>
>
>
¸Ó½Å ·¯´× ¾Ë°í¸®Áò : ÆÄÀ̽㠿¹Á¦¿Í ÇÔ²² ¹è¿ì´Â ¸Ó½Å ·¯´×
µ¥ÀÌÅÍ °úÇÐ ½Ã¸®Áî(¿¡ÀÌÄÜ)1 ¤Ó ÁÖ¼¼Æä º¸³ªÄÚ¸£¼Ò, Á¤»ç¹ü ¤Ó ¿¡ÀÌÄÜÃâÆÇ ¤Ó Machine learning algorithms: A reference guide to popular algorithms for data science and machine le
  • Á¤°¡
35,000¿ø
  • ÆǸŰ¡
31,500¿ø (10% ¡é, 3,500¿ø ¡é)
  • ¹ßÇàÀÏ
2019³â 02¿ù 28ÀÏ
  • ÆäÀÌÁö¼ö/Å©±â/¹«°Ô
400page/188*235*31/920g
  • ISBN
9791161752778/1161752773
  • ¹è¼Ûºñ
¹«·á¹è¼Û
  • ¹è¼Û¿¹Á¤ÀÏ
04/02(È­) ¹è¼Û¿Ï·á¿¹Á¤
  • Çö º¸À¯Àç°í
100 ±Ç ÀÌ»ó
  • ÁÖ¹®¼ö·®
±Ç
  • ¹Ù·Î±¸¸Å ºÏÄ«Æ®´ã±â
  • Á¦ÈÞ¸ô ÁÖ¹® ½Ã °í°´º¸»ó, ÀϺΠÀ̺¥Æ® Âü¿© ¹× ÁõÁ¤Ç° ÁõÁ¤, ÇÏ·ç/´çÀÏ ¹è¼Û¿¡¼­ Á¦¿ÜµÇ¹Ç·Î Âü°í ¹Ù¶ø´Ï´Ù.
  • ½Ã¸®Áî µµ¼­
µ¥ÀÌÅÍ °úÇÐ ½Ã¸®Áî(¿¡ÀÌÄÜ)(ÃÑ88°Ç)
LangChainÀ¸·Î ±¸ÇöÇÏ´Â LLM : ÆÄÀ̽ã, ChatGPT·Î LLM ¾ÖÇø®ÄÉÀÌ¼Ç ¸¸µé±â     31,500¿ø (10%¡é)
¸Ó½Å·¯´×À» À§ÇÑ È¿À²Àû µ¥ÀÌÅÍ ·¹ÀÌºí¸µ : Àΰ£ Á᫐ AI¸¦ À§ÇÑ ´Éµ¿ÇнÀ°ú ¾î³ëÅ×ÀÌ¼Ç     36,000¿ø (10%¡é)
µ¥ÀÌÅÍ ºÐ¼®°ú ºñÆÇÀû »ç°í : ¾çÀû Ã߷аú ºÐ¼®ÀÇ ±æÀâÀÌ     31,500¿ø (10%¡é)
ÆÄÀÌÅäÄ¡ ¶óÀÌÆ®´×À¸·Î ½ÃÀÛÇÏ´Â µö·¯´× : ÆÄÀ̽ãÀ¸·Î ºü¸£°Ô °í¼º´É AI ¸ðµ¨ ¸¸µé±â     31,500¿ø (10%¡é)
ÅÙ¼­ÇÃ·Î¿Í Äɶ󽺷Π±¸ÇöÇÏ´Â µö·¯´×     45,000¿ø (10%¡é)
  • »ó¼¼Á¤º¸
