티스토리 뷰

2018년 11월 다섯째 주, 세계 미디어를 뜨겁게 달궜던 기술 및 창업 소식 7개를 에티가 전해드립니다.

1. 구글 DeepMind, 단백질 모델링을 학습하다

2. Microsoft, 전 세계 시가총액 1위 기업 등극

3. 암 판독을 도와주는 AI 기업, Infervision

4. 뉴욕 시, 캐시리스 정책에 제동을 걸다

5. 사진으로부터 그림을 재현하다, RePaint

6. Imago AI, 컴퓨터 비전을 농업에 활용하다

7. 코트디부아르 코코아 농가 아이들의 등록금 지불을 위한 금융 서비스


1. 구글 DeepMind, 단백질 모델링을 학습하다

출처 : DeepMind


이번 주 구글 DeepMind에서는 머신러닝 기법을 활용해 바이오 분야에 큰 발전을 이루어 냈습니다. DeepMind의 발표에 따르면, 새롭게 개발된 알고리즘 Alphafold을 이용해서 염기서열로부터 단백질이 어떤 구조로 합성될지를 예측할 수 있다고 합니다.


단백질의 구조는 관련 병을 치료하기 위한 약을 만들 때나 우리 몸의 매커니즘을 이해할 때 중요한 도구로 사용됩니다. 하지만 주어진 염기서열로부터 단백질의 3차원 구조를 예측하는 일은 매우 어려웠습니다. 기존에 많은 방법론들이 제시되었지만, 모델링 기반으로 3차원 구조를 예측하기에는 너무 많은 연산량이 요구되었습니다. 이 때문에 대부분의 단백질의 3차원 구조는 해석이 불가능했었고, 심지어 일부 단백질에 대해서는 FoldIt과 같은 크라우드펀딩 게임을 만들어 사람들의 직관을 모아 3차원 구조를 해석하려는 시도도 있었습니다.


출처: TechCrunch


DeepMind에서는 바이오 엔지니어링에서 그동안 생산된 데이터를 기반으로 네트워크를 학습시켜 단백질 3차원 구조를 예측하는 알고리즘 Alphafold를 만들어냈습니다. 현재 단백질 구조 예측 대회 CASP (The Critical Assessment of protein Structure Prediction)에 제출된 Alphafold(GR name: A7D)는 압도적인 성능을 보여주고 있습니다.


출처: DeepMind


단백질의 3차원 구조는 단백질을 구성하는 아미노산들 간의 힘에 의해 결정됩니다. Alphafold에서는 이 아미노산들 간의 거리와 인접 아미노산간의 각도를 예측하도록 학습시켰습니다. 크게 두 개의 뉴럴네트워크로 구성되어 있는 Alphafold는 먼저 첫 번째 네트워크에서 아미노산 간의 대략적인 배치를 학습할 수 있도록 기존의 모델링을 이용해 어떤 배치가 가능한지 학습시켰습니다. 또한 이 과정에서 generative model들을 사용해 가능성이 있는 새로운 배치들도 학습하도록 하였습니다. 그리고 두 번째 네트워크에서는 가능한 배치를 조합해 실제 모델과 같이 전체 아미노산을 배치하는 과정을 학습시켰습니다.


DeepMind 측은 Alphafold가 머신러닝이 어떻게 과학을 발전시킬 수 있는지 보여주는 예시이며, 질병 예측, 환경 관리와 같이 다양한 분야에 인공지능 기술을 적용할 것이라 하였습니다.


▲목록으로


2. Microsoft, 전 세계 시가총액 1위 기업 등극

출처 : AP


마이크로소프트가 애플을 꺾고 16년만에 전 세계 시가총액 1위를 기록했습니다. 시가총액이 8천 512억달러, 한화 약 955조 500억원으로 집계되면서, 8천 474억 달러의 애플을 넘어서게 되었습니다. 이로서 애플은 엑손모빌을 제치고 1위에 올라선 2012년 이후 6년만에 시가총액 1위 자리를 빼앗긴 셈인데요. 마이크로소프트는 어떻게 16년이라는 시간을 딛고 다시 1위에 올라설 수 있었을까요?


