merging

metatron-app · Apr 16, 2019 · ea85dd6 · ea85dd6
1 parent 442b3fe
commit ea85dd6
Show file tree

Hide file tree

Showing 213 changed files with 11,511 additions and 3,557 deletions.
diff --git a/docs/_downloads/sales.csv b/docs/_downloads/sales.csv
diff --git a/docs/_images/create_a_dataset_of_database_4.png b/docs/_images/create_a_dataset_of_database_4.png
diff --git a/docs/_images/create_a_dataset_of_stagingdb_2.png b/docs/_images/create_a_dataset_of_stagingdb_2.png
diff --git a/docs/_images/create_datasource_db_1.png b/docs/_images/create_datasource_db_1.png
diff --git a/docs/_images/create_datasource_db_10.png b/docs/_images/create_datasource_db_10.png
diff --git a/docs/_images/create_datasource_db_11.png b/docs/_images/create_datasource_db_11.png
diff --git a/docs/_images/create_datasource_db_12.png b/docs/_images/create_datasource_db_12.png
diff --git a/docs/_images/create_datasource_db_3.png b/docs/_images/create_datasource_db_3.png
diff --git a/docs/_images/create_datasource_db_5.png b/docs/_images/create_datasource_db_5.png
diff --git a/docs/_images/create_datasource_db_5_2.png b/docs/_images/create_datasource_db_5_2.png
diff --git a/docs/_images/create_datasource_db_9.png b/docs/_images/create_datasource_db_9.png
diff --git a/docs/_images/create_datasource_file_2.png b/docs/_images/create_datasource_file_2.png
diff --git a/docs/_images/create_datasource_file_5.png b/docs/_images/create_datasource_file_5.png
diff --git a/docs/_images/create_datasource_file_6.png b/docs/_images/create_datasource_file_6.png
diff --git a/docs/_images/create_datasource_file_7.png b/docs/_images/create_datasource_file_7.png
diff --git a/docs/_images/create_datasource_file_8.png b/docs/_images/create_datasource_file_8.png
diff --git a/docs/_images/create_datasource_file_9.png b/docs/_images/create_datasource_file_9.png
diff --git a/docs/_images/create_datasource_metatron_engine_1.png b/docs/_images/create_datasource_metatron_engine_1.png
diff --git a/docs/_images/create_datasource_stagingdb_1.png b/docs/_images/create_datasource_stagingdb_1.png
diff --git a/docs/_images/create_datasource_stagingdb_5.png b/docs/_images/create_datasource_stagingdb_5.png
diff --git a/docs/_images/create_datasource_stagingdb_6.png b/docs/_images/create_datasource_stagingdb_6.png
diff --git a/docs/_images/discovery-main.png b/docs/_images/discovery-main.png
diff --git a/docs/_images/s1-1.png b/docs/_images/s1-1.png
diff --git a/docs/_images/s1-10.png b/docs/_images/s1-10.png
diff --git a/docs/_images/s1-11.png b/docs/_images/s1-11.png
diff --git a/docs/_images/s1-2.png b/docs/_images/s1-2.png
diff --git a/docs/_images/s1-3.png b/docs/_images/s1-3.png
diff --git a/docs/_images/s1-4.png b/docs/_images/s1-4.png
diff --git a/docs/_images/s1-5.png b/docs/_images/s1-5.png
diff --git a/docs/_images/s1-6.png b/docs/_images/s1-6.png
diff --git a/docs/_images/s1-7.png b/docs/_images/s1-7.png
diff --git a/docs/_images/s1-8.png b/docs/_images/s1-8.png
diff --git a/docs/_images/s1-9.png b/docs/_images/s1-9.png
diff --git a/docs/_images/tt01.png b/docs/_images/tt01.png
diff --git a/docs/_images/tt02.png b/docs/_images/tt02.png
diff --git a/docs/_images/tt03-2.png b/docs/_images/tt03-2.png
diff --git a/docs/_images/tt03-3.png b/docs/_images/tt03-3.png
diff --git a/docs/_images/tt03.png b/docs/_images/tt03.png
diff --git a/docs/_images/tt04.png b/docs/_images/tt04.png
diff --git a/docs/_images/tt05.png b/docs/_images/tt05.png
diff --git a/docs/_images/tt06.png b/docs/_images/tt06.png
diff --git a/docs/_images/tt07.gif b/docs/_images/tt07.gif
diff --git a/docs/_images/tt08.gif b/docs/_images/tt08.gif
diff --git a/docs/_sources/discovery/part00/index.rst.txt b/docs/_sources/discovery/part00/index.rst.txt
@@ -1,10 +1,29 @@
 디스커버리 시작하기
 ---------------------------
 
