국내도서

>

전공도서/대학교재

>

공학계열

>

컴퓨터공학

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 전공도서/대학교재  > 공학계열  > 컴퓨터공학

• 

	아이러브 A.I(제이펍의 인공지능)(총29건) 케라스 창시자의 딥러닝 with R     26,100원 (10%↓) 파이썬으로 배우는 응용 텍스트 분석 : 언어 인식 데이터 제품 개발을 위한 머신러닝     24,300원 (10%↓) 알파제로를 분석하며 배우는 인공지능 : 딥 러닝, 강화 학습, 탐색으로 배우는 인공지능 프로그래밍     27,000원 (10%↓) 예제로 배우는 파이썬 머신러닝 : 텐서플로 2, 파이토치, 사이킷런으로     29,700원 (10%↓) 단단한 심층강화학습 : 심층강화학습 기본 개념을 제대로 정리한 인공지능 교과서     27,000원 (10%↓) 파이썬 머신러닝 실무 테크닉 100     22,500원 (10%↓) 코드로 배우는 인공지능 : 개발자의, 개발자에 의한, 개발자를 위한 AI     22,500원 (10%↓) 파이토치 첫걸음 : 딥러닝 모델 생성에서 애플리케이션 개발까지     21,600원 (10%↓) 단단한 머신러닝 : 머신러닝 기본 개념을 제대로 정리한 인공지능 교과서     27,000원 (10%↓) 딥러닝 인 더 브라우저 : 자바스크립트 프레임워크를 이용한 딥러닝 웹 개발     18,000원 (10%↓) 데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집 : 100개 이상의 실전 면접 문제로 배우는 머신러닝/딥러닝/강화학습 알고리즘     30,600원 (10%↓) 단단한 강화학습 : 강화학습 기본 개념을 제대로 정리한 인공지능 교과서     31,500원 (10%↓) 딥러닝을 위한 수학 : 신경망 수학 기초부터 역전파와 경사하강법까지     27,000원 (10%↓) 비전공자를 위한 인공지능 교과서 : 미래를 준비하는 모두를 위한 이 시대의 교양     16,200원 (10%↓) 머신러닝 엔지니어링 : 데이터 수집부터 특징 공학, 모델 평가, 배포, 유지보수까지     25,200원 (10%↓) 인공지능 2 : 현대적 접근방식     34,200원 (10%↓) 인공지능 1 : 현대적 접근방식     37,800원 (10%↓) 쏙쏙 들어오는 인공지능 알고리즘     25,200원 (10%↓) 주머니 속의 머신러닝 : 파이썬으로 구조적 데이터 다루기     13,500원 (10%↓) 입문에서 컴피티션까지 파이썬으로 시작하는 캐글 : 예제 코드 상세 해설 수록     16,200원 (10%↓) 심층 강화학습 인 액션 : 기본 개념부터 파이썬 기반의 최신 알고리즘 구현까지     27,000원 (10%↓) 파이썬으로 배우는 자연어 처리 인 액션     31,500원 (10%↓) 검색을 위한 딥러닝 : 심층 신경망을 활용하는 차세대 검색 엔진 개발     26,100원 (10%↓) 브레인 이미테이션 : 인간을 모방한 인공지능 | 두뇌를 모방한 뉴럴 네트워크     16,200원 (10%↓) 알파고를 분석하며 배우는 인공지능 : 딥 러닝, 몬테카를로 트리 탐색, 듀얼 네트워크, 강화 학습 구조 이해하기     23,400원 (10%↓) 심층 학습     37,800원 (10%↓) 패턴 인식과 머신 러닝 : 패턴 인식 계열의 바이블 | 모두가 기다려온 바로 그 비숍책 한국어판 출간     41,400원 (10%↓) 인공지능 70 : 재미있게 알아보는 AI 키워드     11,700원 (10%↓) 텐서플로로 시작하는 딥러닝 : 합성곱 신경망 중심의 딥러닝 알고리즘     21,600원 (10%↓) 아이러브 인공지능(총8건) 단단한 심층강화학습 : 심층강화학습 기본 개념을 제대로 정리한 인공지능 교과서     27,000원 (10%↓) 파이썬 머신러닝 실무 테크닉 100     22,500원 (10%↓) 코드로 배우는 인공지능 : 개발자의, 개발자에 의한, 개발자를 위한 AI     22,500원 (10%↓) 파이토치 첫걸음 : 딥러닝 모델 생성에서 애플리케이션 개발까지     21,600원 (10%↓) 단단한 머신러닝 : 머신러닝 기본 개념을 제대로 정리한 인공지능 교과서     27,000원 (10%↓) 딥러닝 인 더 브라우저 : 자바스크립트 프레임워크를 이용한 딥러닝 웹 개발     18,000원 (10%↓) 데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집 : 100개 이상의 실전 면접 문제로 배우는 머신러닝/딥러닝/강화학습 알고리즘     30,600원 (10%↓) 단단한 강화학습 : 강화학습 기본 개념을 제대로 정리한 인공지능 교과서     31,500원 (10%↓)

