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
  • 테크 스타트업
  • 머신러닝
  • AI
강연 제목
Fast & Accurate Data Annotation Pipeline for AI applications
강연 내용
인공지능, 그 중에서도 딥 러닝이라는 단어는 아마 최근 가장 많은 개발자들에게서 회자되고, 관심을 끄는 단어 중 하나일 것입니다. 다양한 딥 러닝 연구들이 매년 놀라운 결과물들을 보여주고 있고, 이제는 연구 뿐만 아니라 실제 어플리케이션 영역에서도 다양하게 쓰이기 시작했습니다. 그렇다면 나의 상황에 맞는 딥 러닝 어플리케이션을 제작하고 사용하기 위해서 가장 어려운 부분은 무엇일까요? 바로 다름 아닌 그에 맞는 데이터의 확보 입니다. 놀라운 결과를 내는 모델을 얻기 위해서는, 대부분 그에 맞는 양의 양질의 학습 데이터가 요구됩니다. 아쉽게도, 그러한 데이터를 확보하는 일은 쉽지 않습니다. 이는 특히, 현재 사용되고 있는 데이터 제작 도구들의 비효율성에 기인하고 있습니다. 저희는 이런 문제를 해결하기 위해, 사람의 지식과 직관을 쉽게 데이터화 할 수 있는 "Annotation 자동화 도구"를 개발하고 있습니다. 본 발표에서는 이러한 도구를 구성하는 세 가지 중요한 요소에 대해서 설명드리고자 합니다. 이 세 가지 요소는 작업 플로우의 설계 및 작업 요소의 표현법 디자인, 작업자의 능률을 향상시키기 위한 AI 기술(Transfer Learning / Interactive AI), 사람의 작업 능률을 지속적으로 체크하고 피드백을 주는 모니터링 방법으로 이루어져 있습니다. 이 외에도, 작업자들이 도구를 사용하며 만든 다양한 문제들과 저희의 시행 착오들도 함께 소개드리도록 하겠습니다.
강연자
이정권
강연자 사진
강연 분야
  • 머신러닝
  • AI
강연 제목
Papago Internals: 모델분석과 응용기술 개발
강연 내용
본 세션에서는 파파고 기계번역 엔진팀에서 하는 모델의 분석, 연구, 개발, 서비스화 등 다양한 역할들 중 모델의 분석과 서비스화 연구/개발 사례를 소개합니다. 먼저, 파파고 기계번역 엔진팀이 기계번역 엔진을 이해하고 분석하는 사례를 보여주고, 서비스를 하는 팀이 중점으로 보는 모델 분석의 방향성에 대해 공유합니다. 또, 기계번역 엔진팀에서 새로운 서비스를 하기 위해 필요한 기술에 대한 문제 정의, 개발, 연구 방향을 보여주는 웹번역기 개발의 응용 사례를 소개합니다. 이를 통해 기계번역/NLP/AI를 연구 개발하는 분들에게, 실제 서비스를 하는 연구개발 조직이 진행하는 모델의 분석과 연구와 개발에 대한 이해를 돕고자 합니다.
목차
1. Introduction 
(1) Papago MT Engine 팀 역할 소개 
(2) 실무자에게 듣는 기계번역 모델의 분석 방법 
(3) 실무자에게 듣는 기계번역 응용 기술의 연구/개발 
2. 파파고와 함께: 학습과 수렴 
(1) 파파고 기계번역 모델 소개
(2) 기계번역 평가의 어려운 점 
  • 자동 평가 척도 (BLEU, chrF) 소개 
  • 전문가 평가 소개 
  • 파파고의 목표 
(3) 학습과 수렴 @ 파파고 
  • 주요 기계 번역 논문들의 학습 수렴 지점 선정 기준을 소개 
  • 자동 평가 기준 수렴의 단점을 언급 
  • 전문가 평가 기준 수렴 지점 분석 결과 
(4) 앞으로의 연구 방향
3. 인공신경망을 활용한 웹사이트 번역
(1) 웹사이트 번역은 어떻게 하나?
(2) 개발 시 겪게 되는 실질적인 어려움들
  • “지저분"한 웹 상의 문서
  • 커다란 HTML 페이지에서 "번역할 부분"만 뽑아내기
  • 번역문에 원문의 HTML 태그를 "적절한 위치"에 삽입
  • 이 모든 과정을 "빠르게 처리"하기
(3) 앞으로의 연구 방향
  • 서비스를 하면서 관찰된 이슈들
  • 향후 연구 방향
대상
기계학습을 이용한 응용서비스를 하는 분들, AI 분야에 포함된 학생, 개발자, 연구자들
참고
발표 내용 중 일부가 현재 국제학술대회에 제출되어 있으므로, 게재 결과에 따라 내용 일부가 바뀔 수 있습니다.
강연자
신중휘 정권우 김재명
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
  • 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
강연자 사진
강연 분야
  • 웹
  • 성능
강연 제목
웹 성능 최적화에 필요한 브라우저의 모든 것
강연 내용
웹 콘텐츠 (HTML, CSS, JS)는 브라우저에서 처리되어 화면에 렌더링됩니다. 그래서 브라우저 내부 동작 원리를 이해하지 못하면 일정 수준 이상의 성능 최적화가 어렵고, 왜 이런 문제가 발생하는지 이해하기도 쉽지 않습니다. 브라우저 내부 동작 원리 관련으로는 How browsers work와 같은 훌륭한 문서들이 있지만 거의 대부분 6-7년 전의 자료들이어서 최신 멀티 프로세스 기반의 브라우저에서 동작하는 웹 콘텐츠를 이해하기에는 부족함이 있습니다. 이번 세션에서는 멀티 프로세스 기반의 최신 웹브라우저(웨일, 크롬, 오페라 등)에서 웹 콘텐츠를 어떻게 처리하여 화면에 렌더링 하는지에 대한 동작 원리에 대한 설명과, 이를 바탕으로 한 웹 성능 최적화 기법을 소개합니다.
목차
  • Summary of how browsers work
  • How the browser makes a frame?
  • VSync aligned touch input & frame output
  • Rendering pipeline stage costs
강연자
이형욱
강연자 사진
강연 분야
  • 테크 스타트업
  • AI
  • 인프라
강연 제목
AI 칩 개발에 사용되는 엔지니어링
강연 내용
AI 칩 개발은 반도체 개발인 HW engineering 영역이라고 분류합니다. 하지만 실제 개발과정의 대부분은 Doman Specific Language를 통한 SW engineering 과정이라고 볼 수 있습니다. 본 발표에서는 AI 칩에 대한 소개와 더불어 엔지니어링적인 challenge를 논의합니다.
목차
  • Introduction to AI chips
  • Challenges of AI chips vs traditional chips
  • Scale of computation
  • Scale of storage
  • Scale of model diversities
  • Scale of services
  • Semiconductor Chip design: Ultimate precision engineering
  • Engineering flows
  • Scala-based Chisel Languages
  • Rust-based verification environment
  • Performance modeling
  • Verification, Verification, Verification
  • Our vision: AI building AI chips
강연자
백준호
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