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
  • 인프라
강연 제목
네이버에서 사용되는 여러가지 Data Platform, 그리고 MongoDB
강연 내용
네이버에서는 서비스 특성과 성격에 따라서 다양한 데이터 플랫폼을 사용해 왔습니다. 최근까지는 RDBMS와 HBase(Hadoop), Redis와 Memcached 등이 주로 사용되었는데요, 서비스 특성이 보다 다양해지면서, 기존에 주로 사용하던 데이터 플랫폼들로는 커버되지 않는 영역이 발생하고 있습니다. 네이버에서는 이 부분들을 주로 MongoDB를 선택하여 해결하는 비중이 증가하고 있습니다. 본 세션에서는 네이버에서 MongoDB 사용이 늘어나고 있는 이유와 대용량&대규모 서비스에서 MongoDB를 운영하며 겪었던 에피소드들을 함께 공유하고자 합니다.
목차
1. NAVER에서의 Data Platform
  • RDBMS, HBase, Cache (Redis, Memcached)
  • 최근 MongoDB가 늘어나고 있습니다.
2. 왜 이런 현상이 생길까요?
  • 네이버 대규모 서비스에서 RDBMS의 문제
  • 네이버 대규모 서비스에서 HBase의 문제
  • Cache 방식 NoSQL 문제 (Redis, Memcached)
3. MongoDB가 어떻게 대안이 되고 있는가?
4. 네이버에서 MongoDB를 사용하면서 겪은 에피소드들
5. 개인적으로 바라보는 MongoDB의 장단점 그리고 전망 (vs RDBMS)
강연자
이덕현
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
  • 검색
  • 성능
강연 제목
Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
강연 내용
네이버 검색에서는 하루에도 수십억 건씩 발생하는 사용자 검색 request를 항상 원활하게 처리하기 위해서 많은 노력을 하고 있습니다. 이렇게 대용량 트래픽을 1년 365일 무중단으로, 장애 없이, 그리고 low latency까지 보장하면서 운영하려면 어떤 방법이 필요할까요? 이번 세션에서는, 네이버 검색시스템에서 지금까지 겪어왔던 고민과 해결책들을 소개하고자 합니다. 시스템의 상태를 정확히 파악하기 위해서 새로운 가용량 지표를 개발하고, 경보 피로를 줄일 수 있는 anomaly detection 방법을 연구하고, SRE 문화를 도입하는 등 많은 경험을 쌓아왔습니다. 이러한 과정에서 얻은 노하우들과 더불어 그동안 맞닥뜨렸던 다양한 검색 이벤트들도 함께 공유해드리겠습니다. ​ "월드컵 한국 vs 독일 경기 당시 어떤 패턴의 검색 요청이 들어왔을까?" "아시안게임 남자축구 금메달이 확정되는 순간 네이버 검색시스템에서는 무슨 일이 일어났을까?" "규모 5.8의 지진이 일어났을 때 검색시스템이 감당해야 하는 트래픽은 얼마일까?" "야간과 주말에 최소 비용으로 장애관제를 하기 위해서는 어떤 체계가 필요할까?" "200개가 넘는 검색서비스가 수만 대의 서버 위에서 동작하고 있을 때 특정 포인트의 장애를 detection할 수 있을까?"
강연자
김재헌 손주식
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
  • 머신러닝
  • AI
  • 기타
강연 제목
누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)
강연 내용
좋아하는 사람이나 연예인의 목소리로 책이나 메시지를 듣고 싶은 요구는 오래 전부터 존재했습니다. 하지만 지금까지 그런 서비스가 없었던 기술적인 이유를 알아보고 네이버 음성 합성팀이 풀어 나간 방법을 여러 사람들과 공유하고 싶습니다. 누구나 쉽게, 자신의 목소리로 음성 합성기를 만드는 개인화 음성 합성 기술들은 10년 전부터 존재했습니다. 최근에 Tacotron, WaveNet 등의 기술이 나왔지만 상용화를 위해서는 해결해야 할 문제점이 많습니다. 적은 양의 음성 데이터로, 추가적인 정보 없이, 서비스 가능한 품질의 개인화 음성 합성기를 개발하기 위해 네이버 음성 합성팀이 선택한 기술과 적용한 방법을 알아볼 예정입니다.
목차
개인화 TTS - 지난 10년 동안의 떡밥
  • 개인화 TTS란?
  • 사용 시나리오
왜 안될까요?
  • 녹음 대상, 환경, 분량
  • 합성기 제작에 필요한 추가 정보
  • 모델 크기, 비용
어떻게 풀었을까요?
  • Concatenative vs Statistical parametric
  • End-to-End
  • Model Adaptation
NES
  • 전체 구조
  • 구성 요소
  • Quality vs Time vs Cost
들어봅시다
  • 시연
강연자
이봉준
강연자 사진
강연 분야
  • 머신러닝
  • AI
강연 제목
인공지능이 인공지능 챗봇을 만든다
강연 내용
"언제까지 직접 눈으로 클러스터링할래? 언제까지 밤새 감으로 파라미터 튜닝할래?" AutoML과 자연어처리 중 특히 Chatbot과의 결합으로 데이터만 있으면 스스로 인간의 언어를 학습하고, 보다 정확한 대화모델을 만들어내는 가능성이 현실이 되는 과정을 소개하고자 합니다. 사용자로부터 입력된 여러 쌍의 QA 데이터를 클러스터링부터 여러 모델에 사용될 파라미터 최적화, 개별 모델 성능 평가 그리고 여러 모델 간의 앙상블 가중치 자동설정 후 처음 주어진 데이터로 최적의 챗봇 모델 최종 제안 및 서비스까지 one-click으로 이루어지는 AutoML을 공유하고, 더 넓게는 챗봇이 아닌 다른 NLP분야에서도 적용 가능한 AutoML의 가치를 나누고자 합니다.
목차
  • 스스로 언어를 배우는 인공지능 만들기 : AutoML과 NLP/Chatbot 개념 소개
  • 우리 챗봇의 말하기 실력은 몇 점? : Chatbot 자동 평가 프로세스
  • 말뭉치 줄게, 챗봇 다오 : Chatbot 자동학습 프레임워크
  • 실제 클러스터링 결과, 모델 성능 및 상용 서비스 현황 공유
대상
주어진 문장을 보다 적절한 벡터공간에 표현하고자 하는 노력, 인공지능 모델에게 사람의 언어를 더 잘 가르쳐주고자 하는 노력, 그리하여 사람처럼 자연스럽고 정확하게 대답할 수 있는 챗봇을 만들고자 노력 중인 개발자분들에게 도움이 될 수 있길 기대합니다.
강연자
이재원
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