Offcanvas

������������

“브라우저의 파이썬” 아나콘다, ‘파이스크립트’ 공개

과학 계산용 파이썬 배포판을 개발하는 아나콘다(Anaconda)가 파이콘 US 2022(PyCon US 2022)에서 ‘파이스크립트(PyScript)’ 프로젝트를 발표했다. 회사에 따르면 파이스크립트는 사용자가 파이썬과 표준 HTML을 결합하여 브라우저에서 풍부한 파이썬 애플리케이션을 만들 수 있도록 지원하는 프레임워크다. 브라우저 내 단일-포함(single-include) 방식으로 HTML 페이지에서 자바스크립트만큼 쉽게 파이썬 스크립트를 실행할 수 있도록 한다.    기존에 파이썬은 HTML 및 자바스크립트를 반환하는 애플리케이션 서버로 실행해야만 자바스크립트 또는 웹 페이지와 상호작용할 수 있었다. 하지만 파이스크립트에는 서버 구성요소가 없다. 모든 것이 브라우저에서 직접 실행된다는 게 아나콘다 측 설명이다. 파이스크립트를 사용하면 파이썬 및 자바스크립트의 유용한 구성요소를 나란히 배포할 수 있다. 일례로 NYC 택시 데이터 데모인 파이스크립트는 판다스(Pandas)를 활용하여 데이터를 분석한 다음, 자바스크립트의 웹GL(WebGL)을 통해 데이터의 인터랙티브 3D 뷰를 생성한다.    파이스크립트는 인라인 파이썬 코드를 실행하기 위해 웹어셈블리에 C파이썬 런타임의 전체 포트를 사용한다. 파이썬 코드를 <py-script> 태그 안에 넣고, 해당 출력을 선택한 <div>에 배치할 수 있다. <py-repl> 태그는 코드를 입력하고 실행할 수 있는 REPL 블록을 삽입하며, <py-env> 태그는 필요한 패키지를 나열하기 위해 저장소의 requirements.txt 파일과 같은 기능을 한다.   또 파이스크립트 런타임은 아나콘다와 함께 번들로 제공되는 과학 계산용 라이브러리(예: 넘파이(NumPy), 판다스(Pandas), 사이킷런(Scikit-learn)) 등의 일반적인 파이썬 패키지를 활성화한다. 파이스크립트 저장소 데모는 이를 수행하는 다양한 방법을 제공한...

파이썬 파이스크립트 아나콘다 파이썬 배포판 자바스크립트 HTML 웹 페이지 웹 개발

2022.05.03

과학 계산용 파이썬 배포판을 개발하는 아나콘다(Anaconda)가 파이콘 US 2022(PyCon US 2022)에서 ‘파이스크립트(PyScript)’ 프로젝트를 발표했다. 회사에 따르면 파이스크립트는 사용자가 파이썬과 표준 HTML을 결합하여 브라우저에서 풍부한 파이썬 애플리케이션을 만들 수 있도록 지원하는 프레임워크다. 브라우저 내 단일-포함(single-include) 방식으로 HTML 페이지에서 자바스크립트만큼 쉽게 파이썬 스크립트를 실행할 수 있도록 한다.    기존에 파이썬은 HTML 및 자바스크립트를 반환하는 애플리케이션 서버로 실행해야만 자바스크립트 또는 웹 페이지와 상호작용할 수 있었다. 하지만 파이스크립트에는 서버 구성요소가 없다. 모든 것이 브라우저에서 직접 실행된다는 게 아나콘다 측 설명이다. 파이스크립트를 사용하면 파이썬 및 자바스크립트의 유용한 구성요소를 나란히 배포할 수 있다. 일례로 NYC 택시 데이터 데모인 파이스크립트는 판다스(Pandas)를 활용하여 데이터를 분석한 다음, 자바스크립트의 웹GL(WebGL)을 통해 데이터의 인터랙티브 3D 뷰를 생성한다.    파이스크립트는 인라인 파이썬 코드를 실행하기 위해 웹어셈블리에 C파이썬 런타임의 전체 포트를 사용한다. 파이썬 코드를 <py-script> 태그 안에 넣고, 해당 출력을 선택한 <div>에 배치할 수 있다. <py-repl> 태그는 코드를 입력하고 실행할 수 있는 REPL 블록을 삽입하며, <py-env> 태그는 필요한 패키지를 나열하기 위해 저장소의 requirements.txt 파일과 같은 기능을 한다.   또 파이스크립트 런타임은 아나콘다와 함께 번들로 제공되는 과학 계산용 라이브러리(예: 넘파이(NumPy), 판다스(Pandas), 사이킷런(Scikit-learn)) 등의 일반적인 파이썬 패키지를 활성화한다. 파이스크립트 저장소 데모는 이를 수행하는 다양한 방법을 제공한...

