  • 데모 프로젝트를 상용 서비스로 만들때의 유의점
      • 2. Portrait Segmentation 101
      • Portrait Segmentation을 어디에 쓸 수 있을까?
          • 3. 추론(inference) 시간을 줄이려면?
          • Quantization
          • Factorization
          • Distillation
          • Model design principles
              • 4. Single-core로 30프레임 성능을 내기까지
              • TFLite 최적화 구현 활용하기
              • TFLite 구현시 마주하는 함정들과 해결법
              • SIMD로 bilinear upsampling 구현하기
강연자
서석준
강연자 사진
강연 분야
  • 빅데이터
강연 제목
스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
강연 내용
아파치 드루이드는 고성능 분석을 위한 데이터 저장소로 스트림 데이터를 적재함과 동시에 분석이 가능합니다. 하지만 보다 최적의 분석 성능을 얻기 위해서는 데이터 파티션을 최적화 하는 것이 중요합니다. 본 세션에서는 분산 시스템에서 실시간으로 유입되는 스트림 데이터를 위해 데이터 파티션을 최적화 하는 방법에 대해 이야기하고, 이를 드루이드 시스템에 적용하여 개발하였던 경험을 공유하고자 합니다. 먼저 데이터 파티션 최적화의 중요성과 스트림 데이터 저장 시 파티션 최적화의 어려움을 실제 사례에 기반하여 소개하고, 이를 해결하기 위한 드루이드의 새로운 Locking 기법 및 자동 컴팩션에 대해 소개합니다.
목차
1. 아파치 드루이드 소개 2. 데이터 파티션 최적화의 필요성 3. 스트림 데이터 저장 시 데이터 파티션 최적화의 어려움 4. 더 세밀한 Locking 시스템 5. 자동 컴팩션 6. 향후 개발 방향
강연자
손지훈
전체 Schedule 보러가기

PARTNERS

  • baidu
  • carnegie mellon university
  • logo_coupang
  • google
  • hyper connect
  • imply
  • labs
  • labs europe
  • line
  • lunit
  • naver
  • naver business platform
  • nvidia
  • samsunginternet
  • superb ai
  • theori
  • udacity
  • urbanbase

LOCATION

장소
코엑스 그랜드볼룸 (Coex Grand Ballroom)
주소
서울 강남구 영동대로 513 코엑스, (지번) 삼성동 159 코엑스
연락처
02-6000-0114

그랜드볼룸은 봉은사 맞은편 코엑스 1층 북문 쪽에 위치해 있습니다.
지하철 이용 시 9호선 봉은사역 7번 출구를 이용하시거나 삼성역 6번 출구를 이용하시면 됩니다.

교통정보 더보기 >

DEVIEW 2018에 관하여 더 궁금한 점이 있다면?

FAQ 보러가기