  • ¸Ó½Å ·¯´×¿¡ ´ëÇÑ ¼Ò°³¿Í ÆÄÀ̽ã È°¿ë ¹æ¹ýÀ» ¼Ò°³ÇÏ°í ÀÖ´Ù. ´Ü°èº°·Î ´ÙÀ½°ú °°Àº ¸Ó½Å ·¯´× ¾Ë°í¸®ÁòÀ» ½±°Ô ±¸ÇöÇÒ ¼ö ÀÖ´Â ¹æ¹ý¿¡ ´ëÇØ ¹è¿ï ¼ö ÀÖ´Ù. 1. µ¥ÀÌÅÍ ±â¹Ý ¾ÖÇø®ÄÉÀ̼ǿ¡ »ç¿ëµÇ´Â Åë°è¿Í ¼öÇÐ ÀÌ·Ð 2. EM ¾Ë°í¸®Áò, PCA, º£ÀÌÁö¾È ȸ±Í µîÀÇ ±â¼ú 3. ´Ù¾çÇÑ µ¥ÀÌÅ͸¦ ÀÌ¿ëÇÑ ÆÐÅÏ Àνİú ¿¹Ãø
  • ¡Ú ÀÌ Ã¥¿¡¼­ ´Ù·ç´Â ³»¿ë ¡Ú ¡á ¸Ó½Å ·¯´×ÀÇ Áß¿äÇÑ ¿ä¼Ò ÇнÀ. ¡á Ư¡ ¼±Åà ¹× Ư¡ ¿£Áö´Ï¾î¸µ ÇÁ·Î¼¼½º ÀÌÇØ ¡á ¼±Çü ȸ±ÍÀÇ ¼º´É°ú ¿ÀÂ÷°£ »óÃ漺(trade-offs) Æò°¡ ¡á ´Ù¾çÇÑ À¯ÇüÀÇ ¾Ë°í¸®ÁòÀ» »ç¿ëÇØ µ¥ÀÌÅÍ ¸ðµ¨À» ±¸ÃàÇÏ°í ÇØ´ç ¸ðµ¨ÀÇ ÀÛµ¿ ¹æ¹ý ÀÌÇØ ¡á SVM ÆĶó¹ÌÅ͸¦ ÃÖÀûÈ­ÇÏ´Â ¹æ¹ý ¡á ±ºÁýÈ­ ½ÇÇà ¡á ÀÚ¿¬¾î ó¸®¿Í Ãßõ ½Ã½ºÅÛÀÇ °³³ä ÀÌÇØ ¡á »çÀü Áö½Ä ¾øÀÌ ¸Ó½Å ·¯´× ¾ÆÅ°ÅØó ±¸Ãà ¡Ú ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¡Ú ¸Ó½Å ·¯´×ÀÌ Ã³À½ÀÎ »ç¶÷À̳ª µ¥ÀÌÅÍ °úÇÐ ºÐ¾ß¿¡ ÀÔ¹®ÇÏ°íÀÚ ÇÏ´Â IT Àü¹®°¡¸¦ À§ÇÑ °ÍÀÌ´Ù. ¹«¾ùº¸´Ù ÆÄÀ̽㠾ð¾î¿¡ Àͼ÷ÇØ¾ß ÇÑ´Ù. ´õ¿íÀÌ ´ëºÎºÐÀÇ ³»¿ëÀ» ¿ÏÀüÈ÷ ÀÌÇØÇϱâ À§Çؼ­´Â ±âÃÊ ¼öÇÐ Áö½Ä(¼±Çü ´ë¼öÇÐ, È®·ü ÀÌ·Ð)ÀÌ ÇÊ¿äÇÏ´Ù. ¡Ú ÀÌ Ã¥ÀÇ ±¸¼º ¡Ú 1Àå, ¡®¸Ó½Å ·¯´× °³¿ä¡¯¿¡¼­´Â ¸Ó½Å ·¯´×¿¡ ´ëÇØ ¼Ò°³ÇÏ°í Áö´ÉÇü ¾ÖÇø®ÄÉÀ̼ÇÀ» ¸¸µå´Â µ¥ ÀÖ¾î °¡Àå Áß¿äÇÑ Á¢±Ù ¹æ½ÄÀÇ ±âº» °³³äÀ» ¼³¸íÇÑ´Ù. 2Àå, ¡®¸Ó½Å ·¯´× ÇÙ½É ¿ä¼Ò¡¯¿¡¼­´Â Á¤º¸ ÀÌ·ÐÀÇ ¸î °¡Áö ¿ä¼Ò¿Í ÇнÀ ´É·ÂÀÇ °³³äÀ» Æ÷ÇÔÇÑ °¡Àå ÀϹÝÀûÀÎ ¸Ó½Å ·¯´× ¹®Á¦ÀÇ ¼öÇÐÀûÀÎ °³³äÀ» ¼³¸íÇÑ´Ù. 3Àå, ¡®Æ¯Â¡ ¼±Åà ¹× Ư¡ ¿£Áö´Ï¾î¸µ¡¯¿¡¼­´Â µ¥ÀÌÅͼÂÀ» Àüó¸®ÇÏ°í °¡Àå Áß¿äÇÑ Á¤º¸¸¦ Á¦°øÇϴ Ư¡À» ¼±ÅÃÇϸç, ¿ø µ¥ÀÌÅÍÀÇ Â÷¿øÀ» Ãà¼ÒÇÏ´Â µ¥ »ç¿ëµÇ´Â Çٽɱâ¼úÀΠƯ¡ ¼±Åà ¹× Ư¡ ¿£Áö´Ï¾î¸µ¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. ¼±Çü ȸ±Í ¿¬¼Ó ¼±Çü ¸ðµ¨ÀÇ ±¸Á¶¸¦ ¼±Çü ȸ±Í ¾Ë°í¸®Áò¿¡ ÃÊÁ¡À» ¸ÂÃç ¼³¸íÇÑ´Ù. ¶ÇÇÑ ¸´Áö(Ridge), ¶ó¼Ò(Lasso) ¹× ¿¤¶ó½ºÆ½³Ý(ElasticNet) ÃÖÀûÈ­¿Í ´Ù¸¥ °í±Þ ±â¼úµµ ´Ù·é´Ù. 5Àå, ¡®·ÎÁö½ºÆ½ ȸ±Í¡¯¿¡¼­´Â ·ÎÁö½ºÆ½ ȸ±Í(Logistic Regression)¿Í È®·üÀû °æ»ç ÇÏ°­ ¾Ë°í¸®ÁòSGD¿¡ ÃÊÁ¡À» ¸ÂÃç ¼±Çü ºÐ·ùÀÇ °³³äÀ» ¼Ò°³ÇÑ´Ù. ÀÌ¿Ü¿¡ Áß¿äÇÑ Æò°¡ ôµµ¸¦ ¼³¸íÇÑ´Ù. 6Àå, ¡®³ªÀÌºê º£ÀÌÁ¿¡¼­´Â º£ÀÌÁî(Bayes) È®·ü ÀÌ·ÐÀ» ¼³¸íÇÏ°í, °¡Àå ³Î¸® ¾Ë·ÁÁø ³ªÀÌºê º£ÀÌÁî(Naive Bayes) ºÐ·ù±â ±¸Á¶¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. 7Àå, ¡®ÁöÁö º¤ÅÍ ¸Ó½Å¡¯¿¡¼­´Â ¼±Çü ºñ¼±Çü ºÐ·ù ¹®Á¦¿¡ ÃÊÁ¡À» ¸ÂÃç ºÐ·ù °ü·Ã ¾Ë°í¸®ÁòÀ» ¼Ò°³ÇÑ´Ù. 8Àå, ¡®ÀÇ»ç °áÁ¤ ³ª¹«¿Í ¾Ó»óºí ÇнÀ¡¯¿¡¼­´Â °èÃþÀû ÀÇ»ç °áÁ¤ °úÁ¤¿¡ ´ëÇØ ¼³¸íÇÏ°í, ÀÇ»ç °áÁ¤ ³ª¹« ºÐ·ù, ºÎÆ®½ºÆ®·¦, ¹è±ë Æ®¸®, º¸Æà ºÐ·ù±âÀÇ °³³ä¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. 