비즈니스 트렌드, 고객 행동, 판매 수익, 수요 증가 및 구매자 성향을 이해하는 것은 모두 데이터에서 시작됩니다. 데이터에서 추세를 탐색, 분석, 해석 및 찾는 것은 기업이 성공적인 결과를 달성하는 데 필수적입니다.
비즈니스 분석가는 비즈니스 메트릭의 시각화 및 미래 이벤트 예측과 같은 활동을 통해 데이터 기반 비즈니스 의사 결정을 촉진하는 데 중추적인 역할을 합니다. 이러한 분석가에게 머신 러닝(ML)과 같은 기술로 지원되는 간단한 분석을 위한 시각적 비즈니스 인텔리전스(BI) 도구를 제공하여 빠른 반복과 더 빠른 가치 실현 시간을 달성할 수 있습니다.
아마존 퀵 사이트 QuickSight 내에서 또는 애플리케이션이나 웹 사이트에 포함된 방식으로 데이터에 쉽게 연결하고 대화형 대시보드 및 보고서를 생성하며 수만 명의 사용자와 공유할 수 있는 완전 관리형 클라우드 네이티브 BI 서비스입니다. Amazon SageMaker 캔버스 비즈니스 분석가가 ML 경험이 없거나 코드 한 줄을 작성하지 않고도 자체적으로 정확한 ML 예측을 생성할 수 있는 시각적 인터페이스입니다.
이 게시물에서는 명시적으로 예측을 다운로드하고 QuickSight로 가져오지 않고 Canvas의 ML 기반 예측을 사용하여 QuickSight에서 예측 대시보드를 게시하는 방법을 보여줍니다. 이 솔루션은 Canvas에서 QuickSight로 예측을 전송하여 ML을 사용하여 의사 결정을 가속화하여 효과적인 비즈니스 성과를 달성하도록 지원합니다.
솔루션 개요
다음 섹션에서는 관리자가 Canvas에서 QuickSight로 사용자를 원활하게 리디렉션하기 위해 올바른 권한을 구성하는 데 도움이 되는 단계에 대해 설명합니다. 그런 다음 모델을 구축하고 예측을 실행하는 방법을 자세히 설명하고 비즈니스 분석가 경험을 시연합니다.
사전 조건
이 솔루션을 구현하려면 다음 전제 조건이 필요합니다.
Canvas와 동일한 QuickSight 영역을 사용해야 합니다. QuickSight 콘솔의 프로필 아이콘에서 탐색하여 지역을 변경할 수 있습니다.
관리자 설정
이 섹션에서는 IAM 리소스를 설정하고, 데이터를 준비하고, 훈련 데이터 세트로 데이터를 훈련하고, 유효성 검사 데이터 세트를 추론하는 단계를 자세히 설명합니다. 그런 다음 추가 분석을 위해 데이터를 QuickSight로 보냅니다.
QuickSight 액세스를 위한 새 IAM 정책 생성
IAM 정책을 생성하려면 다음 단계를 완료하십시오.
- IAM 콘솔에서 정책 탐색 창에서
- 왼쪽 메뉴에서 정책 만들기.
- 에 JSON 탭에서 편집기에 다음 권한 정책을 입력합니다.
IAM 정책 언어에 대한 자세한 내용은 다음을 참조하십시오. IAM JSON 정책 참조.
- 왼쪽 메뉴에서 다음 : 태그.
- 태그를 키-값 쌍으로 연결하여 정책에 메타데이터를 추가한 다음 다음 : 검토.
IAM에서 태그를 사용하는 방법에 대한 자세한 내용은 다음을 참조하십시오. IAM 리소스에 태그 지정.
- 에 정책 검토 페이지에서 이름을 입력합니다(예:
canvas-quicksight-access-policy
) 및 정책에 대한 선택적 설명입니다. - 검토 요약 섹션에서 정책에 의해 부여된 권한을 확인하십시오.
- 왼쪽 메뉴에서 정책 만들기 작업을 저장합니다.
정책을 만든 후 QuickSight에서 사용자에게 일괄 예측을 보내는 데 필요한 권한을 사용자에게 부여하는 실행 역할에 정책을 연결할 수 있습니다.
