B4 가로세로 어느 방향이라도 자유롭게

•

2 likes•1,343 views

B4 가로세로 어느 방향이라도 자유롭게

B4 가로세로 어느 방향이라도 자유롭게

B4 가로세로 어느 방향이라도 자유롭게

Recommended

[꿈프로젝트-비전이룸] 강력계 형사가 되고싶어요

[꿈프로젝트-비전이룸] 강력계 형사가 되고싶어요

[꿈프로젝트-비전이룸] 강력계 형사가 되고싶어요 seedschool

[쌈지농부]농부로부터 2013 설선물꾸러미 소개서

[쌈지농부]농부로부터 2013 설선물꾸러미 소개서

[쌈지농부]농부로부터 2013 설선물꾸러미 소개서쌈지농부 ssamzienongbu

Case 50 FVCTracy Kelly-Smoot

Arcadian microarray technologies R45 A2

Arcadian microarray technologies R45 A2

Arcadian microarray technologies R45 A2Angga Graharya Suherman

Valuation methods used in mergers & acquisitions

Valuation methods used in mergers & acquisitions

Valuation methods used in mergers & acquisitionsRS P

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다NAVER D2

[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...NAVER D2

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기NAVER D2

Recommended

[꿈프로젝트-비전이룸] 강력계 형사가 되고싶어요

[꿈프로젝트-비전이룸] 강력계 형사가 되고싶어요

[꿈프로젝트-비전이룸] 강력계 형사가 되고싶어요 seedschool

[쌈지농부]농부로부터 2013 설선물꾸러미 소개서

[쌈지농부]농부로부터 2013 설선물꾸러미 소개서

[쌈지농부]농부로부터 2013 설선물꾸러미 소개서쌈지농부 ssamzienongbu

Case 50 FVCTracy Kelly-Smoot

Arcadian microarray technologies R45 A2

Arcadian microarray technologies R45 A2

Arcadian microarray technologies R45 A2Angga Graharya Suherman

Valuation methods used in mergers & acquisitions

Valuation methods used in mergers & acquisitions

Valuation methods used in mergers & acquisitionsRS P

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다

[211] 인공지능이 인공지능 챗봇을 만든다NAVER D2

[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...NAVER D2

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기

[215] Druid로 쉽고 빠르게 데이터 분석하기NAVER D2

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발NAVER D2

[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 교훈NAVER D2

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&ANAVER D2

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기NAVER D2

[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 LearningNAVER D2

[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 applicationsNAVER D2

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 BalancingNAVER D2

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지NAVER D2

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

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

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기NAVER D2

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화NAVER D2

[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)NAVER D2

[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 고군분투기NAVER D2

[213] Fashion Visual Search

[213] Fashion Visual Search

[213] Fashion Visual SearchNAVER D2

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2

[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 탐지NAVER D2

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터NAVER D2

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?NAVER D2

[231] Clova 화자인식

[231] Clova 화자인식

[231] Clova 화자인식NAVER D2

[232]TensorRT를 활용한 딥러닝 Inference 최적화

[232]TensorRT를 활용한 딥러닝 Inference 최적화

[232]TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)NAVER D2

More Related Content

More from NAVER D2

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발

[245]Papago Internals: 모델분석과 응용기술 개발NAVER D2

[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 교훈NAVER D2

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&A

[235]Wikipedia-scale Q&ANAVER D2

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기

[244]로봇이 현실 세계에 대해 학습하도록 만들기NAVER D2

[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 LearningNAVER D2

[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 applicationsNAVER D2

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 BalancingNAVER D2

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지

[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지NAVER D2

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

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

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기NAVER D2

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화

[224]네이버 검색과 개인화NAVER D2

[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)NAVER D2

[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 고군분투기NAVER D2

[213] Fashion Visual Search

[213] Fashion Visual Search

[213] Fashion Visual SearchNAVER D2

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화

[232] TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2

[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 탐지NAVER D2

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터

[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터NAVER D2

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?

[223]기계독해 QA: 검색인가, NLP인가?NAVER D2

[231] Clova 화자인식

[231] Clova 화자인식

[231] Clova 화자인식NAVER D2

[232]TensorRT를 활용한 딥러닝 Inference 최적화

[232]TensorRT를 활용한 딥러닝 Inference 최적화

[232]TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)NAVER D2

More from NAVER D2 (20)

[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?

[231] Clova 화자인식

[231] Clova 화자인식

[231] Clova 화자인식

[232]TensorRT를 활용한 딥러닝 Inference 최적화

[232]TensorRT를 활용한 딥러닝 Inference 최적화

[232]TensorRT를 활용한 딥러닝 Inference 최적화

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)

[222]누구나 만드는 내 목소리 합성기 (부제: 그게 정말 되나요?)

B4 가로세로 어느 방향이라도 자유롭게

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

17.

18.

19.

20.

21.

22.

23.

24.

25.

26.

27.

28.

29.

30.

31.

32.

33.

34.

35.

36.

37.

38.

39.

40.

41.

42.

43.

44.

45.

46.

47.

48.

49.

50.

51.

52.

53.

54.

55.

56.

57.

58.

59.

60.

61.

62.

63.

64.

65.

66.

67.

68.

69.

70.

71.

72.

73.

74.

75.

76.

77.

78.

79.

80.

81.

82.

83.

84.

85.

86.

87.

88.

89.

90.

91.

92.

93.

94.

95.

96.

97.

98.

99.

100.

101.

102.

103.

104.

105.

106.

107.

108.

109.

110.

111.

112.

113.

114.

115.

116.

117.

118.

119.

120.

121.

122.

123.

124.

125.

126.

127.

128.

129.

130.

131.

132.

133.

134.

135.

136.

137.

138.

139.

140.

141.

142.

143.

144.

145.

146.

147.

148.

149.

150.

151.

152.

153.

154.

155.

156.

157. 1

158. 2

159. 3

160. 4

161. 5

162. 6

163. 7