9Àå, ¡®±ºÁýÈ­¡¯¿¡¼­´Â ±âÃÊ ±ºÁýÈ­ÀÇ °³³äÀ» ¼Ò°³ÇÏ°í, k-Æò±Õ ¾Ë°í¸®ÁòÀ» ¼³¸íÇϸç, ÃÖÀûÀÇ ±ºÁý ¼ö¸¦ °áÁ¤Çϱâ À§ÇÑ ´Ù¾çÇÑ Á¢±Ù ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù. ÈĹݺο¡¼­´Â DBSCAN°ú °°Àº ½ºÆåÆ®·³ ±ºÁýÈ­¿Í °°Àº ´Ù¸¥ ±ºÁýÈ­ ¾Ë°í¸®Áò¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. 10Àå, ¡®°èÃþÀû ±ºÁýÈ­¡¯¿¡¼­´Â 9Àå, ¡®±ºÁýÈ­¡¯¿¡¼­ ¼³¸íÇÑ ³»¿ë¿¡ À̾ ÀÀÁý ±ºÁýÈ­(agglomerative clustering)ÀÇ °³³äÀ» ¼Ò°³ÇÑ´Ù. 11Àå, ¡®Ãßõ ½Ã½ºÅÛ °³¿ä¡¯¿¡¼­´Â Ãßõ ½Ã½ºÅÛ¿¡¼­ °¡Àå Àß ¾Ë·ÁÁø ¾Ë°í¸®ÁòÀÎ Ãßõ ½Ã½ºÅÛ¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. ÀÌ ½Ã½ºÅÛ¿¡´Â ÄÜÅÙÃ÷-±â¹Ý ¹× »ç¿ëÀÚ-±â¹Ý Àü·«, Çù¾÷ ÇÊÅ͸µ, ±³´ë ÃÖ¼Ò Á¦°ö ¹æ¹ýÀÌ ÀÖ´Ù. 12Àå, ¡®ÀÚ¿¬¾î 󸮡¯¿¡¼­´Â ´Ü¾î ¹Ù±¸´Ï(BOW, Bag of Words)ÀÇ °³³äÀ» ¼³¸íÇÑ´Ù. ¶ÇÇÑ ÀÚ¿¬¾î µ¥ÀÌÅͼÂÀ» È¿À²ÀûÀ¸·Î ó¸®ÇÏ´Â µ¥ ÇÊ¿äÇÑ ±â¼úÀ» ¼Ò°³ÇÑ´Ù. 13Àå, ¡®NLP¿¡¼­ ÅäÇÈ ¸ðµ¨¸µ ¹× °¨Á¤ ºÐ¼®¡¯¿¡¼­´Â ÅäÇÈ ¸ðµ¨¸µÀÇ °³³äÀ» ¼Ò°³ÇÏ°í, °¡Àå Áß¿äÇÑ ¾Ë°í¸®ÁòÀÎ ÀáÁ¤Àû ÀÇ¹Ì ºÐ¼®(latent semantic analysis)°ú ÀáÀç µð¸®Å¬·¹ ÇÒ´ç(latent Dirichlet allocation)À» ¼³¸íÇÑ´Ù. ÈĹݺο¡¼­´Â °¨Á¤ ºÐ¼® ¹®Á¦¿¡ ´ëÇØ ¼³¸íÇÏ°í, À̸¦ ÇØ°áÇϱâ À§ÇÑ Á¢±Ù ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. ¡Ú ¿Å±äÀÌÀÇ ¸» ¡Ú 2016³â ¿ì¸®´Â »ó´çÇÑ Ãæ°ÝÀ» ¹Þ¾Ò´Ù. ¾ËÆÄ°í¶ó´Â ÀΰøÁö´É(AI) ±â¼úÀÌ Àΰ£À» ÀÌ°å´Ù´Â »ç½ÇÀ» Á¢ÇÏ°Ô µÆ±â ¶§¹®ÀÌ´Ù. »ç½Ç ...
