DEVIEW 2018

Excellence Sharing Growth

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

Thank you!

참가 신청이 모두 마감되었습니다.

참석하지 못하신 분들을 위해
발표자료와 영상이 공개될 예정입니다.

SESSIONS

강연 분야

테크 스타트업
AI
인프라

강연 제목

AI 칩 개발에 사용되는 엔지니어링

강연 내용

AI 칩 개발은 반도체 개발인 HW engineering 영역이라고 분류합니다. 하지만 실제 개발과정의 대부분은 Doman Specific Language를 통한 SW engineering 과정이라고 볼 수 있습니다. 본 발표에서는 AI 칩에 대한 소개와 더불어 엔지니어링적인 challenge를 논의합니다.

Introduction to AI chips
Challenges of AI chips vs traditional chips
Scale of computation
Scale of storage
Scale of model diversities
Scale of services
Semiconductor Chip design: Ultimate precision engineering
Engineering flows
Scala-based Chisel Languages
Rust-based verification environment
Performance modeling
Verification, Verification, Verification
Our vision: AI building AI chips

강연자

백준호

강연 분야

머신러닝
기타

강연 제목

로봇이 현실 세계에 대해 학습하도록 만들기

강연 내용

AlphaGo, Dota 2, DeepStack - AI beats humans as long as the world is neat and digital. But how close are we when it comes to football and grocery shopping? In this talk we address the challenges in bridging such a gap, describing research and promising future directions currently pursued at Naver Labs to take robots from computer screens and bring them into real environments. In computer games, the goal is usually well defined and can be simulated in ‘hyper-speed self-play’ to get experience that would take hundreds of years to obtain in real environments. To successfully transfer algorithms from simulators to real life robots need to be able to successfully carry out tasks in every day contexts. Since evaluating the outcome of the performance of these tasks is manually intensive and that complex environments are hard to simulate realistically, we are currently pursuing approaches where robots learn to accomplish tasks autonomously. The important part of this approach is to make the robot curious about its environment to allow it to learn in a self-supervised manner and to utilize as much as possible its experience. We describe our ForwardGAN-approach to build these models and demonstrate robot behaviour on task of active localization that allows it to quickly localize itself on a map.

강연자

Tomi Silander

강연 분야

빅데이터
머신러닝
AI

강연 제목

파파고 서비스 2년의 경험

강연 내용

2016년 8월 서비스를 시작한 자동 통역앱 파파고가 2년 동안 어떤 과정을 통해 성장했는지 이야기하고자 합니다. 사용자들로부터의 피드백을 통해 빠르게 기능을 추가하고 수정한 개발 내용을 공유합니다. 통역앱에서 어떤 고민들과 문제점들이 있었는지, 기술과 UX를 통해서 어떻게 문제를 해결했는지 공유하는 시간을 가지고자 합니다.

이 세션에서는 딥러닝 모델을 실제 서비스하는 방법에 대해 실제 경험을 바탕으로 노하우와 팁을 공유합니다. 업데이트된 모델을 안정적으로 배포하는 방법과 롤백, 인퍼런스 오류를 어떻게 대처할지, CPU로 서빙할지 GPU로 서빙할지, 늘어나는 트래픽을 어떻게 대처할지, 서빙을 위한 플랫폼 설계 노하우와 성능 향상을 위한 모듈화, 구현하면서 맞닥뜨렸던 문제들과 고군분투하여 찾은 노하우들 그리고 몇 주간의 삽질로 찾은 안되는 설계와 엔지니어링 측면에서 범하기 쉬운 설계 오류와 실제 성능 테스트 결과 등을 알려드립니다.

1. 문제

모델은 있는데 서버가 없네
다른 사람들은 어떻게 제공하고 있나

2. 해결을 위한 설계 - 학습과 서빙을 위한 시스템 설계 사례

인퍼런스 요청 모듈화하기
어떤 플랫폼을 사용해서 서빙할까 - 인퍼런스 서빙 시스템 아키텍처
인퍼런스 시스템의 라이프사이클

3. AiSP(AI Serving Platform)를 만들어 해결해보기

인퍼런스 서버 만들기
인퍼런스 프로트엔드 만들기
딥러닝 모델 배포 플로우
인퍼런스 트래픽을 컨테이너로 스케일아웃 하기
모델 관리하기와 데이터 관리하기
인퍼런스 예외 처리

4. 만들어진 딥러닝 서빙 플랫폼은 이런 모습

노트북/특정 장비에서 띄우기
네이버의 IQE, C3 플랫폼을 사용해 띄우기

5. 딥러닝 인퍼런스 성능 측정 및 모니터링

성능에 나타난 인퍼런스 요청의 특징
실제로 모니터링하는 지표들 살펴보기

강연자

현동석 양은숙

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.

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

강연 분야

머신러닝
AI

강연 제목

컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

강연 내용

실내 공간을 지도로 디지털화하는 과정은 많은 시간과 비용이 필요합니다. 그동안 자동화 시스템의 미비로 인해 최신 POI 정보를 데이터베이스로 반영하는 업데이트 주기는 불규칙하고 종종 지연되었습니다. 본 발표에서는 동일 장소이지만 다른 시간대에서 촬영된 이미지 데이터 세트를 분석하여 POI 변화을 감지하는 효율적인 방법을 제안합니다. 제안 된 시스템은 딥러닝 이미지 검색, 영상 분할, 객체 검출 및 이미지 매칭과 관련된 다양한 컴퓨터 비전 기술을 통합하고 있습니다. 실내 환경에서 간판은 시간 경과에 따른 POI 변화 감지에 대한 강력한 단서를 제공합니다. 따라서 제안하는 시스템은 두 가지 보완적인 접근 방법을 조합하여 사용합니다. 1) 객체 감지를 기반으로 간판의 변화를 관찰하고, 2) 다른 하나는 전체 이미지를 분석합니다. 본 발표에서는 다양한 정성적 정량적 실험 결과들을 공유하고, 실제 상황에서 동작이 가능한 POI 변화 탐지 시나리오를 시연하고자 합니다.

강연자

정성균 Jérome Revaud

전체 Schedule 보러가기

PARTNERS

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

DEVIEW 2018

Excellence Sharing Growth

참가 신청이 모두 마감되었습니다.

SESSIONS

강연 목록

목차

목차

목차

1. 문제

2. 해결을 위한 설계 - 학습과 서빙을 위한 시스템 설계 사례

3. AiSP(AI Serving Platform)를 만들어 해결해보기

4. 만들어진 딥러닝 서빙 플랫폼은 이런 모습

5. 딥러닝 인퍼런스 성능 측정 및 모니터링

목차

1. 온라인 광고 시스템의 주요 문제들

2. 모델 구조

3. 서빙 구조

PARTNERS

LOCATION

DEVIEW 2018에 관하여 더 궁금한 점이 있다면?