인공 지능(AI) 및 기계 학습(ML) 기술이 주류가 되면서 많은 기업이 대규모 프로덕션에서 ML 모델을 기반으로 하는 중요한 비즈니스 애플리케이션을 구축하는 데 성공했습니다. 그러나 이러한 ML 모델은 비즈니스에 중요한 비즈니스 결정을 내리므로 기업이 ML 수명 주기 전반에 걸쳐 적절한 가드레일을 추가하는 것이 중요합니다. 가드레일은 모델 수명 주기에 사용되는 코드, 구성, 데이터 및 모델 구성의 보안, 개인정보 보호, 품질을 버전화하고 보존하도록 보장합니다.
여러 이해관계자와 페르소나의 기여가 필요한 깊이 관련된 프로세스가 포함됨에 따라 기업 내 ML 프로세스와 활동이 더욱 복잡해지고 있기 때문에 이러한 가드레일을 구현하는 것이 기업에서 점점 더 어려워지고 있습니다. 데이터 엔지니어와 데이터 과학자 외에도 ML 수명주기를 자동화하고 간소화하기 위한 운영 프로세스가 포함되었습니다. 또한 비즈니스 이해관계자의 급증과 경우에 따라 법률 및 규정 준수 검토를 위해 ML 수명주기 전반에 걸쳐 액세스 제어, 활동 추적 및 보고를 관리하기 위한 투명성을 추가하는 기능이 필요합니다.
ML 모델 개발, 검증 및 사용에 대한 체계적인 가시성을 제공하는 프레임워크를 ML 거버넌스라고 합니다. AWS re:Invent 2022 기간 동안, AWS는 새로운 ML 거버넌스 도구를 출시했습니다. for 아마존 세이지 메이커 이는 액세스 제어를 단순화하고 ML 프로젝트에 대한 투명성을 향상시킵니다. ML 거버넌스의 일부로 사용할 수 있는 도구 중 하나는 다음과 같습니다. Amazon SageMaker 모델 카드, 모델 수명주기 전반에 걸쳐 문서를 중앙 집중화하고 표준화하여 모델 정보에 대한 단일 진실 소스를 생성하는 기능이 있습니다.
SageMaker 모델 카드를 사용하면 모델이 문서화되는 방식을 표준화하여 설계, 구축, 교육 및 평가까지 모델의 수명 주기에 대한 가시성을 확보할 수 있습니다. 모델 카드는 감사 및 문서화 목적으로 안정적으로 사용할 수 있는 모델에 대한 비즈니스 및 기술 메타데이터에 대한 단일 정보 소스로 사용됩니다. 모델 거버넌스에 중요한 모델의 팩트 시트를 제공합니다.
모델, 프로젝트 및 팀을 확장할 때 모범 사례로 ML 모델 개발 및 배포를 위한 프로젝트와 팀 격리를 제공하는 다중 계정 전략을 채택하는 것이 좋습니다. ML 모델의 거버넌스 개선에 대한 자세한 내용은 다음을 참조하세요. Amazon SageMaker로 기계 학습 모델의 거버넌스 개선.
아키텍처 개요
아키텍처는 다음과 같이 구현됩니다.
- 데이터 과학 계정 – 데이터 과학자는 다음에서 실험을 수행합니다. SageMaker 스튜디오 다음을 사용하여 스테이징/프로덕션 환경에 모델을 배포하기 위한 MLOps 설정을 구축합니다. SageMaker 프로젝트.
- ML 공유 서비스 계정 – 데이터 과학 계정에서 설정된 MLOps는 다음을 사용하여 CI/CD(지속적인 통합 및 지속적인 전달) 파이프라인을 트리거합니다. AWS 코드 커밋 및 AWS 코드 파이프라인.
- 개발자 계정 – CI/CD 파이프라인은 데이터 사전 처리, 모델 교육, 모델 평가 및 등록과 같은 사후 처리를 다루는 이 계정에서 ML 파이프라인을 추가로 트리거합니다. 이러한 파이프라인의 출력은 모델을 다음 위치에 배포합니다. SageMaker 끝점 추론 목적으로 소비됩니다. 거버넌스 요구 사항에 따라 데이터 과학 및 개발 계정을 단일 AWS 계정으로 병합할 수 있습니다.
