티스토리

NABI's eunioa

검색하기

블로그 홈

NABI's eunioa

nabis-eunioa.tistory.com/m

데이터사이언스를 공부합니다 :)

구독자: 2

방명록 방문하기

주요 글 목록

Gymnasium's Lunar Lander with Deep Q Learning (DQN) : 한국어 번역 이 블로그 글은 해당 내용을 한국어로 번역한 글입니다. 이 글의 주된 타겟 독자는 강화학습을 입문하는 사람들입니다! 강화학습이 어떤 것인지부터 시작해서 DQN을 설명하고 그것을 Lunar Lander에 적용하는 것까지 다룰 예정입니다. https://www.findingtheta.com/blog/solving-gymnasiums-lunar-lander-with-deep-q-learning-dqn Solving Gymnasium's Lunar Lander with Deep Q Learning (DQN)Learn how the Reinforcement Learning Algorithm Deep Q Learning (DQN) works and apply it to solve Gymnasium's Lunar L.. 공감수 5 댓글수 4 2024. 12. 2.
큐 자료 구조 특징 | 큐의 수도 알고리즘 Pseudo Algorithm of Queue 1. 큐 Queue큐는 대기 줄과 같은 자료구조입니다. 은행에서 방금 도착했다면, 가장 나중으로 대기 순번이 정해집니다. 그리고 은행 창구에서는 가장 빨리 온 사람들을 먼저 부르게 됩니다.즉, 먼저 들어온 데이터가 먼저 나가는 선입선출, FIFO, First In First Out 방식입니다. 1. 1. 가능한 작업 Enqueue: 데이터를 큐의 뒤쪽(rear)에 삽입합니다.Dequeue: 데이터를 큐의 앞쪽(front)에서 삭제합니다. 1. 2. 활용 프린터 스풀러: 여러 작업이 프린터에 보내질 때, 작업들은 큐에 저장됩니다. 프린터는 큐에서 하나씩 작업을 꺼내어 인쇄합니다.프로세스 관리: 운영체제는 프로세스의 상태를 관리하기 위해 큐를 사용합니다. 예를 들어, 준비 상태의 프로세스를 관리하는 준비 큐.. 공감수 0 댓글수 0 2024. 6. 27.
스택 자료 구조 특징 | 스택의 수도 알고리즘 Pseudo Algorithm of Stack 1. 스택 Stack스택 쌓는 말을 많이 들어보셨을 겁니다.이 자료구조 또한 쌓아가는 형태를 가지는 자료구조를 말합니다. 1. 1. 가능한 작업pushpoptop스택은 Push, Pop, Top 작업이 가능합니다.가장 위에서 데이터를 삽입하고, 가장 위에서 데이터를 삭제하고 가장 위에 있는 데이터를 출력합니다.이러한 특징으로 스택에서는 시간 순서에 따라서 데이터가 쌓입니다. = 후입선출, LIFO, Last In First Out 1. 2. 프로세스 4대 요소 중 하나스택 자료구조는 프로세스 4대 요소 중 하나입니다.프로세스 4대 요소code : 사용자가 작성한 프로그램 함수data : 프로그램이 사용하는 데이터 공간으로 전역변수, Static 변수heap : 프로그래머가 필요할 때 사용하는 공간stac.. 공감수 0 댓글수 0 2024. 6. 26.
[포스코 청년 AI·Big Data] 선형대수 8. 역행렬 Inverse Matrix, 행렬식 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. 공감수 0 댓글수 0 2024. 6. 25.
관계형 데이터베이스 모델링 Relational Database Modeling 데이터베이스 개요데이터베이스: 관련된 데이터를 담고 있는 파일들의 모음DBMS(데이터베이스 관리 시스템): 데이터베이스를 관리하는 소프트웨어새로운 데이터베이스를 생성하고 스키마(데이터의 논리적 구조)를 지정하는 기능 제공사용자가 쿼리 언어를 사용하여 데이터를 조회하고 수정할 수 있게 함대용량 데이터를 저장할 수 있음오류, 실패 또는 의도적인 악용으로부터 데이터베이스를 복구할 수 있음여러 사용자가 동시에 데이터에 접근할 수 있게 함2. 데이터의 관계형 모델2.1 데이터 모델 개요데이터를 설명하는 표기법구성 요소:데이터 구조: 개념 모델 (물리 모델보다)데이터 작업: 수행 가능한 제한된 작업 집합쿼리: 정보를 조회하는 작업수정: 데이터베이스를 변경하는 작업. 효율적이고 쉬워야 함데이터 제약 조건: 데이터에 .. 공감수 2 댓글수 0 2024. 6. 25.
