PowerPoint Presentation
|
|
|
- 시연 정
- 6 years ago
- Views:
Transcription
1 클라우드에서사물인터넷, 머신러닝그리고인공지능까지, AWS 의혁신! 정우진이사
2 최근아마존혁신 음성인식가상비서 이미지인식코디서비스 음성인식 + 디스플레이 2014 년런칭이후지속적혁신현재 1 만개이상의서비스연계됨 머신러닝기반개인에게맞는코디의류추천서비스 이미지 / 텍스트 / 비디오고도화된음성인식서비스제공 온라인현금충전서비스 ( 오프라인매장사용가능 ) Meal Kit ( 즉석식사 ) 간편하게요리, 한끼식사분량손질된식재료배송 Stickers 가상환경기반제품배치 / 매칭서비스 ( 모바일카메라이미지앱을통해 ) Dash 의 Wand 버전. 음성 / 이미지인식으로주문및배송서비스 Package x-ray 주문한상품을포장상태에서내부의상품을확인해주는서비스 지속적혁신 / 진화 다양한서비스로확대 계속해서기존서비스개선 / 신규서비스런칭 MSA/DevOps 효과 Cash, Stickers 등커머스를중심으로다양한부문으로 고객중심및편의혁신 최신 AI 등기술적용 고객의요구 / 고객의입장에서새로운혁신발굴 외부혁신기술적극수용 AWS 를통한시간 / 비용절감 AWS 디지털혁신가속화
3 Learn From Amazon, Execute at AWS 아마존을통해혁신을배우고, 아마존웹서비스에서혁신을실행 Digital Business Digital Innovation Digital Transformation
4 클라우드컴퓨팅 을활용한비즈니스모델의혁신 파괴적혁신 (Disruption) 을통한비즈니스모델의증가 disrupted Hospitality Insurance Devices Trading Media
5 디지털트랜스포메이션 가속화 민첩성 Agility, Time to Market 유연성 flexibility 지속성 sustainability M a n y o f o u r c u s t o m e r s a r e t r a n s f o r m i n g t h e i r w o r l d s a s w e l l. W e r n e r Vo g e l s A m a z o n W e b S e r v i c e s, C T O
6 핵심비즈니스에역량집중 On-Premises Cloud 혁신시도에대한부담이큰환경 실패 $ Millions = 막대한비용손실 Nearly $0 잦은실험적시도불가 Vs. 혁신을촉진하는환경 실패하더라도적은비용 / 시간만손실 잦은실험적시도 기획및계획에서실험과테스트로비즈니스가능성과혁신적비즈니스실행력제고 인프라관리에드는부담감소 신규비즈니스구현에집중 실험및혁신에리소스투자가능
7 새로운 IT 프로젝트및운영 / 관리체계 전통적서비스 / 프로젝트라이프사이클 VS. 혁신기업의서비스 / 프로젝트라이프사이클 개발 (6 개월 ) 운영 (3 년 ) 개발 (6 개월 ) 개발 + 운영 (3 개월 ) 개발 + 운영 (3 개월 ) 개발 + 운영 (3 개월 ) DevOps + Idea Idea Idea Idea Idea Idea 프로젝트 1.0 운영이관 프로젝트 2.0 시스템구매 (renewal) + 프로젝트 1.0 프로젝트 2.0 MicroService CI/CD 프로젝트 X.0
8 IT 를바라보는시각의전환 과거 현재 느리고경직된인프라운영을위해거액투자 거액의투자가수반되는프로젝트를통해 IT 구축 관리및유지보수위주, 최신기술도입을위해지속적으로재투자 경쟁우위로서의민첩성확보를위한확장성있고, 유연한핵심자원 신규기능및최신기술이자동으로 Update 고품질의 Managed Service
9 클라우드컴퓨팅은플랫폼 AWS 마켓플레이스 기업용애플리케이션 IoT BigData ML 인프라에서애플리케이션, 마켓플레이스까지 End-to-End 서비스제공 모바일 데이터분석 서버리스 애플리케이션서비스 관리 / 보안 핵심서비스 인프라 API 개발 / 테스트 / 빌드 & 배포 Service, Solution, API, App, 공용기능 등이플랫폼을구성하는핵심요소 (Primitives) 핵심서비스를활용하여다양한응용서비스를가능하게하는플랫폼형인프라 (Building Block) Ready made service and platform
10 최근클라우드의진화방향 1 완전관리형서비스 2 서버없는서비스기반 3 혁신서비스플랫폼 Fully Managed Serverless Computing Innovative service platform 설치 / 구축 / 지원까지자동화된관리서비스 서버없이함수형서비스기반 API 를통한실행 IoT, BigData, Mobile 등플랫폼기반 Ready-made Built-in 서비스
11 클라우드는 최근 혁신 기술의 기반 IoT Fintech Big Data OmniChannel
12 올해 2017 년은스마트폰, 모바일 10 년의해! 이미지출처 :
13 스마트폰은사실상의 IoT 의기본인센서의집합체 근접센서 기압계 온도 / 습도센서 조도센서 주변소리센서 M7 모션코프로세서 가속도계회전센서자력계
14 Mobile = IoT? No and Yes. Wearables Home Automation Apps Industrial Control Equipment Companion Apps Connect 연결
15 IoT 의가속화는 O2O 로 i O t 2 O 이미지출처 :
16 New Computer Age 의도래 PC 컴퓨터에서스마트폰, 이제는 Mobile First 에서 Next Computing 시대로 PC-Computer Smart Phone Frictionless? Computing No Display! No Keyboard/Mouse! No Touch! Only Recognition! 출처
17 AI 와 IoT 의결합과융합으로진화 AI + IoT = AIoT 이미지출처 :
18 Machine & Deep Learning 머신러닝으로모든것이재조명되고있는상황스마트폰이후에다음세대의디바이스서비스로예상되고있음 출처
19 인공지능의단계 Level Level 1 Level 2 Level 3 Level 4 - 단순제어프로그램탑재된디바이스 / 장비 - 제어공학 / 시스템공학 -IoT 와머신러닝결합 - 자동작동 / 원격관리 - 사전예측 / 진단 - 퍼즐 / 진단프로그램 - 행동패턴인식 / 실행 - 다양한경우, 입출력경우의수가많은경우 - 적절한판단, 추론 / 탐색기존지식기반판단 - 자동적판단, 검색 / 빅데이터기반 - 추론구조 / 지식베이스데이터기반학습 - 기계학습, 표본데이터규칙 / 지식을스스로학습. 패턴인식 - 딥러닝적용 (DNN) - 이미지 / 음성인식, 자연어처리 - 질의 / 응답 / 서비스실행 - 지속적인학습으로진화하는러닝모델.