+Metatron Discovery는 대용량 데이터를 동일한 환경에서 적재, 전처리, 분석까지 빠르게 처리할 수 있는 툴입니다. 데이터 분석을 위한 기술적인 지식이 없는 비즈니스 현업 사용자도 Metatron Discovery를 이용하면 직접 데이터를 다뤄보고 빠르게 시각화해 보면서 인사이트를 얻을 수 있습니다.
+
+Metatron Discovery로 즉시 데이터 분석을 시작할 수 있는 방법은 두 가지가 있습니다.
+
+1. `Metatron Discovery 데모 사이트 <https://metatron.app>`_ 를 실행하세요. 데모를 위한 **ID** 와 **password** 는 ``metatron`` 으로 제공됩니다.
+2. 싱글 모드용 Metatron Discovery를 로컬 PC에 다운로드 받으세요. `다운로드 <https://metatron.app/download/>`_ 는 세 가지 방법으로 제공됩니다.
+
+	- `Custom install <https://metatron.app/download/installation-guide-custom-install/>`_ : Github 레파지토리로부터 소스코드를 다운받거나 빌드 파일을 직접 실행하세요.
+	- `Virtual machine <https://metatron.app/download/guide_vm/>`_ : 가상 머신 이미지로 바로 실행하세요. Windows OS에서도 사용할 수 있습니다.
+	- `Docker <https://metatron.app/download/installation-guide-docker/>`_ : Docker 이미지로 빠르게 설치하고 즉시 실행할 수 있습니다.
+
+
+.. figure:: /_static/img/discovery/part00/discovery-main.png
+   :align: center
+   :alt: Metatron Discovery main page
+
+위와 같은 화면을 보고 계신가요? 축하합니다! 이제부터 메타트론 디스커버리와 함께 쉽고 빠르게 데이터 분석을 시작해보세요.
+
+빠른 시작을 위해서 아래의 세 단계의 스텝으로 튜토리얼을 진행해보세요.
+
 .. toctree::
    :maxdepth: 4
-
-   ../part00/overview
+
    ../part00/step1
    ../part00/step2
-   ../part00/step3
+   ../part00/step3
diff --git a/docs/_sources/discovery/part00/step1.rst.txt b/docs/_sources/discovery/part00/step1.rst.txt
@@ -1,2 +1,94 @@
-Step1.데이터 소스 만들기
+Step1. 데이터 소스 만들기
 ---------------------------------------------
+
+데이터 분석을 하기 위해 가장 먼저 해야할 일은 데이터를 시스템에 적재하는 것 입니다. Metatron Discovery는 다양한 원천 데이터를 쉽게 적재할 수 있도록 지원합니다.
+
+튜토리얼에서는 내 로컬 파일에 있는 데이터를 적재하는 방법을 소개합니다. 먼저 데이터를 준비하세요. 흔히 쓰이는 엑셀 파일(.xls, .xlsx)또는 .csv 형식의 파일이면 충분합니다. 본 튜토리얼에서는 판매 현황 데이터를 활용합니다. 아래 링크에서 다운로드 받으세요.
+
+:download:`sample data (.csv) </_static/data/sales.csv>`
+
+
+데이터 소스는 ``Management > 데이터 스토리지 > 데이터 소스`` 에서 조회하고 적재할 수 있습니다. 새로운 데이터 소스를 만들기 위해서 데이터 소스 리스트 우측 상단의 ``new`` 버튼을 클릭합니다.
+
+.. figure:: /_static/img/discovery/part00/s1-1.png
+   :align: center
+   :alt: create a new data source
+
+튜토리얼에서는 ``My File`` 을 눌러 내 로컬 폴더에서 데이터를 가져옵니다. 다른 원천에서 데이터 소스를 만드는 방법은 :doc:`../part02/create_a_data_source` 문서를 참조하세요.
+
+분석하고 싶은 데이터를 drag & drop하거나 디렉토리로부터 불러오기 할 수 있습니다. 
+
+.. figure:: /_static/img/discovery/part00/s1-2.png
+   :align: center
+   :alt: create a data source from local
+