[포스코 청년 AI·Big Data] 선형대수 7. 랭크 Rank 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. 미지수가 n개인 연립일차방정식의 근과 게수 rank의 관계일차연립방정식의 계수행렬을 A, 확대행렬을 A|B라고 하자.1. rank(A) 2. rank(A) = rank(A|B) = n 이면, 근이 오직 하나이다.3. rank(A) 공감수 0 댓글수 0 2024. 6. 24.
[포스코 청년 AI·Big Data] 선형대수 6. 벡터와 벡터의 내적 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. 1. 두 벡터 \( \vec{a} = (a_1, a_2, a_3) \), \( \vec{b} = (b_1, b_2, b_3) \)의 사잇각 \( \theta \)일 때, \[ \vec{a} \cdot \vec{b} = |\vec{a}||\vec{b}|\cos\theta = a_1b_1 + a_2b_2 + a_3b_3 \] \[ \Rightarrow \cos\theta = \frac{\vec{a} \cdot \vec{b}}{|\vec{a}||\vec{b}|} \] 2. 내적의 성질 1. \( \vec{a} \cdot \vec{b} = \vec{b} \cdo.. 공감수 0 댓글수 0 2024. 6. 23.
[포스코 청년 AI·Big Data] 선형대수 5. 고유치 및 고유벡터의 성질 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. A 행렬의 고유치 합은 대각원소의 합 (trace)A 행렬의 고유치 곱은 행렬식 det\(A^T\) 와 A의 고유치는 같다.A의 고유치가 \(\lambda\) 이면 \(A^n\)의 고유치는 \(\lambda^n\)\(A^{-1}\) 의 고유치는 \(\lambda^{-1}\)\(\alpha A\)의 고유치는 \(\alpha \lambda\)\(A+\alpha I\)의 고유치는 \(\lambda + \alpha \)대칭행렬의 고유치는 항상 실수이며, 서로 다른 고유치에 해당하는 각각의 고유벡터는 수직관계교대행렬의 고유치는 0 또는 순허수직교행렬의 고유치는 1 또는 -1, 켤레복소수(공액 복소.. 공감수 0 댓글수 0 2024. 6. 22.
IT 관련 용어 정리 (3) Recursion함수가 자기 자신을 호출하여 문제를 해결하는 프로그래밍 기법이다.호출 횟수를 제한하는 조건문이 필요하다. 만약 이 조건문이 없으면 무한히 재귀 호출이 발생한다.-장점1. 코드의 간결성 : 반복문 사용보다 더 간결한 코드를 사용할 수 있다.2. 문제 해결의 용이성 : 몇몇 문제에서는 더 용이하다. 예를 들어 트리구조, 그래프 탐색 문제가 있다.- 단점1. 메모리 사용량 증가 : 자신을 호출하는 과정에서 스택 메모리를 사용하게 되므로, 호출 횟수가 많을 경우 메모리 사용량이 증가한다.2. 실행 속도 저하 : 반복문보다 함수 호출과 반환에 대한 오버헤드가 더 크므로, 실행속도가 느려질 수 있다.ADT Abstract data type1. Stack 후입 선출스택 (stack) 은 배열의 끝에서.. 공감수 0 댓글수 0 2024. 6. 21.
IT 관련 용어 정리 (2) 디지털 리터러시디지털 문해력으로 디지털을 단순히 이용하는 것 뿐만 아니라 디지털을 통해 얻은 정보를 이해하고 개인의 목적에 맞게 새롭게 정보를 조합하여 활용할 수 있는 능력을 의미한다. 디지털 관련 기술을 알고 창의적으로 생각하고 비판적인 사고가 가능하고 안전과 윤리를 생각해야 디지털 리터러시가 있다고 볼 수 있다.디지털 트랜스포메이션기업 등 조직에서 디지털 기술(AI, IoT, 클라우드 등)을 기반으로 여러 가지 조직 문화를 바꾸고, 산업 생태계를 혁신하고 시장의 변화에 맞춰 새로운 가치를 창출할 수 있는 기업으로 변화하는 과정 및 경영전략을 의미한다. 최근에는 기업을 넘어 국가적으로 디지털 전환이 이뤄지고 있다.디지털 트윈 vs 메타버스1. 디지털 트윈 : 현실 세계의 다양한 요소들을 가상 공간에 구.. 공감수 1 댓글수 0 2024. 6. 20.
IT 관련 용어 정리 (1) AI, ML, DLAI : 컴퓨터가 사람처럼 생각하고, 판단하게 만드는 기술ML : AI의 한 종류로, 인간의 학습능력과 같은 기능을 컴퓨터가 할 수 있게 하는 기술DL : 인공신경망을 기반으로 하는 ML의 일종으로, 빅데이터를 기반으로 스스로 학습하여, 판단하는 기술ML의 종류 머신러닝을 크게 3종류로 분류할 수 있는데, 지도학습, 비지도학습, 강화학습이 있다.1. 지도학습 Supervised learning : 정답과 문제를 함께 학습시키는 방법을 말한다. 예측과 분류 알고리즘이 대표적이다.정답을 알고있을 때 복집한 모델을 처리할 수 있고 근본적인 구조를 파악하기 용이하지만, 데이터를 일일히 라벨링해야 해야 한다.2. 비지도학습 Unsupervised learning : 정답을 가르치지 않고 학습시키.. 공감수 0 댓글수 0 2024. 6. 19.
