WEBVTT 00:00.860 --> 00:03.890 주피터랩의 가장 좋은 장소에 잘 오셨어요 00:03.890 --> 00:06.920 다시 대회 3일째인데요 00:06.920 --> 00:08.900 6주 차에요 00:09.200 --> 00:13.580 이 공책이 정말 기대되네요 여러분도 즐겁게 읽으시길 바라요 00:13.580 --> 00:16.130 좋은 걸 준비해 뒀어요 00:16.310 --> 00:21.650 오늘도 기본 모델을 살펴볼 거예요 00:21.650 --> 00:28.190 여러 개의 import로 시작할게요. 모두 이전에도 봤던 것들이에요. 00:28.190 --> 00:30.080 새로운 건 없어요 00:30.080 --> 00:33.890 두 번째 셀에 새로운 수입품이 있어요 00:33.890 --> 00:41.150 머신 러닝 판다를 위해 가져온 장비인데 여행하면서 많이 보셨을 00:41.150 --> 00:48.260 겁니다 데이터를 비트처럼 정리하는 훌륭한 방법이죠 00:48.380 --> 00:51.320 물론 넘피는 낯설지 않겠죠 00:51.320 --> 00:52.760 그리고 스클론이죠 00:52.790 --> 01:00.620 Scikit은 머신 러닝 라이브러리로 아주 인기가 많습니다 아주 흔한 알고리즘이 많아서 01:00.620 --> 01:07.550 아주 유명하죠 오늘날에도 많이 사용될 겁니다 하지만 가장 중요한 건 선형 회귀입니다 01:07.580 --> 01:14.120 데이터 과학자의 툴킷에서 표준으로 사용되는 선형 회귀 모델이죠 01:14.690 --> 01:20.630 또 다른 것은 자연 언어 프로세싱 NLP와 관련된 것들입니다 01:20.660 --> 01:31.100 겐심도 포함해서요 NLP와 관련된 아주 유용한 라이브러리입니다 아까 언급했던 워드 2 베c가 01:31.130 --> 01:32.780 그 예죠 01:32.810 --> 01:40.010 방금 언급했지만 언어를 벡터로 바꾸는 강력한 모델이죠 01:40.010 --> 01:44.450 그 감방도 제가 운영하게 해주세요 01:44.780 --> 01:47.720 하나 더 있어요 다른 수입품 세트요 01:47.810 --> 01:50.630 공부가 더 필요해요 01:50.630 --> 01:57.590 이건 따로 보관했어요 더 고급 머신 러닝을 위해 두 개를 수입하는 거니까요 01:57.590 --> 02:03.600 하나는 벡터 회귀 지원입니다 벡터 머신과 패키지의 일부죠 02:03.600 --> 02:06.870 다른 하나는 무작위 숲 퇴행자예요 02:06.930 --> 02:12.390 어, 아까 임의의 숲이라고 했는데 그것도 같이 갖고 올게요 02:12.840 --> 02:13.800 네 02:13.830 --> 02:17.700 이 상수들의 집합은 여러분을 놀라게 할 수도 있어요 02:17.730 --> 02:19.860 비트가 좀 특이하네요 02:20.070 --> 02:22.500 그 생각은 잠시 보류하세요 02:22.500 --> 02:23.670 나중에 올 거예요 02:23.670 --> 02:26.040 이런 걸 해 본 적이 있다면 알아볼 수 있을 거예요 02:26.040 --> 02:32.910 좀 이상하지만 역사적인 이유에서죠 02:33.090 --> 02:41.430 특정 기호를 표준에 프린트하면 색이 변해서 초록색이 02:41.430 --> 02:42.960 돼요 02:43.200 --> 02:47.370 이유는 다 말할 순 없지만요 02:47.490 --> 02:53.820 그리고 다시 색을 검정이나 흰색으로 바꾸죠 전경 색에 따라서요 02:53.850 --> 02:59.250 이런 상수를 알고 손으로 직접 인쇄할 수 있으면 컬러 프린트가 쉬워지죠 02:59.250 --> 03:00.600 오늘 할 거예요 03:00.840 --> 03:01.410 네 03:01.410 --> 03:07.950 그러니 저 상수는 우리가 잘 아는 일반적인 환경 셋업을 실행합니다 그리고 얼굴 안기로 로그인하세요 03:08.280 --> 03:09.510 