- 데이터 계정 – 개발자 계정에서 실행되는 ML 파이프라인은 이 계정에서 데이터를 가져옵니다.
- 테스트 및 프로덕션 계정 – CI/CD 파이프라인은 Dev 계정 이후 배포를 계속하여 이러한 계정에 SageMaker 엔드포인트 구성을 설정합니다.
- 보안 및 거버넌스 – AWS Identity and Access Management(IAM), AWS IAM Identity Center, AWS CloudTrail, AWS Key Management Service(AWS KMS), Amazon CloudWatch 및 AWS Security Hub와 같은 서비스는 보안 및 관리의 일부로 이러한 계정 전체에서 사용됩니다. 통치.
다음 다이어그램은이 아키텍처를 보여줍니다.
확장 가능한 다중 계정 ML 아키텍처 설정에 대한 자세한 내용은 다음을 참조하세요. Amazon SageMaker를 사용하는 기업을 위한 MLOps 기반.
고객은 모델 카드에서 공유되는 정보를 통해 모델의 가시성과 거버넌스를 개선하기 위해 계정 간에 모델 카드를 공유하는 기능이 필요합니다. 이제 교차 계정 모델 카드 공유를 통해 고객은 조직에서 사용 가능한 모델 카드에 액세스하는 동시에 다중 계정 전략의 이점을 누릴 수 있으므로 협업을 가속화하고 거버넌스를 보장할 수 있습니다.
이 게시물에서는 모델 카드의 새로운 계정 간 공유 기능을 사용하여 MDLC(모델 개발 수명 주기) 계정 전체에서 모델 카드를 설정하고 액세스하는 방법을 보여줍니다. 먼저, 모델 카드의 계정 간 공유 기능을 설정하기 위한 시나리오와 아키텍처를 설명한 다음, 가시성과 모델 거버넌스를 개선하기 위해 계정 전체에서 공유 모델 카드를 설정하고 액세스하는 방법의 각 구성 요소를 자세히 살펴보겠습니다.
솔루션 개요
ML 모델을 구축할 때 보안, 안정성, 확장성을 향상하는 워크로드 격리를 제공하기 위해 다중 계정 아키텍처를 설정하는 것이 좋습니다. 이 게시물에서는 고객 이탈 사용 사례에 대한 모델을 구축하고 배포한다고 가정합니다. 다음 아키텍처 다이어그램은 다중 계정 MDLC(Machine Learning Model-Development Lifecycle) 아키텍처에서 모델 카드를 관리하기 위한 권장 접근 방식 중 하나인 중앙 집중식 모델 카드를 보여줍니다. 그러나 허브 앤 스포크 모델 카드라는 또 다른 접근 방식을 채택할 수도 있습니다. 이 게시물에서는 중앙 집중식 모델 카드 접근 방식에만 중점을 둘 것이지만 동일한 원칙을 허브 앤 스포크 접근 방식으로 확장할 수 있습니다. 주요 차이점은 각 스포크 계정이 자체 버전의 모델 카드를 유지 관리하고 중앙 집중식 계정으로 집계 및 복사하는 프로세스가 있다는 것입니다.
다음 다이어그램은이 아키텍처를 보여줍니다.
아키텍처는 다음과 같이 구현됩니다.
- 수석 데이터 과학자는 ML을 사용하여 고객 이탈 사용 사례를 해결하라는 알림을 받고 ML 공유 서비스 계정의 초안 상태에서 고객 이탈 V1 모델에 대한 모델 카드 생성을 통해 ML 프로젝트를 시작합니다.
- 자동화를 통해 해당 모델 카드가 ML Dev Account와 공유됩니다.
- 데이터 과학자는 모델을 구축하고 실험 결과에 따라 API를 통해 모델 카드에 정보를 채우기 시작하며 모델 카드 상태는 검토 보류 중으로 설정됩니다.
- 자동화를 통해 해당 모델 카드가 ML 테스트 계정과 공유됩니다.
- ML 엔지니어(MLE)는 ML 테스트 계정에서 통합 및 검증 테스트를 실행하고 중앙 레지스트리의 모델은 승인 보류 중으로 표시됩니다.
