Deview2012 키노트 #2

•

1 recomendación•1,187 vistas

Open Source Movement
App Market

Search
Online Advertising
Software Platform
Big Data (Data Analytics)
Social Web
Cloud Computing
Cybersecurity

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Deview2012 키노트 #2

Más contenido relacionado

La actualidad más candente

Big data landscape v 3.0 - Matt Turck (FirstMark)

Big data landscape v 3.0 - Matt Turck (FirstMark)

Big data landscape v 3.0 - Matt Turck (FirstMark)

Keynote analytics - partner edge innovation summit - 121013

Keynote analytics - partner edge innovation summit - 121013

Keynote analytics - partner edge innovation summit - 121013

Kurt J. Bilafer

RETIXA - prime real-time marketing platform

RETIXA - prime real-time marketing platform

RETIXA - prime real-time marketing platform

IoT Sensors Market

IoT Sensors Market

IoT Sensors Market

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Matthew Szymczyk

Big data landscape version 2.0

Big data landscape version 2.0

Big data landscape version 2.0

Un caso di studio sui big data - Campus Connestions Summit 2018 - #CCS18

Un caso di studio sui big data - Campus Connestions Summit 2018 - #CCS18

Un caso di studio sui big data - Campus Connestions Summit 2018 - #CCS18

Angelo Gino Varrati

Digital transformation of US retail through big data

Digital transformation of US retail through big data

Digital transformation of US retail through big data

eSmart

Janni Frederiksen Kalafatis

Background: I prepared this slide deck for a couple of “Big Data 101” guest lectures I did in February 2013 at New York University’s Stern School of Business and at The New School. They’re intended for a college level, non technical audience, as a first exposure to Big Data and related concepts. I have re-used a number of stats, graphics, cartoons and other materials freely available on the internet. Thanks to the authors of those materials.

Big Data, Big Deal? (A Big Data 101 presentation)

Big Data, Big Deal? (A Big Data 101 presentation)

Big Data, Big Deal? (A Big Data 101 presentation)

#SoMe Mobile Marketing Proposal

#SoMe Mobile Marketing Proposal

#SoMe Mobile Marketing Proposal

Top Ten Future Growing Industries !!

Top Ten Future Growing Industries !!

Top Ten Future Growing Industries !!

Subhakar Rao Surapaneni

Enterprise Infrastructure Software - Industry Control Point

Enterprise Infrastructure Software - Industry Control Point

Enterprise Infrastructure Software - Industry Control Point

Sieusoil teaser #4

Sieusoil teaser #4

Sieusoil teaser #4

“You can’t connect the dots looking forward; you can only connect them looking backward.” – Steve Jobs If you’re a CIO today managing a lot of change, how do you prepare for the unknown? Here’s where the next part of Jobs’ quote comes into play: “You have to ‘trust’ that somehow all the dots will connect in your future.” Of course, “trust” is not a strategy that the CIO can sell to the board. The good news is that trust is a little like luck – it comes to those who are prepared. Watch Bob Beauchamp's entire keynote here: https://www.youtube.com/watch?v=TIjfVWx1Dqc

Looking Ahead: BMC CEO Bob Beauchamp Predicts the Future of IT at CIO 100 Key...

Looking Ahead: BMC CEO Bob Beauchamp Predicts the Future of IT at CIO 100 Key...

Looking Ahead: BMC CEO Bob Beauchamp Predicts the Future of IT at CIO 100 Key...

Qr Capture

Angela Stimpson

QR Code

La actualidad más candente (18)

Big data landscape v 3.0 - Matt Turck (FirstMark)

Big data landscape v 3.0 - Matt Turck (FirstMark)

Big data landscape v 3.0 - Matt Turck (FirstMark)

Keynote analytics - partner edge innovation summit - 121013

Keynote analytics - partner edge innovation summit - 121013

Keynote analytics - partner edge innovation summit - 121013

RETIXA - prime real-time marketing platform

RETIXA - prime real-time marketing platform

RETIXA - prime real-time marketing platform

IoT Sensors Market

IoT Sensors Market

IoT Sensors Market

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Augmented Reality Statistics 2009

Big data landscape version 2.0

Big data landscape version 2.0

Big data landscape version 2.0

Un caso di studio sui big data - Campus Connestions Summit 2018 - #CCS18

Un caso di studio sui big data - Campus Connestions Summit 2018 - #CCS18

Un caso di studio sui big data - Campus Connestions Summit 2018 - #CCS18

Digital transformation of US retail through big data

Digital transformation of US retail through big data

Digital transformation of US retail through big data

eSmart

Big Data, Big Deal? (A Big Data 101 presentation)

Big Data, Big Deal? (A Big Data 101 presentation)

Big Data, Big Deal? (A Big Data 101 presentation)

#SoMe Mobile Marketing Proposal

#SoMe Mobile Marketing Proposal

#SoMe Mobile Marketing Proposal

Top Ten Future Growing Industries !!

Top Ten Future Growing Industries !!

Top Ten Future Growing Industries !!

Enterprise Infrastructure Software - Industry Control Point

Enterprise Infrastructure Software - Industry Control Point

Enterprise Infrastructure Software - Industry Control Point

Sieusoil teaser #4

Sieusoil teaser #4

Sieusoil teaser #4

Looking Ahead: BMC CEO Bob Beauchamp Predicts the Future of IT at CIO 100 Key...

Looking Ahead: BMC CEO Bob Beauchamp Predicts the Future of IT at CIO 100 Key...

Looking Ahead: BMC CEO Bob Beauchamp Predicts the Future of IT at CIO 100 Key...

Qr Capture

QR Code

Más de NAVER D2

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep Learning

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applications

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[213] Fashion Visual Search

[213] Fashion Visual Search

[213] Fashion Visual Search

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

Más de NAVER D2 (20)

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep Learning

[243] Deep Learning to help student’s Deep Learning

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applications

[234]Fast & Accurate Data Annotation Pipeline for AI applications

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기

[213] Fashion Visual Search

[213] Fashion Visual Search

[213] Fashion Visual Search

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

Deview2012 키노트 #2

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11. Open Source Movement App Market

12. Search Online Advertising Software Platform Big Data (Data Analytics) Social Web Cloud Computing Cybersecurity