Gold provenance-first pipeline을 완성한다

1. 01

   찾아보기 · 기초

   DI65 recognize · Gold provenance-first pipeline을 완성한다: provenance-first pipeline와 64-state 표식에서 “frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.”을 만족하는 dataset 상태를 판별한다.

   상황

   같은 값이 보이는 두 테이블 중 하나만 nullable dtype·고유 index·schema fingerprint·source lineage를 보존합니다.

   문제

   화면에 보이는 값과 재현 가능한 데이터 계약 증거를 구분하고, 각 artifact가 답할 수 있는 질문을 표로 작성하세요.

   제공 자료

   • Input fixture: orders_preview와 orders_contract: 값은 같지만 dtype/index/schema/lineage metadata가 다름
   • 문자열처럼 보이는 숫자 열은 화면만으로 Int64인지 object인지 판정할 수 없습니다.
   • RangeIndex가 우연히 맞는 것과 business key uniqueness가 검증된 것은 다릅니다.
   • lineage는 원본 위치가 아니라 source id·transform id·contract version의 연결로 기록합니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   비교표 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기정답과 비교
2. 02

   먼저 생각하기 · 기초

   DI65 predict · Gold provenance-first pipeline을 완성한다: “dtype drift·index misalignment·missing/invalid 혼합·many-to-many explosion·chained assignment·chart omission·notebook hidden state 중 하나가 주입돼도 마지막 output만 보고 pipeline을 승인한다.” fixture를 실행하기 전에 shape·dtype·index·missing·aggregate 중 이 레슨의 결과 변화를 예측한다.

   상황

   정수 점수 열에 pd.NA가 포함되고, nullable Int64·float64·object 변환에 따라 합계와 검증 결과가 달라집니다.

   문제

   각 dtype과 skipna 정책에서 count·sum·mean·comparison 결과를 예측하고, 결측치 처리 계약을 ordered steps로 작성하세요.

   제공 자료

   • Input fixture: score=[10, pd.NA, 30], 그룹 두 개, nullable Int64 contract
   • 결측치를 0으로 대체하는 것은 관측되지 않음과 실제 0을 합치는 정책 변경입니다.
   • 집계의 skipna 기본값을 암묵적으로 사용하지 말고 기대 count와 함께 기록합니다.
   • nullable boolean 비교 결과의 pd.NA는 False와 같지 않습니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   순서대로 적기 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기움직임과 비교
3. 03

   순서 따라가기 · 익힌 것을 써보기

   DI65 trace · Gold provenance-first pipeline을 완성한다: raw input에서 source/config fingerprint·64-state lineage·schema/profile snapshots·reject ledger·row/key/null 및 aggregate reconciliation·SVG/PNG·clean-replay manifest까지 provenance-first pipeline → 64-state → reconciliation → clean replay 상태와 lineage edge를 순서대로 추적한다.

   상황

   서로 다른 순서의 index를 가진 Series를 더하고, 파생 열을 수정할 때 label alignment와 Copy-on-Write가 상태를 바꿉니다.

   문제

   PROFILE_CONTRACT부터 PUBLISH_REPLAY까지 원본·view·결과의 index, 값, 소유권 상태를 단계별 diagram으로 추적하세요.

   제공 자료

   • Input fixture: left index=[a,b], right index=[b,a], subset assignment와 Copy-on-Write enabled
   • pandas 산술은 기본적으로 행 위치가 아니라 label로 정렬합니다.
   • Copy-on-Write에서는 파생 객체 수정이 원본 mutation 증거가 아닙니다.
   • chained assignment warning을 무시하는 대신 명시적 .loc assignment와 원본 불변식을 검증합니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   서로 이어지는 모습을 그리기 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기움직임과 비교
4. 04

   내 말로 설명하기 · 익힌 것을 써보기

   DI65 explain · Gold provenance-first pipeline을 완성한다: frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.이 결과 해석과 재현성에 필요한 이유를 데이터 의미·연산 의미·증거 경계로 나눠 설명한다.

   상황

   customer_id가 양쪽에서 중복된 merge가 정상처럼 완료되지만 예상 행 수보다 큰 many-to-many 결과를 만듭니다.

   문제

   조인 전 key cardinality, validate 옵션, 예상 행 수 범위, unmatched 정책을 사용해 폭증 원인과 fail-closed gate를 설명하세요.

   제공 자료

   • Input fixture: orders customer_id=[A,A,B], customers customer_id=[A,A,B], inner merge
   • 성공한 merge 호출은 관계 cardinality가 의도와 같다는 증거가 아닙니다.
   • many_to_one 계약이면 right key uniqueness를 조인 전에 검증합니다.
   • 행 수 변화와 unmatched key count를 함께 reconciliation evidence로 남깁니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   까닭을 함께 쓰는 설명 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기설명 기준과 비교
5. 05

   빈칸 채우기 · 익힌 것을 써보기

   DI65 complete · Gold provenance-first pipeline을 완성한다: 누락된 schema guard·transform·reconciliation 칸을 채워 “PROFILE_CONTRACT→TRANSFORM_WITH_LINEAGE→VALIDATE_RECONCILE→PUBLISH_REPLAY를 통과하는 provenance-first data pipeline lab을 구현한다.”을 fail-closed로 완성한다.

   상황

   원본 CSV에서 정제된 dataset과 chart를 발행하는 함수에 dtype·missingness·index·join·lineage 계약이 비어 있습니다.

   문제

   주어진 함수 골격을 완성해 각 phase의 입력 계약, 변환, reconciliation, artifact manifest를 코드로 작성하세요.