Studio 실행 역할에 정책 연결
정책을 Studio 실행 역할에 연결하려면 다음 단계를 완료하세요.
- SageMaker 콘솔에서 도메인 탐색 창에서
- 도메인을 선택하세요.
- 왼쪽 메뉴에서 도메인 설정.
- 아래에 역할 이름을 복사하십시오. 실행 역할.
- IAM 콘솔에서 역할 탐색 창에서
- 검색 표시줄에 복사한 실행 역할을 입력한 다음 역할을 선택합니다.
- 사용자 역할 페이지에서 다음으로 이동합니다. 권한 정책 안내
- 에 권한 추가 메뉴, 선택 정책 첨부.
- 이전에 만든 정책을 검색합니다(
canvas-quicksight-access-policy
), 선택하고 다음을 선택합니다. 권한 추가.
이제 QuickSight에서 사용자에게 일괄 예측을 보내는 데 필요한 권한을 사용자에게 부여하는 실행 역할에 IAM 정책이 연결되었습니다.
데이터 세트 다운로드
모델을 교육하고 예측하는 데 사용하는 데이터 세트를 다운로드해 보겠습니다.
모델 구축 및 예측 실행
이 섹션에서는 모델을 구축하고 대출 데이터 세트에서 예측을 실행하는 방법을 다룹니다. 그런 다음 데이터를 QuickSight 대시보드로 보내 비즈니스 통찰력을 얻습니다.
캔버스 실행
Canvas를 시작하려면 다음 단계를 완료하세요.
- SageMaker 콘솔에서 도메인 탐색 창에서
- 도메인을 선택하세요.
- 에 실행 메뉴, 선택 캔버스.
학습 및 검증 데이터 세트 업로드
데이터세트를 Canvas에 업로드하려면 다음 단계를 완료하세요.
- Canvas 홈 페이지에서 다음을 선택합니다. 데이터 세트.
- 왼쪽 메뉴에서 데이터 가져 오기, 업로드
lending_club_loan_data_train.csv
및lending_club_loan_data_test.csv
. - 왼쪽 메뉴에서 저장 후 닫기다음을 선택 데이터 가져 오기.
이제 새로운 모델을 만들어 봅시다.
- 왼쪽 메뉴에서 내 모델 탐색 창에서
- 왼쪽 메뉴에서 새 모델.
- 모델에 이름을 입력하십시오(
Loan_Prediction
) 및 선택 만들기.
Canvas 모델을 처음 만드는 경우 간단한 XNUMX단계로 첫 번째 모델을 만드는 방법에 대한 정보 팝업이 표시됩니다. 이 내용을 모두 읽은 다음 이 가이드로 돌아올 수 있습니다.
- 모델 보기에서 선택 탭을 선택
lending_club_loan_data_train
데이터 세트.
이 데이터 세트에는 18개의 열과 32,000개의 행이 있습니다.
- 왼쪽 메뉴에서 데이터세트를 선택합니다.
- 에 짓다 탭에서 대상 열을 선택합니다. 이 경우에는
loan_status
.
Canvas는 자동으로 이것이 3개 이상의 카테고리 예측 문제(또는 다중 클래스 분류).
- 다른 모델 유형이 감지되면 다음을 선택하여 수동으로 변경하십시오. 유형 변경.
- 왼쪽 메뉴에서 빠른 빌드, 선택 빠른 빌드 시작 팝업에서.
당신은 또한 선택할 수 있습니다 표준 빌드, 전체 AutoML 주기를 거치며 최상의 모델을 추천하기 전에 여러 모델을 생성합니다.
이제 모델이 구축되고 있습니다. 빠른 빌드는 일반적으로 2~15분이 소요됩니다.
모델이 구축된 후 모델 상태를 확인할 수 있습니다. 분석 탭.
모델로 예측하기
모델을 구축하고 교육한 후 이 모델에 대한 예측을 생성할 수 있습니다.
- 왼쪽 메뉴에서 예측 를 시청하여 이에 대해 더 많은 정보를 얻을 수 있습니다. 분석 탭을 선택하거나 예측 탭.
- 선택하여 단일 예측 실행 단일 예측 항목을 제공합니다.
