데이터사이언스 총정리

주어진 신장 데이터의 기술통계를 구하시오

신장 데이터

분석도구를 활용한 방법

  • 분석도구 설정
    1. '파일’탭
    2. 좌측 하단 ‘옵션’
    3. 좌측 하단 ‘추가기능’
    4. 화면 중앙에 ‘분석도구’ 선택
    5. 중앙 하단 ‘이동;’ 클릭
    6. 추가 기능 창 생성
    7. ‘분석도구’ 체크
    8. 확인
    9. ‘데이터’ 탭에 ‘분석’ 메뉴에 ‘데이터분석’ 확인
  • 기술통계법
    기술통계법1
    기술통계법2
    기술통계법3

함수를 사용한 방법

함수

  • 평균 AVERAGE()
  • 표준오차 Val / SQRT()
  • 중앙값 MEDIAN()
  • 최빈값 MODE()
  • 표준편차 STDEV()
  • 분산 VAR()
  • 범위 ABS()
  • 최소값 MIN()
  • 최대값 MAX()
  • 합 SUM()
  • 관측수 COUNT()

로또 6/45의 1~5등 까지의 조합수와 당첨확률을 구하시오

  • 45개의 로또 공 가운데 무작위로 6개를 뽑는다
  • 6개의 공을 무작위로 하나씩 뽑기 때문에 순서는 고려하지 않아도됨
  • 해결방법
    1등 : 모두 당첨 -> 45개 공에서 순서 상관없이 6개가 한 번에
    = COMBIN(45,6) = PERMUT(45,6) / FACT(6)
    2등 : 5개 당첨 -> 6개 중에서 5개가 맞고 나머지 1개는 보너스 번호
    = COMBIN(45,6) / COMBIN(6,5) _ COMBIN(1,1)
    3등 : 5개 당첨 -> 6개 중에서 5개가 맞고 보너스 1개를 제외한 38개 중에 1개가 포함
    = COMBIN(45,6) / (COMBIN(6,5) _ COMBIN(39,1))
    4등 : 6개 중 4개 포함하고 39개 중에 2개 포함
    = COMBIN(45,6) / (COMBIN(6,4) _ COMBIN(39,2))
    5등 : 6개 중 3개 포함하고 39개 중에 3개 포함
    = COMBIN(45,6) / (COMBIN(6,3) _ COMBIN(39,3))
  • 결과
    등수별 당첨확률

몬테카를로 시뮬레이션을 사용하여 원주율을 구하시오

  • 알고 있는 정보
    1. 사각형의 면적 : (2r)^2
    2. 원의 면적 : πr^2
  • 사각형의 면적/원의 면적 = 4r^2 / πr^2 = 4/π
  • π = 4 * 원의 면적 / 사각형의 면적
  • 랜덤으로 출력할 x, y
    = RAND() : 0~1까지의 난수
  • 원의 방정식
    x^2 + y^2 = 1 이므로 y = (1-x2)0.5
    위 값이 원 내에 있는지 즉 1보다 작은지 확인 IF(Val<=1.“원내”,“원밖”)
  • 원내 수 세기
    COUNTIF(범위, “원내”)
    몬테카를로 시뮬레이션

한 중학생의 시험점수를 이용하여 등수를 구하시오(전체성적평균과 표준편차는 제공)

문) 우리집 막내A 는 중학교 2학년에 재학중이다. 이번 중간고사 시험결과가 학교로부터 우편으로 배달되었다. 시험결과 안내는 A의 등수가 아니라 표로 제시되었다. 2학년 전체의 시험성적이 정규분포를 나타낼때 A의 등수는?

A의평균점수 2학년 평균점수 2학년 표준편차 2학년 학생 수
81.5 78.6 16.4 347
  • 정규분포를 알고 가야한다.
    정규분포
  • 표준정규분포는 정규분포에서 평균이 0 표준편차가 1인 조건이 추가된다
    표준정규분포
    평균에 가장 많은 수가 몰려있고 평균을 기점으로 좌우 대칭이고 서서히 분포가 낮아지는 종모양이다.
  • z값을 구하자
    점수에서 평균을 빼고 그것을 표준 편차로 나누면 z이다
    z = (81.5 - 78.6) / 16.4 = 0.1768
  • z에 대응하는 값을 정규분포표에서 찾기
    표준정규분포표
    음수라면 절대값을 취한다
    0.1768이므로 반올림해서 0.18로 하겠다
    대응값 : 0.0714 를 찾았다
  • 등수구하기
    대응값(면적)을 평균이 아닌 오른쪽 면적으로 바꾸어주고 전체 인원만큼 곱해야한다
    z가 양수라면 0.5-(대응값)
    z가 음수라면 대응값+0.5
    0.18은 양수이므로 0.5 - 0714 = 0.4286
    0.4286에 전체 학생수를 곱한다
    0.43 * 347 = 148.724
    149등이 추정 등수이다.
    참고링크

