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
강연 제목
WebAppFramework, XWhale 개발기
강연 내용
네이버의 주요 서비스는 웹으로 되어 있고 그것들을 보여주는 안드로이드의 WebAppFramework는 중요한 요소입니다. 어떻게하면 더 잘 보이고 더 잘 서비스 할 수 있을지 고민하던 차에 오픈소스인 Chromium과 Crosswalk를 가지고 WebAppFramework를 만들게 되었습니다. 이것을 만들면서 고민했던 것과 적용했던 서비스 사례를 중심으로 개발기를 공유하고자 합니다. 그리고 Crosswalk를 포크한 새 오픈소스 XWhale을 소개합니다.
목차
  • WebAppFramework란 무엇인가
  • 우리는 왜 WebAppFramework를 만들게 되었나?
  • Higgs에서 Crosswalk까지
  • 네이버 서비스 적용사례
  • 새 오픈 소스 XWhale 소개
대상
  • 안드로이드 웹엔진 개발 구현에 관심이 있으신 분
  • 새 WebAppFramework 도입에 관심이 있으신 분
강연자
조진철
강연자 사진
강연 분야
  • 머신러닝
  • 기타
강연 제목
로봇이 현실 세계에 대해 학습하도록 만들기
강연 내용
AlphaGo, Dota 2, DeepStack - AI beats humans as long as the world is neat and digital. But how close are we when it comes to football and grocery shopping? In this talk we address the challenges in bridging such a gap, describing research and promising future directions currently pursued at Naver Labs to take robots from computer screens and bring them into real environments. In computer games, the goal is usually well defined and can be simulated in ‘hyper-speed self-play’ to get experience that would take hundreds of years to obtain in real environments. To successfully transfer algorithms from simulators to real life robots need to be able to successfully carry out tasks in every day contexts. Since evaluating the outcome of the performance of these tasks is manually intensive and that complex environments are hard to simulate realistically, we are currently pursuing approaches where robots learn to accomplish tasks autonomously. The important part of this approach is to make the robot curious about its environment to allow it to learn in a self-supervised manner and to utilize as much as possible its experience. We describe our ForwardGAN-approach to build these models and demonstrate robot behaviour on task of active localization that allows it to quickly localize itself on a map.
강연자
Tomi Silander​
강연자 사진
강연 분야
  • 인프라
  • 성능
  • 기타
강연 제목
대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler in IPVS, Linux Kernel
강연 내용
수 천개의 컨테이너로 구성된 대형 컨테이너 클러스터 Platform 에서, Network Load Balancing 은 아주 복잡한 문제 중 하나입니다. 대용량의 Network 트래픽을 컨테이너들로 분산 시키기 위해 많은 수의 Load Balancer 를 구축하고 이를 유기적으로 연결시켜 효율적인 Balancing, High Availability 등을 보장해줘야 하지만, 컨테이너 클러스터 Platform 환경에서는 몇 가지 문제에 직면하게 됩니다. - Container 는 Life Cycle의 특성 상 생성/삭제가 매우 빈번하기 때문에 Load Balancer에 이를 동적으로 반영할 수 있어야 합니다. - 한 개, 또는 여러 개의 Load Balancer가 Down 되어도 이 곳을 경유하던 Network Connection들이 유실되어서는 안됩니다. 이 Connection들은 다른 정상적인 Load Balancer에서 문제 없이 처리되어야 합니다. 이를 위하여 각각의 Load Balancer 가 모든 Connection 정보를 유지하고 있어야 합니다. - 물론, 대용량의 Traffic의 효율적인 분산도 보장되어야 합니다. 이러한 문제들을 풀기 위해서 Linux Kernel 의 Software Load Balancer 인 IPVS 에 Maglev Hashing Scheduler 라는 Module을 개발하여 Contribution 하였고, 이를 사용하여 네이버 서비스 컨테이너들로의 부하를 분산하는 Load Balancer 를 운영하고 있습니다. 이 세션에서는 위 문제들을 해결하기 위해 했던 고민들과 Linux Kernel v4.18 부터 포함되는 IPVS Maglev Hashing Scheduler의 특징을 소개하고, 대형 컨테이너 클러스터에서 어떻게 효율적이고 고가용성을 갖는 Network Load Balancer 를 구축하였는지 등을 공유합니다.
강연자
송인주
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
  • 머신러닝
  • AI
강연 제목
모바일 키보드, 스마트보드에 AI 적용하기
강연 내용
모바일에 머신러닝을 적용한다는 것은, 모델을 그냥 가져오는 작업이 아닌 전/후처리, 컨버팅, 최적화 등 일련의 모델링만큼 큰 프로세스이며, 이 과정을 소개하고자 합니다. 최근 화두로 떠오르는 AI를 실제 모바일 앱에 넣는다는 것은 어떤 경험일까요? 연구를 통해 나온 모델을 실제 프로덕트에 넣는 것은 생각보다 어려운 과정이고 잘 찾아볼 수 없는 사례이기도 합니다. 본 세션에서는 스마트보드팀에서 산학과제 (SNUT)를 통해 연구한 알고리듬과 사내 오타보정 챌린지를 통한 모델을 융합하여 서비스에 넣는 과정에서 나온 다양한 경험과 고충을 공유하고자 합니다.
목차
  • 가상키보드 오타보정, AI로 가능할까?
  • 모바일에서의 AI, 어디까지 가능한가
  • 모바일에서 모델을 컨버팅하여 사용해보자
  • 전/후 처리를 통한 프로덕션화 준비
  • AI를 사용했더니?
대상
  • 실제 모바일 서비스에 ML을 적용하고자 하는 개발자
강연자
이승윤
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
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