몇 년 전만 해도 스마트폰 시대가 도래함에 따라 PC의 판매량이 급감함에 따라 마이크로소프트는 소프트웨어 판매에 부진한 성적을 거뒀습니다. 이에 따라 윈도우즈의 높은 점유율과 그에 파생된 브라우저 등 응용프로그램에 대한 영향력도 줄어들 수 밖에 없었는데요. 2014년  Satya Nadella로 CEO가 바뀐 이후에 소프트웨어, 클라우드에 집중한 경영 전략과 장기적인 거래 체결 등의 성과로 안정화 되었다는 평가를 받고 있습니다. 


현재 윈도우즈는 마이크로소프트의 포트폴리오에서 한 부분을 차지하고 있을 뿐, 그 외에도 마이크로소프는 Bing, Xbox등의 다양한 사업을 운영하고 있으며 모든 우선순위를 서비스 제품군에 두고 있습니다. 바로 Office 제품과 Linkedin, Skype 등인데요. 그 중에서도 가장 큰 성장을 보인것은 Azure로 불리는 클라우드 플랫폼 서비스입니다. 


출처 : Microsoft


이전 CEO인 Steve Ballmer는 아이폰을 두고 '누가 전화기에 500달러를 쓰겠느냐' 라거나, 클라우드 서비스 기반 시스템으로 20퍼센트 이상을 차지하는 리눅스를 두고 '암적인 존재다'라고 발언하며 시장과 소비자의 흐름을 따라가지 못했는데요. 그와 달리 Satya Nadella는 'MS는 리눅스를 사랑한다'라며 클라우드 서비스를 강화하고, Github을 인수하는 등 기존의 폐쇄적이던 노선을 완전히 바꿔 시장이 원하는 제품에 초점을 맞추고 있습니다. 그 결과 마이크로소프트는 Amazon의 AWS와 경쟁하는 가장 영향력 있는 클라우드 서비스 제공 업체가 되었고, 마이크로소프트 매출의 ¼를 클라우드 서비스가 차지하게 되었습니다.


Wdbush의 애널리스트 Dan Ives는 Azure가 아직 초기 단계라며, 마이크로소프트의 오피스등 다른 제품의 사용자 규모를 볼 때 성장 가능성이 크다고 짚었습니다. 또한, 소비자 가전 구매 시즌에 따른 수요 변동, 중국과의 무역 전쟁 등으로 영향을 크게 받는 애플과는 달리 비교적 안정적인 시장을 보유하고 있는 점 또한 마이크로소프트의 낙관적인 미래를 기대하게 만들고 있습니다. 


출처 : AP


Synovus Trust의 Daniel Morgan은  "마이크로소프트는 다른 기술기업들과는 '다른'점을 강점으로 그들을 능가하고 있다"고 밝히며, 광고에 영향을 많이 받는 구글이나 많은 규제를 당하는 페이스북과도 다르며, 구독자 수에 연연해야 하는 넷플릭스와도 다르다. 또한 클라우드 서비스 라이벌인 아마존조차 여전히 온라인 리테일 서비스에 의존하고 있다"고 지적했습니다.


그 외에도, 마이크로소프트는 Hololens를 발표하며 AR플랫폼에서 선두 자리에서 경쟁하고 있고, Panos Panay가 이끌고 있는 Surface제품군의 꾸준한 발표로 하드웨어에서도 나날이 발전하는 모습을 보이고 있습니다. 이러한 새로운 시도와 성장에 '마이크로소프트가 이제는 새로운 애플이다' 라는 주장까지 나오고 있는데요, Facebook, Google, Amazon등 신예 공룡 기업들의 아성을 깨고 1990년대 이후 제2의 전성기를 맞이하고 있는 마이크로소프트가 그리는 미래가 기대됩니다.


▲목록으로


3. 암 판독을 도와주는 AI 기업, Infervision

출처 : TechCrunch


지금까지 인간은 의료 영상에서 질병을 판독하기 위해 의사의 눈에 의존했는데요. 이번에 소개해드리는 중국 기업인 Infervision은 딥러닝을 통해 의료용 영상을 분석하는 세계 몇 안되는 AI 스타트업 중 하나입니다. 폐암을 유발하는 세포를 골라내는 작업으로부터 시작한 Infervision은 현재까지 세쿼이아 캐피탈 차이나 등으로부터 7000만 달러(약 785억 원)를 투자받았습니다. 이들은 이번 주에 열린 시카고 방사선 학회에 참여하여 심장 석회화와 같은 흉부 질환으로도 영역을 확장하겠다고 밝혔습니다.