페이지 오른쪽에 loan_status 예측이 표시됩니다. 다음을 선택하여 예측을 복사할 수 있습니다. 부, 또는 선택하여 다운로드 예측 다운로드. 가정 시나리오를 생성하고 다양한 열이 모델의 예측에 미치는 영향을 테스트하는 데 이상적입니다.
- 일괄 예측을 실행하려면 다음을 선택하십시오. 일괄 예측.
이는 전체 데이터 세트에 대한 예측을 수행하려는 경우에 가장 좋습니다. 입력 데이터 세트와 일치하는 데이터 세트로 예측을 수행해야 합니다.
각 예측 또는 예측 집합에 대해 Canvas는 예측 값과 예측 값이 정확할 확률을 반환합니다.
유효성 검사 데이터 세트를 사용하여 훈련된 모델에서 예측을 만들어 봅시다.
- 왼쪽 메뉴에서 데이터 세트 선택.
- 선택
lending_club_loan_data_test
선택하고 예측 생성.
예측이 준비되면 다음에서 찾을 수 있습니다. 데이터 세트 부분. 예측을 미리 보고, 로컬 시스템에 다운로드하거나, 삭제하거나, QuickSight로 보낼 수 있습니다.
QuickSight에 예측 보내기
이제 이러한 ML 모델의 예측을 전사적 대시보드의 새로운 소스 역할을 하는 QuickSight 데이터 세트로 공유할 수 있습니다. 추세, 위험 및 비즈니스 기회를 분석할 수 있습니다. 이 기능을 통해 비즈니스 팀은 ML에 더 쉽게 액세스할 수 있으므로 데이터 기반 의사 결정을 가속화할 수 있습니다. QuickSight 사용자와 데이터를 공유하면 데이터 세트에 대한 소유자 권한이 부여됩니다. 추론된 여러 데이터 세트를 한 번에 QuickSight로 보낼 수 있습니다.
QuickSight 계정의 기본 네임스페이스에 있는 사용자에게만 예측을 보낼 수 있으며 사용자는 QuickSight에서 작성자 또는 관리자 역할을 가지고 있어야 합니다. QuickSight로 전송된 예측은 Canvas와 동일한 리전에서 사용할 수 있습니다.
- 유추된 배치 데이터 세트를 선택하고 다음을 선택합니다. Amazon QuickSight로 보내기.
- 데이터 세트를 공유할 하나 이상의 QuickSight 사용자 이름을 입력하고 엔터 버튼.
- 왼쪽 메뉴에서 전송 데이터를 공유합니다.
일괄 예측을 보낸 후 퀵 사이트 보낸 데이터 세트의 필드는 Sent로 표시됩니다.
- 확인 상자에서 다음을 선택할 수 있습니다. Amazon QuickSight 열기 QuickSight 애플리케이션을 엽니다.
- 캔버스 사용을 마치면 로그 아웃 캔버스 애플리케이션의
숫자, 범주 예측 및 시계열 예측 모델을 위해 일괄 예측을 QuickSight로 보낼 수 있습니다. 다음을 사용하여 생성된 예측을 보낼 수도 있습니다. 자신의 모델을 가져 (BYOM) 방법. 단일 레이블 이미지 예측 및 다중 범주 텍스트 예측 모델은 제외됩니다.
데이터세트를 보낸 QuickSight 사용자는 QuickSight 콘솔을 열고 그들과 공유된 Canvas 데이터세트를 볼 수 있습니다. 그런 다음 데이터로 예측 대시보드를 만들 수 있습니다. 자세한 내용은 다음을 참조하십시오. Amazon QuickSight 데이터 분석 시작하기.
기본적으로 예측을 보내는 모든 사용자는 QuickSight의 데이터 세트에 대한 소유자 권한이 있습니다. 소유자는 데이터 세트 분석, 새로 고침, 편집, 삭제 및 재공유를 생성할 수 있습니다. 소유자가 데이터세트를 변경하면 액세스 권한이 있는 모든 사용자의 데이터세트가 변경됩니다. 권한을 변경하려면 QuickSight의 데이터 세트로 이동하여 해당 권한을 관리하십시오. 자세한 내용은 다음을 참조하십시오. 데이터 세트가 공유된 권한 사용자 보기 및 편집.
