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
  • AI
강연 제목
Deep Learning to help student’s Deep Learning
강연 내용
With the growing demand for people to keep learning throughout their careers, massive open online course (MOOCs) companies, such as Udacity and Coursera, not only aggressively design new courses that are relevant (e.g., self-driving cars and flying cars), but refresh existing courses’ content frequently to keep them up-to-date. This effort results in a significant increase in student numbers, which makes it impractical for even experienced human instructors to assess an individual student's level of engagement and anticipate their learning outcomes. Moreover, students in each MOOC classroom are heterogeneous in background and intention, which is very different from a classic classroom. Even subsequent offerings of a course within a year will have a different population of students, mentors, and—in some cases—instructors. Also, due to the nascent nature of online learning platforms, many other aspects of a course will evolve quickly such that students are frequently being exposed to experimental content modalities or workflow refinements. In this world of MOOCs, an automated machine which reliably forecasts students’ performance in real-time (or early stages), would be a valuable tool for making smart decisions about when (and with whom) to make live educational interventions as students interact with online coursework, with the aim of increasing engagement, providing motivation, and empowering students to succeed. With that, in this talk, we first recast the student performance prediction problem as a sequential event prediction problem. Then introduce recently-developed GritNet architecture which is the current state of the art for student performance problem and develop methods to use (or operationalize) GritNet in real-time or live predictions with on-going courses. Our results for real Udacity students’ graduation predictions demonstrate that the GritNet not only generalizes well from one course to another across different Nanodegree programs, but enhances real-time predictions explicitly in the first few weeks when accurate predictions are most challenging. In contrast to prior works, the GritNet does not need any feature engineering and it can operate on any student event data associated with a timestamp.
강연자
김병학
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
  • 빅데이터
강연 제목
Druid로 쉽고 빠르게 빅데이터 분석하기
강연 내용
빅데이터를 저장/분석하기까지 고민과 성능향상을 위해 진행한 여러가지 노력들에 대해 이야기하려고 합니다. 데이터 분석환경을 구축하면서 고려했던 점과 다양한 플랫폼별 비교 테스트한 결과를 소개하고 Druid를 통해 분석할 수 있는 기능과 고급 분석을 위해 진행한 다양한 튜닝 경험을 알려드릴 예정입니다.
목차
1. 데이터 분석의 필요성
2. Druid? 그게 뭔데?
  • Apache Druid vs. Elasticsearch vs. Apache Kudu
3. Druid로 분석하기 - 기본편
4. Druid 성능 향상시키기 - 고급편
  • 질의성능 향상시키기
  • 저장성능 향상시키기
  • 편한 운영을 위한 노력
강연자
송은혜
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
  • 머신러닝
  • AI
강연 제목
컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
강연 내용
실내 공간을 지도로 디지털화하는 과정은 많은 시간과 비용이 필요합니다. 그동안 자동화 시스템의 미비로 인해 최신 POI 정보를 데이터베이스로 반영하는 업데이트 주기는 불규칙하고 종종 지연되었습니다. 본 발표에서는 동일 장소이지만 다른 시간대에서 촬영된 이미지 데이터 세트를 분석하여 POI 변화을 감지하는 효율적인 방법을 제안합니다. 제안 된 시스템은 딥러닝 이미지 검색, 영상 분할, 객체 검출 및 이미지 매칭과 관련된 다양한 컴퓨터 비전 기술을 통합하고 있습니다. 실내 환경에서 간판은 시간 경과에 따른 POI 변화 감지에 대한 강력한 단서를 제공합니다. 따라서 제안하는 시스템은 두 가지 보완적인 접근 방법을 조합하여 사용합니다. 1) 객체 감지를 기반으로 간판의 변화를 관찰하고, 2) 다른 하나는 전체 이미지를 분석합니다. 본 발표에서는 다양한 정성적 정량적 실험 결과들을 공유하고, 실제 상황에서 동작이 가능한 POI 변화 탐지 시나리오를 시연하고자 합니다.
강연자
정성균 Jérome Revaud
강연자 사진
강연 분야
  • 웹
  • 모바일
  • 기타
강연 제목
JavaScript 배틀그라운드로부터 살아남기
강연 내용
JavaScript가 오랜 시간동안 강력할 수 있는 이유는 무엇일까요? 단순 스크립팅 언어로 시작됐지만, 지속적 진화를 통해 오늘날 가장 많이 사용되는 강력한 언어로 성장했습니다. 오늘날의 JavaScript는 단순히 언어만을 잘 아는 것으로 끝나지 않습니다. 끊임없이 새롭게 등장하는 생태계의 배틀그라운드에서 생존하기 위한 조건은 무엇일까요? 본 세션에서는 JavaScript가 발전해 온 흐름과 현재의 모습을 통해 앞으로 가게 될 방향에 대해 여러분과 함께 살펴 보고자 합니다.
목차
1. 무엇이 JavaScript를 강력하게 하는가?
  • JavaScript overview
2. JavaScript는 JavaScript가 아니다
  • 개발 방식의 진화
  • Library -> Framework
  • Transpiling
  • Types
3. 2018년 동향
  • 언어적 관점
  • 라이브러리/프레임워크
  • 브라우저 밖의 영역
4. JavaScript는 어디로 가고 있나?
  • 흐릿해지는 경계 (Backend/Frontend)
  • Universal JavaScript
  • 주목해야 하는 기술들
  • PWA, component, etc.
  • 빠르게 변화하는 생태계
  • 표준화 관점 (TC39)
  • 생태계 관점 (수많은 오픈 소스들)
      • 5. JavaScript로부터 생존하기
      • 무엇을 알아야 할까?
      • 얼만큼 알아야 할까?
강연자
박재성
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