티스토리

CodeBlack

검색하기

블로그 홈

CodeBlack

blackas119.tistory.com/m

코드블랙 님의 블로그입니다.

구독자: 1

방명록 방문하기

주요 글 목록

[Git] Command 및 용어 정리 Git에서 자주 사용하는 Command 및 용어 정리 Git은 로컬 저장소와 원격 저장소 두 저장소를 이용하여 작업한다.원격(remote) 저장소 : Git 서버에 저장된 데이터로컬(local) 저장소 : 원격저장소에서 다운로드 받은 개인 저장 데이터branch : git 저장소 생성 시 main(master) branch가 생성되며 해당 branch를 기준으로 분기처리를 한다.staging : commit 하기전 저장상태.gitignore : git에서 변경사항 추적 제외 및 원격에 반영되지 않는 예외 파일을 설정하는 config 파일 1. Git Clone : git 원격 저장소를 복사한다 사용법 : git clone [git clone url] 2. Git push : git 원격 저장소에 커.. 공감수 0 댓글수 0 2024. 8. 5.
[.net] 버전 비교 .net(dotnet) 버전 설명 및 비교 구현포함된 버전.NET.NET Core 1.0~3.1 / .NET 5 이상 버전의 .NET.NET Framework.NET Framework 1.0 ~ 4.8 .NET 사용하는 경우플랫폼(windows / mac os / Linux 등등) 간 요구 사항이 있습니다.마이크로 서비스를 대상으로 합니다.Docker 컨테이너를 사용하고 있습니다.고성능 및 확장 가능한 시스템이 필요합니다..NET 버전이 애플리케이션별로 함께 필요합니다. .NET Framework 사용하는 경우앱이 현재 .NET Framework를 사용합니다(마이그레이션하는 대신 확장 권장).앱이 .NET에 사용할 수 없는 타사 라이브러리 또는 NuGet 패키지를 사용합니다.앱이 .NET에 사용할 수 없.. 공감수 0 댓글수 0 2024. 5. 9.
Gradle java spring 개발시 사용하는 gradle 이란? 정의 : 그루비(Groovy)를 기반으로 한 빌드 도구 XML 기반으로 빌드 스크립트를 사용하는 MAVEN 과 달리 DSL(Domain Specific Language)를 사용한다. 설치 방법 : https://gradle.org/install/ Gradle | Installation Install the Gradle build tool on Linux, macOS or Windows, either manually or using a package manager like SDKMAN! or Homebrew. gradle.org Gradle 설치 전 JDK 버전이 8이상 확인! gradle init 으로 샘플 프로젝트 생성 위 명령어 실행하면 해당 .. 공감수 0 댓글수 0 2023. 9. 4.
[구글] 2차인증 OTP 관리자 페이지 또는 필요에 따라 로그인 2차인증이 필요할 경우가 있다. 구글에서 제공하는 TOTP 기반의 google authenticator 앱으로 무료로 사용할 수가 있다. 여기서 TOTP와 2-factor 인증 방법에 대해 이해가 필요하다. TOTP란? 정의 : 시간 기반 일회용 비밀번호(Time-based one-time password) 현재 시간의 고유성의 원천으로 사용하여 일회용 비밀번호를 생성하는 컴퓨터 알고리즘. 알고리즘 : 사용자가 입력한 otp 코드와 로컬에서 유닉스 시간 기반으로 생성한 코드가 일치 여부를 판단. google authenticator 앱에서는 HOTP 알고리즘으로 인증을 진행. 2-factor authentication(2FA) 정의 : 이중인증절차라고 하며 로그인을.. 공감수 0 댓글수 0 2023. 4. 10.
[Python]sqlalchemy 사용법 sqlalchemy는 파이썬에서 DB에 접근하기 위한 ORM 라이브러리다. ORM은 Object Relational Mapping의 약어로써 객체(Object)와 관계형 DB(Relational)을 연결(Mapping) 해주는 것을 의미한다. 객체지향언어에서 객체(클래스)에 DB 테이블을 매핑시켜 사용한다고 생각하면 이해가 쉽다. ORM은 설계에 따라 사용이 용이할 수도 어려워질 수가 있다. * sqlalchemy 사이트 : https://www.sqlalchemy.org/ SQLAlchemy - The Database Toolkit for Python The Python SQL Toolkit and Object Relational Mapper SQLAlchemy is the Python SQL tool.. 공감수 0 댓글수 0 2022. 12. 7.