Infervision 설립자이자 CEO인 Chen Kuan은 "AI가 적용되는 영역을 계속 추가하여 의사들에게 더 많은 도움을 줄 수 있을 것이다."라고 말했습니다. 또한 "의사는 사진 한 장에서 많은 문제를 찾아낼 수 있기 때문에 AI도 마찬가지로 한 번에 여러 질병을 확인하는 '종합 진단'이 가능하도록 학습되어야 한다."고 AI의 현 한계점과 목표를 밝혔습니다.


출처 : Infervision


하지만 Chen은 AI는 속도적인 측면에서는 인간을 이미 앞섰다고 말합니다. 의사들이 한 장의 사진을 확인하는 데 15~20분 정도 걸리는 데 반해 Infervision의 AI는 30초 내에 스캔하고 리포트까지 작성할 수 있습니다. 또한 인간의 오진률을 높일 수 있을 뿐만 아니라 오지 등 의료 공급부족인 곳에서 의사들의 빈 자리를 채워줄 수 있을 것입니다.


다른 딥러닝 회사들과 마찬가지로 Infervision은 다양한 소스로부터 데이터를 얻어 알고리즘을 지속적으로 트레이닝해야 합니다. 현재 Infervision은 해외 20곳을 포함한 280곳의 병원과 협력하고 있으며 매주 그 수를 늘려나가고 있습니다. 또한 중국 상급병원의 70%가 자사의 폐 전문 AI 서비스를 사용하고 있다고 합니다. 하지만 현재 이렇게 많은 병원이 사용하고 있는 Infervision의 시작은 순탄치만은 않았습니다.


Infervision의 이미징 툴이 작성한 뼈 골절에 대한 리포트 (출처 : Infervision)


심천 출신인 Chen은 시카고 대학의 경제학 박사과정을 중퇴하고 Infervision을 차렸습니다. 첫 6개월 동안은 중국 내 40여 곳의 병원 문을 두드렸으나 헛수고로 돌아갔습니다. 그는 "그 때까지만 해도 의료용 AI는 신기한 물건, 딱 그 정도였습니다. 병원이라는 곳은 근본적으로 환자를 보호해야 하기 때문에 보수적일 수 밖에 없는 곳입니다. 그렇기 때문에 외부의 무언가에 대해서 꺼려할 수 밖에 없지요."라고 당시를 회상했습니다. 그는 마침내 쓰촨성인민병원으로부터 AI를 시도해보자는 연락을 받았습니다. 그는 동업자 두 명과 함께 병원 옆의 작은 아파트를 빌려 사무실을 차리고 샘플 이미지 데이터셋을 받아 서비스를 시작했습니다.


 "우리는 의사들이 어떻게 근무하는지 관찰했고, 그들에게 AI가 어떻게 동작하는 지 설명했으며, 그들의 불만사항을 듣고, 지속적으로 제품을 발전시켰습니다." 제품이 우수한 성능을 보이자, Infervision은 의료계 전문가들로부터 주목을 받았습니다.

 "병원들은 위험을 감수하지 않으려고 합니다. 하지만 그들 중 하나가 우리를 마음에 들어하면, 입소문이 퍼져서 다른 병원들도 찾아오게 됩니다. 의료계는 아주 긴밀히 연결되어 있기 때문이죠."


출처 : Medgadget

몇 년 사이 AI가 진료에 도움이 된다는 것이 알려지면서 병원들은 테크 스타트업들을 활발히 찾아다니기 시작했습니다. 중국에서는 Infervision 외에도 감시카메라와 핀테크에 집중했던 기업인 Yitu는 시카고 방사선 학회에서 암 판독 프로그램을 공개한 바 있고, 국내에서는 엑스레이와 조직검사 영상을 통해 유방암과 결핵 유무를 판독하는 'DIB'를 개발한 루닛(Series B, 총 206억 투자), 골밀도 측정 결과를 통해 골 연령을 판독하는 프로그램 '본에이지'를 개발한 VUNO(Series A, 39억 투자) 등이 있습니다.


솔루션 제공비용이 수입원인 Infervision은 앞으로는 높은 사회적 비용이 발생하는 뇌혈관 또는 심혈관질환 중심으로 제품 개발을 해 나갈 것이라고 밝혔습니다. 자율주행과 마찬가지로 의료계에서도 AI에 대한 수요가 점점 커져가고 있습니다. 어떤 기업이 이 시장의 유니콘기업이 될지 궁금해집니다.