비즈니스 분석가 경험
QuickSight를 사용하면 데이터를 시각화하여 더 잘 이해할 수 있습니다. 우리는 높은 수준의 정보를 얻는 것으로 시작합니다.
- QuickSight 콘솔에서 데이터 세트 탐색 창에서
- 선택하여 Canvas에서 공유된 일괄 예측 데이터 세트에 대한 분석을 만듭니다. 분석 생성 드롭다운 옵션 메뉴(세로 점 XNUMX개)에서
- 분석 페이지에서 시트 이름을 선택하고 이름을 Loan Data Analysis로 바꿉니다.
대출 상태별로 개수를 표시하는 시각적 개체를 만들어 보겠습니다.
- 럭셔리 비주얼 타입선택한다. 도넛 차트.
- 사용
loan_status
필드 그룹 / 색상.
99%가 전액 지급되고 1%가 현재 지급되며 0%가 청구되는 것을 볼 수 있습니다.
이제 상태별로 대출 금액을 표시하는 두 번째 시각적 개체를 추가합니다.
- 왼쪽 상단에서 더하기 기호를 선택하고 비주얼 추가.
- 럭셔리 비주얼 타입선택한다. 폭포형 차트.
- 사용
loan_status
필드 범주. - 사용
loan_amount
필드 가치관.
총 대출 금액이 약 $88만이고 약 $221,000가 상각되었음을 알 수 있습니다.
대출 불이행에 대한 몇 가지 위험 동인을 감지해 보겠습니다.
- 더하기 기호를 선택하고 비주얼 추가.
- 럭셔리 비주얼 타입선택한다. 수평 막대 차트.
- 다음에 대해 loan_status 필드를 사용합니다. Y축.
- 다음에 대해 loan_amount 필드를 사용합니다. 가치관.
- 을 수정 가치관 필드 집계 합계 에 평균.
평균적으로 대출 금액은 현재 대출에 비해 완납된 대출의 경우 약 $3,500 낮았고 완납된 대출의 경우 상각된 대출에 비해 약 $3,500 낮았습니다. 대출 금액과 신용 위험 사이에는 상관관계가 있는 것으로 보입니다.
- 시각적 개체를 복제하려면 옵션 메뉴(점 XNUMX개)를 선택하고 시각적 개체를 다음으로 복제, 선택 이 시트.
- 구성을 수정하려면 복제된 시각적 개체를 선택합니다.
- 럭셔리 비주얼 타입선택한다. 수평 막대 차트.
- 다음에 대해 loan_status 필드를 사용합니다. Y축.
- 다음에 대해 loan_amount 필드를 사용합니다. 가치관.
- 을 수정 가치관 필드 집계 합계 에 평균.
추가적인 위험 동인을 확인하기 위해 추가 시각적 개체를 생성할 수 있습니다. 예를 들어:
- 대출 기간
- 신용 한도 열기
- 회전선 이용률
- 총 신용 한도
- 시각적 개체를 추가한 후 다음을 사용하여 대시보드를 게시합니다. 공유 분석 페이지의 옵션을 선택하고 비즈니스 이해관계자와 대시보드를 공유합니다.
정리
향후 요금이 발생하지 않도록 하려면 이 게시물을 팔로우하는 동안 생성한 리소스를 삭제하거나 종료하세요. 인용하다 Amazon SageMaker 캔버스에서 로그아웃 자세한 내용은.
결론
이 게시물에서는 사용자 친화적인 인터페이스와 명확한 시각화 덕분에 한 줄의 코드도 작성하지 않고 Canvas를 사용하여 ML 모델을 교육했습니다. 그런 다음 Canvas에서 이 모델에 대한 단일 및 일괄 예측을 생성했습니다. 기업 전반의 추세, 위험 및 비즈니스 기회를 평가하기 위해 이 ML 모델의 예측을 QuickSight로 보냈습니다. 비즈니스 분석가로서 우리는 QuickSight의 추세를 평가하기 위해 다양한 시각화를 만들었습니다.
이 기능은 현재 Canvas가 지원되는 모든 지역에서 사용할 수 있습니다. 캔버스에서 자세히 알아볼 수 있습니다. G 시리즈 페이지 및 선적 서류 비치.
