Offcanvas
추천 테크라이브러리

테크라이브러리 광고 및 콘텐츠 제휴 문의

입력하신 이메일로 안내메일을 발송해드립니다.

BI|분석

“반복 속도가 AI의 성패를 결정한다” 산업/제조 현장 AI를 위한 MLOps 전략 - Tech Summary

AI가 전 산업군으로 확산하고 있지만, 산업/제조 현장의 AI는 진퇴양난의 어려움을 겪고 있다. 산업용 AI는 각 기업 고유의 환경에 특화된 목적으로 개발되기 때문에 데이터의 품질이나 규모가 미흡한 경우가 많고, 개발 및 구축 환경의 격차도 크기 때문에 커스텀 AI 구축이 불가피한 경우가 많다. 이를 위해서는 산업 현장의 다양한 데이터셋과 문제에 대응할 수 있도록 ML 라이프사이클 전 과정에서 유연성을 보장하고, 끊김없는 운영이 가능해야 한다. 또한, 머신러닝 모델의 개발과 배포, 운영 환경을 표준화해 머신러닝 라이프사이클의 반복 속도를 높여야 한다. 제조/산업 현장 AI의 당면 과제를 살펴보고, 성공적인 AI 구현 방안을 제시한다. 주요 내용 - 1만 개의 제조기업을 위한 1만 개의 머신러닝 모델 - 빠른 반복으로 더 좋은 결과를 얻는 OODA 루프 - OODA 루프 가속화를 위한 조건 : MLOps - 산업용 AI에 특화된 MLOps - 이상 탐지 사례로 확인하는 MLOps의 가능성 - 산업의 “진짜 문제”를 해결하는 AI를 도입하는 방법

마키나락스 2022.12.02

BI|분석

기술 동향 2022 : 딜로이트 인사이트

Deloitte와 SAS는 수십년 동안 긴밀히 협력하면서 전 세계 클라이언트를 대상으로 기술과 분석 분야의 최신 동향을 찾아내고 있습니다. Deloitte의 산업 실무 경험에 세계 최고를 자랑하는 SAS의 분석 기술이 더해져 전 세계 기업들에게 확실한 성과를 선사합니다. Deloitte의 연례 기술 동향 보고서는 차세대 기술에 관한 인사이트를 도출하는 기준을 제시합니다. SAS는 Deloitte와 함께 미래의 기술 동향을 앞당겨 실현합니다. <25p> 주요 내용 - 더욱 간편해진 데이터 공유 - 클라우드의 산업화 - 블록체인: 비즈니스를 위한 준비 - 대규모 자동화: 분석에 관한 3가지 핵심 질문 - 사이버 AI: 실질적인 방어 수단 - 기술 스택의 물리화 - 미래에서 보내는 현장 노트

SAS 2022.10.28

BI|분석

“없으면 만들어 쓴다” AI 학습용 데이터 기술·시장 현황 - Tech Report

뛰어난 인공지능(AI)을 만들려면 뛰어난 데이터가 뒷받침되어야 한다. 사람도 어떤 지식을 쌓기 위해 책과 참고서를 살펴보듯이, AI도 그 성능을 높이려면 학습용 데이터가 필요한 것이다. 그런 의미에서 AI를 위한 참고서, 즉 AI가 이해하는 방식과 수준으로 가공한 데이터를 ‘AI 학습용 데이터’라고 부른다. 인공지능 시장이 커지면서 이제 AI 학습용 데이터 생태계 규모도 커지고 있으며, 국내 시장에만 700개 이상 업체가 AI 학습 데이터 플랫폼을 운영하고 있다. 각 기업의 운영 전략도 각양각색이다. 자동화 기술을 활용해 데이터 라벨링의 생산성을 높이는 곳도 있고, 합성 데이터로 부족한 데이터를 채워주는 업체도 있다. 익명 및 가명 데이터의 라벨링 기술도 점점 고도화되고 있다. 국내외 AI 학습용 데이터 시장의 현재 모습은 어떠한지 확인해보자.  주요 내용 - 인공지능 개발의 첫 단추, 데이터 라벨링 - 데이터 라벨링 시장에 부는 자동화 바람  - ‘데이터 부자’ 페이스북도 인수한 ‘합성 데이터’ 스타트업 - 가짜 데이터라서 더 쓸모가 있다는 합성 데이터 - 익명 및 가명 데이터의 진화

ITWorld 2022.10.12

BI|분석

2022 국내 데이터 분석 현황과 전망 - Market Pulse

데이터 분석은 이미 모든 기업에서 혁신과 성장의 기폭제로 평가되고 있다. 규모를 가리지 않고 많은 기업이 앞다퉈 데이터 분석 프로젝트를 통해 비즈니스 의사결정을 위한 인사이트를 얻고자 한다. 하지만 전문가들은 데이터 분석 환경을 구축하는 것만으로는 데이터 분석의 가치를 실현할 수 없다고 지적한다. 국내 기업의 IT 전문가와 현업 사용자 대상 설문 조사를 통해 2022년 현재 국내 기업의 데이터 분석 현황을 살펴본다. 데이터 분석 환경 도입 및 관련 투자 현황, 주요 활용도를 알아보는 것은 물론, 데이터 분석의 활용도를 높이기 위해 기업이 해결해야 할 과제도 살펴본다. 주요 내용 - 데이터 분석 프로젝트 현황 - 데이터 분석 프로젝트 투자 계획 - 데이터 분석 프로젝트의 주요 목적과 사용자 - 데이터 분석 프로젝트 진행 과정의 주요 해결 과제 - 데이터 활용 확대를 위한 투자 확대 영역 - 데이터 분석 솔루션 평가 기준

MicroStrategy 2022.10.06

BI|분석 / ERP|CRM|SCM / 스토리지 하드웨어 / 인프라 관리 / 하드웨어

"MES부터 IoT, AR, 분석까지" 스마트 제조를 완성하는 핵심 기술 4가지 - Tech Insight

IT(Information Technology)와 OT(Operational Technology)를 융합해 생산성과 품질을 향상하는 ‘스마트 제조’가 주목받고 있다. 제품 생산 과정에 디지털 기술을 적용해 공정과 설비, 물류를 자동화하고 데이터를 통합, 분석하고 실적과 생산, 품질, 설비를 관리하고 전체 생산 공정을 통합 모니터링하는 것을 의미한다. 이미 글로벌 제조 기업들은 스마트 제조를 통해 속도와 생산성 사이에서 미세한 균형을 유지하며 수익을 극대화하고 있다. 최신 스마트 제조 트렌드를 살펴보고, 기업이 이를 성공적으로 구현하기 위한 4가지 핵심 기술, 즉 MES, IoT, AR, 분석에 대해 자세히 알아본다. 다양한 사례를 통해 실제 기업이 참고할 수 있는 도입 가이드를 제시한다. 주요 내용 - 스마트 제조 최신 트렌드 5가지 - 스마트 제조로 가는 최적의 출발점, MES - 스마트 팩토리 데이터 인프라의 토대, IIoT - “IIoT와 찰떡궁합” 산업용 증강현실 여기까지 왔다 - 실시간 운영 가시성을 확보하는 지름길, 분석

Rockwell Automation 2022.10.05

BI|분석 / 데이터베이스

'혼돈 속의 새로운 조화' 데이터 관리의 최신 패러다임과 활용 사례 - Deep Dive

IT 및 데이터 리더는 수년 동안 데이터 중심 기업으로 거듭나고자 막대한 기술 투자를 해왔다. 그러나 현실의 기업들은 아직도 애물단지와도 같은 비정형 및 정형 데이터의 홍수에서 허덕이고 있다. 직원들의 데이터 접근성과 활용 역량도 뒤떨어진다. 데이터 중심 기업으로 거듭나려면 데이터 관리가 하나의 프로젝트을 넘어 회사의 근본적인 운영 단위로 승화되어야 한다.  이런 고민을 해소하려는 혁신적인 데이터 관리 개념과 솔루션이 부상하고 있다. 온갖 출처에 산재해 있는 데이터의 처리 및 공유를 다른 차원으로 끌어올리는 데이터 패브릭(Data Fabric), 그리고 데이터 메시(data mesh) 패러다임이 등장했다. 기업은 이를 기반으로 한 구체적인 솔루션을 도입 중이다. 데이터 웨어하우스(Data warehouse)의 일관성과 데이터 레이크(Data lake)의 유연성을 결합한 데이터 레이크하우스(Data lakehouse)가 대표적인 솔루션 중 하나다. 오늘날 기업이 효과적으로 데이터를 관리하는 데 겪는 어려움을 살펴보며 혁신적인 데이터 관리 방식과 패러다임에 대해 자세히 알아보자.  주요 내용  - 오늘날 기업이 겪는 데이터 관리의 고충  - 데이터 레이크의 뒤를 잇는 새로운 프레임워크, 데이터 패브릭  - 데이터 패브릭과 데이터 메시의 차이  - 세가 유럽의 데이터브릭스 활용 사례 - '3인 3색' 드레미오, 그리드게인, 스타더스트 활용 사례  

