[D2CAMPUS] Tech meet up ; iOS 개발편
2 likes519 views
iOS개발을 주제로 진행된 tech meet up 행사의 네이버 엔지니어 강연 자료 입니다.
![[SwiftStudy 2016] 1장. Swift 소개](https://cdn.slidesharecdn.com/ss_thumbnails/swift-study-01-introduction-160730154405-thumbnail.jpg?width=560&fit=bounds)
![[Live coding 1-23 토] camp-web_browser](https://cdn.slidesharecdn.com/ss_thumbnails/livecoding-1-23campwebbrowser-160130165205-thumbnail.jpg?width=560&fit=bounds)
![[TECHCON 2019: MOBILE - Android]4.쪼개지고 나누어지는 안드로이드](https://cdn.slidesharecdn.com/ss_thumbnails/4-190712072725-thumbnail.jpg?width=560&fit=bounds)
![[스마트스터디]스마트스터디는 무엇을 / 왜 / 어떻게 만들어 왔는가](https://cdn.slidesharecdn.com/ss_thumbnails/random-171107062918-thumbnail.jpg?width=560&fit=bounds)
More Related Content
What's hot (14)
Similar to [D2CAMPUS] Tech meet up ; iOS 개발편 (20)
More from NAVER D2 (20)
![[211] 인공지능이 인공지능 챗봇을 만든다](https://cdn.slidesharecdn.com/ss_thumbnails/211chatbot-181106094835-thumbnail.jpg?width=560&fit=bounds)
![[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...](https://cdn.slidesharecdn.com/ss_thumbnails/233networkloadbalancing-181018151852-thumbnail.jpg?width=560&fit=bounds)
![[215] Druid로 쉽고 빠르게 데이터 분석하기](https://cdn.slidesharecdn.com/ss_thumbnails/215druid-181012071910-thumbnail.jpg?width=560&fit=bounds)
![[245]Papago Internals: 모델분석과 응용기술 개발](https://cdn.slidesharecdn.com/ss_thumbnails/245papagointernals1-181012045005-thumbnail.jpg?width=560&fit=bounds)
![[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈](https://cdn.slidesharecdn.com/ss_thumbnails/236deview2018jihoonson-final-181012031726-thumbnail.jpg?width=560&fit=bounds)
![[235]Wikipedia-scale Q&A](https://cdn.slidesharecdn.com/ss_thumbnails/235deview2018julienperezwikipediaqa12oct2018-181012030613-thumbnail.jpg?width=560&fit=bounds)
![[244]로봇이 현실 세계에 대해 학습하도록 만들기](https://cdn.slidesharecdn.com/ss_thumbnails/244deview2018tomisilanderrobotsrealworldfinal11oct2018-181012024720-thumbnail.jpg?width=560&fit=bounds)
![[243] Deep Learning to help student’s Deep Learning](https://cdn.slidesharecdn.com/ss_thumbnails/243deeplearningtohelpstudentsdeeplearning-181012024530-thumbnail.jpg?width=560&fit=bounds)
![[234]Fast & Accurate Data Annotation Pipeline for AI applications](https://cdn.slidesharecdn.com/ss_thumbnails/234fastaccuratedataannotationpipelineforaiapplications1-181012024230-thumbnail.jpg?width=560&fit=bounds)
![Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing](https://cdn.slidesharecdn.com/ss_thumbnails/233largecontainerclusternetworkloadbalancing-181012024225-thumbnail.jpg?width=560&fit=bounds)
![[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지](https://cdn.slidesharecdn.com/ss_thumbnails/226naveraddeepclickprediction-181012024116-thumbnail.jpg?width=560&fit=bounds)
![[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기](https://cdn.slidesharecdn.com/ss_thumbnails/225nsmlmachinelearningntuningautomize-181012023407-thumbnail.jpg?width=560&fit=bounds)
![[224]네이버 검색과 개인화](https://cdn.slidesharecdn.com/ss_thumbnails/224naversearchnpersonalizationfinal-181012022631-thumbnail.jpg?width=560&fit=bounds)
![[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)](https://cdn.slidesharecdn.com/ss_thumbnails/216sresearchreliabilityengineering-181012022623-thumbnail.jpg?width=560&fit=bounds)
![[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기](https://cdn.slidesharecdn.com/ss_thumbnails/214aiservingplatforminference-181012022603-thumbnail.jpg?width=560&fit=bounds)
![[213] Fashion Visual Search](https://cdn.slidesharecdn.com/ss_thumbnails/213fashionvisualsearchreduced-181012022540-thumbnail.jpg?width=560&fit=bounds)
![[232] TensorRT를 활용한 딥러닝 Inference 최적화](https://cdn.slidesharecdn.com/ss_thumbnails/232dlinferenceoptimizationusingtensorrt1-181012014455-thumbnail.jpg?width=560&fit=bounds)
![[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지](https://cdn.slidesharecdn.com/ss_thumbnails/242pcdpublic-181012011734-thumbnail.jpg?width=560&fit=bounds)
![[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터](https://cdn.slidesharecdn.com/ss_thumbnails/212c3-181012011644-thumbnail.jpg?width=560&fit=bounds)
![[223]기계독해 QA: 검색인가, NLP인가?](https://cdn.slidesharecdn.com/ss_thumbnails/2232018-181012010149-thumbnail.jpg?width=560&fit=bounds)
[D2CAMPUS] Tech meet up ; iOS 개발편
- 1. iOS 개발자 NAVER MTS 깶창기
- 2. 무슨 일을 하는가?
