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
  • 머신러닝
  • 성능
강연 제목
QANet: Towards Efficient and Human-Level Reading Comprehension on SQuAD
강연 내용
Contents
1. Introduction of the recent progress in machine reading comprehension and question answering.
  • The data sets
  • The approache
2. The proposed QANet:
  • Efficiency: The encoder of QANet does not require RNNs, but only using CNN and self-attention.
  • Data augmentation: Use backtranslation to enhance the training dataset, and get better performance.
3. The performance of QANet on Stanford Question Answering Datasets: No.1 in both speed and accuracy.
강연자
Adams Wei Yu
강연자 사진
강연 분야
  • 머신러닝
  • AI
  • 인프라
강연 제목
NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
강연 내용
Clova AI 조직에서 사용하고 있는 클라우드 머신러닝 플랫폼인 NSML과, 이를 활용한 NSML AutoML에 대해서 이야기하고자 합니다. NSML에 대한 간략한 소개와, NSML을 사용함으로써 생겨난 긍정적인 변화들, 그리고 이를 이용해서 개최한 사내/외 대회 등에 대해서 소개합니다. 또한, NSML을 통해서 모델 학습부터 서빙까지 가는 workflow와 실제 사례에 대해서 소개합니다. 또한, NSML AutoML에 대한 소개와 실제 데모, 그리고 이를 실제 모델에 적용해 본 사례 등을 공유하고자 합니다.
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
강연자
김민규 김진웅
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
  • 웹
  • 기타
강연 제목
Modern C++ 무조건 써야해?
강연 내용
다들 Modern C++를 적극적으로 사용하고 계신가요? 우리는 C++98 버전까지를 classical C++, 그 이후 버전부터 3년 단위로 릴리즈되는 C++ 표준을(C++11 / C++14 / C++17 / C++20...) Modern C++라고 부르고 있습니다. 생각보다 빨리 찾아오는 3년 주기는 우리에게 새로운 표준 feature들을 안겨주는데 우리는 이걸 써야 할지, 말아야 할지, 신규 코딩에만 적용할지, 기존 코드도 모조리 리팩토링을 해야 할지 고민하게 됩니다. 혹은 아직도 classical C++만 고집할 수도 있죠. 크로미움은 C++를 가장 활발히 사용하고 있는 오픈 소스 프로젝트 중 하나입니다. 이들은 오픈 소스 커뮤니티에서 공개된 논의를 통해 c++11, c++14 feature 하나 하나씩 면밀히 검토하였습니다. 또 C++17도 검토가 시작되었죠. 이 세션은 크로미움 커뮤니티에서 검토된 modern c++ feature들을 소개합니다. 어떤 feature를 허용하는지, 허용하지만 코딩 시 조심히 다루어야 할 부분이 무엇인지, 혹은 어떤 feature를 허용하지 않으며 그 이유가 무엇인지 소개하려고 합니다. 이를 통해 c++ 개발자들이 어떤 feature들을 선호하고, 기피해야 할지 개개인의 고민을 덜어주고자 합니다.
강연자
신미영
강연 분야
강연 제목
KEYNOTE
강연 내용
강연자
강연자 사진
강연 분야
  • 검색
  • 머신러닝
  • AI
강연 제목
기계독해 QA: 검색인가, NLP인가?
강연 내용
이 세션에서는 기계 독해 (Machine Reading) 모델을 QA 엔진에 적용하는 방법론에 대한 연구, 겪었던 문제들, 연구계 및 산업의 동향, 그리고 제가 생각하는 우리가 나아가야 할 방향을 전반적으로 다룰 예정입니다. 기계독해는 주어진 문서와 문서에 대한 질문이 주어졌을 때, 문서내에서 답을 구하는 문제입니다. 기계독해는 2016년 SQuAD를 시발점으로 최근에 많은 모델과 많은 데이터 (TriviaQA, MS MARCO, 등등)가 연구 및 공개되었고, 특히 올해에는 인간수준을 넘어서는 알리바바, 마이크로소프트 및 구글의 모델이 공개되기도 했습니다. 이렇게 연구계와 업계가 많은 관심을 보인 이유가 여럿 있겠지만, 기계독해 모델이 QA (질의응답) 엔진에 직접적으로 적용이 가능한 점을 빼놓을 수 없습니다. 예를 들어, "하늘이 왜 파랄까?"라는 질문을 답하기 위해 먼저 관련된 "하늘"이라는 문서를 찾고, 기계독해 모델에 해당문서와 질문을 넣게 되면, 답이 나오는 구조입니다. 이는 문서를 찾아주기만 하는 서비스, 즉 "검색"을 넘어서서, 문서를 "이해"하고 원하는 정보를 꼭 집어서 찾아줄 수 있는 서비스가 됩니다. 다만 막대한 정보의 바다 속에서 올바른 문서를 찾는 것은 쉬운 것이 아닙니다. 따라서 기계독해를 통한 QA는 검색과 NLP의 첨단 접점이라 볼 수 있습니다. 먼저 기계독해 이전의 검색기반 QA를 간단히 설명하고, 다음은 최근에 각광받는 기계독해 (NLP) 기반 QA를 자세하게 살펴보려 합니다. 하지만 전자는 섬세함이 부족하고, 후자는 속도가 느립니다. 그래서 마지막으로는 둘을 통합하는 방법론을 다룹니다. 특히, 단순하게 "검색 후 독해" 형태를 벗어나서, 제가 최근에 연구했던 Phrase-Indexed QA를 새로운 challenge로서 제안하고자 합니다. 기존 기계독해 문제를 phrase retrieval 형태로 치환함으로써, scalability (속도) 뿐만 아니라 phrase representation learning 을 도모합니다. 새로운 패러다임의 첫번째 주자로서 제가 겪었던 문제들 및 해결방법을 논하고, 연구계 및 업계의 참여를 독려하고자 합니다.
목차
1. 찾는 QA (검색)
2. 이해하는 QA (NLP)
3. QA는 검색과 NLP의 조화다
  • 찾고나서 이해하기
  • 빛의 속도로 읽기: Phrase-Indexed QA
강연자
서민준
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