+판매 현황 데이터를 드래그하면 컬럼과 라인 구분자에 따라 나타나는 데이터 샘플을 최대 100행 까지 조회할 수 있습니다. 이 데이터는 기본적으로 설정된 구분자로 충분히 데이터를 잘 나타내는 것 같네요! ``다음`` 을 누릅니다.
+
+.. figure:: /_static/img/discovery/part00/s1-3.png
+   :align: center
+   :alt: data preview
+
+이제 실제로 데이터를 보면서 컬럼의 타입을 알맞게 조정해야 합니다. 이 작업을 ``데이터 스키마 구성`` 이라고 부릅니다.
+
+.. figure:: /_static/img/discovery/part00/s1-4.png
+   :align: center
+   :alt: data schema configuration
+
+각 컬럼은 차원값(dimension) 또는 측정값(measure) 라는 역할로 나뉩니다. 자세한 내용은 :doc:`../part02/dimension_and_measures` 문서를 참조하세요. 이 데이터에서는 ``Discount`` ``Profit`` ``Quantity`` ``Sales`` ``DaystoShipActual`` ``SalesForecast`` ``DaystoShipScheduled`` ``SalesperCustomer`` ``ProfitRatio`` 컬럼들은 측정값으로 변경해야 합니다. 
+
+그 다음은 컬럼의 데이터 타입을 적절하게 변경해 주어야 합니다. 기본적으로 차원값은 문자로, 측정값은 정수로 설정되어 있습니다. 데이터 샘플을 보면서 가장 알맞는 형식으로 변경해주세요. 아래에 이 데이터에서 변경할 사항들을 나열했습니다.
+
+- ``Orderdate`` : 날짜/시간
+- ``Discount`` : 소수
+- ``ShipDate`` : 날짜/시간 (시간 표현을 yyyy. MM. dd. 로 변경한 후 체크박스 클릭하여 유효성 확인)
+- ``SalesperCustomer`` : 소수
+- ``ProfitRatio`` : 소수
+- ``latitude`` : 위도
+- ``longitude`` : 경도
+
+마지막으로 새로운 컬럼을 만들어 줄 차례입니다. 우리는 위도와 경도 컬럼을 갖고 있으므로 Point 타입의 컬럼을 새로 만들 수 있습니다. 우측 상단의 ``컬럼 추가`` 버튼을 누르세요. 위도 컬럼에 ``latitude`` 컬럼을 선택하고, 경도 컬럼에 ``longitude`` 컬럼을 선택합니다. 컬럼 이름을 적절하게 입력한 후 추가를 누르세요. 새로운 ``Point`` 타입 컬럼이 생성되었습니다!
+
+.. figure:: /_static/img/discovery/part00/s1-5.png
+   :align: center
+   :alt: create a new Point type column
+
+스키마 구성 작업이 마무리되었으면 ``다음`` 을 누릅니다. 필요한 경우 드루이드의 수집 설정을 변경하는 작업입니다. 지금은 기본 설정으로도 충분합니다.
+
+.. figure:: /_static/img/discovery/part00/s1-6.png
+   :align: center
+   :alt: druid ingestion setting
+
+마지막으로 데이터 소스의 이름과 설명을 입력합니다. ``마침`` 을 누르면 즉시 데이터 소스 상세로 넘어갑니다.
+
+.. figure:: /_static/img/discovery/part00/s1-7.png
+   :align: center
+   :alt: typing name and description for a new data source in metatron discovery
+
+데이터 소스 상세에서는 적재 현황을 실시간으로 볼 수 있습니다. 몇 분 기다리면 아래와 같이 적재가 성공했음을 알리며 히스토그램이 나타납니다. 혹시 다른 데이터 소스를 적재하다 에러가 났을 경우 ``상세`` 링크를 클릭하여 드루이드 적재 로그를 조회할 수 있습니다. 컬럼 명 중복, 컬럼 타입과 불일치하는 데이터 등으로 인해 적재가 실패할 수 있습니다. 이 경우 원인을 찾아 다시 적재를 시도해보아야 합니다.
+
+.. figure:: /_static/img/discovery/part00/s1-8.png
+   :align: center
+   :alt: success for creation of data source for the metatron discovery
+
+만약 이 데이터 소스를 다른 사용자들에게 오픈하려면 ``할당`` 에서 ``모든 워크스페이스에 데이터소스를 사용하도록 허용`` 체크박스에 체크합니다. 전체 유저가 아니라 특정 유저들에게만 오픈하고 싶으면 ``수정`` 을 클릭하여 할당하고자 하는 개인 사용자들 또는 팀 워크스페이스를 선택합니다.