[3] Design Theory : Functional Dependency, Rules about functional dependencies 3. Design Theory for Relational Databases 관계형 데이터베이스 스키마를 설계하는 여러 가지 방법이 있다. ex) E/R diagram 초기의 스키마를 발전시킬 수 있다.(중복제거) 여기서 문제는, 하나의 릴레이션에 너무 많은 것을 합칠 때 발생한다. "GOOD 스키마 설계" 방법이 발전했다. 함수적 종속성, 정규화, 다치 종속성 데이터베이스가 강력하고 다양하게 쓰이는 이유 중 하나 Ideas → High-Level Design → Relational Database Schema → Relational DBMS 3.1 Functional Dependencies FD 함수적 종속성 3.1.1 Definition of functional dependency 함수적 종속성의 정의.. 공감수 0 댓글수 0 2024. 4. 3.
[포스코 청년 AI·Big Data] 선형대수 4. 닮은 행렬, 대각화 행렬 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. https://www.youtube.com/watch?v=Iin-PLpN4V4&list=PLxMkK1K0XECOj2sZG-gCk-CjvZhJ_75I4&index=4 4. 닮은 행렬, 대각화 행렬 $ Q^{-1}AQ=B $ 이면 행렬 A와 행렬 B는 닮은 행렬이다. 1. 닮은 행렬의 성질 1) 행렬식이 같다. 2) 계수 rank가 같다. 3) trace가 같다. 4) 고유치가 같다. * 주의) 고유벡터는 보장되지 않는다. 2. 행렬의 대각화 $ P^{-1}AP=D $ - P : 대각화시키는 행렬 (A의 고유벡터 행렬) - D : 대각화행렬 (A의 고유치 행렬) \[A=\begin{pmatrix.. 공감수 0 댓글수 0 2023. 6. 29.
[포스코 청년 AI·Big Data] 선형대수 3. 기저와 차원 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. https://www.youtube.com/watch?v=oHobZ93WBLY&list=PLxMkK1K0XECOj2sZG-gCk-CjvZhJ_75I4&index=3 3. 기저와 차원 1. 표준기저(유일) $ \mathbb{R}^2 = \{ (1, 0), (0, 1)\}$ $ \mathbb{R}^3 = \{ (1, 0, 0), (0, 1, 0), (0, 0, 1)\}$ $ \mathbb{M}_(2*2) = \{e_1, e_2, e_3, e_4\} $ \begin{align*} e_1 &= \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix}, \\ e_2 &= \be.. 공감수 0 댓글수 0 2023. 6. 29.
[포스코 청년 AI·Big Data] 선형대수 2. 일차종속 및 독립 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. https://www.youtube.com/watch?v=DOoOC9yi8j8&list=PLxMkK1K0XECOj2sZG-gCk-CjvZhJ_75I4&index=2 2. 일차종속 및 독립 1. 일차결합 벡터공간 V의 원소 \(v_1, v_2, ... , v_n\)에 대하여 \(a_1, a_2, ..., a_n\)이 임의의 실수일 때, \(a_1 v_1 + a_2 v_2 + ... + a_n v_n\)을 \(v_1, v_2, ... , v_n\)의 일차결합이라고 한다. 벡터공간 V의 부분집합 \(v_1, v_2, ... , v_n\)이 생성하는 벡터공간은 \(a_1 v_1 + a_2 v_2 +.. 공감수 0 댓글수 0 2023. 6. 28.
[포스코 청년 AI·Big Data] 선형대수 1. 벡터와 부분공간 포스코 청년 AI·Big Data 아카데미 사전교육 중 장황수학의 선형대수 강의를 듣고 손으로 필기한 내용입니다. https://www.youtube.com/watch?v=u2HX_h1Y3Zo&list=PLxMkK1K0XECOj2sZG-gCk-CjvZhJ_75I4&index=1 1. 벡터공간과 부분공간 공간의 정의 : 집합 V의 임의의 원소 u, v와 임의의 스칼라 k에 대하여 아래 두 조건을 만족할 때 집합 set V를 space V라고 한다. \(1. u+v \in V \) \(2. ku \in V\) 벡터공간의 정의 : 공간 V의 임의의 원소 u, v, w와 임의의 스칼라 k, l에 대하여 다음 아래 8조건을 모두 만족할 때, 공간 V를 벡터공간 vector space V이라고 한다. \(u+v =.. 공감수 0 댓글수 0 2023. 6. 28.