  • ÁöÀºÀÌ ¼Ò°³ ±â¼ú °¨¼öÀÚ ¼Ò°³ ¿Å±äÀÌ ¼Ò°³ ¿Å±äÀÌÀÇ ¸» µé¾î°¡¸ç 1Àå. ¸Ó½Å ·¯´× °³¿ä __¼Ò°³-ÃʱâÀÇ ±â°è __ÇнÀ __ÁöµµÇнÀ ____ºñÁöµµÇнÀ ____°­È­ÇнÀ __¸Ó½Å ·¯´×À» ³Ñ¾î¼­: µö·¯´×°ú »ýü-ÀûÀÀ ½Ã½ºÅÛ __¸Ó½Å ·¯´×°ú ºòµ¥ÀÌÅÍ __½ÉÈ­ ÇнÀ __¿ä¾à 2Àå. ¸Ó½Å ·¯´×ÀÇ ÇÙ½É ¿ä¼Ò __µ¥ÀÌÅÍ Çü½Ä ____¸ÖƼŬ·¡½º Àü·« ________ÀÏ´ë´Ù ________ÀÏ´ëÀÏ __ÇнÀ ´É·Â ____ºÎÀûÇÕ°ú °úÀûÇÕ ____¿À·ù ÃøÁ¤ ____PAC ÇнÀ __Åë°èÀû ÇнÀ Á¢±Ù ____MAP ÇнÀ ____ÃÖ´ë-¿ìµµ ÇнÀ __Á¤º¸ ÀÌ·ÐÀÇ ¿ä¼Ò __Âü°í ¹®Çå __¿ä¾à 3Àå. Ư¡ ¼±Åðú Ư¡ ¿£Áö´Ï¾î¸µ scikit-learn ÅäÀÌ µ¥ÀÌÅͼ __ÈÆ·Ã ¹× Å×½ºÆ® ÁýÇÕ ¸¸µé±â __¹üÁÖÇü µ¥ÀÌÅÍ °ü¸® __´©¶ôµÈ Ư¡ °ü¸® __µ¥ÀÌÅÍ ½ºÄÉÀϸµ ¹× Á¤±ÔÈ­ __Ư¡ ¼±Åà ¹× ÇÊÅ͸µ __ÁÖ¼ººÐ ºÐ¼® ____À½¼ö ¹ÌÆ÷ÇÔ Çà·Ä ºÐÇØ ____Èñ¼Ò PCA ____Ä¿³Î PCA __¿øÀÚ ÃßÃâ ¹× µñ¼Å³Ê¸® ÇнÀ __Âü°í ¹®Çå __¿ä¾à 4Àå. ¼±Çü ȸ±Í __¼±Çü ¸ðµ¨ __2Â÷¿ø ¿¹Á¦ __scikit-learnÀ» ÀÌ¿ëÇÑ °íÂ÷¿ø ¼±Çü ȸ±Í ____ȸ±Í ºÐ¼® Ç¥Çö __¸´Áö, ¶ó¼Ò ¹× ¿¤¶ó½ºÆ½ ³Ý __·£´ý »ùÇà ÇÕÀÇ -±â¹Ý °ß°í...
  • ÁÖ¼¼Æä º¸³ªÄÚ¸£¼Ò [Àú]
  • 12³â ÀÌ»óÀÇ °æ·ÂÀ» °âºñÇÑ ¸Ó½Å ·¯´× ¹× ºòµ¥ÀÌÅÍ ÄÁ¼³ÅÏÆ®´Ù. ÀÌÅ»¸®¾Æ īŸ´Ï¾Æ ´ëÇÐ(University of Catania) ÀüÀÚ °øÇаú¿¡¼­ ÇÐÀ§¸¦ ¹Þ¾Ò´Ù. ÀÌÈÄ ÀÌÅ»¸®¾Æ Å丣 º£¸£°¡Å¸(Tor Vergata)ÀÇ ·Î¸¶ ´ëÇÐ ¹× ¿µ±¹ ¿¡½Ä½º(Essex) ´ëÇп¡¼­ ´ëÇпø Àü¹® °úÁ¤À» À̼öÇß´Ù.
    °ø°ø ÇàÁ¤, ±º´ë, °ø°ø ½Ã¼³, ÀÇ·á, Áø´Ü ¹× ±¤°í µî ´Ù¾çÇÑ ºñÁî´Ï½º ȯ°æ¿¡¼­ IT °æ·ÂÀ» ½×¾Ò´Ù. ¶ÇÇÑ ÀÚ¹Ù(Java), ÆÄÀ̽ã(Python), ÇϵÓ(Hadoop), ½ºÆÄÅ©(Spark), Å׾Ƴë(Theano) ¹× ÅÙ¼­Ç÷Î(TensorFlow)¸¦ ºñ·ÔÇÑ ¸¹Àº ±â¼úÀ» »ç¿ëÇØ ÇÁ·ÎÁ§Æ®¸¦ ¼öÇàÇÏ°í °ü¸®ÇÑ °æÇèÀÌ ÀÖ´Ù. ÁÖ¿ä °ü½É»ç´Â Àΰø Áö´É, ¸Ó½Å ·¯´×, µ¥ÀÌÅÍ °úÇÐ ¹× öÇÐ ºÐ¾ß´Ù.