[hackerrank][MSSQL] SQL Project Planning Question : You are given a table, Projects, containing three columns: Task_ID, Start_Date and End_Date. It is guaranteed that the difference between the End_Date and the Start_Date is equal to 1 day for each row in the table. If the End_Date of the tasks are consecutive, then they are part of the same project. Samantha is interested in finding the total number of different projects completed. Wr.. 공감수 0 댓글수 0 2022. 8. 31.
[PYTHON] 파이썬 함수 매개변수 파이썬에서 사용하는 함수 매개변수 종류에 대해 작성 파이썬에서는 아래 5가지 종류의 함수 매개변수를 선언해서 사용할 수 있다. 1. default arguments 2. keyword arguments 3. positional arguments 4. arbitrary positional arguments 5. arbitrary keyword arguments 1. default arguments 기본 매개변수는 함수가 정의되는 동안 제공된는 값이다. "=" 기호를 사용해 매개변수의 기본값을 설정한다. 기본 매개변수는 함수 호출 동안 선택적으로 사용된다. 함수 호출 시 기본 매개변수에 값을 제공하면 기본 매개변수에 덮어 씌여진다. 함수는 기본 매개변수를 원하는 만큼 가질 수 있다. (갯수 제한 없음) 기본.. 공감수 0 댓글수 0 2022. 8. 11.
[MSSQL] 테이블 명세서 쿼리 / SP 명세서 쿼리 바리로기로 등록하면 편한 쿼리--단축키 쿼리/*도구 > 옵션 > 환경 > 키보드 > 쿼리 바로 가기*/--ctrl+3 : stored procedure, function 내용 보기sp_helptext test_procedure--ctrl+4 : 해당 문자열을 포함하는 프로시저 찾기SELECT DISTINCT A.NAME, A.TYPE FROM dbo.SYSOBJECTS AS A INNER JOIN dbo.SYSCOMMENTS AS B ON A.ID = B.ID WHERE (A.TYPE = 'P' OR A.TYPE = 'FN' OR A.TYPE = 'TF') AND B.TEXT LIKE --ctrl+5 : 해당 컬럼명을 사용하는 테이블 찾기SELECT T.name AS table_name, C.nam.. 공감수 0 댓글수 0 2022. 8. 4.
[ML] 앙상블(Ensemble) 기법 앙상블 기법 단일 머신러닝 모델을 연결하여 더 효율적인 모델을 만드는 기법 앙상블의 아이디어는 많은 시행의 결과가 이성적으로 합리적인 결과를 기대함 크게 Bagging과 Boosting 방법으로 나눈다. Bagging(bootstrap agrregating) 샘플을 여러번 뽑아(Bootstrap) 각 모델을 학습시켜 결과물을 집계(Aggregration) Train데이터에서 임의로 여러개의 샘플을 추출하여 모델 학습하는 과정을 반복하여 개별 학습모델을 생성 각 모델은 서로 독립적 각 모델별로 Test 데이터를 예측한 값으로 투표(Voting) 또는 평균(Regression)을 통해 최종 예측 이러한 Bagging 기법을 이용한 모델이 Random Forest Boosting 잘못 분류된 샘플에 더 많은 .. 공감수 0 댓글수 0 2022. 2. 7.
[EDA] Time Series Analysis 시계열 분석 시계열 분석에 대한 내용 정리 시계열 데이터란? 시간에 따라 순차적으로 저장된 데이터 정상 시계열 : 시계열의 평균, 분산, 공분산이 일정하고 일정한 추세가 없으면 정상 시계열 비정상 시계열 : 정상 시계열에 만족하지 못한 시계열, 주로 현실에서 수집한 데이터들이 이에 해당 시계열 예시 : 주가, 상품 판매 추세, 날씨 비정상 시계열을 정상 시계열 형태로 가공하여 모델 학습 시계열 분석 방법 추세(Trend) : 시간에 따른 움직임 계절성(Seasonality) : 계절 변화가 표현 주기(Cyclical) : 계정성 이외의 기간적인 데이터 불규칙(Irregular) : 패턴이 없는 불규칙적인 데이터 시계열 데이터 모델 ARMA(Auto-regressive Moving Average) AR(자기회귀모형)과.. 공감수 0 댓글수 0 2022. 1. 22.