• 
• 
• 심층강화학습의 확고한 기반을 다지기 위한 완벽한 방법! 지금 당장 활용할 수 있는 심층강화학습의 이론 및 실무를 소개합니다. 이 책은 이론과 실무적 내용을 독특하게 결합한 심층강화학습 소개서입니다. 직관적인 설명에서 시작하여 심층강화학습 알고리즘에 대한 자세한 설명과 SLM Lab 라이브러리를 이용한 구현 방법으로 이어지고, 마지막으로는 심층강화학습을 실무에 적용하기 위한 세부 내용을 다룹니다. 기본적인 기계학습 개념에 대한 이해와 파이썬을 다룰 줄 아는 컴퓨터과학 전공 학생 및 소프트웨어 엔지니어 모두에게 최선의 선택이 될 것입니다. 주요 내용 □ 심층강화학습 문제의 모든 핵심 내용을 다룹니다. □ REINFORCE, 사르사(SARSA), DQN, 이중DQN, 우선순위가 있는 경험재현(PER)과 같은 정책-기반 알고리즘과 가치-기반 알고리즘에 대해 알아봅니다. □ 행동자-비평자(Actor-Critic)와 근위 정책 최적화(PPO)와 같은 결합된 알고리즘에 대해 심도 있게 알아봅니다. □ 알고리즘이 동기 및 비동기 방식으로 병렬화되는 과정을 이해합니다. □ SLM Lab에서 알고리즘을 실행해 보고, 심층강화학습을 실무에 적용하기 위한 세부사항들을 학습합니다. □ 튜닝된 하이퍼파라미터를 사용한 결과를 통해 알고리즘을 탐험합니다. □ 심층강화학습 환경의 설계 방법을 이해합니다.
• 
• 옮긴이 머리말 xii 베타리더 후기 xiii 추천사 xv 시작하며 xvi 감사의 글 xxi CHAPTER 01 강화학습 소개 1 1.1 강화학습 1 1.2 MDP로서의 강화학습 7 1.3 강화학습에서 학습하는 함수 11 1.4 심층강화학습 알고리즘 13 1.4.1 정책 기반 알고리즘 14 1.4.2 가치 기반 알고리즘 15 1.4.3 모델 기반 알고리즘 16 1.4.4 결합된 방법 17 1.4.5 이 책에서 다루는 알고리즘 18 1.4.6 활성정책과 비활성정책 알고리즘 19 1.4.7 요약 19 1.5 강화학습을 위한 심층학습 20 1.6 강화학습과 지도학습 22 1.6.1 오라클의 부재 23 1.6.2 피드백의 희소성 24 1.6.3 데이터 생성 24 1.7 요약 25 PART I 정책 기반 알고리즘과 가치 기반 알고리즘 CHAPTER 02 REINFORCE 29 2.1 정책 30 2.2 목적 함수 31 2.3 정책 경사 31 2.3.1 정책 경사 계산 33 2.4 몬테카를로 표본추출 36 2.5 REINFORCE 알고리즘 37 2.5.1 향상된 REINFORCE 38 2.6 REINFORCE 구현 39 2.6.1 최소 형태의 REINFORCE 구현 39 2.6.2 파이토치로 정책 생성하기 42 2.6.3 행동 추출 44 2.6.4 정책 손실 계산 45 2.6.5 REINFORCE 훈련 루프 46 2.6.6 활성정책 재현 메모리 47 2.7 REINFORCE 에이전트의 훈...련 50 2.8 실험 결과 53 2.8.1 실험: 할인율 ? 의 효과 53 2.8.2 실험: 기준값의 효과 55 2.9 요약 57 2.10 더 읽을거리 57 2.11 역사 58 CHAPTER 03 살사(SARSA) 59 3.1 Q 함수와 V 함수 60 3.2 시간차 학습 63 3.2.1 시간차 학습에 대한 직관 66 3.3 살사의 행동 선택 73 3.3.1 탐험과 활용 74 3.4 살사 알고리즘 75 3.4.1 활성정책 알고리즘 76 3.5 살사의 적용 77 3.5.1 행동 함수: 엡실론 탐욕적 77 3.5.2 Q 손실의 계산 78 3.5.3 살사 훈련 루프 80 3.5.4 활성정책 배치 재현 메모리 81 3.6 살사 에이전트의 훈련 83 3.7 실험 결과 86 3.7.1 실험: 학습률의 효과 86 3.8 요약 