저자에 관하여
아자이 고빈다람 AWS의 선임 솔루션 아키텍트입니다. 그는 AI/ML을 사용하여 복잡한 비즈니스 문제를 해결하는 전략적 고객과 협력합니다. 그의 경험은 보통 규모에서 대규모 AI/ML 애플리케이션 배포에 대한 기술 방향 및 설계 지원을 제공하는 데 있습니다. 그의 지식은 애플리케이션 아키텍처에서 빅 데이터, 분석 및 기계 학습에 이르기까지 다양합니다. 쉬는 동안 음악을 들으며 야외 활동을 하고 사랑하는 사람들과 시간을 보내는 것을 즐긴다.
바룬 메타 AWS의 솔루션 아키텍트입니다. 그는 고객이 AWS 클라우드에서 엔터프라이즈 규모의 Well-Architected 솔루션을 구축하도록 돕는 일에 열정적입니다. 그는 AI/ML을 사용하여 복잡한 비즈니스 문제를 해결하는 전략적 고객과 협력합니다.
샤암 스리니바산 AWS AI/ML 팀의 수석 제품 관리자이며 Amazon SageMaker Canvas의 제품 관리를 이끌고 있습니다. Shyam은 기술을 통해 세상을 더 나은 곳으로 만드는 데 관심을 갖고 있으며 AI와 ML이 이 여정에서 촉매제가 될 수 있는 방법에 대해 열정적입니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 미래 만들기 w Adryenn Ashley. 여기에서 액세스하십시오.
- PREIPO®로 PRE-IPO 회사의 주식을 사고 팔 수 있습니다. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/publish-predictive-dashboards-in-amazon-quicksight-using-ml-predictions-from-amazon-sagemaker-canvas/
- :있다
- :이다
- :어디
- $3
- $UP
- 000
- 10
- 100
- 11
- 12
- 15%
- 20
- 500
- 7
- 8
- 9
- a
- 할 수 있는
- 소개
- 가속
- 가속 된
- ACCESS
- 얻기 쉬운
- 계정
- 정확한
- 달성
- 달성
- 가로질러
- 동작
- 방과 후 액티비티
- 더하다
- 추가
- 관리자
- 관리자
- 집합
- AI
- AI / ML
- All
- 수
- 또한
- 아마존
- 아마존 퀵 사이트
- 아마존 세이지 메이커
- Amazon SageMaker 캔버스
- Amazon Web Services
- 양
- an
- 복수
- 분석
- 분석자
- 애널리스트
- 분석
- 분석하다
- 분석하는
- 및
- 다른
- 어떤
- 어플리케이션
- 아키텍처
- 있군요
- 약
- AS
- 원조
- At
- 붙이다
- 저자
- 자동적으로
- AutoML
- 가능
- 평균
- 피하기
- AWS
- 뒤로
- 바
- BE
- 된다
- 된
- 전에
- 존재
- BEST
- 더 나은
- 사이에
- 큰
- 빅 데이터
- 보물상자
- 빌드
- 내장
- 사업
- 비즈니스 인텔리전스
- 사업
- by
- CAN
- 캔버스
- 케이스
- 촉매
- 범주
- 이전 단계로 돌아가기
- 변경
- 청구 된
- 요금
- 검사
- 왼쪽 메뉴에서
- 선택
- 선명한
- 클라우드
- 암호
- 단
- 열
- 왔다
- 비교
- 완전한
- 복잡한
- 구성
- 확인
- 연결하기
- 콘솔에서
- 모서리
- 수정
- 상관 관계
- 엄호
- 만들
- 만든
- 만들기
- 신용
- Current
- 고객
- 고객 행동
- 고객
- 주기
- 계기반
- 데이터
- 데이터 분석
- 데이터 중심
- 데이터 세트
- 의사 결정
- 결정
- 태만
- 수요
- 보여
- 배포
- 설명
- 디자인
- 세부 묘사
- 세부설명
- 탐지 된
- 다른
- 방향
- 토론
- 도메인
- 한
- 아래 (down)
- 다운로드
- 드라이버
- 마다
- 쉽게
- 편집자
- 효과
- 유효한
- 중
- 임베디드
- 수