[ML] 머신러닝 모델 정확성 증가 방법 8가지의 머신러닝 모델 정확성 증가 방법 우리는 100% 완벽한 데이터를 가지고 모델을 생성할 수 없기 때문에 오차가 있다고 가정한 내에서 가장 높은 성능을 나타내는 모델을 구현하기 위해 노력한다. 모델 성능을 높이기 위해서는 EDA(탐색적 데이터 분석) 가 필수적이다. 학습 데이터 추가 데이터가 너무 적으면 모델 성능이 잘 나오지 않는다. 하지만 너무 많은 데이터로 학습할 시 Overfitting(과적합)문제가 발생할 수 도 있다. 결측치 및 이상치 제거 결측치가 있으면 학습이 안될 수 있다. 이상치는 학습에 영향을 많이 끼친다. 꼭 제거할 필요는 없고 이상치 확인 후 처리 방법을 고민한다. Feature Engineering 존재하는 데이터로부터 데이터 변환 또는 생성하는 과정. Feature Tra.. 공감수 1 댓글수 0 2022. 1. 18.
[ML/DL] Feature Selection Method 머신러닝 또는 딥러닝 시 고려해야 할 사항 중 데이터 전처리 내 Feature 선택에 대한 방법들 Feature란? 모델 학습 시 사용되는 입력 값. 즉 일반적으로 말하는 머신러닝 또는 딥러닝에서 사용되는 '독립변수들'이라고 보면 된다. *이 글에서는 Feature라는 단어 대신 독립변수라는 단어를 사용. 학습시 어떤 독립변수를 사용할 지에 따라 학습 시간, 성능에 많은 영향을 끼친다. 크게 독립변수들은 숫자형과 문자형 두가지로 분류한다. python3 pandas dataframe 예시 코드 import pandas as pd sample = pd.read_csv(...) #샘플 데이터 파일을 읽는다. print(sample.dtypes[sample.dtypes == "object"].index) #문.. 공감수 1 댓글수 0 2022. 1. 16.
[DL] 딥러닝 인공신경망 종류 딥러닝에서 사용되는 인공신경망의 종류 및 간단한 요약설명 ANN(Artificail Neural Network[인공신경망]) : 두뇌의 신경망을 흉내 낸 인공지능 기술. DNN(Depp Neural Network[심층신경망]) : 은닉 계층을 여러개 쌓아서 만든 인공신경망. CNN(Convolutional Neural Network[합성곱신경망]) : 영상 처리에 많이 활용되는 합성곱을 이용하는 신경망 기술. RNN(Recurrent Neural Network[순환신경망]) : 계층의 출력이 순환하는 인공신경망. AE(AutoEncoder[오토인코더]) : 비지도학습 인공신경망. GAN(Generative Adverarial Network[생성적 적대 신경망]) : 경쟁을 통한 최적화를 수행하는 생성적 .. 공감수 0 댓글수 0 2022. 1. 6.
[Kaggle][House Prices]보스턴 집값 예측 for Begginers 머신 러닝 및 딥 러닝을 배우기 위해 kaggle 사이트에서 연습하며 개인 메모 용도로 작성 첫 과제로 일반적으로 많이 알려진 집값 예측 문제를 풀기로 하였다. ML/DL 관련 강의는 몇개 수강하였지만 실질적으로 문제를 풀어본 적이 없어 해당 내용을 참고하여 배웠던 내용이랑 몰랐던 부분을 학습하는 목적으로 시작한다. 참고 URL : https://www.kaggle.com/munmun2004/house-prices-for-begginers#II.-EDA-&-FE- [한글커널][House Prices]보스턴 집값 예측 for Begginers Explore and run machine learning code with Kaggle Notebooks | Using data from House Prices -.. 공감수 0 댓글수 0 2021. 12. 19.
