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
  • 모바일
  • AR
  • 테크 스타트업
강연 제목
printf("Hello, AR"); //세상을 바꾸는 새로운 눈
강연 내용
가상과 현실의 동시 경험을 제공하는 AR 기술의 작동원리는 크게 규칙적인 디지털 표식/패턴을 인식하는 마커 방식과 이미지/오브젝트 형태 등을 인식하는 마커리스 방식으로 구분됩니다. 이러한 인식기술에 컨텐츠 (3D,영상,이미지 등)을 표시하기 위한 그래픽 렌더링 기술, 사용자의 입출력 정보와 디바이스의 센서 (가속,자이로,근접,밝기,모션) 정보 등을 최종적으로 카메라에 연출하는 영상 합성기술 등이 더해져서 AR이 작동하게 됩니다. 본 세션에서는 복잡한 AR 기술에 조금 더 쉽게 접근하기 위한 정보와 국내 최초로 AR서비스를 개발하면서 겪은 시행착오, 이를 통해 얻게 된 인사이트들을 공유드리고자 합니다.
목차
1. VR(Virtual reality)속 AR(Augment reality)
2. AR은 우리의 삶에 어떻게 녹아 있는가?
  • 시장규모 및 전망
  • 소비기반의 AR : 커머스, 네비게이션, 게임, 교육 등
  • 생산기반의 AR : 제조, 건축, 의료 등
3. AR 기술 구현의 한계
  • 개발 측면 : 3D 관련 지식, AR 개발도구 & 문서, 필수인력
  • 인프라 측면 : 디바이스, 네트워크
  • 서비스 측면 : BM 확장, 단순 마케팅 수단
4. AR 구현을 돕는 다양한 도구들
  • 비개발자 : wiarframe, Snapchat Lens Studio, Facebook AR Studio
  • 개발자 : 3D 변환 API, 다양한 AR SDK
5. AR 구현 시 겪게되는 경험 공유
  • 용어부터 어려운 기반 지식 : VIO, 6DoF, Light Estimation, SLAM, PBR, ToF
  • 기술응용에 필요한 학습비용(ARKit, ARCore 등)
  • 표준 파일 포맷 부재 : OS(iOS, Android)별 상이한 3D 파일 포맷
  • 서비스 품질 수준
  • User Experience : 단순함, 피로감, 2D와의 차별화
6. 가까운 미래에 만나게 될 AR 기술 및 서비스
  • Quick Look
  • Object Scan, Save, Detect
  • AR Cloud : Cloud Anchor, AR 명함, 건축가를 위한 AR
  • AR + Vision + Machine Learning
대상
  • AR 서비스에 대한 새로운 비지니스 모델을 고민하는 기획자/개발자/디자이너 누구나
  • AR 서비스 개발에 흥미를 갖는 개발자
강연자
방현우
강연자 사진
강연 분야
  • 빅데이터
강연 제목
C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
강연 내용
네이버의 다양한 대용량 데이터를 다루기 위해 수백명이 함께 사용하는 사내 공용의 하둡 클러스터인 C3가 운영되고 있습니다. 일반적으로 하둡은 MapReduce, Spark와 같은 데이터 처리를 위한 플랫폼으로 알려져 있습니다. 하지만, C3에서는 HBase, Kafka, Zeppelin 등의 다양한 앱을 실행하거나 사용자가 직접 작성한 Docker 이미지를 실행할 수 있는 환경을 제공합니다. 이로써 C3는 데이터 처리뿐 아니라 다양한 용도로 사용되고 있습니다. 예를 들어 Zeppelin을 이용해 데이터를 분석하거나, 처리된 데이터를 서빙하는 웹서버를 구동시킬 수도 있습니다. 사실상 데이터 처리부터 분석, 서빙까지의 모든 작업이 하둡 클러스터에서 가능합니다. 본 세션에서는 이를 위해 활용된 YARN, Apache Slider, Docker 대해 소개하며 어떻게 이를 적용하였는지 설명합니다. 또한, 그동안 발생했던 다양한 이슈들을 사례를 들어 설명하고 해결 방법을 공유합니다.
목차
1. C3 소개
  • 데이터 처리를 위한 하둡 클러스터로 시작
  • 다양한 앱, Docker 이미지 실행 환경 제공
2. 어떻게?
  • Hadoop YARN, Apache Slider, Docker
3. 고려사항 / 이슈
  • Containerization
  • Resource Isolation
  • Reliability
  • Scheduling
  • Upgrade/Reconfigure
  • Usability
4. 앞으로는?
강연자
남경완
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
  • 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
  • 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
  • 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