87 3.9 더 읽을거리 88 3.10 역사 89 CHAPTER 04 심층 Q 네트워크(DQN) 91 4.1 DQN의 Q 함수 학습 92 4.2 DQN의 행동 선택 94 4.2.1 볼츠만 정책 97 4.3 경험 재현 100 4.4 DQN 알고리즘 101 4.5 DQN의 적용 103 4.5.1 Q 손실의 계산 103 4.5.2 DQN 훈련 루프 104 4.5.3 재현 메모리 105 4.6 DQN 에이전트의 훈련 108 4.7 실험 결과 111 4.7.1 실험: 신경망 아키텍처의 효과 111 4.8 요약 113 4.9 더 읽을거리 114 4.10 역사 114 CHAPTER 05 향상된 DQN 115 5.1 목표 네트워크 116 5.2 이중 DQN 119 5.3 우선순위가 있는 경험 재현(PER) 123 5.3.1 중요도 표본추출 125 5.4 수정된 DQN의 구현 126 5.4.1 네트워크 초기화 127 5.4.2 Q 손실의 계산 128 5.4.3 목표 네트워크의 업데이트 129 5.4.4 목표 네트워크를 갖는 DQN 130 5.4.5 이중 DQN 130 5.4.6 우선순위가 있는 경험 재현 131 5.5 아타리 게임을 위한 DQN 에이전트의 훈련 137 5.6 실험 결과 142 5.6.1 실험: 이중 DQN과 PER의 효과 142 5.7 요약 146 5.8 더 읽을거리 146 PART II 결합된 방법 CHAPTER 06 어드밴티지 행동자-비평자(A2C) 149 6.1 행동자 150 6.2 비평자 150 6.2.1 어드밴티지 함수 151 6.2.2 어드밴티지 함수에 대한 학습 155 6.3 A2C 알고리즘 156 6.4 A2C의 구현 159 6.4.1 어드밴티지 추정 160 6.4.2 가치 손실과 정책 손실의 계산 162 6.4.3 행동자-비평자 훈련 루프 163 6.5 네트워크 아키텍처 164 6.6 A2C 에이전트의 훈련 166 6.6.1 n단계 이득을 이용한 A2C를 퐁 게임에 적용 166 6.6.2 GAE를 이용한 A2C를 퐁 게임에 적용 169 6.6.3 두 발 보행자 문제에서 n단계 이득을 이용한 A2C 170 6.7 실험 결과 173 6.7.1 실험: n단계 이득의 효과 173 6.7.2 실험: GAE의 ?가 미치는 효과 175 6.8 요약 176 6.9 더 읽을거리 177 6.10 역사 177 CHAPTER 07 근위 정책 최적화(PPO) 179 7.1 대리목적 180 7.1.1 성능붕괴 180 7.1.2 목적 함수의 수정 182 7.2 근위 정책 최적화(PPO) 189 7.3 PPO 알고리즘 193 7.4 PPO의 구현 195 7.4.1 PPO 정책 손실의 계산 195 7.4.2 PPO 훈련 루프 196 7.5 PPO 에이전트의 훈련 198 7.5.1 퐁 게임을 위한 PPO 198 7.5.2 두 발 보행자를 위한 PPO 201 7.6 실험 결과 203 7.6.1 실험: GAE의 ?가 미치는 효과 204 7.6.2 실험: 클리핑 변수 ?의 효과 205 7.7 요약 207 7.8 더 읽을거리 208 CHAPTER 병렬화 방법 209 8.1 동기 병렬화 210 8.2 비동기 병렬화 212 8.2.1 호그와일드! 