▲목록으로


4. 뉴욕 시, 캐시리스 정책에 제동을 걸다

 출처 : Amazon


현금을 받지 않는 식당들을 이제는 낯설지 않게 찾아볼 수 있는데요, 올해 스타벅스를 비롯한, 월마트, 아마존은 현금을 받지 않는 오프라인 매장들을 선보였습니다. 이에 따라, 고객들과 사업주들은 거스름돈을 주고받는 시간을 낭비하지 않게 되었습니다. 이와 같은 추세는 지속될 것으로 보입니다. Federal Reserve System의 리포트에 따르면 신용 및 체크 카드의 결제 비율은 전체 구매의 48%를 차지하고 있었습니다. 반면, 현금은 전체 구매 금액의 30%에 불과하고, 주로 소액으로 거래된다고 합니다.


문제는 미국 가구의 6.5%가 은행 계좌가 없다는 것입니다. 또한 Urban Institute의 연구 결과에 따르면 뉴욕시에 거주하는 36만 명의 가구가 은행계좌가 없으며, 76만의 가구는 계좌는 보유하고 있지만 대출과 같은 금융 혜택을 받지 못하는 Underbanked 계층이라고 합니다. 참고로, 미국에서 소액의 돈을 은행에 맡길 경우 매달 계좌 유지금을 지불해야 하며, 신용카드 발급에는 높은 신용도가 필요합니다. 또한 불법 이민자의 경우 SSN(사회보장번호)이 없기에 계좌 생성이 어렵습니다. 


이와 같은 현실 때문에, 지난 11월 28일 뉴욕 시의원 Ritchie Torres은 소매점들의 캐시리스 정책을 금지하는 조례안을 시의회에 상정했습니다. 그는 캐시리스가 여러 결제 옵션 가운데 하나가 될 수 있지만, 유일한 수단이 되어서는 안된다고 언급했습니다. 


출처 : Tyro


Torres에 따르면 캐시리스는 고객을 차별하는 정책이라고 합니다. FDIC의 리포트에 의하면, 36%의 흑인 가구와 31.5%의 히스패닉 가구가 신용카드, 오토론, 모기지 등 주류의 금융 서비스를 받고 있지 못한다고 합니다. 그는 캐시리스가 고착화되면 백인 가구 위주로 비즈니스가 구성될 것이라고 우려를 표명했습니다. 


"효율성은 차별의 정당한 이유가 될 수 없다"는 Torres의 주장은 설득력 있어 보이지만, 캐시리스 트렌드를 바꿀 수 없어 보입니다. 맥도날드는 키오스크를 도입을 시험하고 있고, 인기 멕시칸 프랜차이즈 Dos Toros는 캐시리스 지불방식을 채택했습니다. 또한, 2011년 이후로 전체 미국 가구 중 계좌가 없는 가구 비율은 지속적으로 감소해오고 있습니다. 과연 뉴욕시가 소매업계의 반발을 뒤로하고 법을 제정할지 그 행보가 주목됩니다.


▲목록으로


5. 사진으로부터 그림을 재현하다, RePaint

출처 : Techcrunch


사진을 기반으로 그림을 재현하는 기술을 MIT의 Computer Science and Artificial Intelligence 연구진(이하 CSAIL)이 공개했습니다. 본 프로젝트의 이름은 RePaint로, 인공지능을 활용하여 사진으로부터 정확한 색상을 추출한 뒤 3D 프린터로 출력하는 시스템인데요. 이들이 개발한 "color-contoning" 기술을 통해 색상을 보다 정확하게 표현할 수 있다고 합니다.


기존에 그림 재현을 위해 활용된 2D프린터들의 경우, CMYK 네 가지의 색상만이 활용되는데요. 드가(Degas)나 Dali(달리)의 작품에서와 같이 다채로운 색상을 재현하기에는 역부족이라고 합니다. 이를 보완한 MIT CSAIL의 color-contoning기술은 3D 프린터 및 10가지의 투명한 색상 잉크 레이어를 활용하여 기존의 간색(halftoning, 작은 점들로 이미지를 표현) 기술을 발전시켰습니다. 이들은 특정 부분의 색감을 표현하기 위한 잉크 레이어들의 최적 배치를 도출하는 데에 머신러닝을 활용했다고 합니다.