[Azure] WebApp service 첫 커넥트 호출 지연 Azure web app service를 통해 Python Flask api 앱 배포 시 발생한 문제 웹 페이지에서 해당 api 첫 호출 시 Load 시간이 너무 오래 걸리는 문제가 있었다. 해당 원인에 대해 검색하여 찾아보니 Windows Azure 웹 사이트 또는 앱의 경우 설정 된 어느 정도의 시간 동안 호출이 없을 시 비활성 상태로 전환되어지며 해당 상태에서 호출 시 다시 리소스 할당 및 구성을 진행하기 때문에 첫 연결 시간이 엄청 오래 걸릴수 있다고 한다. 해당 현상 해결방법 1. Azure portal > 앱 서비스 > 설정 > 구성 > 일반 설정 > 항상 설정됨 (Always On) 설정 https://stackoverflow.com/questions/51391197/azure-web-app.. 공감수 1 댓글수 0 2021. 11. 12.
[Python] flask_restful fields Python Flask api 앱을 만드는 도중 marshal_with 와 fields 라이브러를 이용해 output 데이터 타입을 설정할 떄 찾은 팁 공유 아래와 같이 사용하면 특정한 타입으로 응답필드 값을 설정하여 사용할 수 있다. from flask_restful import fields class MyDateFormat(fields.Raw): def format(self, value): return value.strftime('%Y-%m-%d') resource_fields = { 'id': fields.Integer, 'date': MyDateFormat } 참조 https://stackoverflow.com/questions/65982519/custom-date-format-for-flask-.. 공감수 0 댓글수 0 2021. 10. 8.
React Lifecylce method https://projects.wojtekmaj.pl/react-lifecycle-methods-diagram/ React Lifecycle Methods diagram Fully interactive and accessible React Lifecycle Methods diagram. projects.wojtekmaj.pl 리액트 생명주기 관련 다이어그램 공감수 0 댓글수 0 2021. 9. 25.
[Hadoop] 하둡 설치 방법 Open JDK 설치 https://github.com/AdoptOpenJDK/homebrew-openjdk AdoptOpenJDK/homebrew-openjdk AdoptOpenJDK HomeBrew Tap. Contribute to AdoptOpenJDK/homebrew-openjdk development by creating an account on GitHub. github.com brew tap AdoptOpenJDK/openjdk brew install --cask adoptopenjdk8 위 명령어를 실행하여 openjdk8 버전을 설치한다. 하둡 설치 https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/Single.. 공감수 0 댓글수 0 2021. 5. 25.
[Azure] Resource group could not be found Azure 명령어 실행 시 Resource group could not be found 위와 같이 오류가 발생하는 경우가 있다 해당 경우는 계정 내 여러개의 구독이 있을 시 발생할 수 있다. 해결 방법 To list all subscriptions az account list --output table To set your subscription az account set --subscription 위 명령어로 필요한 리소스 그룹을 사용하는 구독으로 변경해주면 정상 동작한다 참조 : https://stackoverflow.com/questions/53418223/resourcegroupnotfound-resource-group-could-not-be-found-when-creating-a 공감수 0 댓글수 0 2021. 5. 18.
[PYTHON] 프로그래머스 더 맵게 문제 설명 매운 것을 좋아하는 Leo는 모든 음식의 스코빌 지수를 K 이상으로 만들고 싶습니다. 모든 음식의 스코빌 지수를 K 이상으로 만들기 위해 Leo는 스코빌 지수가 가장 낮은 두 개의 음식을 아래와 같이 특별한 방법으로 섞어 새로운 음식을 만듭니다. 섞은 음식의 스코빌 지수 = 가장 맵지 않은 음식의 스코빌 지수 + (두 번째로 맵지 않은 음식의 스코빌 지수 * 2) Leo는 모든 음식의 스코빌 지수가 K 이상이 될 때까지 반복하여 섞습니다. Leo가 가진 음식의 스코빌 지수를 담은 배열 scoville과 원하는 스코빌 지수 K가 주어질 때, 모든 음식의 스코빌 지수를 K 이상으로 만들기 위해 섞어야 하는 최소 횟수를 return 하도록 solution 함수를 작성해주세요. 제한 사항 scovil.. 공감수 0 댓글수 0 2019. 10. 19.