20 AI 가존재하고성공하기위해서는 IoT 의역할은? IoT : Data Collection through IoT Big Data : Capture, Storage, analysis of Data AI : Data-based Learning (Machine/Deep Learning)
21 AWS 의 Internet of Things 에대한생각 Various Sensors Device Mobile Device MQTT HTTPS Persistent Stream Archive Analysis Correlation 클라우드에제품을연결하여센서데이터를캡처하고장치에서위치데이터를업데이트하며명령을실행 클라우드에서제품의동작정의 제품이클라이언트애플리케이션 ( 스마트폰 / 태블릿앱포함 ) 과쉽게상호작용할수있도록함
22 IoT 의 3 가지중심축 IoT 재정의 : Intelligence, Cloud-Orchestration, Things 사물 Things Sense & Act 클라우드 Cloud Storage & Compute 지능화 Intelligence Insights & Logic Action
23 AWS IoT 의강점및기대효과 AWS IoT 플랫폼이가능하게하는것 : 대규모장치를 AWS 클라우드및기타장치에안전하게연결하려면 이러한장치의데이터를라우팅하고처리하고작동시키려면 응용프로그램이오프라인상태에서도장치와상호작용할수있게하려면 다른 AWS 서비스와완벽하게통합하여데이터를분석합니다 (Analytics, Databases, AI 등 ).
24
25 AWS IoT Analytics Kinesis Artificial Intelligence EMR AWS IoT Messages Messaging SQS SNS Database Redshift DynamoDB Manage CloudWatch Messages Messages Rules Engine AWS Services Device Gateway Message Broker Device Shadow Messages Registry Applications API
26 Problem To Solve: Consumer scale & service AWS IoT 로구동되는디바이스 원격제어및원격측정 스마트홈성장솔루션대체 알렉사스킬및모바일앱연계
27 IoT Customer Momentum FoxDen
28 Big Data Evolution Batch Real-time Prediction Reports Alerts Forecasts
29 Machine Learning Collect 수집 Training data 학습데이터 Validation data 확인 / 처리데이터 Test data 테스트데이터 모델학습 Model training 모델검증 Model validation Final predictions 최종예측
30 Machine Learning from AWS Amazon Machine Learning is a service that makes it easy for developers of all skill levels to use machine learning technology.
31 Deep Learning Advanced ML Where traditional machine learning focuses on feature engineering, deep learning focuses on end-to-end learning based on raw features Neural Networks : A collection of simple, trainable mathematical units that collectively learn complex functions
32 Deep Learning Use Cases 이미지 / 시각처리음성인식자연어처리
33 Deep Learning Flow Train Training dataset Solver Neural network Train Solver Network Dashboard Deploy Model Feedback Classification Detection Segmentation
34 When Jobs/Tasks will be taken over by Machines? AI 는인간을언제대체하는지? 옥스포드대와예일대에서 352 명의인공지능연구원에게설문조사 미래의기계가인간의다양한업무로대체할때는언제인지? - 언어번역은 2024 년이되어야완전히대체. - 에세이는 2026 년에고등학생수준작성 년까지모든인간작업을자동화 년이되어야완전히인간을대체. " 이결과는연구원과정책입안자들사이에서 AI 의경향을예측하고관리하는것에관한논의에도움을줄것임." AI 기술의정도와혁신의수준인식이중요
35 AI 인공지능의정의 지능 (intelligence) 이라는단어는무엇을의미하는가? 1. 인간의지능은무언가를이해하고배우는능력이다. 2. 지능은본능적혹은자동적으로무언가를하는대신생각하고이해하는능력이다. - Essential English Dictionary, Collins, London, 1990 생각 (thinking) 이라는단어는무엇을의미하는가? 생각 (thinking) 이란문제를고려하거나아이디어를만들기위해두뇌를사용하는행위다. - Essential English Dictionary, Collins, London, 1990 생각을하려면인간이나사물에두뇌, 즉문제를풀고결정을내리기위해무언가를배우고이해할수있게해주는기관이있어야한다. 따라서지능이란 문제를풀고결정을내리기위해배우고이해하는능력 으로정의할수있다. AI 이란, 인간의지능이필요한작업을기계도할수있게만드는것을목표로하는과학이다. 지능적인기계를만들기위해서는특정문제영역에서전문가지식을획득하고구성하며사용할수있어야한다.
36 암흑기 에서지식기반시스템에이르는 AI 의역사 1. 암흑기 : AI의탄생 (1943년 ~1956년 ) 2. AI의융성 : 큰기대의시대 (1956년 ~1960년대후반 ) 3. 이행되지않은약속 : 현실의직면 (1960년대후반 ~1970년대초반 ) 4. 전문가시스템의기술 : 성공의열쇠 (1970년대초반 ~1980년대중반 ) 5. 기계가학습하는법 : 신경망의재탄생 (1980년대중반 ~) 6. 진화연산 : 탐색하면서배우기 (1970년대초반 ~) 7. 지식공학의새로운시대 : 단어로계산하기 (1980년대후반 ~) 싱귤래리티 딥러닝 제 1 차 AI 붐 겨울의시대 제 2 차 AI 붐 겨울의시대 제 3 차 AI 붐 머신러닝 1960 년대 1970 년대 1980 년대 1990 년대 2000 년대 2010 년대
37 최근 AI 응용어플리케이션분야 A few AI application today 수많은처리및예측 A lot of number crunching Business Intelligence 컴퓨터비전 Vision Auto tech and drone Collision avoidance 자연어처리 Language Processing Chatbots IoT Predictive Maintenance E-Commerce Search News & Media Content Creation Search Recommendation Pick and Place robots Smart home voice interfaces Forecasting Models Healthcare Diagnostics Text Analytics
38 AI/ML 분야의깊은경험은우리의서비스를차별화함 Our deep experience with AI/ML differentiates our services 1995 아마존은설립초기부터 AI / ML 에투자했으며우리는고객에게지식과역량을공유합니다. Amazon has invested in AI/ML since our inception, and we share our knowledge and capabilities with our customers 2017 Product recommendation engine Robot-enabled fulfillment centers New product categories ML-driven supply chain and capacity planning Natural language processingsupported contact centers Checkout-free shopping using deep learning 상품추천 물류센터로봇 신규제품영역 머신러닝기반 SCM 자연어처리기반콘택센터 딥러닝기반무결재쇼핑
39 Amazon 에서 AI Inside Amazon AI 전사적으로수천명의임직원들이 AI 를연구하고업무에적용및실행 상품검색추천 물류 / 배송 디바이스 & 미디어개선 새로운혁신제품 딥러닝머신러닝서비스 Consumer Product & Service Alexa, Video, Music, Audible Drone, Store, etc. Customer facing Commerce Intelligence Personalization and Recommend Fulfillment management Fast delivery and shipping Platform & Infrastructure Cloud Computing to Power AI algorithms. Provide full stack from AWS (AI service/platform/framework/infrastructure)
40 우리가 AI 를이용및활용하여앞으로나아갈수없는이유? What is preventing the industry from moving ahead? AI/ML expertise is rare 전문가부족 Building and scaling AI/ML technology is hard 기술 / 스케일링어려움 Deploying and operating models in production is time-consuming and expensive 운영시시간소모적 / 고비용 A lack of cost-effective, easy-to-use, and scalable AI/ML services 비용효율적쉽고단순한확장성있는서비스필요
