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
  • 검색
  • 머신러닝
  • AI
강연 제목
Fashion Visual Search
강연 내용
네이버에서는 정확한 정보를 찾기 위해 이미지를 분석하는 다양한 방법을 연구해 왔습니다. 저희는 그 중에서도 패션 이미지 검색에 대해 이야기 해보려 합니다. 패션 검색은 도메인 특성상 기존의 유사이미지를 찾아주는 문제와 접근 방법이 조금 다릅니다. 사용자들은 '정확하게 똑같은 의류' 뿐만 아니라 '유사하지만 스타일이 다른 의류' 이미지 또한 찾고 싶어하기 때문이죠. 이번 세션에서는 패션 검색이 어려운 이유와 그 문제를 어떻게 풀어가고 있는지, 그리고 앞으로의 도전 과제는 무엇인지에 대해 저희가 고민하고 있는 것들을 공유하려고 합니다.
목차
Background
  • 이미지 검색과 이미지 분류
  • 패션 이미지 검색이란?
  • 네이버/라인 서비스 적용 사례
Fashion Visual Search System
  • 무엇이 패션 검색을 어렵게 만드나?
  • 패션 검색 시스템 레시피
성능 끌어올리기 전략: 악마는 디테일에 있다
  • 도메인을 고려하고 있는가?
  • 제한 검색, 득과 실
서비스 딜리버리: Pitfalls
  • 규모의 함정 - 당신이 만든 서비스는 별 볼 일 없다
  • 의도의 함정 - 그 사람은 패션 검색을 하지 않았다
  • 의존성의 함정 - MLaaS, Module & Component
Search-by-Attribute: Beyond Snap & Search
  • 잘 찾는 것이 잘 못 찾는 것이라는 이상한 이야기
  • Fake feature vector - Generative model의 새로운 발견
  • 사용자가 원하는 스타일 속성을 더하여 검색하기 (text -> image -> feature level manipulation)
강연자
최승권 Jon Almazan
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
강연자 사진
강연 분야
  • 웹
  • 모바일
강연 제목
WebAppFramework, XWhale 개발기
강연 내용
네이버의 주요 서비스는 웹으로 되어 있고 그것들을 보여주는 안드로이드의 WebAppFramework는 중요한 요소입니다. 어떻게하면 더 잘 보이고 더 잘 서비스 할 수 있을지 고민하던 차에 오픈소스인 Chromium과 Crosswalk를 가지고 WebAppFramework를 만들게 되었습니다. 이것을 만들면서 고민했던 것과 적용했던 서비스 사례를 중심으로 개발기를 공유하고자 합니다. 그리고 Crosswalk를 포크한 새 오픈소스 XWhale을 소개합니다.
목차
  • WebAppFramework란 무엇인가
  • 우리는 왜 WebAppFramework를 만들게 되었나?
  • Higgs에서 Crosswalk까지
  • 네이버 서비스 적용사례
  • 새 오픈 소스 XWhale 소개
대상
  • 안드로이드 웹엔진 개발 구현에 관심이 있으신 분
  • 새 WebAppFramework 도입에 관심이 있으신 분
강연자
조진철
강연자 사진
강연 분야
  • 웹
  • 모바일
강연 제목
지난 1년간의 웨일 브라우저와 그 미래 (부제: 제품 매니저가 들려주는 생생한 기술/제품 이야기)
강연 내용
기술 제품 매니저가 들려주는 제품과 그것을 만드는 과정에 대한 생생한 이야기. 지난 1년간 웨일 브라우저가 한 일들, 도전한 것들, 사용자들과 함께 한 것들을 정리하고 기술에 기반한 제품을 만드는 과정에서 생긴 수많은 시행착오를 통해 얻은 것을 공유하는 자리입니다. 또한 웨일 브라우저의 향후 로드맵을 공유합니다. 추가로, 복잡도가 있는 대규모 기술 제품을 만드는 팀은 어떻게 일하고 있는가를 이야기하고 개발팀이 일하는 방식에 대한 고민을 나누려 합니다.