- 모델 승인자는 중앙 모델 카드에 제공된 지원 문서를 사용하여 모델 결과를 검토하고 프로덕션 배포를 위해 모델 카드를 승인합니다.
- 자동화를 통해 해당 모델 카드는 읽기 전용 모드의 ML Prod 계정과 공유됩니다.
사전 조건
시작하기 전에 다음 전제 조건이 있는지 확인하십시오.
- 두 AWS 계정.
- 두 AWS 계정 모두에서 다음을 수행할 수 있는 관리자 액세스 권한이 있는 IAM 연동 역할:
- Amazon SageMaker 내에서 모델 카드를 생성, 편집, 보기 및 삭제합니다.
- AWS RAM 내에서 리소스 공유를 생성, 편집, 보기 및 삭제합니다.
자세한 내용은 AWS RAM에 대한 IAM 정책 예시.
모델 카드 공유 설정
모델카드가 생성되는 계좌는 모델카드 계좌입니다. 모델 카드 계정의 사용자는 이를 업데이트할 수 있는 공유 계정과 공유합니다. 모델카드 계정 사용자는 다음을 통해 모델카드를 공유할 수 있습니다. AWS 리소스 액세스 관리자(AWS RAM). AWS RAM은 AWS 계정 전체에서 리소스를 공유하는 데 도움이 됩니다.
다음 섹션에서는 모델 카드를 공유하는 방법을 보여줍니다.
먼저 앞서 설명한 대로 고객 이탈 사용 사례에 대한 모델 카드를 만듭니다. Amazon SageMaker 콘솔에서 거버넌스 섹션을 확장하고 모델 카드.
우리는 모델 카드를 만듭니다. 초안 이름이 있는 상태 고객 이탈 모델 카드. 자세한 내용은 다음을 참조하십시오. 모델 카드 만들기. 이 데모에서는 나머지 필드를 비워두고 모델 카드를 만들 수 있습니다.
또는 다음 AWS CLI 명령을 사용하여 모델 카드를 생성할 수 있습니다.
이제 AWS RAM을 사용하여 교차 계정 공유를 생성합니다. AWS RAM 콘솔에서 다음을 선택합니다. 리소스 공유 만들기.
리소스 공유의 이름을 입력합니다(예: "Customer-Churn-Model-Card-Share"). 리소스에서 – 선택 섹션에서 리소스 유형을 다음과 같이 선택합니다. SageMaker 모델 카드. 이전 단계에서 생성한 모델 카드가 목록에 나타납니다.
해당 모델을 선택하면 선택한 리소스 섹션에 표시됩니다. 다음 단계에 표시된 대로 해당 리소스를 다시 선택하고 다음 보기.
다음 페이지에서 관리 권한을 선택할 수 있습니다. 사용자 정의 권한을 생성하거나 기본 옵션 "을 사용할 수 있습니다.AWSRAMPermissionSageMakerModelCards
"를 선택하고 다음 보기. 자세한 내용은 다음을 참조하십시오. AWS RAM에서 권한 관리.
다음 페이지에서 주체를 선택할 수 있습니다. 주체 유형 선택에서 다음을 선택합니다. AWS 계정 모델카드 공유 계정의 아이디를 입력하세요. 선택하다 추가 다음 페이지로 계속 진행하세요.
마지막 페이지에서 정보를 검토하고 "리소스 공유 생성"을 선택합니다. 또는 다음을 사용할 수 있습니다. AWS CLI 리소스 공유를 생성하는 명령:
AWS RAM 콘솔에서 리소스 공유의 속성을 볼 수 있습니다. 공유 리소스, 관리 권한 및 공유 주체가 "Associated
" 상태.
AWS RAM을 사용하여 리소스 공유를 생성한 후에는 리소스 공유에 지정된 보안 주체에게 공유 리소스에 대한 액세스 권한을 부여할 수 있습니다.
- AWS Organizations와의 AWS RAM 공유를 활성화하고 공유하는 보안 주체가 공유 계정과 동일한 조직에 있는 경우 해당 보안 주체는 계정 관리자가 권한을 부여하는 즉시 액세스 권한을 받을 수 있습니다.