2022.05.03

파이썬 런타임 대체 ‘피스톤’, 아나콘다 지원받는다

데이터 과학 플랫폼 제공업체 ‘아나콘다(Anaconda)’가 파이썬 런타임 대체 구현 ‘피스톤(Pyston)’ 프로젝트를 지원한다고 지난 8월 30일 발표했다. 피스톤을 만든 수석 개발자 케빈 모들레프스키와 마리우스 바츨러를 포함해 피스톤 개발팀이 아나콘다로 합류한다. 파이썬 성능을 개선하고 지속가능한 피스톤 커뮤니티를 구축하기 위해서다.    회사에 따르면 수석 개발자 케빈 모들레프스키와 마리우스 바츨러는 피스톤 프로젝트의 장기적인 지속가능성을 확보하기 위해 사용자, 컨트리뷰터, 메인테이너로 구성된 오픈소스 커뮤니티를 구축하는 데 중점을 둘 계획이다.  모들레프스키는 공식 성명문을 통해 “아나콘다의 지원으로 피스톤을 그 어느 때보다 빠르게 더 많은 사용자에게 제공할 수 있게 될 것이다”라며, “또 다양한 애플리케이션에서 파이썬 성능을 향상시킬 수 있으리라 예상된다”라고 밝혔다.  아나콘다는 이번 지원 및 협력이 소프트웨어 엔지니어 사이에서 피스톤의 개발 및 채택을 가속화할 것이라고 전했다. 이어서 향후 피스톤 개발 대상에는 기존 바이너리 파이썬 패키지와의 강화된 호환성과 추가 하드웨어 플랫폼으로의 피스톤 확장이 포함된다고 덧붙였다.  한편 아나콘다는 피스톤 프로젝트 자체와는 별개이지만 현재 및 미래 프로젝트에 피스톤을 통합할 수 있다. 피스톤은 깃허브에서 다운로드할 수 있다.  아나콘다는 파이썬 소스 코드와 호환되는 피스톤이 표준 파이썬보다 평균 20~50% 빠른 속도로 프로그램을 실행한다고 말했다. 피스톤은 지난 2014년에서 2017년 사이 드롭박스(Dropbox)에서 개발됐으며, (드롭박스가 피스톤 개발 지원을 철회한 이후) 2020년에 피스톤 2.0으로 다시 출시됐다.  표준 C파이썬 인터프리터의 포크인 피스톤은 파이썬 소프트웨어 재단(Python Software Foundation)의 라이선스를 사용하는 오픈소스 프로젝트로 유지된다. ciokr@idg.co.kr &n...