41 AWS 는 AI / ML 을보다쉽게이용할수있도록다양한도구를제공 AWS offers a range of tools to make AI/ML more accessible Amazon AI/ML Services Machine Learning Platforms Deep Learning Frameworks Amazon ML Spark & EMR Kinesis Batch Lex Polly Rekognition ECS Usability/simplicity: leverages AWS AI/ML expertise 이러한솔루션은검증되고확장가능한 AWS 제품및서비스를기반으로합니다. These solutions are underpinned by proven, scalable AWS products and services Greater control: customer-specific models Amazon EC2 (P2 and G2 GPUs) Amazon EC2 (CPUs) Amazon EC2 (ENA) Amazon S3 Amazon DynamoDB Amazon Redshift AWS Lambda AWS IoT AWS Greengrass
42 이도구들이모여전체 AI / ML 스택을제공하게됩니다. 우리의접근방식은모든주요프레임워크를지원하고고객이업무에가장적합한도구를사용할수있게하는것입니다. Our approach is to support all major frameworks and enable our customers to use the best tool for the job. Services Lex (Language) Polly (Speech) Rekognition (Vision) Platforms Amazon ML Spark & EMR Kinesis Batch ECS AWS Deep Learning AMI Frameworks Apache MXNet TensorFlow Caffe2 & Caffe Theano Keras Cognitive Toolkit Torch Infrastructure GPU CPU IoT Mobile
43 오늘날여러산업분야의기업이 AWS 에서 AI/ML 을실행합니다. And today, enterprises across industries run AI/ML on AWS
44 Amazon AI/ML 서비스는사용이간편하도록설계되었습니다. Amazon AI/ML Services are designed for ease-of-use 광범위한 AI/ML 전문기술을필요로하지않는 Lex Polly Rekognition 확장가능하고, 훈련되고, 지속적으로최적화된서비스 Scalable, trained, and continuously optimized services that do not require extensive AI/ML expertise Amazon AI / ML 서비스의기본구성요소 Foundational components of Amazon AI/ML services Amazon data science expertise Amazon training data Amazon models and learning Accessibility via API
45 혁신을가능하게하기위해설계된플랫폼 A platform designed to enable innovation Benefits: 초기모델을구축하고탐색할수있는직관적인서비스콘솔 Robust, Amazon 의내부시스템을기반으로한강력한머신러닝기술 이미 AWS 클라우드에저장된데이터를사용하여모델을생성하는기능 수초만에모델을운영서비스 (Production) 에배포 이용한만큼, 저렴한비용으로제공 기존데이터가있는개발자를위해제작된사용하기쉽고관리되는머신러닝서비스 Easy-to-use, managed machine learning service built for developers with existing data
46 지능형시스템구축을위한프레임워크 Frameworks to help build intelligent systems 정교한 AI/ML 모델을학습하기위한 딥러닝프레임워크가미리설치된 AMI AMI pre-installed with deep learning frameworks to train sophisticated AI/ML models Benefits: AWS Deep Learning AMI 는편리한 Amazon Machine Image 에사전설치및구성된머신러닝도구를제공합니다. Apache MXNet, TensorFlow, Microsoft Cognitive Toolkit (CNTK), Caffe, Caffe2, Theano, Torch 및 Keras 와같은프레임워크를자유롭게사용할수있습니다. 대규모학습을위해관리되는스케일이자동조정되는 GPU 클러스터를쉽게생성합니다.
47 고객경험향상및통찰력확보 Enhancing customer experience and uncovering insights Lex 대화형인터페이스자연어처리 / 이해 Polly Text to Speech 기반의음성서비스제작 Rekognition 이미지검색및탐색이미지인식및분석기반 Benefits for industrial Services Institutions 규모에따른서비스맞춤화 보다개인화된효율적인고객상호작용 운영및관리효율성제고 신규투자및새로운 비즈니스기회
48 LEX 와 POLLY 의 Chatbot 도입유형 정보봇서비스 - Informational Bots 모든고객의매일일상적질의에대한챗봇서비스 Chatbots for everyday consumer requests 어플리케이션봇 - Application Bots 모바일어플리케이션에강력한인터페이스연계 Build powerful interfaces to mobile applications 기업생산성봇 Enterprise Productivity Bots 기업의업무에서생산성향상과업무과정상에지원 Streamline enterprise work activities and improve efficiencies IoT 봇 Internet of Things (IoT) Bots 디바이스상호자굥에서인터페이스를통한대화 ( 컨트롤 ) 가능 Enable conversational interfaces for device interactions 뉴스업데이트 날씨정보 스포츠경기스코어 티켓예약 식사주문 은행계좌관리등 매출확인 마케팅상황 / 결과 실시간재고파악 웨어러블 원격어플리케이션 자동화
49 Amazon AI 사례. Pinterest/Netflix Pinterest Lens Netflix Recommendation Engine
50 AI 접근전략 - Approach Business Scenarios Learning Model Platform 1. Business before Technology Business Service Model 2. Scenarios to Pattern, Prototype Dialogue and Workflow 3. Learning Model & Algorithm Modeling and Data Learning. 4. Leverage Platform Data Lake, Learning Framework, P2 instances, Connect to IoT & Mobile, etc
51 2016 Letter to Shareholders Day1! 1. 고객중심사고 True Customer Obsession 2. 당연하다고믿는것에대한의심 Resist Proxies 3. 외부트렌드수용 Embrace External Trends 4. 신속한의사결정 High-Velocity Decision Making
52 2016 Letter to Shareholders 외부트렌드수용 Embrace External Trends 미래와싸우지말고미래를받아들여서나가야합니다. AWS 에서우리는머신러닝및 AI 에대한비용과장벽을낮춰 모든조직이이러한고급기술을활용할수있습니다. Learn and be Curious Invent and Simplify
53 2016 Letter to Shareholders 신속한의사결정 High-Velocity Decision Making " 정보의 70% 만주어져도과감하게시도하라. 정보가 90% 가될때까지기다리면이미늦다 " Bias for Action
김기남_ATDC2016_160620_[키노트].key
![김기남_ATDC2016_160620_[키노트].key](/thumbs/85/91488855.jpg "김기남_ATDC2016_160620_[키노트].key")
metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational
Data Industry White Paper
2017 2017 Data Industry White Paper 2017 1 3 1 2 3 Interview 1 ICT 1 Recommendation System * 98 2017 Artificial 3 Neural NetworkArtificial IntelligenceAI 2 AlphaGo 1 33 Search Algorithm Deep Learning IBM
Business Agility () Dynamic ebusiness, RTE (Real-Time Enterprise) IT Web Services c c WE-SDS (Web Services Enabled SDS) SDS SDS Service-riented Architecture Web Services ( ) ( ) ( ) / c IT / Service- Service-
2017 1