Excel을 분석도구를 활요한 예제 - t검정, F검정, 이동평균

t검정

  • 데이터분석 -> t-검정:쌍제비교
    t검정
    -결과
    결과
  • 해석
    • P가 0.05 이상인지 아닌지로 분석법을 채택할지 안할지 선택할 수 있음

F검정

  • 데이터분석 -> F-검정:분산에 대한 두 집단
    F검정
    -결과
    결과
  • 해석
    • P가 0.05 이상인지 아닌지로 분석법을 채택할지 안할지 선택할 수 있음

이동평균법

  • 데이터분석 -> 이동 평균법
    이동평균법

Excel을 분석도구를 활요한 예제 - 회귀분석, 상관분석

분석도구 옵션

  • 파일 -> 옵션 -> 추가기능 -> 관리: 이동클릭 -> 분석도구체크 -> 확인
  • 데이터탭 -> 분석 메뉴 -> 데이터분석 확인

회귀분석

  • 다음과 같이 Adv-홍보지출액, bp Diff-이자지급액, Deposits-새로운 예치금을 통해 회구분석을 해보자
    예시
  • 회귀분석 선택
    데이터분석
  • 값 입력
    • Y는 원하는 목표
    • X는 무엇을 통해 Y를 예측하고 싶은지
      값 입력
  • 결과
    결과
  • 해석
    • 결정계수가 0.58이면 0.6에 가까우므로 Adv와 bp Diff가 Depositis에 영향이 있다고 할 수 있음

상관계수

  • 다음과 같이 사람의 신장과 체중 성별 그리고 기타test끼리의 상관관계를 확인해보자
    예시
  • 데이터분석의 상관분석 클릭
  • 값 입력
    • 입력 범위시 이름은 의미가 없으므로 제외
    • 첫 행이 이름표가 있으므로 체크
      값 입력
  • 결과
    결과
  • 해석
    • 체중과 신장은 큰 상관관계까 있다
    • 성별은 신장과 체중과 연결관계가 있다
    • Test1과 신장, 체중, 성별은 큰 의미가 없다
    • 최대 1.0을 넘을 수 없음
    • 음수일 때는 전혀 상관없음으로 해석

데이터 자료형

python 자료형

자료형 저장 모델 변경 가능성 접근방법
수치형 int, float, complex Literal Immutable Direct
문자열 str Container Immutable Sequence
튜플 tuple Container Immutable Sequence
리스트 list Container Mutable Sequence
사전 dict Container Mutable Mapping
집합 set Container Mutable set
  • 저장 모델

    • Literal : 단일 종류
    • Container : 종류에 무관
  • 변경 가능성

    • Immutable : 변경 불가
    • Mutable : 변경 가능
  • 접근 방법

    • Direct : 직접 할당
    • Sequence : 순서 중시
    • Mapping : 순서 무관
    • Set : 중복 불가
  • 튜플은 최초에 입력한 데이터 변경이 불가

  • 리스트는 최초에 입력한 데이터 변경 가능

  • 사전은 순서에는 상관 없지만 중복 가능

  • 집합은 중복 불가능

C자료형

자료형 메모리크기 데이터 범위
정수형 char 1바이트 -128 ~ +127
정수형 short 2바이트 -32768 ~ +32767
정수형 int 4바이트 -2147483648 ~ +2147483647
정수형 long 4바이트 -2147483648 ~ + 2147483647
실수형 float 4바이트 3.4x10^-37 ~ +3.4x10^+38
실수형 double 8바이트 1.7x10^-307 ~ 1.7x10^+308
실수형 long double 8바이트 이상 -