연구원 Changil Kim은 "본 시스템은 다양한 조명 컨디션 하에서 이전 연구들에 비해 모두 우수한 색상 재현 능력을 보였다."고 밝혔습니다. 실제로 RePaint를 테스트하기 위해 연구진은 아티스트와 합작하여 유화를 재현하는 실험을 했고, 다른 최신 모델들에 비해 4배 이상 정확한 색상 재현력을 보였다고 합니다.


CSAIL 연구진은 이전에도 3D 프린팅과 관련된 많은 재미있는 연구들(MoSculp, Roboats)을 진행해왔습니다. 하지만 아직 부진한 3D프린팅 기술로 인한 제약 때문에, RePaint의 출력 결과물들은 카드 크기에 불과했다고 하는데요. 머지않아 CSAIL 연구진이 알고리즘을 보완하고 3D 프린팅 기술이 발전한다면 도난된 예술품 복원 등에 활용될 수 있을 것으로 보입니다.


▲목록으로


6. Imago AI, 컴퓨터 비전을 농업에 활용하다

출처 : Techcrunch


이번에는 신생 Agtech(Agriculture + Technology) 스타트업에 관한 소식을 전해드리겠습니다. 인도 뉴델리 기반의 agtech 스타트업인 Imago AI를 소개해드립니다. 곡물 수확량을 일일이 세던 기존의 주먹구구식 방법을 대체하기 위해, 이들은 컴퓨터 비전과 머신러닝을 활용합니다. Imago AI의 서비스는 곡물의 형질을 분석하는 데에 걸리는 시간을 약 75%로 단축시켜 준다고 합니다. 이들의 클라이언트에 따르면, 저울을 활용해서 농산물의 품질을 측정하는 기존의 수작업 방식은 이틀씩이나 걸렸다고 하는데요. Imago AI의 서비스를 활용한 결과 약 30-40분만에 작업을 완료할 수 있었다고 합니다. 


Imago AI의 서비스는 시간적인 효율뿐만 아니라, 보다 정확한 측정 결과물 또한 보장해주는데요. Imago AI의 공동 창업자인 Shweta Gupta는 "어떠한 표현형질(phenotypic traits)들은 수작업으로 밝히기 쉽지 않습니다. 우리의 AI 기반 이미지 프로세싱 기술을 활용함으로써 육안으로 놓치기 쉬운 많은 표현형질들을 포착할 수 있습니다."라고 밝혔습니다. 농작물 재배에 있어서 이러한 표현형질을 잘 분석하는 것은 매우 중요한데요, 다음 싸이클에서 재배할 씨앗 품종을 걸러내는 데에 활용되기 때문입니다. 식물을 생산하는 것은 긴 시간이 걸리고, 상당한 인풋이 들어가기 때문에 이는 종자를 생산하는 농업 회사들에게 특히나 유의미한 파라미터입니다.


출처 : Techcrunch


종자 생산 업체들이 미래의 곡물 수확량 및 품질을 예측하는 데에 자신들의 기술을 사용하는 것이 이들의 궁극적 목표는 아닙니다. 이들은 AI에 축적된 데이터로부터 얻게 될 인사이트에 보다 큰 기대를 걸고 있는데요. 이를테면 위치정보가 결합된 표현형질 측정값(geotagged phenotypic measurements)과 식물의 유전 정보를 종합적으로 분석한다면, 특정 기후 조건 및 특정 지역에서는 어떤 작물을 재배하는 것이 좋은지 알아내어 추천할 수 있습니다. 또한, Imago AI는 식물병을 진단하고 특정 식물이 병에 노출된 정도를 정확하게 파악하기 위해  컴퓨터 비전을 활용합니다. 이러한 데이터로부터 식물의 병 저항성을 분석하고, 그에 따라 농약의 양을 늘리거나 줄이도록 권할 수도 있습니다. 


대단히 많은 카메라 하드웨어를 요구하지 않는다는 점 또한 Imago AI의 매력인데요. 별다른 기기를 설치할 필요 없이, 스마트폰 및 타블렛으로도 충분히 이들의 소프트웨어를 활용할 수 있으며, 드론 카메라 및 위성 사진에도 적용할 수 있다고 합니다. 물론 길이나 두께와 같은 물리적인 측정치를 위해서는 참조점(reference point)이 요구됩니다. 