2017 2017 Data Industry White Paper 2017 1 1 1 2 3 Interview 1 4 1 3 2017IT 4 20161 4 2017 4 * 22 2017 4 Cyber Physical SystemsCPS 1 GEGE CPS CPS Industrial internet, IoT GE GE Imagination at Work2012
001지식백서_4도
White Paper on Knowledge Service Industry Message Message Contents Contents Contents Contents Chapter 1 Part 1. Part 2. Part 3. Chapter
HTML5* Web Development to the next level HTML5 ~= HTML + CSS + JS API
WAC 2.0 & Hybrid Web App 권정혁 ( @xguru ) 1 HTML5* Web Development to the next level HTML5 ~= HTML + CSS + JS API Mobile Web App needs Device APIs Camera Filesystem Acclerometer Web Browser Contacts Messaging
Service-Oriented Architecture Copyright Tmax Soft 2005
Service-Oriented Architecture Copyright Tmax Soft 2005 Service-Oriented Architecture Copyright Tmax Soft 2005 Monolithic Architecture Reusable Services New Service Service Consumer Wrapped Service Composite
DIY 챗봇 - LangCon
without Chatbot Builder & Deep Learning bage79@gmail.com Chatbot Builder (=Dialogue Manager),. We need different chatbot builders for various chatbot services. Chatbot builders can t call some external
Ch 1 머신러닝 개요.pptx
Chapter 1. < > :,, 2017. Slides Prepared by,, Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 1.1 3 1.2... 7 1.3 10 1.4 16 1.5 35 2 1 1.1 n,, n n Artificial
Problem New Case RETRIEVE Learned Case Retrieved Cases New Case RETAIN Tested/ Repaired Case Case-Base REVISE Solved Case REUSE Aamodt, A. and Plaza, E. (1994). Case-based reasoning; Foundational
Portal_9iAS.ppt [읽기 전용]
![Portal_9iAS.ppt [읽기 전용]](/thumbs/104/163081918.jpg "Portal_9iAS.ppt [읽기 전용]")
Application Server iplatform Oracle9 A P P L I C A T I O N S E R V E R i Oracle9i Application Server e-business Portal Client Database Server e-business Portals B2C, B2B, B2E, WebsiteX B2Me GUI ID B2C
클라우드컴퓨팅확산에따른국내경제시사점 클라우드컴퓨팅확산에따른국내경제시사점 * 1) IT,,,, Salesforce.com SaaS (, ), PaaS ( ), IaaS (, IT ), IT, SW ICT, ICT IT ICT,, ICT, *, (TEL)
클라우드컴퓨팅확산에따른국내경제시사점 클라우드컴퓨팅확산에따른국내경제시사점 * 1) IT,,,, Salesforce.com SaaS (, ), PaaS ( ), IaaS (, IT ), IT, SW ICT, ICT IT ICT,, ICT, *, (TEL) 02-570-4352 (e-mail) jjoon75@kisdi.re.kr 1 The Monthly Focus.
슬라이드 1
Data-driven Industry Reinvention All Things Data Con 2016, Opening speech SKT 종합기술원 최진성원장 Big Data Landscape Expansion Big Data Tech/Biz 진화방향 SK Telecom Big Data Activities Lesson Learned and Other Topics
슬라이드 제목 없음
(Electronic Commerce/Electronic Business) ( ) ,, Bio Bio 1 2 3 Money Money ( ) ( ) 4025 39 21 25 20 13 15 13 15 17 12 11 10 1 23 1 26 ( ) 1 2 2 6 (1 3 ) 1 14:00 20:00 1 2 1 1 5-6 4 e t / Life Cycle (e-commerce)
08SW
www.mke.go.kr + www.keit.re.kr Part.08 654 662 709 731 753 778 01 654 Korea EvaluationInstitute of industrial Technology IT R&D www.mke.go.kr www.keit.re.kr 02 Ministry of Knowledge Economy 655 Domain-Specific
Web Application Hosting in the AWS Cloud Contents 개요 가용성과 확장성이 높은 웹 호스팅은 복잡하고 비용이 많이 드는 사업이 될 수 있습니다. 전통적인 웹 확장 아키텍처는 높은 수준의 안정성을 보장하기 위해 복잡한 솔루션으로 구현
02 Web Application Hosting in the AWS Cloud www.wisen.co.kr Wisely Combine the Network platforms Web Application Hosting in the AWS Cloud Contents 개요 가용성과 확장성이 높은 웹 호스팅은 복잡하고 비용이 많이 드는 사업이 될 수 있습니다. 전통적인
untitled
3 IBM WebSphere User Conference ESB (e-mail : ljm@kr.ibm.com) Infrastructure Solution, IGS 2005. 9.13 ESB 를통한어플리케이션통합구축 2 IT 40%. IT,,.,, (Real Time Enterprise), End to End Access Processes bounded by
istay
` istay Enhanced the guest experience A Smart Hotel Solution What is istay Guest (Proof of Presence). istay Guest (Proof of Presence). QR.. No App, No Login istay. POP(Proof Of Presence) istay /.. 5% /
DW 개요.PDF
Data Warehouse Hammersoftkorea BI Group / DW / 1960 1970 1980 1990 2000 Automating Informating Source : Kelly, The Data Warehousing : The Route to Mass Customization, 1996. -,, Data .,.., /. ...,.,,,.
ecorp-프로젝트제안서작성실무(양식3)
(BSC: Balanced ScoreCard) ( ) (Value Chain) (Firm Infrastructure) (Support Activities) (Human Resource Management) (Technology Development) (Primary Activities) (Procurement) (Inbound (Outbound (Marketing
歯목차45호.PDF
CRM CRM (CRM : Customer Relationship Management ). CRM,,.,,.. IMF.,.,. (CRM: Customer Relationship Management, CRM )., CRM,.,., 57 45 (2001 )., CRM...,, CRM, CRM.. CRM 1., CRM,. CRM,.,.,. (Volume),,,,,,,,,,
1.장인석-ITIL 소개.ppt
HP 2005 6 IT ITIL Framework IT IT Framework Synchronized Business and IT Business Information technology Delivers: Simplicity, Agility, Value IT Complexity Cost Scale IT Technology IT Infrastructure IT
aws
Amazon Web Services AWS MIGRATION MANAGED SERVICE FOR AWS 베스핀글로벌 S AWS OFFERING 베스핀글로벌과 Amazon Web Services (AWS) 가 여러분의 비즈니스에 클라우드 날개를 달아드립니다. AWS에 높은 이해도를 갖춘 베스핀글로벌의 클라우드 전문가가 다양한 산업 영역에서의 구축 경험과 노하우를
제1강 인공지능 개념과 역사
인공지능개념과역사 < 인공지능입문 > 강의노트 장병탁서울대학교컴퓨터공학부 & 인지과학 / 뇌과학협동과정 http://bi.snu.ac.kr/~btzhang/ Version: 20180302 목차 인공지능의개념........ 3 연구분야............ 4 역사...... 6 패러다임........ 7 응용사례.......... 8 Reading Assignments.........