피스톤 파이썬 아나콘다 데이터 과학 플랫폼

2021.09.02

데이터 과학 플랫폼 제공업체 ‘아나콘다(Anaconda)’가 파이썬 런타임 대체 구현 ‘피스톤(Pyston)’ 프로젝트를 지원한다고 지난 8월 30일 발표했다. 피스톤을 만든 수석 개발자 케빈 모들레프스키와 마리우스 바츨러를 포함해 피스톤 개발팀이 아나콘다로 합류한다. 파이썬 성능을 개선하고 지속가능한 피스톤 커뮤니티를 구축하기 위해서다.    회사에 따르면 수석 개발자 케빈 모들레프스키와 마리우스 바츨러는 피스톤 프로젝트의 장기적인 지속가능성을 확보하기 위해 사용자, 컨트리뷰터, 메인테이너로 구성된 오픈소스 커뮤니티를 구축하는 데 중점을 둘 계획이다.  모들레프스키는 공식 성명문을 통해 “아나콘다의 지원으로 피스톤을 그 어느 때보다 빠르게 더 많은 사용자에게 제공할 수 있게 될 것이다”라며, “또 다양한 애플리케이션에서 파이썬 성능을 향상시킬 수 있으리라 예상된다”라고 밝혔다.  아나콘다는 이번 지원 및 협력이 소프트웨어 엔지니어 사이에서 피스톤의 개발 및 채택을 가속화할 것이라고 전했다. 이어서 향후 피스톤 개발 대상에는 기존 바이너리 파이썬 패키지와의 강화된 호환성과 추가 하드웨어 플랫폼으로의 피스톤 확장이 포함된다고 덧붙였다.  한편 아나콘다는 피스톤 프로젝트 자체와는 별개이지만 현재 및 미래 프로젝트에 피스톤을 통합할 수 있다. 피스톤은 깃허브에서 다운로드할 수 있다.  아나콘다는 파이썬 소스 코드와 호환되는 피스톤이 표준 파이썬보다 평균 20~50% 빠른 속도로 프로그램을 실행한다고 말했다. 피스톤은 지난 2014년에서 2017년 사이 드롭박스(Dropbox)에서 개발됐으며, (드롭박스가 피스톤 개발 지원을 철회한 이후) 2020년에 피스톤 2.0으로 다시 출시됐다.  표준 C파이썬 인터프리터의 포크인 피스톤은 파이썬 소프트웨어 재단(Python Software Foundation)의 라이선스를 사용하는 오픈소스 프로젝트로 유지된다. ciokr@idg.co.kr &n...

2021.09.02

데이터 과학자가 겪는 가장 큰 어려움은?··· "고된 데이터 준비 및 정제"

'데이터 정제 및 준비 작업'이 여전히 데이터 과학자 업무의 거의 절반을 차지하고 있는 것으로 나타났다.  데이터 과학자와 소프트웨어 엔지니어가 겪는 가장 큰 어려움은 무엇일까. 아나콘다(Anaconda)의 최근 설문조사에 따르면 고된 데이터 수집 및 정제, 편향된 모델, 데이터 프라이버시, 경험과 기술을 갖춘 전문가 채용의 어려움 등이 주된 문제인 것으로 드러났다.    과학용 컴퓨팅 애플리케이션의 파이썬 배포판 제작 업체 아나콘다가 '2020 데이터 과학 현황 조사(2020 State Of Data Science)'를 공개했다. 이번 설문에는 전 세계 100개국 2,360명이 참여했고 이 중 절반 정도가 미국 개발자였다. 보고서는 최근 데이터 과학 환경이 많이 개선됐음에도 데이터 관련 소모적인 작업이 여전히 데이터 과학자들의 주 업무라고 밝혔다. 응답자들은 데이터 로딩과 정제 작업에 각각 업무 시간의 19%와 26%를 사용한다고 말했다. 이는 전체 업무 시간의 절반에 해당하는 수치다. 이 밖에 모델 선택과 학습, 배포에 각각 11% 정도로, 총 34%를 쓰고 있는 것으로 나타났다. 데이터 과학 실무 관련해서 가장 큰 어려움은 기업의 IT 보안 규정을 준수하는 것이었다. 데이터 과학자와 개발자, 시스템 관리자의 대답이 모두 비슷했다. 이는 주로 새로운 앱을 대규모로 배포하는 것과 관련 있다. 또한 머신러닝과 데이터 과학 앱의 수명주기 문제는 보안 취약점을 패치하면서 다양한 오픈소스 애플리케이션 스택을 유지하는 것 등 내부적인 이슈를 가리킨다고 보고서는 설명했다. 설문 결과 확인된 또 다른 문제는 기업에서 필요로 하는 기술과 교육기관에서 가르치는 기술 간의 차이다. 대학 대부분이 통계와 머신러닝 이론, 파이썬 프로그래밍 수업을 제공하고 학생 대부분도 이런 과정을 듣는다. 그러나 기업이 가장 필요로 하는 데이터 관리 기술은 대학에서 거의 가르치지 않는다. 고급 수학 지식도 필요한 데 학생들이 종종 간과하곤 한다. 학생들은 ...