IDG 2022.09.22

BI|분석 / SaaS / 데이터 보안 / 서버 / 스토리지 / 인프라 관리 / 클라우드 컴퓨팅

기업들이 주목해야 할 ‘LaaS’, 엘라스틱이 전하는 ‘서비스형 로그’ 가이드 -Tech Summary

서비스형 인프라(IaaS), 서비스형 플랫폼(PaaS), 서비스형 소프트웨어(SaaS)는 익히 알고 있겠지만 ‘LaaS’는 다소 낯설지 모른다. 여기서 ‘L’은 로깅(Logging)을 말하며, LaaS(Logging as a Service), 즉 서비스형 로깅은 클라우드 기반 중앙 집중식 로그 관리 서비스를 의미한다. 최근 본격적으로 논의되고 있는 LaaS의 개념과 등장 배경, 특징을 알아보고, 이에 부합하는 엘라스틱의 서비스와 관련 고도화 사례를 살펴본다. 주요 내용 - LaaS란 무엇인가? - 왜 서비스형 로깅(LaaS)인가? - 엘라스틱의 서비스로 시작하는 LaaS(LaaS Go!) - 엘라스틱을 활용한 융합 빅데이터 플랫폼 구축 사례: 윕스(WIPS) - 데이터 융합을 통해 비즈니스를 최적화하라  

Elastic 2022.09.15

BI|분석

“누구나 알지만 아무도 모르는” 스마트 팩토리의 구성과 주요 과제 - Tech Report

스마트 팩토리(Smart Factory)는 생산 과정에 디지털 기술을 적용해 생산성과 품질, 고객만족도를 높이는지능형 생산 공장을 말한다. 자동화, 사물 인터넷, 디지털 트윈 등은 스마트 팩토리를 구현하는 핵심 기술로 주목을 받고 있다. 하지만 스마트 팩토리는 개별적인 기술을 통해 구현할 수 있는 것은 아니다. 또한 기술 만으로 구현할 수 있지는 않다. 사람과 기계, 공장 건물, 제품, 물류, 생산과 부가가치 시스템까지 모든 요소의 혁신과 변화가 필요하다. 스마트 팩토리의 정의부터 요구사항, 도전과제를 살펴보고, 디지털 트윈, 스마트 머신, 스마트 프로덕트, 디지털 팩토리, 인적 요소와 물류까지 핵심 요구사항에 대해 하나하나 짚어본다. 주요 내용 - 스마트 팩토리의 정의 - 스마트 팩토리의 과제와 요구사항 - 디지털화의 핵심 솔루션, 디지털 트윈 - 스마트 머신,스마트 프로덕트, 디지털 팩토리, 디지털 물류 - 스마트 팩토리 빌딩, 스마트 팩토리 생산 시스템