이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론
이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 2. 관련연구 2.1 MQTT 프로토콜 Fig. 1. Topic-based Publish/Subscribe Communication Model. Table 1. Delivery and Guarantee by MQTT QoS Level 2.1 MQTT-SN 프로토콜 Fig. 2. MQTT-SN
PowerPoint 프레젠테이션
CRM Data Quality Management 2003 2003. 11. 11 (SK ) hskim226@skcorp.com Why Quality Management? Prologue,,. Water Source Management 2 Low Quality Water 1) : High Quality Water 2) : ( ) Water Quality Management
20(53?)_???_O2O(Online to Offline)??? ???? ??.hwp
O2O(Online to Offline)서비스 전략방향 연구 - 모바일 사용자 경험 디자인(UX Design)을 중심으로 - O2O(Online to Offline) Service Strategy Research -Focusing on Mobile UX Design- 주저자 김 형 모 Kim, Hyung-mo BK21플러스 다빈치 창의융합인재양성사업단 BK21Plus
이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33% 예상) 3. 삼성의 스마트폰 OS 바다는 과연 성공할 수 있을까? 지금부터 기업들이 관심 가져야 할 질문들 1. 스마트폰은
Enterprise Mobility 경영혁신 스마트폰, 웹2.0 그리고 소셜라이프의 전략적 활용에 대하여 Enterpise2.0 Blog : www.kslee.info 1 이경상 모바일생산성추진단 단장/경영공학박사 이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33%
±èÇö¿í Ãâ·Â
Smartphone Technical Trends and Security Technologies The smartphone market is increasing very rapidly due to the customer needs and industry trends with wireless carriers, device manufacturers, OS venders,
00내지1번2번
www.keit.re.kr 2011. 11 Technology Level Evaluation ABSTRACT The Technology Level Evaluation assesses the current level of industrial technological development in Korea and identifies areas that are underdeveloped
Voice Portal using Oracle 9i AS Wireless
Voice Portal Platform using Oracle9iAS Wireless 20020829 Oracle Technology Day 1 Contents Introduction Voice Portal Voice Web Voice XML Voice Portal Platform using Oracle9iAS Wireless Voice Portal Video
, N-. N- DLNA(Digital Living Network Alliance).,. DLNA DLNA. DLNA,, UPnP, IPv4, HTTP DLNA. DLNA, DLNA [1]. DLNA DLNA DLNA., [2]. DLNA UPnP. DLNA DLNA.
![, N-. N- DLNA(Digital Living Network Alliance).,. DLNA DLNA. DLNA,, UPnP, IPv4, HTTP DLNA. DLNA, DLNA [1]. DLNA DLNA DLNA., [2]. DLNA UPnP. DLNA DLNA.](/thumbs/90/102511563.jpg ", N-. N- DLNA(Digital Living Network Alliance).,. DLNA DLNA. DLNA,, UPnP, IPv4, HTTP DLNA. DLNA, DLNA [1]. DLNA DLNA DLNA., [2]. DLNA UPnP. DLNA DLNA.")
http://dx.doi.org/10.5909/jeb.2012.17.1.37 DLNA a), a), a) Effective Utilization of DLNA Functions in Home Media Devices Ki Cheol Kang a), Se Young Kim a), and Dae Jin Kim a) DLNA(Digital Living Network
SchoolNet튜토리얼.PDF
Interoperability :,, Reusability: : Manageability : Accessibility :, LMS Durability : (Specifications), AICC (Aviation Industry CBT Committee) : 1988, /, LMS IMS : 1997EduCom NLII,,,,, ARIADNE (Alliance
PowerPoint 프레젠테이션
ㆍ Natural Language Understanding 관련기술 ㆍ Semantic Parsing Conversational AI Natural Language Understanding / Machine Learning ㆍEntity Extraction and Resolution - Machine Learning 관련기술연구개발경험보유자ㆍStatistical
untitled
SAS Korea / Professional Service Division 2 3 Corporate Performance Management Definition ý... is a system that provides organizations with a method of measuring and aligning the organization strategy
03.Agile.key
CSE4006 Software Engineering Agile Development Scott Uk-Jin Lee Division of Computer Science, College of Computing Hanyang University ERICA Campus 1 st Semester 2018 Background of Agile SW Development
OP_Journalism
1 non-linear consumption 2 Whatever will change television will do so by re-defining the core product not just the tools we use to consume it. by Horace Dediu, Asymco 3 re-defining the core product not
SW¹é¼Ł-³¯°³Æ÷ÇÔÇ¥Áö2013
SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING WHITE BOOK : KOREA 2013 SOFTWARE ENGINEERING
0125_ 워크샵 발표자료_완성.key
WordPress is a free and open-source content management system (CMS) based on PHP and MySQL. WordPress is installed on a web server, which either is part of an Internet hosting service or is a network host
강의지침서 작성 양식
정보화사회와 법 강의지침서 1. 교과목 정보 교과목명 학점 이론 시간 실습 학점(등급제, P/NP) 비고 (예:팀티칭) 국문 정보화사회와 법 영문 Information Society and Law 3 3 등급제 구분 대학 및 기관 학부(과) 전공 성명 작성 책임교수 법학전문대학원 법학과 최우용 2. 교과목 개요 구분 교과목 개요 국문 - 정보의 디지털화와 PC,
15_3oracle
Principal Consultant Corporate Management Team ( Oracle HRMS ) Agenda 1. Oracle Overview 2. HR Transformation 3. Oracle HRMS Initiatives 4. Oracle HRMS Model 5. Oracle HRMS System 6. Business Benefit 7.