아나콘다 데이터 과학 데이터 과학자 소프트웨어 엔지니어 데이터 정제 데이터 준비 데이터 프라이버시 파이썬 머신러닝 자바스크립트 자바 줄리아

2020.07.01

'데이터 정제 및 준비 작업'이 여전히 데이터 과학자 업무의 거의 절반을 차지하고 있는 것으로 나타났다.  데이터 과학자와 소프트웨어 엔지니어가 겪는 가장 큰 어려움은 무엇일까. 아나콘다(Anaconda)의 최근 설문조사에 따르면 고된 데이터 수집 및 정제, 편향된 모델, 데이터 프라이버시, 경험과 기술을 갖춘 전문가 채용의 어려움 등이 주된 문제인 것으로 드러났다.    과학용 컴퓨팅 애플리케이션의 파이썬 배포판 제작 업체 아나콘다가 '2020 데이터 과학 현황 조사(2020 State Of Data Science)'를 공개했다. 이번 설문에는 전 세계 100개국 2,360명이 참여했고 이 중 절반 정도가 미국 개발자였다. 보고서는 최근 데이터 과학 환경이 많이 개선됐음에도 데이터 관련 소모적인 작업이 여전히 데이터 과학자들의 주 업무라고 밝혔다. 응답자들은 데이터 로딩과 정제 작업에 각각 업무 시간의 19%와 26%를 사용한다고 말했다. 이는 전체 업무 시간의 절반에 해당하는 수치다. 이 밖에 모델 선택과 학습, 배포에 각각 11% 정도로, 총 34%를 쓰고 있는 것으로 나타났다. 데이터 과학 실무 관련해서 가장 큰 어려움은 기업의 IT 보안 규정을 준수하는 것이었다. 데이터 과학자와 개발자, 시스템 관리자의 대답이 모두 비슷했다. 이는 주로 새로운 앱을 대규모로 배포하는 것과 관련 있다. 또한 머신러닝과 데이터 과학 앱의 수명주기 문제는 보안 취약점을 패치하면서 다양한 오픈소스 애플리케이션 스택을 유지하는 것 등 내부적인 이슈를 가리킨다고 보고서는 설명했다. 설문 결과 확인된 또 다른 문제는 기업에서 필요로 하는 기술과 교육기관에서 가르치는 기술 간의 차이다. 대학 대부분이 통계와 머신러닝 이론, 파이썬 프로그래밍 수업을 제공하고 학생 대부분도 이런 과정을 듣는다. 그러나 기업이 가장 필요로 하는 데이터 관리 기술은 대학에서 거의 가르치지 않는다. 고급 수학 지식도 필요한 데 학생들이 종종 간과하곤 한다. 학생들은 ...

2020.07.01

머신러닝 맞춤 정복···파이썬 배포판 5종 따라잡기

통계, 데이터 과학, 머신러닝 등의 분야에 종사하고 있다면 파이썬(Python)을 사용하고 있을 확률이 높다. 그럴만한 이유가 있다. 풍부한 라이브러리와 관련 두고 생태계 그리고 언어 자체의 편리함을 갖춘 파이썬은 훌륭한 선택이다. 하지만 파이썬에는 여러 배포판이 존재하며 각각 다른 대상자를 위해 개발됐다. 오늘은 포괄적인 것부터 구체적인 것까지 5가지 파이썬 버전과 이들 각각이 머신러닝 작업 처리를 위해 어떻게 구축되는지에 대한 세부사항을 살펴본다. 파이썬은 시스템 자동화부터 머신러닝 등의 첨단 분야에서의 작업까지 여러 작업을 간소화한다. 아나콘다 파이썬(Anaconda Python) 아나콘다는 데이터 과학과 머신러닝 뿐 아니라 일반 용도의 개발을 위한 배포판으로써 두각을 나타내고 있다. 아나콘다는 기업을 위한 지원 계획을 제공하는 같은 이름의 상용 제공처(종전 이름은 컨티넘 어낼리틱스(Continuum Analytics))의 지원을 받는다. 아나콘다 배포판은 데이터 과학에서 자주 사용하는 NumPy, 판다스(Pandas), Matplotlib 등의 패키지에 손쉽게 액세스할 수 있게 해준다. 아나콘다와 쉽게 묶이는 것은 아니지만 콘다(Conda)라는 사용자 정의 패키지 관리 시스템을 통해 사용 가능하다. 콘다 설치 패키지는 파이썬의 자체 Pip를 통해 관리할 수 없는 까다로운 외부 바이너리 의존성이 포함될 수 있다. (원한다면 Pip를 사용할 수 있지만 콘다가 이런 패키지에 제공하는 이점은 누릴 수 없을 것이다.) 각 패키지는 아나콘다에 의해 최신 상태로 유지되며 그 중 상당수는 속도를 위해 인텔MKL(Math Kernel Library) 확장기능으로 컴파일 된다. 아나콘다가 제공하는 다른 주요 이점으로는 그래픽 환경인 아나콘다 내비게이터(Anaconda Navigator)가 있다. 내비게이터는 IDE가 아니지만 콘다 패키지 관리자와 사용자 구성 가상 환경을 포함해 아나콘다 기능을 위한 편리한 G...

