You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 

763 lines
21 KiB

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
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
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
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