- 조직과의 AWS RAM 공유를 활성화하지 않더라도 조직에 있는 개별 AWS 계정과 리소스를 계속 공유할 수 있습니다. 소비 계정의 관리자는 리소스 공유에 참여하라는 초대를 받고, 리소스 공유에 지정된 보안 주체가 공유 리소스에 액세스하려면 먼저 초대를 수락해야 합니다.
- 리소스 유형이 지원하는 경우 조직 외부의 계정과 공유할 수도 있습니다. 소비 계정의 관리자는 리소스 공유에 참여하라는 초대를 받고, 리소스 공유에 지정된 보안 주체가 공유 리소스에 액세스하려면 먼저 초대를 수락해야 합니다.
AWS RAM에 대한 자세한 내용은 다음을 참조하세요. AWS RAM의 용어 및 개념.
공유 모델 카드에 액세스하기
이제 공유 AWS 계정에 로그인하여 모델 카드에 액세스할 수 있습니다. AWS RAM에 대한 액세스를 허용하는 IAM 권한(IAM 역할)을 사용하여 AWS 콘솔에 액세스하고 있는지 확인하십시오.
AWS RAM을 사용하면 자신이 추가된 리소스 공유, 액세스할 수 있는 공유 리소스, 공유 리소스가 있는 AWS 계정을 볼 수 있습니다. 공유 리소스에 더 이상 액세스할 필요가 없으면 리소스 공유를 종료할 수도 있습니다.
공유 AWS 계정에서 모델 카드를 보려면:
- 로 이동 나와 공유됨: 공유 리소스 AWS RAM 콘솔의 페이지.
- 공유가 생성된 동일한 AWS 리전에서 작업하고 있는지 확인하십시오.
- 모델 계정에서 공유된 모델이 목록에 표시됩니다. 리소스 목록이 길면 필터를 적용하여 특정 공유 리소스를 찾을 수 있습니다. 여러 필터를 적용하여 검색 범위를 좁힐 수 있습니다.
- 다음 정보를 사용할 수 있습니다.
- 리소스 ID – 리소스의 ID입니다. 앞서 모델카드 계정에서 생성한 모델카드의 이름입니다.
- 자원 유형 – 자원의 유형.
- 마지막 공유일 – 리소스가 귀하와 공유된 날짜입니다.
- 자원 공유 – 리소스가 포함된 리소스 공유 수입니다. 리소스 공유를 보려면 값을 선택합니다.
- 소유자 ID – 리소스를 소유한 주체의 ID입니다.
AWS CLI 옵션을 사용하여 모델 카드에 액세스할 수도 있습니다. 올바른 자격 증명으로 구성된 AWS IAM 정책의 경우 Amazon SageMaker 내에서 모델 카드를 생성, 편집 및 삭제할 수 있는 권한이 있는지 확인하십시오. 자세한 내용은 다음을 참조하세요. AWS CLI 구성.
다음 AWS IAM 권한 정책을 템플릿으로 사용할 수 있습니다.
다음 AWS CLI 명령을 실행하여 공유 모델 카드의 세부 정보에 액세스할 수 있습니다.
이제 이 계정에서 이 모델 카드를 변경할 수 있습니다.
변경한 후 모델 카드 계정으로 돌아가서 이 공유 계정에서 변경한 내용을 확인하세요.
문제 유형이 ''로 업데이트되었습니다.Customer Churn Model
” 이는 AWS CLI 명령 입력의 일부로 제공한 것입니다.
정리
이제 생성한 모델 카드를 삭제할 수 있습니다. 모델 카드를 공유하기 위해 생성한 AWS RAM 리소스 공유를 삭제했는지 확인하십시오.
결론
이 게시물에서는 ML 워크로드를 안전하고 안정적으로 확장하고 관리하기 위한 다중 계정 아키텍처에 대한 개요를 제공했습니다. 모델 카드 공유 설정을 위한 아키텍처 패턴에 대해 논의하고 중앙 집중식 모델 카드 공유 패턴이 작동하는 방식을 설명했습니다. 마지막으로, 모델 개발 수명 주기의 가시성과 거버넌스를 개선하기 위해 여러 계정 간에 모델 카드 공유를 설정했습니다. 새로운 모델 카드 공유 기능을 사용해 보시고 피드백을 알려주시기 바랍니다.