  • Á¤»ç¹ü [Àú]
  • Àüü 0°³ÀÇ ±¸¸ÅÈıⰡ ÀÖ½À´Ï´Ù.

ÀÎÅÍÆÄÅ©µµ¼­´Â °í°´´ÔÀÇ ´Ü¼ø º¯½É¿¡ ÀÇÇÑ ±³È¯°ú ¹ÝÇ°¿¡ µå´Â ºñ¿ëÀº °í°´´ÔÀÌ ÁöºÒÄÉ µË´Ï´Ù.
´Ü, »óÇ°À̳ª ¼­ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯ ¹× ¹ÝÇ°Àº ¹«·á·Î ¹ÝÇ° µË´Ï´Ù.
±³È¯ ¹× ¹ÝÇ°ÀÌ °¡´ÉÇÑ °æ¿ì
»óÇ°À» °ø±Þ ¹ÞÀº ³¯·ÎºÎÅÍ 7ÀÏÀ̳» °¡´É
°ø±Þ¹ÞÀ¸½Å »óÇ°ÀÇ ³»¿ëÀÌ Ç¥½Ã, ±¤°í ³»¿ë°ú ´Ù¸£°Å³ª ´Ù¸£°Ô ÀÌÇàµÈ °æ¿ì¿¡´Â °ø±Þ¹ÞÀº ³¯·ÎºÎÅÍ 3°³¿ù À̳»,
   ȤÀº ±×»ç½ÇÀ» ¾Ë°Ô µÈ ³¯ ¶Ç´Â ¾Ë ¼ö ÀÖ¾ú´ø ³¯·ÎºÎÅÍ 30ÀÏ À̳»
»óÇ°¿¡ ¾Æ¹«·± ÇÏÀÚ°¡ ¾ø´Â °æ¿ì ¼ÒºñÀÚÀÇ °í°´º¯½É¿¡ ÀÇÇÑ ±³È¯Àº »óÇ°ÀÇ Æ÷Àå»óÅ µîÀÌ ÀüÇô ¼Õ»óµÇÁö ¾ÊÀº °æ¿ì¿¡ ÇÑÇÏ¿© °¡´É
±³È¯ ¹× ¹ÝÇ°ÀÌ ºÒ°¡´ÉÇÑ °æ¿ì
±¸¸ÅÈ®Á¤ ÀÌÈÄ(¿ÀǸ¶ÄÏ»óÇ°¿¡ ÇÑÇÔ)
°í°´´ÔÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¸ê½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
   (´Ü, »óÇ°ÀÇ ³»¿ëÀ» È®ÀÎÇϱâ À§ÇÏ¿© Æ÷Àå µîÀ» ÈѼÕÇÑ °æ¿ì´Â Á¦¿Ü)
½Ã°£ÀÌ Áö³²¿¡ µû¶ó ÀçÆǸŰ¡ °ï¶õÇÒ Á¤µµ·Î ¹°Ç°ÀÇ °¡Ä¡°¡ ¶³¾îÁø °æ¿ì
Æ÷Àå °³ºÀµÇ¾î »óÇ° °¡Ä¡°¡ ÈÑ¼ÕµÈ °æ¿ì
´Ù¹è¼ÛÁöÀÇ °æ¿ì ¹ÝÇ° ȯºÒ
´Ù¹è¼ÛÁöÀÇ °æ¿ì ´Ù¸¥ Áö¿ªÀÇ ¹ÝÇ°À» µ¿½Ã¿¡ ÁøÇàÇÒ ¼ö ¾ø½À´Ï´Ù.
1°³ Áö¿ªÀÇ ¹ÝÇ°ÀÌ ¿Ï·áµÈ ÈÄ ´Ù¸¥ Áö¿ª ¹ÝÇ°À» ÁøÇàÇÒ ¼ö ÀÖÀ¸¹Ç·Î, ÀÌÁ¡ ¾çÇØÇØ Áֽñ⠹ٶø´Ï´Ù.