배포판 C파이썬 아나콘다 액티브파이썬 원파이썬

2018.06.15

통계, 데이터 과학, 머신러닝 등의 분야에 종사하고 있다면 파이썬(Python)을 사용하고 있을 확률이 높다. 그럴만한 이유가 있다. 풍부한 라이브러리와 관련 두고 생태계 그리고 언어 자체의 편리함을 갖춘 파이썬은 훌륭한 선택이다. 하지만 파이썬에는 여러 배포판이 존재하며 각각 다른 대상자를 위해 개발됐다. 오늘은 포괄적인 것부터 구체적인 것까지 5가지 파이썬 버전과 이들 각각이 머신러닝 작업 처리를 위해 어떻게 구축되는지에 대한 세부사항을 살펴본다. 파이썬은 시스템 자동화부터 머신러닝 등의 첨단 분야에서의 작업까지 여러 작업을 간소화한다. 아나콘다 파이썬(Anaconda Python) 아나콘다는 데이터 과학과 머신러닝 뿐 아니라 일반 용도의 개발을 위한 배포판으로써 두각을 나타내고 있다. 아나콘다는 기업을 위한 지원 계획을 제공하는 같은 이름의 상용 제공처(종전 이름은 컨티넘 어낼리틱스(Continuum Analytics))의 지원을 받는다. 아나콘다 배포판은 데이터 과학에서 자주 사용하는 NumPy, 판다스(Pandas), Matplotlib 등의 패키지에 손쉽게 액세스할 수 있게 해준다. 아나콘다와 쉽게 묶이는 것은 아니지만 콘다(Conda)라는 사용자 정의 패키지 관리 시스템을 통해 사용 가능하다. 콘다 설치 패키지는 파이썬의 자체 Pip를 통해 관리할 수 없는 까다로운 외부 바이너리 의존성이 포함될 수 있다. (원한다면 Pip를 사용할 수 있지만 콘다가 이런 패키지에 제공하는 이점은 누릴 수 없을 것이다.) 각 패키지는 아나콘다에 의해 최신 상태로 유지되며 그 중 상당수는 속도를 위해 인텔MKL(Math Kernel Library) 확장기능으로 컴파일 된다. 아나콘다가 제공하는 다른 주요 이점으로는 그래픽 환경인 아나콘다 내비게이터(Anaconda Navigator)가 있다. 내비게이터는 IDE가 아니지만 콘다 패키지 관리자와 사용자 구성 가상 환경을 포함해 아나콘다 기능을 위한 편리한 G...