[포스코 청년 AI·Big Data] 컴퓨터공학 입문 1. 컴퓨터개요 포스텍 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 컴퓨터공학 입문 1을 수강하고 정리한 내용입니다. 1. 문제 해결 problem solving 목차 문제해결 컴퓨터공학 사고력 컴퓨터 공학적 문제 해결 방법 문제가 있을때 그 문제를 우리는 어떻게 해결해야할지 고민하게 된다. 그래서 문제가 있을때 문제를 분석하고 그 순서에 따라서 절차를 만들게 된다. 그 절차에 따라서 문제가 해결이 되면 해결 방법을 출력하게 된다. 그런 내용을 문제해결 방법과 절차라하며, 문제해결과정에 있어서 문제가 입력되면 이 문제를 해결할 수 있는 해결방법과 절차를 알고리즘(Algorithm)이라 한다. 그 후에 해결 방법을 만.. 공감수 0 댓글수 0 2023. 6. 28.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 8. 회귀분석을 이용한 예측모형 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 데이터사이언스를 위한 통계학입문2를 수강하고 정리한 내용입니다. 1. 선형모형의 특성과 상관분석 데이터의 상관관계 데이터 탐색: 변수 간 관계 변수 간 상관관계 여부 상관관계 형태 산점도 scatter plot 평면좌표에 표시한 도표로 시각적으로 두 변수의 관계를 쉽게 알 수 있게 해줌 변수간 관계의 방향, 형태, 관계의 강도를 알 수 있음 상관계수(Pearson’s) 상관계수(correlation coefficient) 두 변수 간 선형관계의 강도를 나타내주는 척도 상관계수(r) 절댓값은 0-1 사이 0에 가까울수록 상관관계가 없음 1에 가까울수록 강한 상관성이 있음 요.. 공감수 0 댓글수 0 2023. 6. 27.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 7. 빅데이터 차원축소와 예측모형 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 데이터사이언스를 위한 통계학입문2를 수강하고 정리한 내용입니다. 1. 데이터 탐색과 정제 데이터 탐색 Basic Information: 분포, 평균, 최솟값, 최댓값, 분산 등 Variation: 변동성, 시계열 Outlier: 모든 데이터가 상식적인 범위 안에 존재하는가? → 이유를 찾아 분석에서 제외 (한 개의 데이터가 전체의 상관계수를 완전히 바꿀 수 있음) Correlation: 변수 간 상관성, 변수 간 상호작용이 있는가? → 데이터 탐색을 통해 데이터의 특성을 이해하고 적절하게 정제함으로써 정확한 예측모형을 만들 수 있다. 2. 빅데이터의 차원축소 차원축소기법은.. 공감수 0 댓글수 0 2023. 6. 27.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 6. 현업 데이터 특성과 예측모형 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 데이터사이언스를 위한 통계학입문2를 수강하고 정리한 내용입니다. 1. 데이터 수집- random의 의미 데이터 수집 데이터 수집에서는 양질의 데이터(대표성, 랜덤)를 확보하는 것이 중요 나쁜 데이터로는 나쁜 모델밖에 만들 수 없음 많이 있다고 해서 무조건 좋은 것은 아님 예제 : 스마트공정 분석용 데이터와 현장 데이터의 차이 측정 혹은 조업조건 차이 측정의 재현성 : 반복측정의 편차 표본추출 좋은 표본: 모집단의 특성을 가능한 정확하게 반영한 표본 표본추출에서 가장 중요한 문제는 대표성 있는 표본을 확보하는 것 전수조사 vs 표본조사 전수조사: 연구대상집단의 모든 데이터 .. 공감수 0 댓글수 0 2023. 6. 26.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 5. 통계검정방법 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 데이터사이언스를 위한 통계학입문2을 수강하고 정리한 내용입니다. 1. 