Intro to Servlet, EJB, JSP, WS
! Introduction to J2EE (2) - EJB, Web Services J2EE iseminar.. 1544-3355 ( ) iseminar Chat. 1 Who Are We? Business Solutions Consultant Oracle Application Server 10g Business Solutions Consultant Oracle10g
PowerPoint Presentation
1 2 Enterprise AI 인공지능 (AI) 을업무에도입하는최적의제안 Taewan Kim Solution Engineer Data & Analytics @2045 Imagine the endless possibilities to learn from 2.5 quintillion bytes of data generated every day AI REVOLUTION
SECTION TITLE A PURE PRIMER (AI), // 1
SECTION TITLE A PURE PRIMER (AI), // 1 ,...,.,,. AI Enlitic.. Aipoly Microsoft Seeing AI.,, " ",. 4. 4..,.,?.. AI Drive.ai Lyft. // 1 .,.. 1. 2. 3.,. 50~100,., (AI) 4.,,.,.. // 2 ,,. 1 (HAL VARIAN) //,
정보기술응용학회 발표
, hsh@bhknuackr, trademark21@koreacom 1370, +82-53-950-5440 - 476 - :,, VOC,, CBML - Abstract -,, VOC VOC VOC - 477 - - 478 - Cost- Center [2] VOC VOC, ( ) VOC - 479 - IT [7] Knowledge / Information Management
삼성SDI_SR국문_최종
Sustainability Report 2008 Power to Imagine SAMSUNG SDI About Sustainability Report GRI G3 Tel 031) 8006-3366 Fax 031) 8006-3399 E-Mail sustainability@samsung.com http://www.samsungsdi.co.kr Global Network
04-다시_고속철도61~80p
Approach for Value Improvement to Increase High-speed Railway Speed An effective way to develop a highly competitive system is to create a new market place that can create new values. Creating tools and
ETL_project_best_practice1.ppt
ETL ETL Data,., Data Warehouse DataData Warehouse ETL tool/system: ETL, ETL Process Data Warehouse Platform Database, Access Method Data Source Data Operational Data Near Real-Time Data Modeling Refresh/Replication
歯김한석.PDF
HSN 2001 Workshop Session IX Service Providers and Business Model Future Business Models for Telecom Industry 1. Internet Economy 2. E-business 3. Internet Economy 4.? 1 1. Internet Economy 1.1 Internet
LG-LU6200_ICS_UG_V1.0_ indd
01 02 03 04 05 06 07 08 09 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
S Special Report ORACLE이 주도하는 MODERN MARKETING의 세계 각하게 고민하게 되었다. 유통채널인 Place 요소의 혁신적 변화는 최근 O2O(Online To Offline)나 Omni - Channel 혁신이라는 Keyword로 많이 회
S SPECIAL REPORT Oracle이 주도하는 MODERN MARKETING의 세계 기업의 Marketer들은 고객에게 자사의 상품이나 서비스의 판매를 극대화하기 위해 전통적으로 Marketing Mix라는 4P 요소들 (Products, Price, Place, Promotion)을 통해 전략을 수립하고 실행하기 위한 고민을 해왔다. 최근 이 네 가지
AGENDA 01 02 03 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례
모바일 클라우드 서비스 융합사례와 시장 전망 및 신 사업전략 2011. 10 AGENDA 01 02 03 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례 AGENDA 01. 모바일 산업의 환경 변화 가치 사슬의 분화/결합 모바일 업계에서도 PC 산업과 유사한 모듈화/분업화 진행 PC 산업 IBM à WinTel 시대 à
<BCBCBBF3C0BB20B9D9B2D9B4C220C5ACB6F3BFECB5E520C4C4C7BBC6C3C0C720B9CCB7A128BCF6C1A4295F687770>
세상을 바꾸는 클라우드 컴퓨팅의 미래 KT 그룹컨설팅지원실, 김미점(mjkim@kt.com) Gartner 10대 IT Trend에서 2009년에서 2011년까지 3년 연속 선정되고, 기업에서의 경영 방식이나 개인의 삶을 다양한 방식으로 바꿀 것으로 예상되는 클라우드 컴퓨팅의 미래 전망은 어떠할까? 빅 데이터의 등장과 다양한 모바일 디바이스의 출현으로 클라
歯I-3_무선통신기반차세대망-조동호.PDF
KAIST 00-03-03 / #1 1. NGN 2. NGN 3. NGN 4. 5. 00-03-03 / #2 1. NGN 00-03-03 / #3 1.1 NGN, packet,, IP 00-03-03 / #4 Now: separate networks for separate services Low transmission delay Consistent availability
歯CRM개괄_허순영.PDF
CRM 2000. 8. KAIST CRM CRM CRM CRM :,, KAIST : 50%-60%, 20% 60%-80%. AMR Research 10.. CRM. 5. Harvard Business review 60%, 13%. Michaelson & Associates KAIST CRM? ( ),,, -,,, CRM needs,,, dynamically
160322_ADOP 상품 소개서_1.0
상품 소개서 March, 2016 INTRODUCTION WHO WE ARE WHAT WE DO ADOP PRODUCTS : PLATON SEO SOULTION ( ) OUT-STREAM - FOR MOBILE ADOP MARKET ( ) 2. ADOP PRODUCTS WHO WE ARE ADOP,. 2. ADOP PRODUCTS WHAT WE DO ADOP,.
KDTÁ¾ÇÕ-2-07/03
CIMON-PLC CIMON-SCADA CIMON-TOUCH CIMON-Xpanel www.kdtsys.com CIMON-SCADA Total Solution for Industrial Automation Industrial Automatic Software sphere 16 Total Solution For Industrial Automation SCADA
김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월
지능정보연구제 17 권제 4 호 2011 년 12 월 (pp.241~254) Support vector machines(svm),, CRM. SVM,,., SVM,,.,,. SVM, SVM. SVM.. * 2009() (NRF-2009-327- B00212). 지능정보연구제 17 권제 4 호 2011 년 12 월 김경재 안현철 지능정보연구제 17 권제 4 호
Agenda POS Market Trends RSS Product Line-Up Reference & Value Propositions Summary 2
Retail on demand IBM (sybaek@kr.ibm.com) 2006 IBM Corporation Agenda POS Market Trends RSS Product Line-Up Reference & Value Propositions Summary 2 POS Market Trends RSS Product Line-Up Reference & Value
AT_GraduateProgram.key
Art & Technology Graduate Program M.A.S (Master of Arts & Science) in Art & Technology Why Art Tech Graduate Program? / + + X Why Sogang? - Art/Design + Technology 4 Art & Technology Who is this for? (
Amazon EBS (Elastic Block Storage) Amazon EC2 Local Instance Store (Ephemeral Volumes) Amazon S3 (Simple Storage Service) / Glacier Elastic File Syste (EFS) Storage Gateway AWS Import/Export 1 Instance
감각형 증강현실을 이용한
대한산업공학회/한국경영과학회 2012년 춘계공동학술대회 감각형 증강현실을 이용한 전자제품의 디자인 품평 문희철, 박상진, 박형준 * 조선대학교 산업공학과 * 교신저자, hzpark@chosun.ac.kr 002660 ABSTRACT We present the recent status of our research on design evaluation of digital
solution map_....
