[121]네이버 효과툰 구현 이야기

[231]나는서버를썰터이니너는개발만하여라 양지욱

Node.js 시작하기

implements game server using c# features such as async, await, dynamic, linq, reflection, attribute, ienumerable.

DEVIEW 2015 DAY1. 브라우저는 vsync를 어떻게 활용하고 있을까

[233]멀티테넌트하둡클러스터 남경완

-

넥슨코리아 사내 발표자료로 왓 스튜디오에서 파이썬으로 《야생의 땅: 듀랑고》 서버를 비롯한 여러가지 도구를 만든 경험을 공유합니다. - 게임서버와 각종 툴, 테스트/빌드/배포 시스템을 만들 때 사용한 재료 - 파이썬 코드 품질 개선, 디버깅, 프로파일링, 최적화 - 파이썬 오픈소스 생태계와 왓 스튜디오가 하는 오픈소스 활동

DEVIEW2015 DAY1. 웹브라우저 감옥에서 살아남기

2013-02-23, 13th JCO Conference

[232] 성능어디까지쥐어짜봤니 송태웅

H3 2012 발표자료 내컴에선 잘되던데? - vagrant로 서버와 동일한 개발환경 꾸미기 -KTH 강소리

Flitto는 초기부터 Node.js를 사용하여 서비스를 개발 및 운영하고 있습니다. 중국을 포함하여 글로벌 서비스를 운영하면서 여러가지 겪은 문제점과 고민, 그리고 그 해결방법에 대하여 발표합니다.

이 발표는 [야생의 땅: 듀랑고]의 지형 배포 시스템과 생태계 시뮬레이션 자동화 시스템에 대한 이야기를 다룹니다. 듀랑고의 각 섬은 크기와 지형, 기후 조건이 다양하고 섬의 개수가 많아서 수동으로 관리하는 것은 사실상 불가능합니다. 몇번의 사내 테스트와 베타 테스트를 거치면서 이러한 문제를 해결해주는 자동화된 도구의 필요성이 절실해졌고, 작년에 NDC에서 발표했던 생태계 시뮬레이터와 Docker, 그리고 아마존 웹서비스(AWS)를 이용하여 수많은 섬들을 자동으로 생성하고 관리하는 자동화 시스템을 구축하게 되었습니다. 그 과정에서 했던 고민들, 기존의 애플리케이션을 "Dockerizing" 했던 경험, AWS의 각 서비스들을 적절히 활용했던 이야기, AWS의 각 지역별 요금이 상이하다는 점을 이용해서 비용을 절감한 사례, 그리고 자동화 시스템의 문제점과 앞으로의 방향에 대해서 이야기 할 계획입니다.

[123] electron 김성훈

Python server-101

Dable에서 Node.js를 이용해 시간당 수백만 요청을 다루는 Web Server를 운영한 경험을 공유합니다.

NDC17, "왓 스튜디오 서비스파트" 발표자료 입니다.

A perspective on front-end dev trend and environment in 2016

웨일 브라우저 1년 그리고 미래

Introduction of jQuery based library 'egjs'. egjs is a set of UI interactions, effects and utility components library.

The best practice of Android application development based on Anjularjs, Ionic, Cordva based Android application

[124] 하이브리드 앱 개발기 김한솔

프론트엔드와 실무 경험담을 위주로 설명한 프레젠테이션입니다.

NDC 14 - HTML5/JSON 을 이용해 범용 2D 맵에디터 제작하기

Implementing Web Based Online MultiPlyaer Tetris with OpenSource

HyWAI is an HTML5 based Hybrid Web Application platform that allows you to author native applications with web technologies and get access to APIs and app stores. HyWAI leverages web technologies developers already know best... HTML and JavaScript.

KTH H3 컨퍼런스 2011 웹 소프트웨어 시장의 새로운 롤, 자바스크립트 발표 자료입니다.

크롬 개발자 도구들의 다양한 기능들을 살펴봅니다.

웹 개발 방식은 빠르게 변하고 있습니다. 웹이 등장했을 때부터 현재까지 웹 개발 방식이 어떻게 바뀌어 왔는지 빠르게 훑어보고, 지금부터 웹 개발을 시작한다면 어떤 내용을 공부하면 좋을지 알아봅니다.