잘 모르겠어요 03:09.510 --> 03:12.660 오늘은 포옹하는 얼굴 안 써요 굳이 로그인할 필요 03:12.660 --> 03:14.910 없었는데 그냥 재미로 해봤어요 03:15.180 --> 03:18.900 매트플로틀리브는 유피터 노트북에 꼭 넣어주세요 03:18.990 --> 03:26.160 피클 파일에서 데이터를 로드할 거예요 다시 만드는 대신에요 03:26.160 --> 03:33.180 훈련 데이터를 다시 한 번 살펴보죠 03:33.180 --> 03:35.970 첫 번째 훈련 데이터 포인트를 보죠 03:35.970 --> 03:39.870 이게 뭐였는지 다시 상기시켜줄 프롬프트를 요청할게요 03:39.870 --> 03:48.150 이건 이 아이템 개체의 프롬프트 특성을 찾는 겁니다 아까도 말씀드렸죠 03:48.150 --> 03:52.050 과거에요 이틀 전쯤에 말이죠 03:52.140 --> 03:55.350 하지만 이제 이런 것에 익숙해졌길 바라요 03:55.380 --> 03:58.110 프린트해서 잘 나오게 할게요 03:58.560 --> 04:01.740 자, 됐어요 04:02.010 --> 04:02.880 여기 있네요 04:02.880 --> 04:04.620 이건 얼마 정도 할까요? 04:04.620 --> 04:08.350 제목도 있고 디테일도 있고 가격도 있죠 04:08.380 --> 04:15.580 왜 이 문제를 위해 아이템 클래스에 많은 시간을 투자하는지 궁금하실 텐데요 04:15.580 --> 04:20.710 실제로 이런 일을 하게 되는 건 상업적인 문제를 해결하고 04:20.740 --> 04:25.450 데이터를 조작할 방법을 찾을 때죠 04:25.450 --> 04:28.420 현실 세계 경험이 유용할 거예요 04:28.450 --> 04:34.000 이 코드나 아이템 클래스를 사용하지 않을 거고 이것과 똑같은 프롬프트를 갖지도 않겠죠 04:34.000 --> 04:39.190 하지만 이런 기술은 여러분이 복제할 수 있습니다 따라서 제가 내리는 결정을 04:39.190 --> 04:43.480 이해하고 이해하는 게 중요합니다 그래야 여러분도 자신의 프로젝트에서 04:43.480 --> 04:46.720 자신감을 갖고 똑같이 할 수 있죠 04:46.780 --> 04:51.160 이게 그 훈련 프롬프트예요 04:51.190 --> 04:53.500 이제 테스트 프롬프트를 보죠 04:53.500 --> 04:57.700 첫 번째 테스트 아이템을 선택할게요 04:57.700 --> 05:00.790 메서드 테스트 프롬프트를 호출할게요 05:00.790 --> 05:09.190 기본 훈련 프롬프트만 갖고 실제 가격을 없애 모델을 테스트할 때 답을 공개하지 않도록 05:09.190 --> 05:11.980 하는 걸 기억하세요 05:11.980 --> 05:14.950 그 가격을 채우는 게 그 기계의 일이죠 05:14.950 --> 05:19.810 뭘 채우려는 건지 알고 싶을 땐 훈련용으로 가져가요 05:19.960 --> 05:25.360 기차를 타고 가서 가격을 부르면 돼요 05:25.360 --> 05:31.720 이게 이 제품의 실제 가격입니다 보시다시피 가장 비슷한 가격으로 05:31.720 --> 05:34.030 반올림했죠 05:34.120 --> 05:36.700 하지만 진짜 가격은 약간 달라요 05:36.700 --> 05:43.090 이걸 보면 우리가 이 훈련과 테스트 메서드로 뭘 하는지 기억이 되살아나길 05:43.240 --> 05:51.280 바랍니다 이 훈련과 테스트 아이템 목록과 그걸 어떻게 부르는지도요 05:51.490 --> 05:58.510 이제 제가 아주 만족하는 걸 보여드리겠습니다 코드 덩어리죠 여러분 프로젝트에 정확히 05:58.540 --> 06:03.280 이 코드를 사용하지 않을 수도 있지만 비슷한 걸 할 거예요 06:03.280 --> 06:09.800 여러분이 해결해야 할 문제에 접근하는 좋은 방법이고 여러분의 문제에 대해 06:09.800 --> 06:12.800 