[PYTHON] 프로그래머스 주식가격 문제 설명 초 단위로 기록된 주식가격이 담긴 배열 prices가 매개변수로 주어질 때, 가격이 떨어지지 않은 기간은 몇 초인지를 return 하도록 solution 함수를 완성하세요. 제한사항 prices의 각 가격은 1 이상 10,000 이하인 자연수입니다. prices의 길이는 2 이상 100,000 이하입니다. 입출력 예 pricesreturn [1, 2, 3, 2, 3] [4, 3, 1, 1, 0] 입출력 예 설명 1초 시점의 ₩1은 끝까지 가격이 떨어지지 않았습니다. 2초 시점의 ₩2은 끝까지 가격이 떨어지지 않았습니다. 3초 시점의 ₩3은 1초뒤에 가격이 떨어집니다. 따라서 1초간 가격이 떨어지지 않은 것으로 봅니다. 4초 시점의 ₩2은 1초간 가격이 떨어지지 않았습니다. 5초 시점의 ₩3은 .. 공감수 0 댓글수 0 2019. 10. 10.
[PYTHON] 프로그래머스 스킬트리 문제 문제 설명 선행 스킬이란 어떤 스킬을 배우기 전에 먼저 배워야 하는 스킬을 뜻합니다. 예를 들어 선행 스킬 순서가 스파크 → 라이트닝 볼트 → 썬더일때, 썬더를 배우려면 먼저 라이트닝 볼트를 배워야 하고, 라이트닝 볼트를 배우려면 먼저 스파크를 배워야 합니다. 위 순서에 없는 다른 스킬(힐링 등)은 순서에 상관없이 배울 수 있습니다. 따라서 스파크 → 힐링 → 라이트닝 볼트 → 썬더와 같은 스킬트리는 가능하지만, 썬더 → 스파크나 라이트닝 볼트 → 스파크 → 힐링 → 썬더와 같은 스킬트리는 불가능합니다. 선행 스킬 순서 skill과 유저들이 만든 스킬트리1를 담은 배열 skill_trees가 매개변수로 주어질 때, 가능한 스킬트리 개수를 return 하는 solution 함수를 작성해주세요. 제한 조건 .. 공감수 0 댓글수 0 2019. 10. 9.
Context Switching Context Switching 이란? - 병렬처리를 위한 Job Scheduling - Running 상태의 Task가 사용하던 Context를 메모리 특정 영역에 저장한 후 새로이 수행 될 Task의 Context를 TCB또 는 Stack에서 CPU의 레지스터 영역으로 복사하여 새로운 Task가 수행되도록 하는 일련의 작업 - LIFO, FIFO, RR 등.. - Context는 CPU가 사용하는 레지스터들의 값 멀티프로세스 환경에서 CPU가 어떤 하나의 프로세스를 실행하고 있는 상태에서 인터럽트 요청에 의해 다음 우선 순위의 프로세스가 실행되어야 할 때 기존의 프로세스의 상태 또는 레지스터 값(Context)을 저장하고 CPU가 다음 프로세스를 수행하도록 새로운 프로세스의 상태 또는 레지스터 값(C.. 공감수 0 댓글수 0 2019. 10. 4.
SQL 매월 마지막일 출력 매월 마지막날 출력 쿼리 DECLARE @v_YMD CHAR(8) DECLARE @v_tmp CHAR(8) SET @v_YMD = '20180201' WHILE @v_YMD 공감수 0 댓글수 0 2019. 6. 20.
패킷과 구조체 그리고 패딩비트 C/C++ 에서 소켓통신을 하기 위해 패킷을 구조체로 정의한다. 일반적으로 아래와 같이 선언하여 사용한다. struct _Socket { int Size; char text[50]; } Socket; 해당 구조체로 패킷을 정의하면 패킷의 크기는 어떻게 될까? int 자료형은 4바이트, char 자료형은 1바이트지만 배열로 선언하여 50 바이트가 된다. 두 값을 더하면 54가 나와야 하지만 sizeof(Socket); 결과는 56바이트가 된다. 왜 이런 결과가 나오는 것일까? 먼저 정답은 패딩비트에 의해 56바이트가 나오게 된다. 대부분의 컴파일러는 CPU가 접근하기 쉬운 위치에 필드를 배치한다. 그러다보니 중간에 빈 공간이 들어가는데 위 예시에서는 2바이트가 추가로 들어가게 된 것이다. 이렇게 추가된 2.. 공감수 0 댓글수 0 2019. 5. 9.