- 가능
- 엔터 버튼
- Enterprise
- 전체의
- 필수
- 이벤트
- 예
- 제외
- 실행
- 경험
- 체험
- 탐색
- 촉진
- 빠른
- 들
- Find
- 발견
- 먼저,
- 처음으로
- 수행원
- 럭셔리
- 사
- 에
- 충분히
- 추가
- 미래
- 생성
- 생성
- 생성
- 얻을
- 점점
- Go
- 간다
- 부여
- 보조금
- 안내
- 있다
- 데
- he
- 도움
- 도움이
- 고수준
- 그의
- 홈
- 방법
- How To
- HTML
- HTTPS
- ICON
- ID
- 이상
- 영상
- 영향
- 구현
- 가져 오기
- in
- 증가
- 정보
- 유익한 정보
- 입력
- 통찰력
- 인텔리전스
- 대화형
- 인터페이스
- 인터페이스
- 으로
- IT
- 되풀이
- 그
- 여행
- JPG
- JSON
- 지식
- 알려진
- 언어
- 대규모
- 시작
- 지도
- 배우다
- 배우기
- 거짓
- 처럼
- 라인
- 청취
- 차관
- 융자
- 지방의
- 사랑
- 절감
- 기계
- 기계 학습
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 관리
- 관리
- 구축
- 매니저
- 수동으로
- 메뉴
- 메타 데이터
- 방법
- 통계
- 백만
- 회의록
- ML
- 모델
- 모델
- 수정
- 배우기
- 여러
- 음악
- 절대로 필요한 것
- name
- 이름
- 이동
- 탐색
- 카테고리
- 필요한
- 필요
- 신제품
- 지금
- of
- 오프
- on
- 일단
- ONE
- 사람
- 만
- 열 수
- 기회
- 옵션
- or
- 우리의
- 아웃
- 결과
- 야외에서
- 자신의
- 소유자
- 소유자
- 페이지
- 지급
- 쌍
- 빵
- 열렬한
- 권한
- 추축의
- 장소
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연극
- ...을 더한
- 정책
- 팝업
- 게시하다
- 예측
- 예측
- 예측
- Prepare
- 전제 조건
- 키를 눌러
- 시사
- 이전에
- 교장
- 문제
- 문제
- 프로덕트
- 제품 관리
- 제품 관리자
- 프로필
- 제공
- 게시
- 빠른
- 읽기
- 준비
- 추천하는
- 리디렉션
- 지방
- 지역
- 보고서
- 의지
- 제품 자료
- 반품
- 수익
- 연락해주세요
- 위험
- 위험
- 직위별
- 달리기
- 현자
- 판매
- 같은
- 찜하기
- 시나리오
- 완벽하게
- 검색
- 둘째
- 섹션
- 섹션
- 참조
- 것
- 보내다
- 연장자
- 전송
- 연속
- 서브
- 서비스
- 서비스
- 세트
- 공유
- 공유
- 공유
- 시트
- 영상을
- 표시
- 쇼
- 종료
- 측면
- 기호
- 단순, 간단, 편리
- 단일
- So
- 해결책
- 솔루션
- 풀다
- 일부
- 출처
- 지출
- 이해 관계자
- 스타트
- 시작
- 성명서
- Status
- 단계
- 전략의
- 스튜디오
- 성공한
- 이러한
- 지원
- 소요
- 목표
- 팀
- 팀
- 테크니컬
- 기술
- Technology
- 수십
- 지원
- 감사
- 그
- XNUMXD덴탈의
- 세계
- 그들의
- 그들
- 그때
- 그곳에.
- Bowman의
- 그들
- 이
- 수천
- 세
- 을 통하여
- 시간
- 시계열
- 에
- 수단
- 금액
- Train
- 훈련 된
- 트레이닝
- 트렌드
- 시도
- 유형
- 아래에
- 이해
- 사용
- 사용자
- 사용하기 쉬운
- 사용자
- 사용
- 보통
- 확인
- 가치
- 마케팅은:
- 여러
- 버전
- 수직선
- 관측
- 심상
- 영상
- 였다
- we
- 웹
- 웹 서비스
- 웹 사이트
- 환영
- 잘
- 언제
- 어느
- 동안
- 누구
- 의지
- 과
- 이내
- 없이
- 작업
- 일
- 세계
- 쓰다
- 쓰기
- 자신의
- 너의
- 제퍼 넷