+
+.. figure:: /_static/img/discovery/part00/s1-9.png
+   :align: center
+   :alt: assign data source to specific workspaces
+
+이 예제에서는 모든 사용자가 사용할 수 있도록 ``Open Data`` 로 설정하겠습니다.
+
+.. figure:: /_static/img/discovery/part00/s1-10.png
+   :align: center
+   :alt: make public data
+
+적재된 데이터는 ``데이터 탭`` 에서 조회할 수 있습니다. 
+
+.. figure:: /_static/img/discovery/part00/s1-11.png
+   :align: center
+   :alt: data tab in metatron discovery
+
+
+축하합니다! 이제 데이터 소스를 사용해 볼 차례네요. 다음 스텝으로 넘어가볼까요?
+
+:doc:`../part00/step2`
diff --git a/docs/_sources/discovery/part00/step2.rst.txt b/docs/_sources/discovery/part00/step2.rst.txt
@@ -1,2 +1,42 @@
-Step2.워크북 만들기
+Step2. 워크북 만들기
 ---------------------------------------------
+
+분석을 위한 데이터가 준비되었나요? 그럼 이제 워크북을 만들 차례입니다. 워크북은 데이터 시각화 기능을 포함하는 컴포넌트입니다. 좌측 상단의 Metatron Discovery 로고를 클릭하면 메인 화면인 내 개인 워크스페이스로 이동합니다.
+
+.. figure:: /_static/img/discovery/part00/tt02.png
+   :align: center
+   :alt: Sales data
+
+우측 하단의 ``+ 워크북`` 버튼을 눌러 워크북을 만들어 볼까요? 만들 워크북의 이름과 설명을 입력합니다. 워크북을 만드는 즉시 이어서 대시보드를 만들도록 체크박스에 표시가 되어 있습니다. 여기서 각 워크북은 여러 개의 대시보드를 포함하고, 각 대시보드는 또 여러 개의 차트를 포함하는 구조입니다.
+
+.. figure:: /_static/img/discovery/part00/tt03.png
+   :align: center
+   :alt: Sales data
+
+이어서 대시보드를 만들어야 합니다. 대시보드에는 시각화할 데이터 소스가 있어야 합니다. 이 데이터 소스는 단일 소스이거나, join으로 연결된 데이터 소스일 수도 있습니다. 더 자세한 내용은 :doc:`../part04/create_a_dashboard` 문서를 참고하세요. 본 튜토리얼에서는 Step1에서 적재한 ``판매현황 데이터`` 하나만 사용합니다. 
+
+.. figure:: /_static/img/discovery/part00/tt03-2.png
+   :align: center
+   :alt: Sales data
+
+데이터 소스 추가 버튼을 누르면 데이터 소스 선택 팝업이 등장합니다. ``판매현황 데이터`` 를 검색하거나 오픈 데이터만 보기에 체크하여 공개된 데이터 중에서 찾아냅니다.
+
+.. figure:: /_static/img/discovery/part00/tt04.png
+   :align: center
+   :alt: Sales data
+
+마지막으로 대시보드의 이름과 설명을 입력합니다.
+
+.. figure:: /_static/img/discovery/part00/tt03-3.png
+   :align: center
+   :alt: Sales data
+
+워크북 내에 대시보드가 생성되었습니다! 이제 이 위젯들을 추가해서 대시보드를 구성하는 일만 남았네요.
+
+.. figure:: /_static/img/discovery/part00/tt06.png
+   :align: center
+   :alt: Sales data
+
+다음 단계로 넘어가 볼까요?
+
+:doc:`../part00/step3`
diff --git a/docs/_sources/discovery/part00/step3.rst.txt b/docs/_sources/discovery/part00/step3.rst.txt
@@ -1,6 +1,16 @@
-Step3.대시보드/차트 만들기
+Step3. 대시보드 구성하기
 ---------------------------------------------
 