엑셀 수식 사용 - 2강. 함수 사용법

2.함수 사용법

  • 함수

    • 함수의 형태
      • 함수명()
      • 괄호 내부에는 변수(or 인자) 사용
    • 변수
      • 변수에는 상수, 주소, 범위, 이름, 함수 등 사용
      • 변수 없는 함수 존재
      • ex) TODAY(), PI()
    • 함수는 수식의 일부분
      • 엑셀에는 400개 이상의 함수 존재
      • 직접만들기도 가능
  • 함수 입력방법

  1. 수동 입력 방식
    • ‘=’ 과 함수명 입력 후 괄호열기 입력
    • 함수명 입력 중 아래 리스트에서 선택 후 탭 키 입력
  2. 빠른 함수 입력
    • [수식] 리본메뉴 - ‘함수라이브러리’
    • [홈] 리본메뉴 - [자동합계]
  3. FX 메뉴 OR Shift-F3 입력
    • 함수마법사
  • 함수 구문 이해

    1. 변수 구분
      • 굵은 글씨 : 현재 입력 중인 변수 위치
      • 대괄호[] : 필수가 아닌 옵션
      • “…” : 변수를 더 사용 가능
      • 변수구분
    2. 자주 쓰는 변수 표기
      • number : 숫자
      • range : 범위
      • crieria : 조건문
      • lookup_value : 찾을값
      • lookup_array : 찾을 범위
      • logical_test : 논리비교
      • text : 문자열
      • num_chars : 글자수
  • 셀 참조(references)

    • 상대참조
      • 기본 참조방식
      • 수식을 복사하면, 수식 내 셀 주소가 행과 열 방향으로 이동한 만큼 셀 주소가 변함
    • 절대참조
      • 행과 열 주소 앞에 “$” 문자 표시
      • 절대 참조는 수식에 복사되어도 참조 위치는 변화 없음
    • 혼합참조
      • 행과 열 주소 둘 중 한 군데 앞에 “$” 표시
      • 상대참조와 절대참조가 혼합
    • “F4” 상대참조 -> 절대참조 -> 혼합참조(행) -> 혼합참조(열) -> 상대참조
  • 함수 에러 메시지

    • DIV/0! 수식에 0으로 나누는 내용이 있음, 대게 분모 값에 빈셀이 지정됨
    • NAME? : 수식 엑셀에 인식할 수 없는 이름이 사용됨, 대게 이름이 지워지거나 텍스트 입력시 큰따옴표 오류
    • N/A : 수식에 사용할 수 없는 데이터가 지정된 경우, 일부함수에서 오류
    • NULL! : 수식이 교집합이 없는 두 범위의 교집합을 설정함
    • NUM! : 값 에러, 양이 되어야하는 값에 음의 값이 입력될 때
    • REF! : 수식이 참조할수 없는 셀을 지정할 때, 워크시트 내에 삭제된 셀이 사용될 때
    • VALUE! : 수식에 잘못된 형태의 변수나 숫자가 포함되어 있을 때

엑셀 수식 사용 - 1강. 수식과 함수

1.수식의 이해

  • Cell의 자료형식

    1. 숫자형식 : 0 ~ 9
      숫자의 정밀도는 앞에서 15자리, -9.9E+307~9.9E+307 범위
    2. 문자형식 : A ~ Z, a ~ z, 가나다라, 특수문자
    3. 수학형식 : = 으로 시작
    4. 날짜/시간 형식
  • 수식 - 연산자(수식연산자, 논리연산자)

    1. 수식연산자(Mathematical operators)
      | 연산자 | 설명 |
      | — | — |
      | + | 더하기 |
      | - | 빼기 |
      | * | 곱하기 |
      | / | 나누기 |
      | ^ | 지수|
      | & | 문자열조합|

    2. 논리연산자(Logical operators)
      | 연산자 | 설명 |
      | — | — |
      | = | 같음 |
      | > | 보다 큼 |
      | < | 보다 작음 |
      | >= | 보다 크거나 같음 |
      | <= | 보다 작거나 같음 |
      | <> | 같지 않음 |

  • 연산자 우선 순위(Operator precedence)

    기호 연산자 연산순위
    ^ 지수승 1
    * , / 곱하기,나누기 2
    + , - 더하기,빼기 3
    & 문자열 결합 4
    = , <,> 같음,작음,큼 5
  • 예시
    수식예

통계의 목적과 엑셀 데이터 기초

통계학의 정의

통계학(statistics)은 수량적인 비교를 기초로 사실을 관찰하고 분석하는 방법을 연구하는 학문
일반적으로 수집되는 데이터가 조사자, 시기, 방법, 목적 등에 따라 다르게 나타나는 불균형적인 데이터이지만, 통계학은 이 안에서 의미를 찾아내고 실생활에서 적용가능한 유용성을 찾아내 이를 수치로 표현할 수 있다.

