DEVIEW 2018

목차

• React Native 선택의 이유
• React Native 완벽한 이해
• Cake 프로젝트에서 얻은 노하우 & 팁 30가지

대상

• 효율적인 앱 개발에 관심 있는 모든 개발자
• 빠른 프로토 타이핑과 실행이 필요한 스타트업 개발자
• React Native로 Production-Level 서비스가 가능한지 궁금한 개발자

목차

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
• TFS
• 인퍼런스 프로트엔드 만들기
• APS
• 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 측정하기

• 성능에 제일 많은 영향을 주는 것은?
• 얼마나 많은 요청을 처리할 수 있을지
• CPU, GPU로 얼마나 빠르게 인퍼런스 할 수 있을지
• 검색 서비스와 딥러닝 서비스의 차이점

6. 부족한 모니터링 어떻게 준비할까

• 봐야 할 지표들과 실제 서비스 투입 후 모습 살펴보기

7. 남은 과제

목차

1. NSML 소개 

• NSML 시스템의 목표 
• 기본 구조 및 개발 이슈 
• NSML을 사용해서 달라진 점 

2. NSML as a service 

• NSML for cooperation (팀 내 사용) 
• NSML for competition (사내/외 해커톤) 
• NSML for deploying (wavenet을 이용한 음성 합성) 

3. NSML AutoML 

• AutoML이란? 
• NSML을 이용해서 사람보다 뛰어난 AutoML 만들기

목차

• 2년간 파파고의 성장 개요
• 시행착오와 사용자 피드백을 통한 빠른 개선 사례
• 파파고, 입력방식 확장을 위한 노력
• 기술과 UX를 통하여 문제점을 개선한 사진번역 기능
• 파트너들과의 협업 사례
• 향후 계획

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?