목차
1년간의 웨일 브라우저
  • 웨일 브라우저 현황
  • 목표했던 것들
  • 이룬 것들, 이루지 못한 것들
목표를 향한 과정 (주로 시행착오)
  • 어떻게 모바일 제품을 만들것인가? 차별화와 그 함정
  • 목표를 향한 고민/삽질들
  • 제품을 만들면서 배운 것
      • 웨일팀은 어떻게 변화하면서 일해왔는가?
      • 팀이 일하는 원칙 (애자일이 뭔가요?)
        • 앞으로의 웨일 브라우저
        • 꼭 하고싶은 일들
        • 향후 로드맵 그리고...
        대상
        • 브라우저에 대해 관심이 있고, 웹 환경 개선에 관심이 있는 개발자/사용자
        • 기술을 다루고 있지만 그것이 제품으로 만들어지는 과정, Product management에 대해 관심있는 사람
강연자
김효
강연자 사진
강연 분야
  • 보안
  • 테크 스타트업
강연 제목
해커의 관점에서 바라보기
강연 내용
소프트웨어 및 하드웨어 개발자들이 알아야 할 취약점의 종류 및 다양한 보안 설계 문제점에 대해 이야기합니다. 특히, 국내외 많은 글로벌 고객사를 대상으로 보안 취약점 및 보안 설계 컨설팅을 진행한 경험에서 배운 해커의 관점을 공유합니다.
목차
해킹에 대한 오해와 진실
해커의 목표 및 목적
  • 해킹은 누가 하는가?
  • 기술 관점 해킹 vs. 소셜엔지니어링 관점 해킹
소프트웨어 세계에서의 해킹
  • 취약점, 공격 및 방어 기법 소개
  • 개발자를 위한 가이드
하드웨어 세계에서의 해킹
  • 취약점, 공격 및 방어 기법 소개
  • 개발자를 위한 가이드
궁극적인 목표: Secure by Design
  • Secure SDLC 도입을 통한 보안성 향상
  • 외부 전문인력 활용 (버그바운티, 보안설계, 모의해킹 등)
각자의 필드에서 해커가 되자!
  • 해커와 개발자는 한끗차이 // 개발자가 해커이고, 해커가 개발자인 것이 가장 이상적
  • 어떻게, 어디서 시작하나?
강연자
박세준
강연자 사진
강연 분야
  • 머신러닝
  • 인프라
  • 성능
강연 제목
TensorRT를 활용한 딥러닝 Inference 최적화
강연 내용
이 세션은 대용량의 서비스에 대응하기 위하여 딥러닝 Inference를 TensorRT를 활용하여 최적화하는 과정을 이야기하고자 합니다. 좋은 딥러닝 모델이라고 하더라도 대용량 서비스로 배포를 하는데 있어서 성능상 한계점을 갖고 있습니다. 이를 해소하기 위해 TensorRT를 활용하여 모델을 최적화하는 방법을 소개하고, 부딪히게 되는 문제와 해결하는 방법들을 공유하여 딥러닝 모델을 바탕으로 실제 서비스를 개발하시는 분들에게 도움이 되고자 합니다. 특히 CNN/RNN 모델에 대한 접근 방법과 TensorRT에서 포함되지 않은 레이어 및 8 bit calibration에 대한 경험을 공유하고 성능에 대한 부분도 다룰 것입니다.
목차
1. DL inference 서비스 개발 현황 및 이슈
  • DL inference의 도전과제 (throughput, response time, model complexity)
  • Large Scale inference 적용시 문제점
2. TensorRT 소개
  • Introduction / workflow / technical hurdles
3. Deep learning 모델 별 TensorRT 적용 방법
  • Object Detection
  • Seq2Seq
  • Performance estimation
4. 데모
강연자
한재근
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