  • 기술통계(descriptive statistics):
    표본에 대한 분석 결과의 각종 수치들을 활용하여 집단의 특성을 설명
  • 추론통계(inference statistics):
    표본을 활용하여 모집단의 특성을 나타내는 것

통계학의 목적

  1. 의사결정
    많은 정보를 지각하고 평가하여 하나를 선택
    • 정보와 반응 사잉의 다대일 대응으로 나타남
    • 여러가지 대안 가운데 하나를 선택할 때 사용
  2. 불확실성의해소
    의사결정을 하게 되면 그 결과가 정확한 것이라 할 수 있는가의 문제
    • 빅데이터의 개념을 들여와 불확실성을 해소
    • 정보수집이 어려움
    • 시장의 변화와 대응의 어려움에대한 극복 필요
  3. 요약
    다양한 데이터를 신속히 이해할 수 있도록 다양한 형태로 표현
    • 불확실성의 감소를 위해 사용
    • 반복되어 생산되는 데이터를 정리된 보고서로 표현하여 불확실성이 낮은 상황의 의사결정이 가능하도록 함
  4. 연관성 파악
    요약된 보고서에서 주요한 항목들 간의 연관성을 파악한 경쟁우위의 확보
    • 의사결정권자에게 항목 간 연관성을 제시해 미래의 계획을 지원
    • 다양한 자료는 의사결정에 있어 세부적 판도에 기여
  5. 예측
    인과관계 파악을 통해 패턴을 찾아내고 이러한 패턴을 통해 추세를 판단
    • 다양한 변수의 대입과 삭제를 통해 예측 가능

통계분석의 과정

통계분석은 표본을 통해 의미 있는 자료를 추출하고, 이를 기반으로 의사결정, 불확실성의 해소요약, 연관성 파악, 예측 등의 결과로 이어지도록하는 일련의 과정이다
수집 -> 정제 -> 추정 -> 검정

  1. 수집
  • 조사과정에서 자연스럽게 수집
  • 조사자가 특정 목적에 맞는 자료를 얻기 위해 설계한 수집 도구를 이용
    보통 자료가 많을 수록 통계분석에서 더 좋은 결과를 얻을 것이라고 생각하지만 조사의 목적에 맞는 적절한 자료를 수집해서 최적의 통계방법으로 분석한 결과가 가장 정확도가 높음
  1. 정제
  • 분석에 적합한 자료를 선별
  • 적합하지 않은 자료는 삭제
  1. 추정
  • 통계 분석을 진행하는 것 -> 모수를 추정하는 것
  • 표본의 특성을 설명하는 통계량을 통해 모집단의 모수를 추정하게 됨
  1. 검정
  • 통계조사의 목적 -> 주장이 믿어지는 사실이 실제로 옳은지 아닌지를 확인
  • 수립된 가설이 유의미하고 타당성을 가지는지 통계적으로 확인하는 과정
  • 확인을 통해 가설의 기각와 채택여부를 판단

통계분석의 한계

  • 확률이 없으면 무의미 - 통계분석의 결과는 항상 확률과 연관되어 표현

  • 항상 틀릴 가능성 내포 - 신뢰수준 100% -> 신뢰구간에 해당하는 값 (-무한 ~ + 무한) - 결과의 범위가 줄수록 신뢰구간은 100%에서 멀어짐

빅데이터(Big Data)의 이해

빅데이터 등장 배경

빅데이터등장배경

디지털 기술 발전에 따른 대규모 데이터 생성

  • 데이터 생성 규모(Volume)확대
  • 생성주기(Velocity)가 짧아짐
  • 기존 수치 위주에서 문자, 이미지, 영상 등 다양한 형태(Variety)로 발생