- 3. Mobile 개발자가 하는 일 사용자의 손 끝에서 동작하는 코드를 작성
- 4. iOS 개발자가 하는 일 •Application 제작 •Framework 제작 •Prototyping
- 5. iOS 개발자가 하는 일 •인터넷 서비스 •단일 유틸리티 앱 •다른 하드웨어와 연동되어 동작하는 앱 •기타
- 6. 다른 개발과 환경 측면에서 어떤 차이가 있나? •제한된 리소스 •제한된 화면 크기 •사용자의 환경에서 동작하는 프로그램 •Apple이 주도하는 시장과 환경
- 7. 어떤 Tool을 사용하는가? •Xcode, Instruments •Cocoapods, Carthage •Git, SVN •Swiftlint, Jenkins
- 9. 무슨 공부를 해야 나?
- 10. 어떤 부분을 공부해야 나? •Object Oriented Programming •Protocol Oriented Programming •Functional Programming •Reactive Programming
- 11. 어떤 부분을 공부해야 나? •Swift Programming Language : 매우 중요 •Objective-C Programming Language : 중요 •C++ Programming Language : 선택 •C Programming Language : 선택
- 12. 어떤 부분을 공부해야 나? •Data Structure •Algorithm
- 13. 어떤 부분을 공부해야 나? •Design Pattern •Refactoring •Architecture
- 14. 어떤 부분을 공부해야 나? •HTTP •Live Streaming •Socket programming •URLSession, NSStream •CFNetwork, POSIX Socket •AFNetworking, Alamofire…
- 15. 어떤 부분을 공부해야 나? •Concurrent Programming •GCD, Operation queue, POSIX thread •Lock, Semaphore…
- 16. 어떤 부분을 공부해야 나? •CoreData •Realm •기타 persistency 지원 library
- 17. 어떤 부분을 공부해야 나? •Graphical User Interface •Human Computer Interaction
- 18. 어떤 부분을 공부해야 나? •CoreAnimation •Lottie…
- 19. 어떤 부분을 공부해야 나? •OpenGL •Metal
- 20. 어떤 부분을 공부해야 나? •Unit Test •UI Test
- 21. 어떤 부분을 공부해야 나? •Extensions •watchOS •tvOS •macOS
- 22. Trend
- 23. Swift가 몰고온 바람 •Functional Programming •Reactive Programming
- 24. Swift가 몰고온 바람 •재미있고, 쉽고, 편하게 •항상 옳지는 않다!
- 25. RxSwift : 얼마나 사용되고 있나? •현재 시점에서 약 25%의 프로젝트
- 26. RxSwift : 사용하는 이유는? •최신 기술에 대한 호기심 •Async 처리에 대한 편의성 •Declarative Programming
- 27. RxSwift : 사용하지 않는 이유는? •제대로 공부하기 위해서는 많은 시간이 필요 •노력에 비해서 얻는 것이 많지는 않음 •유지보수에 대한 우려
- 28. 트랜드에 대한 자세 •개발자에게 최신 기술을 습득하는 것은 숙명과도 같음 •습득의 가장 좋은 방법은 직접 사용해 보는 것 •트랜드를 민감하게 적용하는 것은 실패의 위험에 노출 •중용의 자세가 필요
- 29. Open Source
- 30. iOS 개발에서의 Open Source •많은 수의 Open source가 사용됨 •사용에 있어 전략적 판단이 필요 - 사용만 할 것인가? contribution 할 것인가? - 어떤 것은 쓰고, 어떤 것은 쓰지 않을 것인가?
- 31. Open Source : 사용하는 이유 •작업의 속도와 편의성 •중복구현은 불필요하다 •해당 기능이 핵심이 아님 - 가져다 써도 됨
- 32. Open Source : 사용하지 않는 이유 •신뢰하기 힘든 open source - 신뢰도를 어떻게 검증할 것인가? •제공하는 기능의 부족 - 새로 만들 것인가? 가져와서 고칠 것인가? 고쳤다면 contribution할 것인가? •해당 기능은 내재화 시킬 필요가 있음