+빈 대시보드에 차트 위젯, 텍스트 위젯, 필터 위젯을 넣어 보면서 대시보드를 구성할 차례입니다.
+
 .. figure:: /_static/img/discovery/part00/create_chart.png
    :align: center
-   :alt: 차트 생성
+   :alt: 차트 생성
+
+.. figure:: /_static/img/discovery/part00/tt07.gif
+   :align: center
+   :alt: Sales data
+
+.. figure:: /_static/img/discovery/part00/tt08.gif
+   :align: center
+   :alt: Sales data
diff --git a/docs/_sources/discovery/part01/metatron_engine.rst.txt b/docs/_sources/discovery/part01/metatron_engine.rst.txt
@@ -76,12 +76,12 @@ Druid는 컬럼들을 각각 따로 저장한다. Druid가 주로 이벤트 스
 
 Example: 
 ::
-	Justin Bieber -> 0
+  Justin Bieber -> 0
 	Ke$ha -> 1
 
 이 매핑을 사용하면 page 컬럼을 정수 배열로 나타낼 수 있는데, 여기서 배열 인덱스 각각은 원본 데이터셋의 각 행에 해당한다. page 컬럼의 경우, 각 행의 page 값을 아래와 같이 표시할 수 있다.
 ::
-    [0, 0, 1, 1]
+  [0, 0, 1, 1]
 
 이처럼 문자열들이 고정 길이 정수들로 바뀌어 저장되므로 압축하기가 훨씬 더 수월하다. Druid는 각 shard(세그먼트) 단위로 데이터를 인덱싱한다.
 
@@ -90,27 +90,25 @@ Example:
 
 Druid는 검색 인덱스를 추가로 만들어서 문자열 컬럼에 대한 필터링을 용이하게 할 수 있다. 위 예시 테이블을 다시 보자. 가령 “샌프란시스코에 사는 남성 사용자들이 Wikipedia 편집을 한 횟수는?”과 같은 쿼리가 있을 수 있다. 이 쿼리 예시에는 도시(San Francisco)와 성별(Male)이라는 두 가지 차원이 포함된다. 각 차원별로 아래와 같은 바이너리 배열이 생성되는데, 여기서 배열 인덱스 각각은 해당 행이 쿼리 필터 조건에 부합하는지 여부를 나타낸다.
 ::
-    San Francisco (City) -> rows [1] -> [1][0][0][0]
-    Male (Gender) -> rows [1, 2, 3, 4] -> [1][1][1][1]
+  San Francisco (City) -> rows [1] -> [1][0][0][0]
+  Male (Gender) -> rows [1, 2, 3, 4] -> [1][1][1][1]
 
 그런 다음 쿼리 필터는 이러한 두 배열에 대해 AND 연산을 실시한다.
 ::
-    [1][0][0][0] AND [1][1][1][1] = [1][0][0][0]
+  [1][0][0][0] AND [1][1][1][1] = [1][0][0][0]
 
 그 결과, 행 1만 스캔 대상이 된다. 이런 식으로 필터링된 행만 검색함으로써 불필요한 부하를 방지하는 것이다. 이러한 바이너리 배열은 압축하기도 매우 쉽다. 이러한 검색 인덱싱은 OR 연산에도 사용할 수 있다. 어떤 쿼리가 San Francisco 또는 Calgary을 필터링하는 경우, 배열 인덱스들은 차원값별로 다음과 같을 것이다.
 ::
-    San Francisco (City) -> rows [1] -> [1][0][0][0]
-    Calgary (City) -> rows [3] -> [0][0][1][0]
+  San Francisco (City) -> rows [1] -> [1][0][0][0]
+  Calgary (City) -> rows [3] -> [0][0][1][0]
 
 그런 다음 두 배열에 대해 OR 연산이 수행된다.
 ::
-    [1][0][0][0] OR [0][0][1][0] = [1][0][1][0]
+  [1][0][0][0] OR [0][0][1][0] = [1][0][1][0]
 
 그 결과, 쿼리는 행 1과 3만 스캔한다. 대형 비트맵 셋에 boolean 연산을 실시하는 이러한 접근방식은 검색 엔진에서 널리 사용된다.
 
