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
  • 웹
  • 모바일
  • 기타
강연 제목
Learn how Material Design makes it easier and faster to build apps without compromising quality
강연 내용
On any product team, there's often a tension between building things fast and building beautifully. With the latest Material Design release, teams get the best of both world. In this talk, learn about how some of the new components, interactions, and expressive capabilities of Material were used in our early access partner's products to solve their unique design challenges without having to compromise quality.
Contents
1. What is Material Design? How has it evolved?
  • Mission, History, Usage, Updates
2. How are Material's new components, interactions, and expressive capabilities used in our early access partner's products?
  • Case studies: Gmail (internal Google apps)
  • Case studies: Lyft (external partner apps)
3. How has using Material Design improved their product?
  • User Research Data
4. Insights and tips on how to best apply Material Design in your product.
강연자
Jonathan Chung
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
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
  • 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
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
  • 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
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