빅데이터의 정의

  • 명확히 합의된 정의가 없음 - 데이터 수집, 저장, 관리, 분석을 처리하는 통상의 용량을 넘어서는 Dataset 규모로, 그 정의는 주관적이며 앞으로도 기술발전에 따라 정의는 변화될 것이다. - 가장 많이 쓰이는 정의 3V + Value - 엑셀로 처리하기에 적합하지 않는 데이터 - SPSS, SAS와 같은 통계 패키지 등에 적합한 자료의 의미

3V + Value

3V+Value

빅데이터의 분류 및 처리과정

처리과정

데이터 마이닝(Data Mining)

  • 데이터베이스 내에서 어떠한 방법에 의해 관심 있는 지식을 찾아내는 과정 - 대용량의 데이터 속에서 유용한 정보를 발견하는 과정이며 이러한 기술을 의미 - 데이터 베이스 마케팅 분야 - 순차패턴, 유사성을 활용
  • 정의 - 복잡한 통계적인 분석이나 모형구축 기법을 통해 대용량의 데이터 내에 이전에는 알려지지 않았던 패턴이나 규칙 등을 탐색하고 모형화 하여 유용한 지식을 추출하는 일련의 과정 - 통계적 관점 : 대용량의 데이터에 대한 탐색적 데이터 분석(Exploratory Data Analysis)
    데이터마이닝

빅데이터 환경의 특징

구분 기존 빅데이터 환경
데이터 정형화된 수치자료 중심 -비정형의 다양한 데이터
- 문자 데이터
- 영상 데이터
- 위치 데이터
하드웨어 고가의 저장장치
데이터베이스
데이터웨어하우스
- 클라우드 컴퓨팅 등 비용 효율적인 장비 활용 가능
소프트웨어/분석 방법 관계형 데이터베이스
통계패키지
데이터마이닝
머신러닝
- 오픈소스 형태의 무료 소프트웨어
- Hadoop, NoSQL
- 오픈소스 통계솔루션®
- 텍스트 마이닝
- 온라인 버즈 분석
-감성 분석

일반데이터와 빅데이터의 차이

차이

빅데이터 IT 핵심 기술

기술

빅데이터(Big Data) 분석의 중요성

데이터로부터 얼마나 많은 부가가치를 얻을 수 있나?

  • 과학 기술 경쟁이 치열
  • 침단 과학기술이 사용자의 요구를 충족시켰을때 부가가치 창출(아마존 마케팅, 애플 등)
  • 미래 사용자의 필요 예측이 매우 중요

기술분야에서 앞으로 중시될 세가지 영역

  1. 데이터 마이닝, 기계학습, 인공지능, 자연어처리
  2. Business Intelligence, 경쟁정보전략
  3. 분석, 통계

빅데이터의 시대적 변화

o 1990년대 중반 ~ 2000년대 중반
  • 고객정보
  • 유통사 상품 구매정보
  • 상품/서비스 구매정보
  • 교통정보
  • 리서치 정보
o 2000년대 중반 ~ 2010년대 중반
  • Data의 통합 관리를 통한 소비자의 입체적 이해
o 2010년대 중반 이후
  • 고객정보
  • 모바일
  • SNS
  • 이종 데이터 간의 결합
  • Cloud Computing
  • 데이터 마켓의 출현

빅데이터 활용 개념도

빅데이터활용개념도

빅데이터 산업 분류

빅데이터산업분류

빅데이터 활용사례

  • 공공빅데이터
  • 구글트렌드

빅데이터 활용 프로세스

  1. 데이터수집 및 관리
    • 정형데이터 - 고객수 - 판매량 - 키워드빈도
    • 비정형데이터 - 로그 - SNS 텍스트 - 사진
  2. 데이터분석
    • 기초통계분석 - 집계 - 통계치 - 회귀분석
    • 데이터마이닝/기계학습/AI/딥러닝 - 군집,연관 - 시계열, 추천 - 텍스트마이닝 - 커뮤니티분석
  3. 데이터활용
    • 시각화
    • 신제품전략
    • 마케팅전략
    • 니즈발견
    • 리스크경감

데이터분석에 필요한 기술들

  1. Mathematics Expertise
    • 통계
    • 선형대수
    • 미분/적분
  2. Business/Strategy Acumen
    • 도메인 지식/경험
    • 문제 영역
  3. Technology, Hacking Skills
    • 컴퓨터 프로그래밍
    • 데이터베이스
    • 인프라 시스템