Áß°í»óÇ°ÀÇ ±³È¯
Áß°í»óÇ°Àº Á¦ÇÑµÈ Àç°í ³»¿¡¼­ ÆǸŰ¡ ÀÌ·ç¾îÁö¹Ç·Î, ±³È¯Àº ºÒ°¡´ÉÇÕ´Ï´Ù.
¿ÀǸ¶ÄÏ »óÇ°ÀÇ È¯ºÒ
¿ÀǸ¶ÄÏ»óÇ°¿¡ ´ëÇÑ Ã¥ÀÓÀº ¿øÄ¢ÀûÀ¸·Î ¾÷ü¿¡°Ô ÀÖÀ¸¹Ç·Î, ±³È¯/¹ÝÇ° Á¢¼ö½Ã ¹Ýµå½Ã ÆǸÅÀÚ¿Í ÇùÀÇ ÈÄ ¹ÝÇ° Á¢¼ö¸¦ ÇϼžßÇϸç,
   ¹ÝÇ°Á¢¼ö ¾øÀÌ ¹Ý¼ÛÇϰųª, ¿ìÆíÀ¸·Î º¸³¾ °æ¿ì »óÇ° È®ÀÎÀÌ ¾î·Á¿ö ȯºÒÀÌ ºÒ°¡´ÉÇÒ ¼ö ÀÖÀ¸´Ï À¯ÀÇÇϽñ⠹ٶø´Ï´Ù.
¹è¼Û¿¹Á¤ÀÏ ¾È³»
ÀÎÅÍÆÄÅ© µµ¼­´Â ¸ðµç »óÇ°¿¡ ´ëÇØ ¹è¼Û¿Ï·á¿¹Á¤ÀÏÀ» À¥»çÀÌÆ®¿¡ Ç¥½ÃÇÏ°í ÀÖ½À´Ï´Ù.
<ÀÎÅÍÆÄÅ© Á÷¹è¼Û »óÇ°>
»óÇ°Àº ¿ù~Åä¿äÀÏ ¿ÀÀü 10½Ã ÀÌÀü ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ´çÀÏ Ãâ°í/´çÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù.
»óÇ°Àº ¼­¿ïÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀº ´çÀÏ Ãâ°í/ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇϸç,
¼­¿ï¿ÜÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀÇ °æ¿ì´Â ¿ÀÈÄ 6½Ã±îÁö ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù.
(´Ü, ¿ù¿äÀÏÀº 12½Ã±îÁö ÁÖ¹®¿¡ ÇÑÇÔ)
»óÇ°Àº, ÀÔ°í¿¹Á¤ÀÏ(Á¦Ç°Ãâ½ÃÀÏ)+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.
~ »óÇ°Àº À¯ÅëƯ¼º»ó ÀÎÅÍÆÄÅ©¿¡¼­ Àç°í¸¦ º¸À¯ÇÏÁö ¾ÊÀº »óÇ°À¸·Î
ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø±âÁØÃâ°íÀÏ:ÀÎÅÍÆÄÅ©°¡ »óÇ°À» ¼ö±ÞÇÏ¿© ¹°·ùâ°í¿¡¼­ Æ÷Àå/Ãâ°íÇϱâ±îÁö ¼Ò¿äµÇ´Â ½Ã°£
<¾÷ü Á÷Á¢¹è¼Û/¿ÀǸ¶ÄÏ »óÇ°>
~ »óÇ°Àº ¾÷ü°¡ ÁÖ¹®À» È®ÀÎÇÏ°í, Ãâ°íÇϱâ±îÁö °É¸®´Â ½Ã°£ÀÔ´Ï´Ù.
ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(2ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø5ÀÏÀ̳» Ãâ°í°¡ ½ÃÀÛµÇÁö ¾ÊÀ»½Ã, ¿ÀǸ¶ÄÏ »óÇ°Àº ÀÚµ¿À¸·Î ÁÖ¹®ÀÌ Ãë¼ÒµÇ¸ç, °í°´´Ô²² Ç°Àýº¸»ó±ÝÀ» Áö±ÞÇØ µå¸³´Ï´Ù.