SOLUTION BROCHURE RELIABLE STORAGE SOLUTIONS ETERNUS FOR RELIABILITY AND AVAILABILITY PROTECT YOUR DATA AND SUPPORT BUSINESS FLEXIBILITY WITH FUJITSU STORAGE SOLUTIONS kr.fujitsu.com INDEX 1. Storage System
untitled
Logistics Strategic Planning pnjlee@cjcci.or.kr Difference between 3PL and SCM Factors Third-Party Logistics Supply Chain Management Goal Demand Management End User Satisfaction Just-in-case Lower
국내 디지털콘텐츠산업의 Global화 전략
Digital Conents Contents Words, Sound, Picture, Image, etc. Digitizing : Product, Delivery, Consumption NAICS(, IMO Digital Contents Digital Contents S/W DC DC Post PC TV Worldwide Digital Contents
2016_Company Brief
1MILLIMETER Creative Agency / Tiny Make Big. Copyrights all-rights reserved. 2016/1-mm.net 1MILLIMETER // Copyright all-rights reserved. 2016/1-mm.net Distance Between You & Us & Tiny Make Big 1MILLIMETER
13 Who am I? R&D, Product Development Manager / Smart Worker Visualization SW SW KAIST Software Engineering Computer Engineering 3
13 Lightweight BPM Engine SW 13 Who am I? R&D, Product Development Manager / Smart Worker Visualization SW SW KAIST Software Engineering Computer Engineering 3 BPM? 13 13 Vendor BPM?? EA??? http://en.wikipedia.org/wiki/business_process_management,
IT & Future Strategy 보고서 는 21세기 한국사회의 주요 패러다임 변화를 분석하고 이를 토대로 미래 초연결 사회의 주요 이슈를 전망, IT를 통한 해결 방안을 모색하기 위해 한국정보화진흥원 (NIA) 에서 기획, 발간하는 보고서입니 다. NIA 의 승인
모두를 위한 미래, 행복하고 안전한 초연결 사회 IT & Future Strategy 초연결 사회를 견인할 데이터화 전략 (Datafication) 제1 호(2015. 3. 20.) 목 차 Ⅰ. 초연결 사회 도래와 부상 / 1 Ⅱ. 데이터 분류 및 주요 내용 / 9 Ⅲ. 데이터 인프라 구축 방안 / 19 Ⅳ. 데이터 활용 방안 및 이슈 / 26 IT & Future
서현수
Introduction to TIZEN SDK UI Builder S-Core 서현수 2015.10.28 CONTENTS TIZEN APP 이란? TIZEN SDK UI Builder 소개 TIZEN APP 개발방법 UI Builder 기능 UI Builder 사용방법 실전, TIZEN APP 개발시작하기 마침 TIZEN APP? TIZEN APP 이란? Mobile,
06_ÀÌÀçÈÆ¿Ü0926
182 183 184 / 1) IT 2) 3) IT Video Cassette Recorder VCR Personal Video Recorder PVR VCR 4) 185 5) 6) 7) Cloud Computing 8) 186 VCR P P Torrent 9) avi wmv 10) VCR 187 VCR 11) 12) VCR 13) 14) 188 VTR %
¹Ìµå¹Ì3Â÷Àμâ
MIDME LOGISTICS Trusted Solutions for 02 CEO MESSAGE MIDME LOGISTICS CO., LTD. 01 Ceo Message We, MIDME LOGISTICS CO., LTD. has established to create aduance logistics service. Try to give confidence to
Mstage.PDF
Wap Push June, 2001 Contents About Mstage What is the Wap Push? SMS vs. Push Wap push Operation Wap push Architecture Wap push Wap push Wap push Example Company Outline : (Mstage co., Ltd.) : : 1999.5
삼국통일시나리오.indd
디지털융합연구원 Whitepaper 2010-01 2010.12.20 장석권교수 디지털융합연구원장 한양대학교 경영대학 교수 contents Executive Summary_03 1. 디지털삼국의 형상과 구조 _04 2. 디지털삼국의 세력다툼 양상과 영토확장 전략 _08 3. 삼국통일 시나리오 _11 3.1 시나리오의 구성 3.2 Google 공화국 (Republic
Microsoft Word - 조병호
포커스 클라우드 컴퓨팅 서비스 기술 및 표준화 추진 동향 조병호* 2006년에 클라우딩 컴퓨팅이란 용어가 처음 생겨난 이래 글로벌 IT 기업 CEO들이 잇달아 차 기 핵심 기술로 클라우드 컴퓨팅을 지목하면서 전세계적으로 클라우드 컴퓨팅이라는 새로운 파 라다임에 관심이 고조되고 있다. 클라우드 컴퓨팅 기술을 이용하면 효율적인 IT 자원을 운용할 수 있으며 비용절감
IoT / マシンデータの活用事例のご紹介
IoT, changing the meaning of possible again Replenish Install Fix Pay Automate Monitor Manage Moore s Law continues Metcalf s Law - what can 25 billion connected things do? Transistors 10,000,000,000 1,000,000,00
AV PDA Broadcastin g Centers Audio /PC Personal Mobile Interactive (, PDA,, DMB ),, ( 150km/h ) (PPV,, ) Personal Mobile Interactive Multimedia Broadcasting Services 6 MHz TV Channel Block A Block
ÀÌÀç¿ë Ãâ·Â
Analysis on Smart TV Services and Future Strategies TV industry has tried to realize a long-cherished dream of making TVs more than just display devices. Such efforts were demonstrated with the internet
<32382DC3BBB0A2C0E5BED6C0DA2E687770>
논문접수일 : 2014.12.20 심사일 : 2015.01.06 게재확정일 : 2015.01.27 청각 장애자들을 위한 보급형 휴대폰 액세서리 디자인 프로토타입 개발 Development Prototype of Low-end Mobile Phone Accessory Design for Hearing-impaired Person 주저자 : 윤수인 서경대학교 예술대학
Windows Live Hotmail Custom Domains Korea
매쉬업코리아2008 컨퍼런스 Microsoft Windows Live Service Open API 한국 마이크로소프트 개발자 플랫폼 사업 본부 / 차세대 웹 팀 김대우 (http://www.uxkorea.net 준서아빠 블로그) Agenda Microsoft의 매쉬업코리아2008 특전 Windows Live Service 소개 Windows Live Service
목순 차서 v KM의 현황 v Web2.0 의 개념 v Web2.0의 도입 사례 v Web2.0의 KM 적용방안 v 고려사항 1/29
Web2.0의 EKP/KMS 적용 방안 및 사례 2008. 3. OnTheIt Consulting Knowledge Management Strategic Planning & Implementation Methodology 목순 차서 v KM의 현황 v Web2.0 의 개념 v Web2.0의 도입 사례 v Web2.0의 KM 적용방안 v 고려사항 1/29 현재의
F120S_(Rev1.0)_1130.indd
01 02 03 04 05 06 07 08 09 10 11 12 기본 구성품 구입 시 박스 안에 들어있는 구성품입니다. 구성품을 확인하세요. 누락된 구성품이 있을 경우, 또는 추가로 기본 구성품 구입을 원할 경우, LG전자 상담실 (T.1544-7777)로 문의하세요. 실제 제품과 그림이 다를 수 있으며 사정에 따라 일부 품목이 사전 통보 없이 변경될 수 있습니다.