빅데이터 인프라 : 하둡

  • 하둡은 오픈소스 분산처리 기술
  • 하둡 분산 파일 시스템 HDFS(Hadoop Distributed File System)
  • 간단한 서버들을 이용하여 가상화된 HDFS을 구성하고 여기에 존재하는 거대한 데이터를 간편하게 다루는 MapReduce 프레임워크를 구현하여 제공

빅데이터 관련 이슈

  1. 개인정보 이슈
  2. 인력양성
  3. 빅데이터의 지도화
  4. 자료의 품질관리 중요성
  5. 수학 및 통계, IT, 언어학, 비즈니스 등의 다양한 영역의 융합교육 필요
  6. 인프라 또는 IT기술 뿐만 아니라, 분석과 시각화 및 해석의 중요성 부각
  7. 장기적인 관점에서의 데이터 분석 및 관리 필요
API API오용 Anaconda Beacon Bluetooth CRUD분석 Camera ChatBot DB관련신기술 DB관리기능 DB서버 DB표준화 ER다이어그램 ER모델 ETL Flask HW관련신기술 IDE도구 IP IoT Machine_Translation NLP배경 ORM프레임워크 Package Recurrent Neural Network SDLC SW개발방법론 SW개발방법론선정 SW개발보안정책 SW개발표준 SW관련신기술 Sequence_Tagging ShellScript TCP_UDP Vector WordCloud c 자료형 class embedding konlpy python python 자료형 가설검증 개발환경구축 객체지향프로그래밍언어 관계데이터베이스모델 관계데이터언어 국제표준제품품질특성 네트워크7계층 네트워크관련신기술 네트워크장비 네트워크침해공격용어 논리데이터모델개요 논리데이터모델품질검증 논리적데이터모델링 논문 단위모듈구현 단위모듈테스트 데이터검증 데이터모델개념 데이터베이스무결성 데이터베이스백업 데이터베이스암호화 데이터베이스용량설계 데이터베이스이중화구성 데이터베이스정규화 데이터분석 데이터분석 - 순열 - 조합 데이터분석 - 정규분포 데이터분석 - 통계기초 데이터사이언스개념 데이터입출력 데이터전환수행계획 데이터정제 데이터조작프로시저작성 데이터조작프로시저최적화 데이터조작프로시저테스트 데이터지역화 데이터타입 데이터표준확인 데이터품질분석 라이브러리 로그분석 메모리관리 모델화 몬테카를로 물리데이터모델설계 물리데이터모델품질기준 물리데이터저장소구성 물리요소조사분석 반정규화 배치프로그램 변수 보안기능 보안솔루션 보안아키텍처 보안취약성식별 분산데이터베이스 분산분석 비용산정모델 빌드자동화도구 사용자정의함수 상관분석 서버개발프레임워크 서버인증 서버장비운영 서버접근통제 서비스공격유형 선언형언어 세션통제 소스코드인스펙션 소프트스킬 소프트웨어개발프레임워크 소프트웨어버전관리도구 소프트웨어연계테스트 슈퍼디엠지 스크립트언어 시스템카탈로그와뷰 암호알고리즘 애플리케이션모니터링도구 애플리케이션배포도구 애플리케이션성능개선 애플리케이션테스트결과분석 애플리케이션테스트시나리오작성 애플리케이션테스트케이스작성 애플리케이션통합테스트수행 애플리케이션패키징 연산자 예외처리 오답노트 오류데이터측정 오류처리 오류처리확인및보고서작성 요구공학방법론 운영체제 웹서버 이벤트 인터넷구성의개념 인터페이스구현검증 인터페이스기능확인 인터페이스보안 입력데이터검증및표현 자료구조 자연어처리 재사용 절차적프로그래밍언어 정보보안침해공격용어 정보처리기사 제품소프트웨어매뉴얼작성 집계성DCL작성 체크리스트 초기데이터구축 취약점분석 칼럼속성 캡슐화 코드오류 클러스터링 키종류 테일러링기준 트랜잭션인터페이스 트리거 파일처리기술 파티셔닝 패키지 포트포워딩 프로세스스케줄링 프로토타입 한국어임베딩 핵심정리 현업도구 형상관리도구 환경변수 회귀분석
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×