   제공 자료

   • Input fixture: load_orders(), transform(), validate(), publish()가 TODO인 local synthetic pipeline
   • transform은 입력을 제자리 수정하지 않고 명시적 결과를 반환합니다.
   • publish 전에 expected schema·row invariants·join validation을 모두 통과해야 합니다.
   • manifest에는 source digest·transform version·schema fingerprint·row counts·chart semantics를 기록합니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   컴퓨터 안내와 나온 결과 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기답과 설명 함께 비교
6. 06

   틀린 곳 고치기 · 익힌 것을 써보기

   DI65 debug · Gold provenance-first pipeline을 완성한다: 최소 DataFrame/array fixture로 “dtype drift·index misalignment·missing/invalid 혼합·many-to-many explosion·chained assignment·chart omission·notebook hidden state 중 하나가 주입돼도 마지막 output만 보고 pipeline을 승인한다.”를 재현하고 최초 위반 지점만 수정한다.

   상황

   하나의 notebook에서 chained assignment, object dtype 유입, index 순서 불일치, many-to-many merge가 연속 발생합니다.

   문제

   최종 숫자만 고치지 말고 최초로 계약이 깨지는 줄을 찾고, 최소 재현 fixture와 단계별 수정·회귀 검사를 작성하세요.

   제공 자료

   • Input fixture: 네 결함이 섞인 12줄 pandas pipeline과 단계별 row/dtype/index snapshot
   • 최종 예외나 잘못된 chart는 최초 원인이 아니라 downstream symptom일 수 있습니다.
   • 각 transform 직후 schema·index·row count를 기록해 failure localization을 수행합니다.
   • 수정은 결과값 hard-code가 아니라 계약 위반을 제거하는 최소 변경이어야 합니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   순서대로 적기 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기답과 설명 함께 비교
7. 07

   직접 만들기 · 새 문제

   DI65 implement · Gold provenance-first pipeline을 완성한다: PROFILE_CONTRACT→TRANSFORM_WITH_LINEAGE→VALIDATE_RECONCILE→PUBLISH_REPLAY를 통과하는 provenance-first data pipeline lab을 구현한다.을 synthetic input·고정 seed·명시 schema로 구현하고 source/config fingerprint·64-state lineage·schema/profile snapshots·reject ledger·row/key/null 및 aggregate reconciliation·SVG/PNG·clean-replay manifest를 생성한다.

   상황

   고정 synthetic sales DataFrame을 정제·집계하고, expected frame 검증과 의미가 고정된 Matplotlib chart evidence를 함께 만들어야 합니다.

   문제

   pandas 변환 함수, assert_frame_equal 기반 oracle, 비대화식 Matplotlib chart, semantic manifest를 구현하세요.

   제공 자료

   • Input fixture: region/category/amount nullable fixture, expected grouped totals, Agg backend
   • PNG binary hash는 렌더러 차이에 민감하므로 축 label·series label·point count·data values를 의미 증거로 사용합니다.
   • 정렬 순서와 dtype을 expected frame에 명시합니다.
   • figure를 닫고 파일 경로나 GUI 상태에 의존하지 않습니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   컴퓨터 안내와 나온 결과 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기정답과 비교
8. 08

   새 문제에 써보기 · 새 문제

   DI65 transfer · Gold provenance-first pipeline을 완성한다: 실무 인수인계 전에 CSV·SQLite를 검증된 clean data와 report evidence로 바꾸는 배치에 같은 계약을 이식하고 달라진 grain·privacy·cost·decision owner를 방어한다.

   상황

   AI가 생성한 notebook을 dtype drift·missingness·index misalignment·join cardinality 네 scenario와 네 policy, 네 phase의 64-state evidence loop로 검증합니다.

   문제

   모든 state id, phase evidence, final-only verdict, 공개 가능한 artifact 경계를 설계하고 누락 상태를 fail-closed로 판정하세요.

   제공 자료

   • Input fixture: 4 scenarios × 4 policies × 4 phases, synthetic fixtures only
   • policy는 implicit-notebook·clean-only·schema-guarded·provenance-first 네 수준입니다.
   • 최종 verdict는 PUBLISH_REPLAY phase 전에는 공개하지 않습니다.
   • 모든 state는 scenario:policy:phase로 고유하며 executable oracle은 release-test fixture에만 둡니다.
   • 판정 경계: 출력이 보기 좋은지만 보지 않고 dtype·missingness·index·join cardinality·lineage·replay evidence를 함께 채점합니다.
   • Privacy: 실제 사용자 데이터·운영 파일·환경변수·credential을 읽지 않고 synthetic DataFrame과 고정된 local fixture만 사용합니다.
   • 공개/비공개 경계: 공개 DTO에는 client-safe 자기검토 설명만 둡니다. executable oracle·hidden expected protocol·private deterministic seed·secret sentinel은 production import graph 밖에 둡니다.
   • 검증 조건: pandas·NumPy·Matplotlib의 exact-version 결과를 추정하지 않습니다. 고정 QA image 증거가 있을 때만 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 동작을 주장합니다.
   • 과장 금지: 한 번의 성공 실행, 깨끗한 chart, AI 생성 notebook은 데이터 정확성·lineage 완전성·재실행 동일성·자격 합격을 보증하지 않습니다.

   비교표 · 관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.

   정답 대신 4단계 힌트 보기

   1. 관찰

      DI65에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.

   2. 개념

      frozen synthetic source에서 raw·clean·reject·report·chart를 4-phase 64-state provenance graph로 연결하고 row/key/null·schema·aggregate를 단계마다 대사한 뒤 clean replay로 같은 evidence를 증명한다.

   3. 다음 도움

      내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.

   내 답과 맞춰 볼 기준 보기설명 기준과 비교

8개 답이 남았습니다.