이들은 현재 글로벌 농업 회사들을 대상으로 파일럿 테스트를 수행하고 있으며, 향후 과제로는 식품 산업을 주시하고 있다고 합니다. 식품 생산 라인에서 발생하는 음식물 쓰레기를 단축시키기 위해 자신들의 기술을 활용할 방법을 모색중이라고 하네요.


▲목록으로


7. 코트디부아르 코코아 농가 아이들의 등록금 지불을 위한 금융 서비스

출처 : Advans Cote Divoire


수입이 적은 가정에서는 자식들의 교육비 지출이 큰 부담이 될 수 있습니다. 특히 수입에 계절성이 있는 작은 농가에서는 등록금을 제때 지불하지 못해 아이를 학교에 보내지 못 하는 일이 생기곤 합니다. 코트디부아르의 코코아 농가는 평균적으로 네 명의 자녀를 학교에 보내고 있습니다. 학교의 등록금 납기일은 8월이나 9월인데 이는 추수가 끝나기 불과 몇 주 전입니다. Advans Cote d'Ivoire라는 회사는 새로운 디지털 신용 서비스를 통해 이러한 유동성 문제를 해결하고 있습니다. 


농가들의 협동조합과 통신사 MTN과의 협업을 통해 100%의 상환율을 달성하였으며  농가 아이들의 출석도 눈에 띄게 증가하는 성과를 냈습니다. 이 혁신적인 서비스로 Advans는 기술에 의한 금융포용(financial inclusion) 부문에서 2018 European Microfinance Award를 수상했습니다. Advans의 교육 대출 서비스는 Advans와 CGAP가 지난 2016년 디자인하고 런칭한 디지털 저축 서비스에서 시작했습니다. 그들은 이 제품을 위한 리서치를 하던 중 농부들의 자금 흐름과 학비 지출 타이밍이 맞지 않아 발생하는 어려움을 발견했고, 오늘날의 교육 대출 서비스를 기획하게 되었습니다.



Advans는 70여 명의 농부와 인터뷰하고 협동조합과 7개의 정량적인 설문 조사를 하는 것으로 시작했습니다. 이 조사를 통해 고객들의 상황을 파악하고, 그들이 필요하고 선호하는 것이 무엇인지 알게 되었으며, 그들 가족의 규모와 교육 부문 지출 규모, 그리고 휴대폰에 대한 숙련도에 대한 정보를 얻었습니다. 특히 농가들이 협동조합을 믿고 의지하고 있으며, 협동조합 또한 능동적 역할을 자처할 의지가 있는 것을 확인할 수 있었습니다.


Advans는 이 조사 결과에 근거해서 교육 대출 상품을 내놓았으며 5개의 협동조합과 협력하여 서비스를 제공했습니다. 여기서 협동조합은 중요한 몇 개의 일을 담당하였습니다. 먼저, 농부들의 신용을 확인하고 대출 한도를 설정하는 일을 도왔습니다. Adance 과거 저축 행동 패턴은 물론 농가의 크기와 코코아 거래 기록에 대한 협동조합의 정보에 기반하여 고객의 신용 점수를 평가 했습니다.

출처 : Advans


또한 협동조합은 정보를 공유하는 것뿐만이 아니라 농가를 식별하는 데에도 도움을 주었습니다. 협동조합은 Advans에서 돈을 빌려 농가에 대출을 해주곤 했었습니다. 이 체제 안에서 농가는 협동조합에 상환하고, 조합은 Advans에 상환을 할 것입니다. 또한 협동조합은 농가를 식별하고 새로운 교육 대출에 대해서 채무가 불이행될 시에 30%를 부담하는 것에 동의했습니다. 이는 조합이 효과적으로 대출자를 선별하고 추심할 수 있도록 했습니다.


결과는 인상적이었습니다. 242개의 대출이 모두 제시간에 상환되었습니다. 평균 대출 금액은 165불이었으며 96%의 고객이 내년에도 같은 서비스에 지원하겠다고 밝혔습니다. 무엇보다도 농가 아이들의 출석률이 49%에서 73%로 상승했습니다. 이러한 결과에 고무되어 Advans는 15개의 협동조합과 추가 계약을 맺어 대출자와 대출 한도를 늘릴 예정입니다.


▲목록으로


인기 포스팅 보기

댓글
공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
링크
«   2024/03   »
1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30
31
글 보관함