신뢰구간의 의미 신뢰구간 여론조사 : 신뢰수준 95%에서 오차범위 3.1% 신뢰구간: 구간추정 실제 모수가 존재할 가능성이 높은 구간으로 추정 모평균, 모비율 등 모수를 포함할 확률 신뢰수준(Confidence level): 구간에 모수 μ가 포함될 확률 일반적으로 100(1-α)%로 나타냄 95% 신뢰구간의 의미 100번의 반복샘플링으로 얻은 평균과 편차로 계산한 100개의 신뢰구간 중, 5개는 실제 모평균(μ)을 포함하고 있지 않는다. 표본을 통해 얻은 95% 신뢰구간에 실제 모평균이 포함되지 않을 .. 공감수 1 댓글수 0 2023. 6. 26.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 4. 빅데이터 분석에서 확률과 분포 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 데이터사이언스를 위한 통계학입문1을 수강하고 정리한 내용입니다. 1. 확률의 기초개념 통계에 확률 개념이 필요한 이유 통계 ≠ 확률 통계(Statistics) 데이터를 수집, 처리, 분석, 활용하는 지식 실제 얻어진 데이터를 바탕으로 정보 도출 확률(Probabilities) 특정 사건이 일어날 가능성을 0과 1 사이 값으로 나타낸 것 관측 전에 가능성을 논하는 것 현실 세계는 매우 랜덤하여 미리 결과를 알 수 없음 단기적으로 어떤 사건이 일어날 비율은 매우 랜덤함 단, 장기적으로 어떤 사건이 일어날 가능성은 확률적으로 예측 가능 → 사건 하나하나에 대해서 미리 아는 것은.. 공감수 0 댓글수 1 2023. 6. 13.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 3. 데이터 시각화와 통계적 해석 1. 데이터 시각화 데이터 분석단계 수집 → 정제 → 시각화 → 예측모형/분석 데이터 시각화 종류 인포그래픽 히스토그램 상자그림 산점도 효과적인 데이터 시각화의 조건 어떤 메시지를 전달할 것인지 결정 What 핵심 내용을 제외한 나머지는 생략 What 최선의 표현 방법을 선택 How 단순, 명료하게 디자인 How 데이터를 토대로 어떤 의사결정을 해야 하는지에 대해 설명 Why → 데이터 분석에 대한 전문성이 없어도 누구나 데이터를 직관적으로 이해할 수 있어야 한다. → 효과적으로 인사이트 도출 2. 그래프의 유용성과 오류 그래프의 유용성 그래프는 데이터 시각화의 일종 그래프의 올바른 해석은 데이터사이언티스트의 필수 능력이자 커뮤니케이션 도구 히스토그램으로 보면, 같은 분산이라도 데이터 분포를 더 잘 파악.. 공감수 0 댓글수 0 2023. 6. 13.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 2. 빅데이터 탐색의 첫걸음 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 데이터사이언스를 위한 통계학입문1을 수강하고 정리한 내용입니다. 1. 데이터의 평균(중심위치) 평균 평균은 데이터를 하나의 값으로 표현한 요약된 정보: 추정치 평균 = 데이터 값의 총합 / 데이터 개수 n개의 데이터의 평균 $$ \bar{x} = (x_1 + x_2 + ... + x_n)/n = \sum_{i=1}^{n}x_i/n $$ 평균 다룰 때 주의할 점 평균은 혼자 존재하는 개념이 아님 표본선정에 따라 평균값에 영향을 미친다. ex. 대기업 평균 연봉 조사 표본 A: 연령대별로 각 50명씩 선정 표본 B: 50대에서 200명을 선정 조사된 평균값이 모집단을 대표하는.. 공감수 0 댓글수 0 2023. 6. 12.
[포스코 청년 AI·Big Data] 데이터사이언스를 위한 통계학입문 1. 데이터과학과 통계 POSTECH의 MOOC (https://pabi.smartlearn.io/) 청년 AI, BigData 아카데미 온라인 기초과정 중 데이터사이언스를 위한 통계학입문1을 수강하고 정리한 내용입니다. 1. 데이터과학이란 무엇인가 데이터과학이란? 빅데이터: 통계학, 데이터마이닝, 인공지능, 딥러닝 Data → Data Analytics → Insight 필요한 기술 통계적 개념과 지식: 샘플링, 확률분포, 가설검정, p-value 데이터 다루는 기술(데이터 큐레이션): 빅데이터 다루기 DB구축, 관리, 분석 데이터 요약된 정보 전달 기술: 데이터 시각화(공간지도분석, 다차원그래픽) 데이터윤리, 데이터보안 데이터 도메인(다양한 분야) 지식, 분석 능력: 현실 문제 해결 능력 데이터 과학 예시 미국의 인구 시각.. 공감수 1 댓글수 0 2023. 6. 12.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.