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
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
강연자 사진
강연 분야
  • 인프라
  • 기타
강연 제목
쿠팡 서비스 Cloud Migration을 통해 배운 것들
강연 내용
지난 몇 년간 쿠팡 서비스는 마이크로 서비스 아키텍쳐로의 변경과 클라우드 환경으로 이전 등으로 인해 많은 변화를 겪었습니다. 특히 2017년에는 단 기간에 수백개의 마이크로 서비스를 클라우드로 이전하면서 새롭고 다양한 문제들을 만났고 이를 극복하기 위해 많은 노력을 했습니다. 이번 세션에서는 무중단으로 클라우드 환경으로 이전하기 위해서 준비 했던 계획들, 이전하면서 발생했던 예상하지 못했던 문제들, 클라우드 환경에서 새롭게 만난 문제들과 다양한 장애들 그리고 이러한 문제들을 해결하기 위해 쿠팡 내부에서 만들어낸 해결책과 아직 풀지 못한 고민에 대해서 이야기 나누려고합니다.
목차
1. 클라우드 이전 계획 및 선행 프로젝트
  • 이전 원칙 : Availability, Scalability, Performance
  • 이전 방법 : Roman Riding
  • Continer Service 도입
  • CI / CD pipeline
  • Log Collecting / Monitoring / Alert
  • Performance Visualize
  • 인프라 및 보안
2. 클라우드 이전 과정
  • Roman Riding : Database
  • Roman Riding : Application
  • Database 의 확장성
  • 예상치 못한 문제들 : Load Balancer
  • 예상치 못한 문제들 : Storage
  • 예상치 못한 문제들 : 각종 Split Brain 상황
  • 비용 최적화 프로젝트
  • Auto Scaling 과 장애
3. 아직 풀지 못한 문제들
  • 복잡해지는 서비스와 전파되는 장애
  • 12 Factors App
  • 테스팅 테스팅 테스팅
대상
  • AWS 등 퍼블릭 클라우드 환경으로 이전을 계획 중인 분
  • 클라우드 환경에서 개발 할 때 주의 해야하는 것들에 대해 궁금 하신 분
강연자
양원석
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
강연 제목
Wikipedia-scale Q&A
강연 내용
The primary medium for storing and disseminating knowledge is natural language and recent novel Human-Computer Interfaces have started to show the tremendous benefit of using it in interactions. In the field of web search the movement from keyword-based indexation to natural language-driven personalized assistance is evolving and Machine Reading has emerged as a possible continuation of the Natural Language Processing tasks. Given a large set of text passages that are associated with questions and answers, our goal is to learn a question answering system solely from these examples. Research groups dedicated to Machine Reading around the globe have started to produce encouraging results in such a task where our current understanding of deep learning and machine comprehension is challenged. In this talk, we go through a series of concrete applications and neural models associated with this task. We first present a Wikipedia-scale question answering service, a dialog understanding application of machine reading and an application to the problem of fake news detection. We then introduce ReviewQA which is a dataset of relational reasoning for review understanding. We conclude with open research directions and future investigations such as unsupervised common-sense acquisition and differential reasoning.
강연자
Julien Perez
강연자 사진
강연 분야
  • 웹
  • 테크 스타트업
  • 빅데이터
  • AI
강연 제목
병리 AI 제품 개발을 위한 데이터 관리 및 좌충우돌 삽질기
강연 내용
의료 데이터에 AI를 접목시키는 다양한 시도가 이루어지고 있고 국내에서도 인허가를 통해 실제 상용화의 길이 열리고 있습니다. 루닛에서는 흉부 영상의학, 유방 영상의학, 심장 영상의학 분야뿐만 아니라 병리 영상도 연구하고 있습니다. 본 세션에서는 머신러닝 연구자가 아닌 B2C 서비스 개발 출신 백엔드 개발자의 입장에서 병리 AI 제품을 개발하며 겪은 몇 가지 핵심 컨셉에 대해 이야기 하려고 합니다. 기술적 난이도가 높은 문제보다는 개발자 입장에서는 생소한 병리학이라는 도메인을 접하면서 생각의 전개를 어떻게 가져갔는지, 어떤 고민과 문제가 있었는지를 공유할 예정입니다.
목차
1. 병리 AI란?
2. 데이터 컨셉과 구조
병리 데이터는 특성상 대용량 이미지 파일을 관리해야 하고 이 데이터를 기반으로 개발을 할 때 고려해야 할 다양한 요소들이 존재합니다. 주어졌던 데이터와 그 데이터의 hierarchy를 어떻게 가져갔는지를 설명하려고 합니다.
3. Openslide와 Openseadragon
오픈소스인 Openslide와 Openseadragon을 이용하여 Whole Slide Image 뷰어를 지원하고 이 위에 annotation과 visualization을 할 수 있도록 개발되었습니다. 각각의 특성과 유스 케이스를 설명하려고 합니다.
4. 병리 AI Projects
실제 개발 중인 제품 구현에 활용된 기술들에 대한 소개와 각각 어떻게 적용했는지, 적용하면서 발생했던 문제를 어떻게 해결했는지에 대해 공유하려고 합니다.
5. 의료 AI 서비스를 개발하는 개발자
강연자
이경원
강연자 사진
강연 분야
  • 모바일
강연 제목
React Native: 웹 개발자가 한 달 만에 앱 출시하기
강연 내용
React Native는 Facebook, Instagram, Baidu, Tencent를 비롯한 수많은 회사들이 사용하면서 효율적인 모바일 개발 트렌드로 급성장 중인 프레임워크입니다. 본 세션에서는 국내에서 성공적인 실 서비스의 적용 사례가 부족한 상황에서 웹 개발자가 React Native로 실무 앱을 성공적으로 개발한 사례를 이야기하려고 합니다. 한 달 만에 Cake(영어 교육 앱, 안드로이드 & iOS 교육 카테고리 1위 & 평점 4.9) 서비스를 개발하고 출시한 경험을 바탕으로 React Native를 선택한 이유와 내부 아키텍처를 이해하기 쉽게 설명하고, 개발 과정에서 얻은 여러 가지 노하우와 팁을 공유합니다.
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
강연자
이성민
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