 
-
-
 쿼리 언어
 ===================================
 
@@ -122,4 +120,4 @@ Druid의 네이티브 쿼리 언어는 JSON over HTTP이며, 주요 쿼리는
 * Sum, Min, Max, Avg 등의 집계 연산
 * 차원값 검색
 
-하지만 이 외에도 SQL을 비롯한 다양한 언어로 이루어진 쿼리 라이브러리가 생성·공유되고있다.
+하지만 이 외에도 SQL을 비롯한 다양한 언어로 이루어진 쿼리 라이브러리가 생성·공유되고있다.
diff --git a/docs/_sources/discovery/part01/structure.rst.txt b/docs/_sources/discovery/part01/structure.rst.txt
@@ -12,7 +12,7 @@ Metatron Discovery는 metatron 운용 서버에 적재된 데이터 소스나
 
 데이터 프리퍼레이션
 =====================================
-데이터 프리퍼레이션은 원천 데이터에서부터 데이터를 정제 및 가공하여 메타트론으로 적재하는 기능을 제공합니다. 데이터 프리퍼레이션에 대한 자세한 설명은 :doc:`../part07/data_preparation_overview` 를 참조하세요.
+데이터 프리퍼레이션은 원천 데이터에서부터 데이터를 정제 및 가공하여 메타트론으로 적재하는 기능을 제공합니다. 데이터 프리퍼레이션에 대한 자세한 설명은 :doc:`../part07/index` 를 참조하세요.
 
 .. figure:: /_static/img/discovery/part01/prep.png
    :align: center
@@ -26,7 +26,7 @@ Metatron Discovery는 metatron 운용 서버에 적재된 데이터 소스나
 
 데이터 스토리지
 ======================================
-데이터 스토리지는 메타트론 내에서 사용될 메타트론 엔진에 적재된 데이터를 관리합니다. 데이터 관리 기능에 대한 자세한 설명은 :doc:`../part02/data_management_overview` 를 참조하세요.
+데이터 스토리지는 메타트론 내에서 사용될 메타트론 엔진에 적재된 데이터를 관리합니다. 데이터 관리 기능에 대한 자세한 설명은 :doc:`../part02/index` 를 참조하세요.
 
 
 .. figure:: /_static/img/discovery/part01/datasource.png
@@ -46,7 +46,7 @@ Metatron Discovery는 metatron 운용 서버에 적재된 데이터 소스나
 
 워크스페이스
 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-워크스페이스는 조직 내에서 사용할 워크북, 워크벤치, 노트북을 권한에 따라 관리할 수 있습니다. 워크스페이스 기능에 대한 자세한 설명은 :doc:`../part03/workspace_overview` 를 참조하세요.
+워크스페이스는 조직 내에서 사용할 워크북, 워크벤치, 노트북을 권한에 따라 관리할 수 있습니다. 워크스페이스 기능에 대한 자세한 설명은 :doc:`../part03/index` 를 참조하세요.
 
 
 .. figure:: /_static/img/discovery/part01/workspace.png
@@ -55,7 +55,7 @@ Metatron Discovery는 metatron 운용 서버에 적재된 데이터 소스나
 
 워크북, 대시보드 그리고 차트
 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-워크북은 대시보드와 차트를 PPT 처럼 작업하고 한 워크북안에서 여러 대시보드를 보고 프리젠테이션 하는 방식입니다. 워크북 기능에 대한 자세한 설명은 :doc:`../part04/workbook_overview` 를 참조하세요.
+워크북은 대시보드와 차트를 PPT 처럼 작업하고 한 워크북안에서 여러 대시보드를 보고 프리젠테이션 하는 방식입니다. 워크북 기능에 대한 자세한 설명은 :doc:`../part04/index` 를 참조하세요.
 
 .. figure:: /_static/img/discovery/part01/dashboard.png
    :align: center
@@ -71,11 +71,11 @@ Metatron Discovery는 metatron 운용 서버에 적재된 데이터 소스나
 
 노트북
 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-Machine Learning 기반 고급 분석을 수행할 수 있습니다. 노트북 기능에 대한 자세한 설명은 :doc:`../part05/notebook_overview` 를 참조하세요.
+Machine Learning 기반 고급 분석을 수행할 수 있습니다. 노트북 기능에 대한 자세한 설명은 :doc:`../part05/index` 를 참조하세요.
 
 워크벤치
 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-SQL 기반 분석을 수행할 수 있습니다. 기능에 대한 자세한 설명은 :doc:`../part06/06_01-workbench_overview` 를 참조하세요.
+SQL 기반 분석을 수행할 수 있습니다. 기능에 대한 자세한 설명은 :doc:`../part06/index` 를 참조하세요.
 
 .. figure:: /_static/img/discovery/part01/sql.png
    :align: center