복제할 수 있는 좋은 방법이죠 06:12.800 --> 06:21.200 그래서 다양한 모델을 테스트하고 싶었어요 빠르고 간단한 방법으로요 06:21.410 --> 06:26.900 그러려면 테스트 데이터를 모델에 적용해 결과를 06:26.900 --> 06:28.850 시각화해야 해요 06:28.850 --> 06:33.740 함수에서 가지고 있던 것입니다 그리고 계속해서 반복을 했고 코드를 복사하고 06:33.740 --> 06:38.180 붙여넣기를 했습니다 반복적으로 같은 것을 해야 하기 때문이죠 06:38.180 --> 06:43.910 그렇게 할 때마다 여러분을 위해 일종의 유틸리티를 만들 때인 것처럼 06:43.910 --> 06:44.780 들리네요 06:44.900 --> 06:50.930 그래서 클래스 테스터라는 걸 생각해냈어요 모델을 테스트할 수 06:50.930 --> 06:56.780 있는 건데 어떤 식으로 작동하느냐면 원하는 함수를 쓸 수 있어요 06:56.780 --> 07:01.790 어떤 함수든 제 예측 함수 같은 걸로 불릴 수 있죠 07:01.790 --> 07:10.130 유일한 작업은 항목을 취하고 그에 반응해 추정 가격을 반환하는 겁니다 특정 예측을 07:10.130 --> 07:14.570 하기 위해 원하는 어떤 코드든 입력하는 거죠 07:14.570 --> 07:19.070 그런 함수를 작성하고 나면 테스터를 호출할 수 있어요 07:19.100 --> 07:24.800 이 클래스는 . test를 하고 함수 이름을 통과하는 거예요 07:24.800 --> 07:26.720 이 함수를 취할 거예요 07:26.720 --> 07:34.910 250개의 다른 테스트 항목에 대해 반복적으로 호출하고 결과를 예측하는 데 얼마나 좋은지 07:34.910 --> 07:38.600 보고 그 정보를 시각적으로 요약하죠 07:38.870 --> 07:39.980 그게 목적이죠 07:39.980 --> 07:43.190 워크플로우도 단순화할 수 있고요 07:43.430 --> 07:45.410 이게 그 수업이에요 07:45.410 --> 07:46.460 아주 간단해요 07:46.460 --> 07:48.650 색상도 신경 써야 해요 07:48.650 --> 07:50.720 색상 인쇄할 거라고 했잖아요 07:50.720 --> 07:58.280 데이터 포인트를 실행하는데 실행 데이터 포인트는 하나의 데이터 포인트에 대한 비즈니스를 하는 메서드입니다. 07:58.280 --> 08:01.100 그 데이터 포인트를 얻는 것이죠. 08:01.130 --> 08:05.030 여기서 당신이 제공한 함수를 호출하죠 08:05.030 --> 08:08.730 모델의 모델을 get get 데이터 포인트라고 부르죠 08:08.730 --> 08:12.630 함수에서 얼마라고 하는지 맞혀 보세요 08:12.630 --> 08:18.480 그리고 가격 특성을 호출해서 진실을 얻습니다. 조금 전에 보았던 것이죠. 08:18.480 --> 08:24.510 물론 오류는 추측과 진실의 절대적인 차이예요 08:24.540 --> 08:25.980 아주 간단해요 08:26.010 --> 08:35.040 제곱로그에러라는 것도 계산하는데 제곱로그에러의 공식은 여기와 08:35.040 --> 08:37.410 똑같아요 08:37.440 --> 08:43.770 진실 더하기 1을 더하고 맞힌 것 더하기 1을 더해요 08:44.160 --> 08:50.700 네, 그리고 왜 공식에 플러스 1이 들어가는지 짐작되실 거예요 08:50.700 --> 08:55.500 진실이 0이라면 수학을 원치 않을 테니까요 일지를 폭파할 거예요 08:55.560 --> 09:02.580 이 공식은 진실 혹은 추측이 0인 경우에 잘 맞아요 09:03.120 --> 09:08.790 그러면 제곱 로그 에러는 물론 이것의 제곱이고요 09:09.330 --> 09:14.400 이제 비트 프로세싱을 좀 할 거예요 09:14.400 --> 09:17.850 작은 차트를 그릴 수 있어요 잠시 후 보여드리죠 09:18.030 --> 09:19.380 보고서를 써요 09:19.380 --> 09:23.880 이게 궁극적으로 제가 아까 언급한 함수예요 09:23.880 --> 09:27.960 테스트를 호출해 이 테스트를 실행할 수 있어요 09:28.170 --> 09:28.740 네 09:28.770 --> 09:30.240 제가 그 감방을 처리할게요 09:30.240 --> 09:35.160 그러니 제가 이 시험에서 풀었던 모든 걸 이해하실 필요는 없어요 09:35.160 --> 09:41.310 이렇게 멋진 테스트 하니스를 만드는 건 원칙이에요 약간의 시간을 투자해 모델을 09:41.310 --> 09:47.550 실행한 결과에 대한 진정한 통찰력을 얻을 수 있도록 하는 거죠 비트로 09:47.550 --> 09:49.080 여기서 배우는 거죠 09:49.350 --> 09:54.450 가장 간단한 모델은 뭘까요? 09:54.450 --> 09:56.610 가장 단순한 모델이 뭘까요? 09:56.610 --> 09:59.250 기본 모델 작업을 하기 전에 위로 올라갈 거예요 09:59.250 --> 10:03.960 두 가지 코미디 모델을 만들 거예요 우스꽝스러운 모델인데 우리가 상상할 수 있는 가장 기본적인 10:03.960 --> 10:04.560 거죠 10:04.560 --> 10:07.110 잠깐 질문 하나 할게요 10:07.230 --> 10:11.680 가장 간단한 모델이 무엇인지 생각해 보세요 아마 그것보다 더 간단한 10:11.680 --> 10:12.760 걸 거예요 10:12.940 --> 10:16.900 첫 번째는 아주 간단한 모델 두 개예요 10:16.900 --> 10:19.090 첫 번째 문제는 벌써 답을 공개했어요 10:19.090 --> 10:24.130 아마 첫 번째 숫자는 무작위로 추측하는 걸 보셨을 거예요 10:24.130 --> 10:25.540 그게 다일 거예요 10:25.540 --> 10:27.640 여기 함수가 있어요 10:27.640 --> 10:31.090 여기 함수가 있는데 프롬프트가 없어요 10:31.090 --> 10:36.820 항목을 선택하는데∙∙∙ 중요하지 않아요 항목을 완전히 무시할 테니까요 대신 10:36.820 --> 10:39.520 무슨 말을 들었는지 신경 쓰지 않죠 10:39.520 --> 10:43.510 1에서 1000 사이의 무작위 숫자를 반환하죠 10:43.690 --> 10:47.500 죄송해요, 그건 1과 999를 포함해서죠 10:47.740 --> 10:53.320 무작위로 종자를 설정해서 매번 같은 결과를 얻도록 할 거예요 10:53.440 --> 10:54.880 이제 작동시켜요 10:54.880 --> 11:00.730 이 테스트를 다시 실행하는 방법은 테스터 클래스로 가서 .테스트를 보여드렸죠 11:00.730 --> 11:03.700 그런 다음 이 함수의 이름을 전달해요 11:03.700 --> 11:08.920 함수를 호출하지 않아요 왜냐하면 함수를 호출하면 한 번만 호출하거든요 11:08.950 --> 11:11.590 함수 그 자체로 이렇게 전달해요 11:11.620 --> 11:17.350 이제 이걸 실행하면 제 프로그램의 결과를 보실 수 있어요 11:17.800 --> 11:20.800 아주 빨리 진행됐죠 아주 빠른 모델이었거든요 11:20.800 --> 11:24.280 다시 스크롤을 올려 뭐가 보이는지 말씀드리죠 너무 많아서요 11:24.790 --> 11:28.270 여러분이 아주 익숙해지게 될 겁니다 다음 몇 클래스에서 이걸 많이 11:28.270 --> 11:29.770 할 테니까요 get it 11:29.770 --> 11:37.060 여기 보이는 각 행은 다른 테스트 데이터 포인트를 나타내요 11:37.060 --> 11:40.270 오른쪽에 있는 아이템이 뭔지 알려주고 있어요 11:40.270 --> 11:47.050 이건 고독스 ML 60 바이 LED예요 LED 조명 키트죠 휴대용 LED예요 11:47.050 --> 11:49.270 그 후론 짧게 편집했어요 11:49.270 --> 11:55.630 이 LED 조명 키트는 모델과 그 기능의 함수를 11:55.630 --> 11:57.760 보여 주는데요 11:57.760 --> 12:01.810 무작위 번호 생성기라서 143달러로 나왔어요 12:02.260 --> 12:03.760 진실이 뭐죠? 12:03.760 --> 12:09.940 그런데 놀랍게도 289달러였어요 제가 기대한 금액보다 좀 높네요 하지만 12:10.000 --> 12:12.980 거기 짧게 묘사된 걸 보면 그렇죠 12:12.980 --> 12:13.490 어쩌면요 12:13.790 --> 12:17.150 옆에 노트북 같은 게 딸려 있을지도 몰라요 12:17.900 --> 12:19.190 그게 오류예요 12:19.220 --> 12:23.330 이 모델이 이 정도로 잘못하고 있다는 거죠 12:23.330 --> 12:26.930 제곱 로그 에러는 다음에 얘기하도록 하죠 12:26.930 --> 12:32.630 하지만 이건 보완을 위한 겁니다 절대 오류와 상대적인 오차의 12:32.630 --> 12:35.720 차이를 더 잘 반영하는 거죠 12:35.870 --> 12:40.970 하지만 이 부분에 집중할 겁니다 추측과 진실의 차이는 12:41.000 --> 12:45.920 우리 인간에게는 너무나 쉽게 이해되니까요 12:46.310 --> 12:51.200 추측이 형편없어서 빨간색으로 칠한 거예요 12:51.200 --> 12:53.270 빨간색은 정말 끔찍해요 12:53.270 --> 12:56.210 노란색은... 초록색이면 충분해요 12:56.210 --> 13:00.530 그에 대한 정의는 스크롤을 다시 올려보면 경험에서 13:00.560 --> 13:02.540 나온 비트가 있는데요 13:02.540 --> 13:06.710 40달러나 20% 이하면 녹색이라고 부르죠 13:06.740 --> 13:09.950 40달러나 20% 이하면 녹색이에요 13:09.950 --> 13:15.140 40달러라니 관대하다고 생각하실 수도 있지만 가격 범위가 넓다는 걸 기억하세요 13:15.140 --> 13:17.510 설명만 듣고 바로 결정해야 해요 13:17.510 --> 13:20.420 정말 어려운 일이에요 13:20.420 --> 13:25.250 만약 40달러 오차 범위 안에 든다면 잘 작동하고 있는 거죠 13:25.430 --> 13:28.070 원하신다면 더 엄격하게 하실 수 있어요 13:28.070 --> 13:29.930 이건 당신이 손보면 돼요 13:30.080 --> 13:32.300 하지만 그게 제 원칙이었어요 13:32.810 --> 13:35.180 여기 포인트가 다 있어요 13:35.180 --> 13:38.630 마지막엔 멋진 시각화가 있어요 13:38.660 --> 13:40.730 이건 뭔가요? 13:40.760 --> 13:41.900 이 도표 마음에 들어요 13:41.930 --> 13:43.340 이 도표들을 많이 보게 될 거예요 13:43.340 --> 13:44.960 Get in get에 익숙해지세요 13:44.990 --> 13:51.530 엑스 축은 대지의 진리를 보여줍니다 제품의 실제 값이죠 13:51.560 --> 13:58.850 데이터 과학자들이 Y라고 설명하는 걸 들을 수도 있어요 반면 축을 보면 13:58.850 --> 14:04.760 데이터 과학자들이 어떤 값을 계산했는지 알 수 있죠 14:04.760 --> 14:10.430 제품의 실제 가치와 모델의 추정치를 비교하는 거죠 14:10.430 --> 14:17.460 그래서 진정한 값은 항상 데이터 집합에서 0에서 1000인 사이로 퍼져 있어요 모델의 값은 사방에 14:17.460 --> 14:17.940 있죠 14:17.970 --> 14:20.520 무작위로 찍혀 있어요 14:20.520 --> 14:26.310 이 파란 선은 완벽한 추리를 의미해요 14:26.580 --> 14:33.360 모델이 이 파란 선을 따라 맞힌다면 바닥에 정확히 게스트예요 운이 좋았다는 14:33.360 --> 14:34.920 걸 알 수 있죠 14:34.920 --> 14:40.530 물론 시간이 촉박하긴 하지만요. 