웹 고속화 기술과 킬러웹앱 컨퍼런스

http://cafe.naver.com/webmarkup 웹표준 스터디 20기 결과물

01.모바일 프레임워크 이론

H3 2012 발표자료 Bridge over troubled water : make plug-in for Appspresso -KTH 이상찬

안드로이드 누가에 대한 변경점, 몇몇 안드로이드 개발자들에 대한 팁을 알려 드립니다.

Dreamweaver CS5.5 를 이용한 HTML5 개발

The document discusses various machine learning clustering algorithms like K-means clustering, DBSCAN, and EM clustering. It also discusses neural network architectures like LSTM, bi-LSTM, and convolutional neural networks. Finally, it presents results from evaluating different chatbot models on various metrics like validation score.

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler in IPVS, Linux Kernel

[215] Druid로 쉽고 빠르게 데이터 분석하기

[245]Papago Internals: 모델분석과 응용기술 개발

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

[235]Wikipedia-scale Q&A

The document discusses challenges with using reinforcement learning for robotics. While simulations allow fast training of agents, there is often a "reality gap" when transferring learning to real robots. Other approaches like imitation learning and self-supervised learning can be safer alternatives that don't require trial-and-error. To better apply reinforcement learning, robots may need model-based approaches that learn forward models of the world, as well as techniques like active localization that allow robots to gather targeted information through interactive perception. Closing the reality gap will require finding ways to better match simulations to reality or allow robots to learn from real-world experiences.

This document describes research on using deep learning to predict student performance in massive open online courses (MOOCs). It introduces GritNet, a model that takes raw student activity data as input and predicts outcomes like course graduation without feature engineering. GritNet outperforms baselines by more than 5% in predicting graduation. The document also describes how GritNet can be adapted in an unsupervised way to new courses using pseudo-labels, improving predictions in the first few weeks. Overall, GritNet is presented as the state-of-the-art for student prediction and can be transferred across courses without labels.

This document provides a summary of new datasets and papers related to computer vision tasks including object detection, image matting, person pose estimation, pedestrian detection, and person instance segmentation. A total of 8 papers and their associated datasets are listed with brief descriptions of the core contributions or techniques developed in each.

그림이 정상 출력되는 다음 링크의 자료를 확인해 주세요. https://www.slideshare.net/deview/233-network-load-balancing-maglev-hashing-scheduler-in-ipvs-linux-kernel

This document presents a formula for calculating the loss function J(θ) in machine learning models. The formula averages the negative log likelihood of the predicted probabilities being correct over all samples S, and includes a regularization term λ that penalizes predicted embeddings being dissimilar from actual embeddings. It also defines the cosine similarity term used in the regularization.

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

[224]네이버 검색과 개인화

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

The document discusses running a TensorFlow Serving (TFS) container using Docker. It shows commands to: 1. Pull the TFS Docker image from a repository 2. Define a script to configure and run the TFS container, specifying the model path, name, and port mapping 3. Run the script to start the TFS container exposing port 13377

The document discusses linear algebra concepts including: - Representing a system of linear equations as a matrix equation Ax = b where A is a coefficient matrix, x is a vector of unknowns, and b is a vector of constants. - Solving for the vector x that satisfies the matrix equation using linear algebra techniques such as row reduction. - Examples of matrix equations and their component vectors are shown.

This document describes the steps to convert a TensorFlow model to a TensorRT engine for inference. It includes steps to parse the model, optimize it, generate a runtime engine, serialize and deserialize the engine, as well as perform inference using the engine. It also provides code snippets for a PReLU plugin implementation in C++.

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

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

The document discusses machine reading comprehension (MRC) techniques for question answering (QA) systems, comparing search-based and natural language processing (NLP)-based approaches. It covers key milestones in the development of extractive QA models using NLP, from early sentence-level models to current state-of-the-art techniques like cross-attention, self-attention, and transfer learning. It notes the speed and scalability benefits of combining search and reading methods for QA.