14 경영관리연구 제6권 제1호 (2013. 6) Ⅰ. 서론 2013년 1월 11일 미국의 유명한 경영전문 월간지 패스트 컴퍼니 가 2013년 글로벌 혁신 기업 50 을 발표했다. 가장 눈에 띄는 것은 2년 연속 혁신기업 1위를 차지했던 애플의 추락 이었다. 음성 인식
애플의 사례를 통해 살펴본 창조적 파괴 13 경영관리연구 (제6권 제1호) 애플의 사례를 통해 살펴본 창조적 파괴 박재영 이맥소프트(주) 부사장 슘페터가 제시한 창조적 파괴는 경제적 혁신과 비즈니스 사이클을 의미하는 이론이며, 단순하게 는 창조적 혁신을 의미한다. 즉 혁신적 기업의 창조적 파괴행위로 인해 새로운 제품이 성공적으로 탄생하는 것이다. 이후 다른
-
World Top 10 by 2030 CONTENTS CONTENTS 02 03 PRESIDENT S MESSAGE 04 05 VISION GOALS VISION GOALS STRATEGIES 06 07 HISTORY 2007 2008 2009 2010 2011 08 09 UNIST POWER 10 11 MPI USTC UNIST UCI UTD U-M GT
Agenda I. What is SRM? II. Why SRM? Trend, III. Function / To-be - IV. V. Critical Success Factor 2
(Procurement Engineering) - Engineering Introduction & Case study 2006. June 8 th Yoon-chang So / IBM GBS Agenda I. What is SRM? II. Why SRM? Trend, III. Function / To-be - IV. V. Critical Success Factor
레이아웃 1
CSE NEWSLETTER 부산대학교 정보컴퓨터공학전공 뉴스레터 01 03 07 09 12 @ PNU 여름호 (통권 제15호) 2016년 6월 정컴 소식 정컴행사, 학사일정, 정컴포커스(교수, 학생, 학과) 교수 동정 칼럼 (유영환 교수) 발행처 부산대학교 정보컴퓨터공학전공 동문 동정 해외 IT기업 재직 선배 이야기 주소 부산시 금정구 부산대학로 63번길 2
제 출 문 환경부장관 귀하 본 보고서를 습마트기기 활용 환경지킴이 및 교육 통합 서비스 개 발 과제의 최종보고서로 제출합니다. 주관연구기관 : 주관연구기관장 : 2015년 10월 주식회사 덕키즈 김 형 준 (주관)연구책임자 : 문종욱 (주관)참여연구원 : 김형준, 문병
보안과제[ ], 일반과제[ ] 최종보고서 그린 생산소비형태 촉진 기술 Technologies for the facilitation of the green production & a type of consumption 스마트기기 활용 환경지킴이 및 교육통합 서비스 개발 Development for Web/App for environmental protection
Model Investor MANDO Portal Site People Customer BIS Supplier C R M PLM ERP MES HRIS S C M KMS Web -Based
e- Business Web Site 2002. 04.26 Model Investor MANDO Portal Site People Customer BIS Supplier C R M PLM ERP MES HRIS S C M KMS Web -Based Approach High E-Business Functionality Web Web --based based KMS/BIS
Microsoft PowerPoint - XP Style
Business Strategy for the Internet! David & Danny s Column 유무선 통합 포탈은 없다 David Kim, Danny Park 2002-02-28 It allows users to access personalized contents and customized digital services through different
Agenda 오픈소스 트렌드 전망 Red Hat Enterprise Virtualization Red Hat Enterprise Linux OpenStack Platform Open Hybrid Cloud
오픈소스 기반 레드햇 클라우드 기술 Red Hat, Inc. Senior Solution Architect 최원영 부장 wchoi@redhat.com Agenda 오픈소스 트렌드 전망 Red Hat Enterprise Virtualization Red Hat Enterprise Linux OpenStack Platform Open Hybrid Cloud Red
I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3.
Deep-Dive into Syrup Store Syrup Store I What is Syrup Store? Open API Syrup Order II Syrup Store Component III Open API I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3. 가맹점이 특정 고객을 Targeting하여
Output file
240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 An Application for Calculation and Visualization of Narrative Relevance of Films Using Keyword Tags Choi Jin-Won (KAIST) Film making
°í¼®ÁÖ Ãâ·Â
Performance Optimization of SCTP in Wireless Internet Environments The existing works on Stream Control Transmission Protocol (SCTP) was focused on the fixed network environment. However, the number of
SK IoT IoT SK IoT onem2m OIC IoT onem2m LG IoT SK IoT KAIST NCSoft Yo Studio tidev kr 5 SK IoT DMB SK IoT A M LG SDS 6 OS API 7 ios API API BaaS Backend as a Service IoT IoT ThingPlug SK IoT SK M2M M2M
High Resolution Disparity Map Generation Using TOF Depth Camera In this paper, we propose a high-resolution disparity map generation method using a lo
High Resolution Disparity Map Generation Using TOF Depth Camera In this paper, we propose a high-resolution disparity map generation method using a low-resolution Time-Of- Flight (TOF) depth camera and
LG Electronics Inc. I 2002 I Based on its insight into the needs of the digital age and on its innovative technology, LG Electronics is aiming t
LG Electronics Inc. I 2002 I 00 01 Based on its insight into the needs of the digital age and on its innovative technology, LG Electronics is aiming to become a premier global enterprise. To achieve that
` Companies need to play various roles as the network of supply chain gradually expands. Companies are required to form a supply chain with outsourcing or partnerships since a company can not
DBPIA-NURIMEDIA
e- 비즈니스연구 (The e-business Studies) Volume 17, Number 3, June, 30, 2016:pp. 273~299 ISSN 1229-9936 (Print), ISSN 2466-1716 (Online) 원고접수일심사 ( 수정 ) 게재확정일 2016. 06. 11 2016. 06. 24 2016. 06. 26 ABSTRACT e-
[한반도]한국의 ICT 현주소(송부)
![[한반도]한국의 ICT 현주소(송부)](/thumbs/91/105475683.jpg "[한반도]한국의 ICT 현주소(송부)")
ICT 2016. 5. 3 SKT KT LGU+ ( ) ( ) ( ) 18,000 15939 16141 16602 17164 17137 18,000 21990 23856 23811 23422 22281 12,000 10905 11450 11000 10795 13,500 13,425 9,000 9185 9,000 8,850 6,000 4,500 4,275 3,000-0
Microsoft PowerPoint - 3.공영DBM_최동욱_본부장-중소기업의_실용주의_CRM
中 규모 기업의 실용주의CRM 전략 (CRM for SMB) 공영DBM 솔루션컨설팅 사업부 본부장 최동욱 2007. 10. 25 Agenda I. 중소기업의 고객관리, CRM의 중요성 1. 국내외 CRM 동향 2. 고객관리, CRM의 중요성 3. CRM 도입의 기대효과 II. CRM정의 및 우리회사 적합성 1. 중소기업에 유용한 CRM의 정의 2. LTV(Life
PowerPoint 프레젠테이션
I. 문서표준 1. 문서일반 (HY중고딕 11pt) 1-1. 파일명명체계 1-2. 문서등록정보 2. 표지표준 3. 개정이력표준 4. 목차표준 4-1. 목차슬라이드구성 4-2. 간지슬라이드구성 5. 일반표준 5-1. 번호매기기구성 5-2. 텍스트박스구성 5-3. 테이블구성 5-4. 칼라테이블구성 6. 적용예제 Machine Learning Credit Scoring