저자 소개
비샬 나익 Amazon Web Services(AWS)의 선임 솔루션 아키텍트입니다. 그는 AWS 솔루션 및 모범 사례를 통해 고객이 비즈니스 요구 사항을 달성하고 복잡한 문제를 해결하도록 돕는 것을 즐기는 빌더입니다. 그의 핵심 초점 영역에는 기계 학습, DevOps 및 컨테이너가 포함됩니다. 여가 시간에 Vishal은 시간 여행과 대체 우주 주제에 대한 단편 영화를 만드는 것을 좋아합니다.
램 비탈 AWS의 수석 ML 솔루션 아키텍트입니다. 그는 20년 이상 분산, 하이브리드 및 클라우드 애플리케이션을 설계하고 구축한 경험이 있습니다. 그는 기업 고객의 클라우드 채택 및 최적화 여정을 통해 비즈니스 결과를 개선할 수 있도록 안전하고 확장 가능한 AI/ML 및 빅 데이터 솔루션을 구축하는 데 열정적입니다. 여가 시간에는 오토바이를 타고 2살 된 양과 함께 산책을 합니다!
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 차트프라임. ChartPrime으로 트레이딩 게임을 향상시키십시오. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/use-amazon-sagemaker-model-cards-sharing-to-improve-model-governance/
- :있다
- :이다
- :어디
- $UP
- 10
- 100
- 20
- 20년
- 2022
- 361
- 7
- 700
- 9
- a
- 소개
- 가속
- 수락
- ACCESS
- 접근성
- 액세스
- 달성
- 계정
- 계정
- 달성
- 가로질러
- 동작
- 방과 후 액티비티
- 활동
- 더하다
- 추가
- 또한
- 또한
- 채택
- 양자
- 후
- 다시
- 골재
- AI
- AI / ML
- 수
- 또한
- 아마존
- 아마존 세이지 메이커
- Amazon Web Services
- Amazon Web Services (AWS)
- an
- 및
- 다른
- API
- 표시
- 어플리케이션
- 신청
- 접근
- 구혼
- 아키텍처
- 있군요
- 지역
- 인조의
- 인공 지능
- 인공 지능(AI)
- AS
- 취하다
- At
- 속성
- 감사
- 자동화
- 자동화
- 가능
- AWS
- AWS 자격 증명 및 액세스 관리 (IAM)
- AWS 재 : 발명
- 뒤로
- 기반으로
- BE
- 때문에
- 가
- 되고
- 된
- 전에
- 혜택
- BEST
- 모범 사례
- 큰
- 빅 데이터
- 두
- 빌드
- 건축업자
- 건물
- 빌드
- 사업
- 비즈니스 응용 프로그램
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 라는
- CAN
- 기능
- 능력
- 카드
- 카드
- 케이스
- 가지 경우
- 센터
- 중심적인
- 중앙
- 과제
- 변경
- 왼쪽 메뉴에서
- 클라우드
- 클라우드 채택
- 암호
- 협동
- 복잡한
- compliance
- 구성 요소
- 개념
- 행위
- 구성
- 구성
- 콘솔에서
- 소비
- 용기
- 계속
- 끊임없는
- 기부금
- 제어
- 핵심
- 수정
- 피복
- 만들
- 만든
- 창조
- 신임장
- 임계
- 관습
- 고객
- 고객
- 데이터
- 데이터 과학
- 데이터 과학자
- 날짜
- 결정
- 깊은
- 태만
- 배달
- 의존
- 배포
- 배치
- 전개
- 설명
- 기술 된
- 설계
- 세부설명
- 데브
- 개발
- 차이
- 논의 된
- 분산
- 잠수
- do
- 선적 서류 비치
- 말라
- 징병
- 두
- ...동안
- 마다
- 이전
- 효과
- 가능
- 격려
- 종점
- 기사
- 엔지니어
- 강화
- 즐겨
- 확인
- 엔터 버튼
- Enterprise
- 기업
- 환경
- 평가
- 예
- 펼치기
- 경험
- 실험
- 사실
- 특색
- 연합
- 피드백
- Fields
- 영화
- 필터링
- 필터
- 최종적으로
- Find
- 먼저,
- 초점
- 수행원
- 다음
- 럭셔리
- Foundation
- 뼈대
- 에
- 추가
- 얻을
- 점점
- 제공
- Go
- 통치
- 통치
- 부여
- 보조금
- 했다
- 열심히
- 있다
- 데
- he
- 도움
- 도움이
- 도움이
- 그의
- 방법
- How To
- 그러나
- HTML
- HTTPS
- 허브
- 잡종
- ID
- 통합 인증
- if
- 설명하다
- 구현
- 중대한
- 개선
- 개선
- in
- 포함
- 포함
- 포함
- 개인
- 정보
- 입력
- 완성
- 인텔리전스
- 예정된
- 으로
- 소개
- 초대장
- 참여
- 격리
- IT
- 그
- 어울리다
- 여행
- JPG
- 키
- 알아
- 성
- 배우기
- 휴가
- 이용약관
- 하자
- wifecycwe
- 처럼
- 링크드인
- 명부
- 리스팅
- 기록
- 긴
- 이상
- loves
- 기계
- 기계 학습
- 만든
- 본관
- 주류
- 유지하다
- 확인
- 유튜브 영상을 만드는 것은
- 관리
- 구축
- 매니저
- 관리
- .