¹è¼Ûºñ ¾È³»
µµ¼­(Áß°íµµ¼­ Æ÷ÇÔ)¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
À½¹Ý/DVD¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
ÀâÁö/¸¸È­/±âÇÁÆ®¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼­¿Í À½¹Ý/DVD¸¦ ÇÔ²² ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø 1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼­¿Í ÀâÁö/¸¸È­/±âÇÁÆ®/Áß°íÁ÷¹è¼Û»óÇ°À» ÇÔ²² ±¸¸ÅÇϽøé : 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
¾÷üÁ÷Á¢¹è¼Û»óÇ°À» ±¸¸Å½Ã : ¾÷üº°·Î »óÀÌÇÑ ¹è¼Ûºñ Àû¿ë

   * ¼¼Æ®»óÇ°ÀÇ °æ¿ì ºÎºÐÃë¼Ò ½Ã Ãß°¡ ¹è¼Ûºñ°¡ ºÎ°úµÉ ¼ö ÀÖ½À´Ï´Ù.
   * ºÏÄ«Æ®¿¡¼­ ¹è¼Ûºñ¾ø¾Ö±â ¹öÆ°À» Ŭ¸¯Çϼż­, µ¿ÀϾ÷ü»óÇ°À» Á¶±Ý ´õ ±¸¸ÅÇϽøé, ¹è¼Ûºñ¸¦ Àý¾àÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù.
Çؿܹè¼Û ¾È³»
ÀÎÅÍÆÄÅ©µµ¼­¿¡¼­´Â ±¹³»¿¡¼­ ÁÖ¹®ÇϽðųª ÇØ¿Ü¿¡¼­ ÁÖ¹®ÇÏ¿© ÇØ¿Ü·Î ¹è¼ÛÀ» ¿øÇÏ½Ç °æ¿ì DHL°ú Ư¾àÀ¸·Î Ã¥Á¤µÈ ¿ä±ÝÇ¥¿¡
   ÀÇÇØ °³ÀÎÀÌ ÀÌ¿ëÇÏ´Â °æ¿ìº¸´Ù ¹è¼Û¿ä±ÝÀ» Å©°Ô ³·Ã߸ç DHL(www.dhl.co.kr)·Î Çؿܹè¼Û ¼­ºñ½º¸¦ Á¦°øÇÕ´Ï´Ù.
Çؿܹè¼ÛÀº µµ¼­/CD/DVD »óÇ°¿¡ ÇÑÇØ ¼­ºñ½ºÇÏ°í ÀÖÀ¸¸ç, ´Ù¸¥ »óÇ°À» ºÏÄ«Æ®¿¡ ÇÔ²² ´ãÀ¸½Ç °æ¿ì Çؿܹè¼ÛÀÌ ºÒ°¡ÇÕ´Ï´Ù.
ÇØ¿ÜÁÖ¹®¹è¼Û ¼­ºñ½º´Â ÀÎÅÍÆÄÅ© µµ¼­ ȸ¿ø °¡ÀÔÀ» Çϼž߸¸ ½Åû °¡´ÉÇÕ´Ï´Ù.
¾Ë¾ÆµÎ¼¼¿ä!!!
µµ¸Å»ó ¹× Á¦ÀÛ»ç »çÁ¤¿¡ µû¶ó Ç°Àý/ÀýÆÇ µîÀÇ »çÀ¯·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
¿ÀǸ¶ÄϾ÷üÀÇ ¹è¼ÛÁö¿¬½Ã ÁÖ¹®ÀÌ ÀÚµ¿À¸·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼­·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
À¯ÅëÀÇ Æ¯¼º»ó Ãâ°í±â°£Àº ¿¹Á¤º¸´Ù ¾Õ´ç°ÜÁö°Å³ª ´ÊÃçÁú ¼ö ÀÖ½À´Ï´Ù.
Åùè»ç ¹è¼ÛÀÏÀÎ ¼­¿ï ¹× ¼öµµ±ÇÀº 1~2ÀÏ, Áö¹æÀº 2~3ÀÏ, µµ¼­, »ê°£, ±ººÎ´ë´Â 3ÀÏ ÀÌ»óÀÇ ½Ã°£ÀÌ ¼Ò¿äµË´Ï´Ù.
  • 0°³
  • 0°³