ITWorld 2022.08.11

BI|분석

"챗봇 지고 예측 분석 뜬다" 2022 국내 인공지능 도입 및 활용 현황 조사 - Market Pulse

오늘날 디지털 트랜스포메이션을 추구하는 기업에 인공지능(AI)과 머신러닝(ML)은 필수로 여겨진다. 시장의 흐름을 읽을 수 있는 새로운 인사이트를 찾아내고 업무를 자동화하는 것은 물론 공급망을 최적화하고 마케팅 성과를 극대화하려면 이 두 기술을 얼마나 잘 사용하느냐가 중요하다. 그렇다면 현재 우리 기업은 AI/ML 기술을 얼마나 어떻게 도입해 어떤 업무에 활용하고 있을까? 조사 결과 최근 2~3년 사이 국내에서 AI/ML 기술이 빠르게 확산한 것으로 나타났다. AI/ML 기술별, 기업규모별 도입, 활용 트렌드의 차이도 명확했다. 구체적인 솔루션 선택에 도움이 되도록 기업이 실제 도입해 사용하는 업체와 제품, 서비스 등도 확인했다. 주요 내용 - 국내 기업 10곳 중 4곳은 AI/ML 이미 활용 중 - 가장 선호하는 AI/ML 기술은 머신러닝/딥러닝 플랫폼과 가상 에이전트 - 머신러닝/딥러닝 ‘대세’, 챗봇 ‘내림세’, 자연어 처리 ‘오름세’ - 주로 IT 업무와 고객 서비스에 적용 - 도입 방식은 상용 솔루션 구매가 압도적 - 해외 클라우드 업체와 국내 IT 서비스 업체가 두각 - AI/ML 도입 시 가장 큰 어려움은 인력과 데이터 - 기업 10곳 중 8곳 “기대했던 효과 얻었다” - 중견기업은 AI/ML의 '무덤' 혹은 '기회의 땅' - 국내 AI/ML 시장의 본격 성장은 지금부터

ITWorld 2022.08.03

BI|분석 / 디지털 마케팅 / 엔터프라이즈 애플리케이션 / 전자상거래 / 콘텐츠 관리

고객 경험 패러다임 변화 이끄는 게임 체인저··· ‘고객 데이터 플랫폼(CDP)’에 주목할 이유 - Tech Insight

차별화된 고객 경험은 오늘날 비즈니스 성패를 가르는 척도다. 하지만 고객을 제대로 이해하고, 인사이트를 도출하며, 이 인사이트를 적재적소에서 활용한다는 게 쉬운 일은 아니다. 고객들은 더 이상 매장, 웹사이트, 콜센터를 통해서만 기업과 소통하지 않는다. 다양한 형태로 소통하기 시작하면서 전에 없던 데이터가 엄청나게 쌓이고 있다. 게다가 이제 선택 아닌 필수가 된 개인정보보호 규정까지 준수해야 한다. 수많은 데이터를 한 곳에 모으고 분석하며 안전하게 활용할 수 있도록 하는 ‘고객 데이터 플랫폼’이 주목받고 있는 이유도 여기에 있다. ‘고객 데이터’를 ‘연결된 고객 경험’으로 구체화하는 트레저데이터의 CDP 전략을 자세히 살펴본다. 주요 내용 - ‘연결된 고객 경험 관리’의 시작, ‘고객 데이터 플랫폼’이란? - “마침내 열린 CDP 시대, 스테이지3를 준비합니다” 트레저데이터 고영혁 대표 - 데이터 통합부터 고객 경험 개선, 개인화 마케팅까지··· ‘CDP 혁신 사례’

Treasure Data 2022.07.26

BI|분석

“데이터 레이크의 잠재력을 깨운다” 차세대 스토리지 포맷 ‘아파치 아이스버그’의 이해 - Tech Summary

하둡 생태계는 방대한 데이터를 좀 더 쉽고 효과적으로 저장할 수 있기 때문에 데이터 레이크의 표준 생태계로 자리잡고 있다. 하지만 데이터를 둘러싼 환경은 빠르게 변화하고 있다. 특히 ‘데이터 폭풍’이라고 불리는 현재의 데이터 환경은 성능과 용량, 가용성, 확장성, 활용 방안 등 모든 면에서 기존 데이터 레이크의 한계를 드러내고 있다. 아파치 아이스버그가 차세대 데이터 레이크가 해법으로 주목 받는 이유는 기존 생태계와의 호환성을 유지하면서 데이터 웨어하우스의 정합성, 퍼블릭 클라우드 환경을 위한 최적화 등 기존 하둡 기반 데이터 레이크의 단점을 보완할 수 있기 때문이다. 아파치 아이스버그가 부리는 테이블과 스냅샷의 마법에 대해 알아본다. 주요 내용 - 클라우드와 데이터 폭풍 시대 데이터 레이크의 조건 - 장점은 살리고 단점은 보완하는 해법 “아파치 아이스버그” - “데이터 정합성부터 시간여행까지” 스냅샷의 마법 - 진화하는 파티션과 극강의 호환성 - 아이스버그의 가치를 극대화하는 클라우데라 데이터 플랫폼