2018.06.15

클라우드보다 저렴하게!··· 딥러닝용 GPU 서버 커스텀 제작기

딥러닝 전문가들이라면 누구나 한번쯤 클라우드에서 벗어나 자체적인 딥러닝 머신을 제작하고 싶다는 생각을 해본 적 있을 것이다. 클라우드는 딥러닝에 입문하기에는 이상적인 공간이다. 또 대규모 딥러닝 모형을 교육하는 데에도 적합하다. 그러나 경우에 따라서는 자체적인 딥러닝 머신이 있는 쪽이 훨씬 더 많은 비용을 절감할 수 있기도 하다. 비용이 늘 저렴하다는 것은 아니다. 딥러닝 모델에 필요한 컴퓨터 및 고사양 GPU의 가격은 적게는 1,500 달러에서부터 2,000달러 이상에 이른다. 그렇다고 해도, 한 번에 며칠씩 딥러닝 모형 교육에 쏟는 사람이라면, 3~4달이면 본전을 되찾고도 남을 것이다. 특히 클라우드 스토리지 비용이나 진입 비용, 컴퓨트 시간 등을 고려한다면 더욱 그렇다. 이 글에서는 올해 초 직접 딥러닝 머신을 제작했던 경험을 소개하고, 그 과정에서 내려야 할 선택들, 그리고 비용 등에 대해 이야기해 보고자 한다. 가격은 2017년 12월 기준 아마존 가격으로 산정했다. 특히 딥러닝에 ‘본격적으로’ 접근하고자 하는 이라면(‘본격적으로’ 라는 단어가 더 큰 데이터 세트를 대상으로 리서치를 진행하는 것이든, 캐글(Kaggle) 대회에 참가하는 것을 의미하던 말이다), 자체적인 딥러닝 머신을 제작하는 결정을 더욱 장려할 만 하다. 데이터 세트의 분량이 거대해지고, 수많은 GPU가 필요로 해 질 때까지는 자체적인 딥러닝 머신을 이용하는 것이 최선일 수 있다. 그러나 어느 정도 규모가 커지고 나면, 그 때부터는 다시금 클라우드로 돌아가야 한다. 그 때는 컴퓨트 타임 비용을 지불할 수 있도록 지갑도 두둑하게 준비해 놓는 것이 좋을 것이다. 딥러닝 PC 제작: GPU 와 CPU 딥러닝 머신 제작 과정에서 가장 중요한, 그리고 아마 가장 큰 비용이 걸리는 결정은 어떤 그래픽 카드를, 즉 어떤 GPU를 구매할 것이냐이다. 하지만 적어도 현재로써는 이 선택은 그다지 어렵지 않다. 7...

DIY 텐서플로우 GPU 서버 아나콘다 케라스 1080Ti

2018.01.10

딥러닝 전문가들이라면 누구나 한번쯤 클라우드에서 벗어나 자체적인 딥러닝 머신을 제작하고 싶다는 생각을 해본 적 있을 것이다. 클라우드는 딥러닝에 입문하기에는 이상적인 공간이다. 또 대규모 딥러닝 모형을 교육하는 데에도 적합하다. 그러나 경우에 따라서는 자체적인 딥러닝 머신이 있는 쪽이 훨씬 더 많은 비용을 절감할 수 있기도 하다. 비용이 늘 저렴하다는 것은 아니다. 딥러닝 모델에 필요한 컴퓨터 및 고사양 GPU의 가격은 적게는 1,500 달러에서부터 2,000달러 이상에 이른다. 그렇다고 해도, 한 번에 며칠씩 딥러닝 모형 교육에 쏟는 사람이라면, 3~4달이면 본전을 되찾고도 남을 것이다. 특히 클라우드 스토리지 비용이나 진입 비용, 컴퓨트 시간 등을 고려한다면 더욱 그렇다. 이 글에서는 올해 초 직접 딥러닝 머신을 제작했던 경험을 소개하고, 그 과정에서 내려야 할 선택들, 그리고 비용 등에 대해 이야기해 보고자 한다. 가격은 2017년 12월 기준 아마존 가격으로 산정했다. 특히 딥러닝에 ‘본격적으로’ 접근하고자 하는 이라면(‘본격적으로’ 라는 단어가 더 큰 데이터 세트를 대상으로 리서치를 진행하는 것이든, 캐글(Kaggle) 대회에 참가하는 것을 의미하던 말이다), 자체적인 딥러닝 머신을 제작하는 결정을 더욱 장려할 만 하다. 데이터 세트의 분량이 거대해지고, 수많은 GPU가 필요로 해 질 때까지는 자체적인 딥러닝 머신을 이용하는 것이 최선일 수 있다. 그러나 어느 정도 규모가 커지고 나면, 그 때부터는 다시금 클라우드로 돌아가야 한다. 그 때는 컴퓨트 타임 비용을 지불할 수 있도록 지갑도 두둑하게 준비해 놓는 것이 좋을 것이다. 딥러닝 PC 제작: GPU 와 CPU 딥러닝 머신 제작 과정에서 가장 중요한, 그리고 아마 가장 큰 비용이 걸리는 결정은 어떤 그래픽 카드를, 즉 어떤 GPU를 구매할 것이냐이다. 하지만 적어도 현재로써는 이 선택은 그다지 어렵지 않다. 7...

2018.01.10

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.5.0.9