파란 선 근처에 있는 초록색 점들은 14:40.530 --> 14:44.310 get 작업을 꽤 잘했다는 걸 나타내요. 14:44.550 --> 14:52.020 노란 점은 A가 있는 곳이고 빨간 점은 묘기를 놓쳐서 저기로 갔을 때죠 14:52.500 --> 14:54.690 정말 재미있었어요 14:54.690 --> 14:55.860 즐거우셨길 바라요 14:55.860 --> 14:59.670 우리가 할 수 있는 아주 사소한 모델이 또 있어요 제가 요청했을 때 여러분이 생각하셨던 14:59.670 --> 15:00.750 것일 수도 있죠 15:00.750 --> 15:05.520 아주 기본적인 모델에서 여러분은 생각하셨겠지만 제게 정말 기본적인 15:05.520 --> 15:09.060 건 모든 걸 0으로 맞추거나 1로 맞추자는 거였어요 15:09.330 --> 15:11.280 더 잘할 수 있어요 15:11.310 --> 15:18.600 훈련 데이터 세트를 가지고 모든 훈련 데이터 집합의 평균 가격이 얼마인지 물어볼 15:18.600 --> 15:19.620 수 있어요 15:19.620 --> 15:22.710 왜냐하면 우리 모델은 훈련 데이터 집합이 제공되거든요 15:22.710 --> 15:26.970 그래서 그걸 계속 추측하는 거라고 볼 수 있죠 15:27.000 --> 15:33.930 모든 게 훈련 데이터 집합에 있는 모든 것의 평균 가격이라고 가정해 보죠 15:34.140 --> 15:40.470 기본적으로 훈련 데이터의 가격을 계산하고 평균을 내요 훈련 15:40.470 --> 15:45.450 가격을 전부 합쳐서 그걸 개수로 나눈 거죠 15:45.450 --> 15:52.440 훈련 데이터 집합에서 1점의 가격을 알려줄 거예요 15:52.470 --> 15:56.820 이건 아주 정교한 모델이에요 아주 정교한 모델이죠 15:56.820 --> 16:02.220 다시 말씀드리지만 아이템을 선택하고 평균을 반환해요 16:02.220 --> 16:05.940 통과한 건 무시하고 평균만 반환해요 16:05.940 --> 16:08.490 어떻게 보일지 한 번 보죠 16:08.520 --> 16:13.170 어떤 도표를 보게 될지 마음속으로 그릴 수 있는지 보세요 16:13.290 --> 16:17.320 어떤 모습일지 정확히 상상할 수 있으면 좋겠네요 16:18.190 --> 16:20.800 당신이 옳았는지 확인할 준비가 됐는지도요 16:21.040 --> 16:21.790 좋아요! 16:21.790 --> 16:23.890 이건 물론 도표고요 16:23.890 --> 16:29.650 고정된 지점에서 추측하는 거죠 500이 될 거라고 생각한다면 유통 방향이 좀 더 저렴한 16:29.650 --> 16:32.920 물건 쪽으로 기울었다는 걸 기억하세요 16:32.950 --> 16:35.170 처음만큼 심하진 않아요 16:35.200 --> 16:37.480 비트를 약간 수정했어요 16:37.690 --> 16:41.620 모든 것에 이 정도 양을 계산했어요 16:41.950 --> 16:48.670 물론 제품의 값과 같은 지점에서 초록이 나왔어요 아니면 노랑이나 16:48.670 --> 16:50.650 빨강이겠죠 16:50.680 --> 16:53.140 이렇게 퍼져 있어요 16:53.170 --> 16:56.590 예상했던 결과를 볼 수 있어요 16:56.590 --> 17:02.080 실제 결과를 다시 스크롤하면 붉은 바다가 보일 겁니다 17:02.080 --> 17:07.240 가끔 녹색도 보이고요 평균에 가까운 비용으로요 17:08.050 --> 17:11.080 그럼 즐겁게 보시길 바랄게요 17:11.080 --> 17:15.490 아직 실제 머신 러닝 모델은 보지 못했지만 곧 볼 테니 걱정 17:15.490 --> 17:16.360 마세요 17:16.390 --> 17:17.290 조금만 참아요 17:17.380 --> 17:18.280 다음에 봐요