트랜잭션 격리수준과 with(nolock) 힌트 SELECT 문 사용할 때 with(nolock)를 사용하는 경우가 종종 있다. with(nolock)을 사용하는 이유는 트랜잭션 격리성 때문인데 해당 내용에 대해 정리 글 Transaction Isolation Level(트랜잭션 격리 수준)이란? - A 트랜잭션이 실행되고 있을 때 다른 B 트랜잭션의 접근 권한에 대한 수준을 이야기 합니다. - 트랜잭션 격리 수준 단계가 높아질수록 격리 수준이 높아지며 데이터 일관성은 높아지지만 동시성은 저하 됩니다. Transaction Isolation 관련 문제점 - Dirty Read : 커밋되지 않은 데이터를 읽어 해당 트랜잭션이 롤백 되면 오류 데이터를 읽을 수 있는 문제점 - Non-Repeatable Read : 한 트랜잭션이 반복하여 Read 중일 때.. 공감수 2 댓글수 0 2019. 4. 29.
Octave 기계 학습(Machine learning)을 위해 라이브러리 및 계산하기 편한 언어는 Octave, Matlab, Python, Numpy, R 등이 있습니다. 그 중 Octave는 오픈소스이며 무료로 사용가능하고 Python, Numpy, R 보다 생산성이 뛰어나다는 평가를 받고 있는 언어입니다. 많은 사람들이 Octave를 이용해 기계학습 프로토 모델을 생성하여 테스트를 진행합니다. * Octave 다운로드 주소 : https://www.gnu.org/software/octave/download.html Octave로 프로토 타입을 만들어 본 후 해당 알고리즘을 C++, Java로 새로 코딩하는 것을 추천합니다. 공감수 0 댓글수 0 2019. 4. 26.
Subnet Mask SubnetMask란? NetMask를 이용하여 네트워크를 나누는걸 Subnetting이라 하며 네트워크를 합치는게 Supernetting이라 한다. Subnet Mask는 IP 주소 체계의 네트워크ID와 호스트ID를 넷마스크를 통해 변경하여 네트워크 영역을 분리하는 것이다. Subnet Mask를 이용하여 호스트ID를 네트워크ID로 변환(Subnetting) 가능하고, 반대의 경우(Supernetting) 역시 가능하다. Subnet Mask는 IP주소와 동일하게 32bit의 2진수로 되어 있다. /25 숫자는 연속 1bit의 개수를 의미합니다. 1과 0은 연속적이야 하며 중간에 섞일 수 없습니다. Ex) 1111111.11011111.11111111.00000000 불가 /25 는 Subnet Mas.. 공감수 0 댓글수 0 2019. 4. 15.
기계 학습 알고리즘 (Machine Learning Algorithm) 기계 학습 알고리즘 (Machine Learning Algorithm) 기계 학습 알고리즘으로 크게 두가지로 분류 되지만 두개의 특성을 합친 학습법을 포함해 3가지로 나눌 수 있다. 기계 학습은 experience E 와 respect to some task T 그리고 some performance measure P로 학습 및 성능 측정을 한다. E : 학습할 데이터 T : 실제 데이터 P : E로 학습한 모델을 T로 측정한 성능 1. Supervised Learning (지도 학습) - 정답인 데이터를 학습하여 입력값에 대한 정답 여부를 판별 2. Unsupervised Learning (비지도 학습) - 정답이 없는 데이터를 학습하여 입력값을 특정 그룹으로 분류 3. Semisupervised Lea.. 공감수 0 댓글수 0 2019. 3. 12.
Machine Learning 이란 Machine Learning(ML) 이란? 알파고와 이세돌의 바둑 대결로 알파고에 관심이 증가함에 따라 알파고에 접목된 Machine Learning 또한 관심도가 높아졌다.현재 AI 분야에서 주로 사용되는 분야로 한국어로는 기계 학습이라고 한다.Machine learning(기계 학습)이 주목 받는 이유는 단 하나다.AI분야에서 음성인식, 자연어 처리, 영상 처리 등 전반적인 부분에서 처리 및 인식 성능이 타 기술보다 높게 측정되었기 때문이다.알파고가 보여준 엄청난 바둑 경기력은 바로 이 Machine Learning에서 비롯 되었다.수천 수만개의 바둑 기보를 통해 학습한 기계 알파고를 인간 이세돌이 이기기는 쉽지 않았고 사람들은 알파고의 능력에 감탄하고 열광하면서AI에 대한 기대가 커지게 된 것이다.. 공감수 0 댓글수 0 2019. 3. 12.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.