213 8.3 A3C 에이전트의 훈련 216 8.4 요약 219 8.5 더 읽을거리 219 CHAPTER 09 알고리즘 요약 221 PART III 실전을 위한 세부사항 CHAPTER 10 심층강화학습으로 작업하기 225 10.1 소프트웨어 공학적 기법 226 10.1.1 단위 테스트 226 10.1.2 코드 품질 232 10.1.3 깃 워크플로 233 10.2 디버깅 팁 236 10.2.1 생존 신호 236 10.2.2 정책 경사에 대한 진단 237 10.2.3 데이터에 대한 진단 238 10.2.4 전처리기 239 10.2.5 메모리 239 10.2.6 알고리즘 함수 240 10.2.7 신경망 240 10.2.8 알고리즘 간소화 243 10.2.9 문제 간소화 243 10.2.10 하이퍼파라미터 244 10.2.11 Lab 워크플로 244 10.3 아타리 트릭 245 10.4 심층강화학습 알마낵 249 10.4.1 하이퍼파라미터 표 249 10.4.2 알고리즘 성능 비교 252 10.5 요약 255 CHAPTER 11 SLM Lab 257 11.1 SLM Lab에 구현된 알고리즘 257 11.2 spec 파일 260 11.2.1 검색 스펙 구문 262 11.3 SLM Lab의 실행 265 11.3.1 SLM Lab의 명령어 265 11.4 실험 결과의 분석 266 11.4.1 실험 데이터의 개요 266 11.5 요약 268 CHAPTER 12 네트워크 아키텍처 269 12.1 신경망의 유형 269 12.1.1 다층 퍼셉트론(MLP) 270 12.1.2 합성곱신경망(CNN) 272 12.1.3 회귀신경망(RNN) 274 12.2 네트워크 그룹 선택을 위한 가이드 275 12.2.1 MDP와 POMDP 275 12.2.2 환경을 위한 네트워크 선정 279 12.3 Net API 282 12.3.1 입력과 출력 층위 모양의 추정 284 12.3.2 네트워크의 자동 생성 286 12.3.3 훈련 단계 289 12.3.4 기반 메소드의 노출 290 12.4 요약 291 12.5 더 읽을거리 292 CHAPTER 13 하드웨어 293 13.1 컴퓨터 294 13.2 데이터 유형 300 13.3 강화학습에서 데이터 유형 최적화 302 13.4 하드웨어의 선택 307 13.5 요약 308 CHAPTER 14 상태 311 14.1 상태의 예제 312 14.2 상태의 완결성 319 14.3 상태의 복잡성 320 14.4 상태 정보 손실 325 14.4.1 이미지 그레이스케일링 325 14.4.2 이산화 326 14.4.3 해시 출동 327 14.4.4 메타정보 손실 327 14.5 전처리 331 14.5.1 표준화 332 14.5.2 이미지 처리 333 14.5.3 시간적 전처리 335 14.6 요약 339 CHAPTER 15 행동 341 15.1 행동의 예제 341 15.2 행동의 완결성 345 15.3 행동의 복잡성 347 15.4 요약 352 15.5 더 읽을거리: 일상에서의 행동 설계 353 CHAPTER 16 보상 357 16.1 보상의 역할 357 16.2 보상 설계의 가이드라인 359 16.3 요약 364 CHAPTER 17 전이 함수 365 17.1 실현 가능성 확인 366 17.2 현실성 확인 368 17.3 요약 371 APPENDIX A 심층강화학습 타임라인 372 APPENDIX B 환경의 예제 374 B.1 이산적 환경 375 B.1.1 CartPole-v0 375 B.1.2 MountainCar-v0 376 B.1.3 LunarLander-v2 377 B.1.4 PongNoFrameskip-v4 378 B.1.5 BreakoutNoFrameskip-v4 378 B.2 연속 환경 379 B.2.1 Pendulum-v0 379 B.2.2 BipedalWalker-v2 380 에필로그 381
• 