- 두드러진
- me
- 메타 데이터
- ML
- MLOps
- 모드
- 모델
- 모델
- 배우기
- 모터사이클
- 멀티
- 여러
- 절대로 필요한 것
- name
- 폭이 좁은
- 필요
- 요구
- 신제품
- 다음 것
- 아니
- 지금
- 번호
- of
- on
- ONE
- 만
- 운영
- 운영
- 최적화
- 선택권
- or
- 조직
- 조직
- 아웃
- 결과
- 출력
- 외부
- 위에
- 개요
- 자신의
- 소유하다
- 페이지
- 부품
- 열렬한
- 패턴
- 대기
- 권한
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 정책
- 정책
- 게시하다
- powered
- 연습
- 사례
- 전제 조건
- 너무 이른
- 이전에
- 교장
- 교장
- 원칙
- 개인 정보 보호
- 문제
- 프로세스
- 처리
- 생산
- 프로젝트
- 프로젝트
- 적절한
- 제공
- 제공
- 제공
- 목적
- 품질
- 램
- RE
- 읽기 전용 모드
- 받다
- 수신
- 권하다
- 추천
- 참조
- 지방
- 등록
- 레지스트리
- 신뢰성
- 나머지
- 통계 보고서
- 필요
- 요구조건 니즈
- 의지
- 제품 자료
- 결과
- 리뷰
- 리뷰
- 직위별
- 달리기
- 달리는
- 실행
- 현자
- 같은
- 확장성
- 확장성
- 규모
- 스케일링
- 대본
- 과학
- 과학자
- 과학자
- 검색
- 섹션
- 안전해야합니다.
- 안전하게
- 보안
- 참조
- 선택된
- 서비스
- 서비스
- 세트
- 설정
- 설치
- 공유
- 공유
- 공유
- 공유
- 시트
- 짧은
- 표시
- 표시
- 쇼
- 이후
- 단일
- So
- 솔루션
- 풀다
- 일부
- 곧
- 출처
- 구체적인
- 지정
- 이해 관계자
- 표준화
- 스타트
- 시작
- 시작
- 성명서
- Status
- 단계
- 단계
- 아직도
- 전략
- 유선
- 성공한
- 지원
- 지원
- 확인
- 발생
- 팀
- 팀
- 테크니컬
- 기술
- 이 템플릿
- test
- 테스트
- 그
- XNUMXD덴탈의
- 정보
- 그들의
- 그들
- 테마
- 그때
- 그곳에.
- 그것에 의하여
- Bowman의
- 그들
- 이
- 그
- 을 통하여
- 도처에
- 시간
- 시간 여행
- 에
- 검색을
- 추적
- 트레이닝
- 투명도
- 여행
- 트리거
- 진실
- 시도
- 회전
- 유형
- 아래에
- 우주
- 업데이트
- us
- 용법
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용
- v1
- 확인
- 가치
- 버전
- 를 통해
- 관측
- 이씨는
- 가시성
- 였다
- we
- 웹
- 웹 서비스
- 언제
- 어느
- 동안
- 누구
- 의지
- 과
- 이내
- 작업
- 년
- 자신의
- 너의
- 제퍼 넷