Cloudera 2022.06.28

BI|분석

신속한 제조 인텔리전스 구현을 위한 방안 : IoT, 엣지 컴퓨팅, 로우 코드 활용

엔터프라이즈 제조 인텔리전스는 갈수록 복잡해지고 경쟁이 치열한 글로벌 환경에서 기업의 생존을 보장할 뿐만 아니라 미래의 성공을 이끄는 핵심 구성 요소입니다. 지속 가능성이 더욱 중요해짐에 따라 제조 인텔리전스를 구현하면 보다 효율적인 운영이 가능해질 수 있습니다.  비용, 일정, 변경 관리 등 제조 인텔리전스 트랜스포메이션과 관련된 많은 우려 사항이 IIoT, 엣지 컴퓨팅 및 로우 코드의 채택을 통해 해결될 수 있습니다. 엔터프라이즈 제조 인텔리전스 트랜스포메이션을 위한 비즈니스 사례는 명확하며, 기업은 준비 상태를 평가한 다음 최신 기술을 활용하여 성공을 위한 준비를 갖춰야 합니다. <15p> 주요 내용 - 제조 인텔리전스: 소개 - 제조 인텔리전스 동향 및 해결 과제 - 효과적인 방안: 제조 인텔리전스를 주도하는 IIoT, 엣지 컴퓨팅 및 로우 코드 - 제조 인텔리전스 및 지속 가능성 - 제조 인텔리전스: 여정을 시작하는 방법

Siemens Digital Industries Software 2022.05.26

BI|분석

예측 분석을 통한 제품 혁신과 서비스 최적화 : ARC 분석 자료

COVID-19는 디지털 트랜스포메이션에 대한 필요성은 커지고 진행 속도는 빨라지는 계기가 되었습니다. 장/단기적 운영 상태를 파악하고 개선하려는 조직에서는 디지털 트랜스포메이션을 반드시 추진해야 합니다. 이러한 추세에 따라 새로운 비즈니스 프로세스, 서비스 및 모델을 적극적으로 도입하고 있는 제조업체가 많습니다. ARC Advisory Group은 수십 년간 산업체와 기술 공급업체 고객사를 대상으로 자문 서비스를 제공해 왔습니다. 오랫동안 디지털 트랜스포메이션 분야를 선도해 온 ARC는 예측 분석, 빅 데이터, 클라우드, 사물 인터넷(IoT) 등과 관련된 기술과 제품, 그리고 제조 및 관련 업계의 혁신 과정을 면밀히 파악했습니다. 그리고 아래에 보이는 것처럼, ARC는 최근 초기 리서치를 완료하였고 예측 분석을 활용하는 디지털 트랜스포메이션 프로젝트의 성공 여부를 판단할 수 있는 목표를 제시했습니다. <6p> 주요 내용 - 예측 분석의 이점 - 효율적인 예측 분석 구현 - 디지털 트랜스포메이션 프로젝트와 결과 - 제품 혁신과 서비스 최적화의 핵심

PTC 2022.05.24

BI|분석

Databricks Lakehouse 플랫폼 소개 및 글로벌 게임사 사례 소개

AI/ML 관련 기술이 활성화되면서 많은 기업이 데이터 분석 결과에 기반한 의사 결정을 지향하고 있습니다. 이때 경영진의 확고한 의지, 구성원의 열정, 그리고 적절한 도구의 세 가지 요소가 결합했을 때 시너지를 낼 수 있는 데이터 분석 환경을 구성할 수 있습니다. 그러나 분석 환경에는 정답지가 없습니다. 이런 분석한 경우는 정답지가 있지 않습니다. 기업이 가지고 있는 데이터가 다르고  환경과 분야가 다르기 때문이다. 이번 웨비나에서는 국내 게임사의 데이터 활용 관련 트렌드와 변화 방향을 살펴보고, 주요 사례를 알아보겠습니다. 또한 데이터 분석과 관련한 고민을 가지고 있는 기업의 여정을 도와드릴 수 있는 메가존 클라우드의 컨설팅과 데이터브릭스의 특화 솔루션의 장점도 소개합니다. <32분 06초> 주요 내용 - 국내 게임사들의 성공적인 데이터 활용을 위한 트랜드 및 변화 방향 - 게임사 사례 및 MegazoneCloud Databricks Offering 소개 - Databricks Lakehouse 플랫폼 - 글로벌 게임사 사례 소개