• 이 책은 심층강화학습의 전체 과정을 소개한다. 직관을 제시하는 것부터 시작해서 이론과 알고리즘을 설명하고 실제 구현 및 실용적 조언으로 마무리한다. 이 책에서 SLM Lab이라는 라이브러리를 함께 제공하는 것도 바로 이러한 이유에서다. SLM Lab은 이 책에서 다룬 모든 알고리즘의 구현 코드를 포함한다. 한마디로 말하면, 이 책은 우리가 심층강화학습을 처음 공부할 때 있었으면 좋았을 것으로 생각했던 바로 그 책이다. _ xviii쪽 2012년부터는 심층학습이 다양한 문제에 적용되어 성공을 거두기 시작했고 컴퓨터 비전(computer vision), 기계 번역, 자연어 이해, 음성 합성을 비롯한 광범위한 분야에서 최첨단 기술 개발에 기여했다. 이 책을 쓰고 있는 지금, 심층학습은 인간이 만들어낸 가장 강력한 함수 근사 기술이다. _20쪽 심층강화학습 알고리즘은 일반적으로 많은 하이퍼파라미터(hyperparameter)를 갖는다. 예를 들어 네트워크의 유형, 아키텍처(architecture), 활성화 함수(activation function), 최적화 기법 및 학습률이 정해져야 한다. 좀 더 발전된 신경망 함수에는 경사 클리핑(gradient clipping)과 학습률 감소 계획이 포함될 수 있는데, 이것은 심층강화학습에서 오직 ‘심층’ 부분에만 해당된다! _50쪽 ‘몬테카를로’라는 이름이 특별히 무언가를 의미하는 것은 아니다. 단순히 ‘확률적 추정’의 또 다른 표현으로 기억될 뿐이다. 그러나 그 이름의 기원은 재미있다. 물리학자이자 컴퓨터 디자이너였던 니콜라스 메트로폴리스(Nicholas Metropolis)가 그 이름을 제안했는데, 그는 마니악(MANIAC) 컴퓨터라는 이상한 이름도 만들었다. 메트로폴리스는 단지 ‘몬테카를로로 가야 한다’는 이유로 친척들로부터 돈을 빌린 울람의 삼촌 이야기를 전해 들었다. 그 후, 몬테카를로라는 이름은 확률적 추정을 나타내는 이름으로 너무 적합해 보였다 _58쪽 새로운 강화학습 알고리즘 또는 구성요소를 설계할 때, 설계한 알고리즘이 이론적으로 정확하다는 것을 구현 전에 입증할 필요가 있다. 이것은 연구를 수행하는 경우에 특별히 더 해당되는 이야기다. 이와 유사하게, 새로운 환경에 대한 문제를 풀려고 할 때는 알고리즘을 적용하기 전에 먼저 해당 문제가 강화학습으로 정말 풀 수 있는 문제인지를 확인할 필요가 있다. 특히 애플리케이션을 개발할 때 이러한 점을 더 고려해야 한다. 모든 것이 이론적으로 정확하고 강화학습으로 풀 수 있는 문제인데도 강화학습 알고리즘이 실패한다면 그것은 구현상의 오류 때문일 수 있다. 그렇다면 코드를 디버깅해야 한다. _226쪽 실질적으로, 더 높은 수준의 패턴을 형성하는 것은 원래의 제어를 이용하여 제어 전략을 만드는 것과 동일하다. 이것은 코드가 개개의 피아노 건반으로부터 구성된 더 간단한 제어 전략이 되는 것과 마찬가지다. 이러한 기법은 일종의 메타 제어(meta control)이며, 사람은 언제든 이것을 할 수 있다. 아직까지는 강화학습 에이전트가 스스로 자신의 제어 전략을 설계하게 할 방법은 없다. 따라서 에이전트를 위해 메타 제어를 해야 한다. 에이전트의 입장에서 사람의 시각으로 더 높은 수준의 패턴을 설계해야 한다. 때로는 행동을 하나의 복잡한 행동으로 표현하는 대신 다수의 하위 행동을 조합하여 더 간단히 표현할 수도 있다. _348쪽
• 
• 

• 로라 그레서 [저]

• 구글에서 로보틱스를 연구하는 연구자이자 소프트웨어 엔지니어다. 뉴욕대학교에서 컴퓨터과학 전공으로 석사학위를 받았으며, 기계학습을 전문적으로 연구했다.

• 김성우 [저]

• 연세대학교 천문우주학과에서 인공위성 자세/궤도 제어에 지도학습을 적용한 연구로 박사학위를 받았고, 쎄트렉아이에서 인공위성 지상 시스템 엔지니어로 근무했다. 새로운 모험을 위해 트리마란에서 인공위성 분야 기획/연구에 참여했다. 현재는 한화시스템에서 인공위성 시스템 엔지니어로서 더 큰 모험을 즐기고 있다.

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.