Databricks 2022.05.19

BI|분석

고성능 데이터 구축 + AI 조직 체계화 : MIT Technology Review Insights

데이터 관리는 데이터 중심 조직의 기반이지만, 기업에서 데이터를 관리하기란 매우 복잡합니다. 새로운 데이터 기술이 등장하면서, 통합이나 링 펜싱이 불가능한 레거시 시스템과 데이터 사일로의 부담이 커집니다. 아키텍처 단편화는 사일로를 일으킬 뿐만 아니라 많은 조직에서 여러 가지 온프레미스 및 클라우드 기반 도구를 사용하게 되어서 대부분 최고 데이터 책임자(CDO)들에게 골칫거리가 되었습니다.  MIT Technology Review Insights는 이러한 어려움 속에서 데이터 관리와 그 기술이 어떻게 발전하고 있는지 알아보기 위해 CDO, 최고 분석 책임자(CAO, 보고서의 여러 부분에서 이들을 “데이터 리더”로 지칭함), CIO(최고 정보 책임자), CTO(최고 기술 책임자) 및 기타 고위 기술 리더 351명에게 설문을 실시했습니다. <15p> 주요 내용 - 성장과 복잡성 - 전략 조정 및 실행 : 데이터로 높은 성과를 내는 조직 - 분석 및 머신 러닝 확장 - 미래 비전 : 새로운 아키텍처를 위한 CDO 위시리스트  

Databricks 2022.05.19

BI|분석

“운영 관리가 AI/ML의 성패를 결정한다” 머신러닝을 위한 MLOps 전략과 HPE Ezmeral MLOps - Tech Summary

AI/ML 프로젝트 중 프로덕션까지 살아남는 비중은 매우 낮다. 적절한 데이터 부족, 컴퓨팅 자원 부족 등 여러 이유가 있지만, 본질적인 이유는 AI/ML 모델 구현, 훈련, 배포, 모니터링 등 전체 생명주기를 아우르는 관리 체계 부재에서 찾을 수 있다.  HPE Ezmeral MLOps를 예로 AI/ML 프로젝트의 성공 비율을 높이는 MLOps 전략에 대해 알아보자.  주요 내용 - AI/ML 프로젝트의 성공률을 높여라 - 누구나 쉽게 활용할 수 있는 MLOps 솔루션 - 민첩성 보장하는 MLOps와 데브옵스의 통합 - HPE Ezmeral MLOps 활용 사례 - 다양한 배포 옵션으로 인프라와 MLOps 통합 - 디지털 트랜스포메이션을 가속화하는 AI의 역할 변화

HPE 2022.05.09

BI|분석 / 데이터센터 / 엔터프라이즈 아키텍처|SOA / 인프라 관리 / 클라우드 컴퓨팅

‘AI 인프라와 씨름하지 마세요’ HPE와 엔비디아가 내놓은 해법 - Tech Dossier

AI가 모든 업종에 걸쳐 비즈니스 여러 부문에 침투해야 할 필요성이 공감대를 얻어가고 있다. 이에 따라 초기 파일럿 프로젝트 때와 다른 접근방식과 아키텍처, 도구, 문화의 필요성이 대두되고 있다. 각종 AI 워크로드를 온프레미스 IT 인프라스트럭처를 쉽게 실행할 수 있도록 돕는 도구인 '엔비디아 AI 엔터프라이즈'를 알아보는 한편,  이를 HPE 그린레이크 하이브리드 클라우드 패키지를 결합해 효과를 극대화한 HPE GreenLake AI as a Service에 대해 살펴본다. 주요 내용 -> AI, 비즈니스 현장 속으로 -> 새로운 도구와 그릇이 필요하다 -> ‘낮아진 문턱을 더 허물다’ HPE와 NVIDIA의 ‘AI as a Service’ 해법 -> HPE GreenLake AI as a Service의 주요 혜택 -> 일문일답 | “프라이빗 클라우드에 특화된 최초이자 유일한 AI as a Service” 한국 HPE 신장규 이사

HPE 2022.04.05

+

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.