|
|
|
¼Ò¹®³ ¸í°ÀÇ ±è±âÇöÀÇ µö·¯´× ºÎƮķÇÁ with ÆÄÀÌÅäÄ¡ : ±âÃʺÎÅÍ ¼ö½Ä, ½Ç½À±îÁö ´ãÀº ¿ÃÀοø µö·¯´× ÀÔ¹® ±³°ú¼
|
|
|
¼Ò¹®³ ¸í°ÀÇ1
¤Ó ±è±âÇö
¤Ó
ÇѺû¹Ìµð¾î
|
|
|
|
- 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.
-
-
-
µö·¯´× ±âÃÊ °³³ä + ¼ö½Ä Á¤¸® + ÄÚµù ½Ç½À + ½Ç¹« ȯ°æ ÇÁ·ÎÁ§Æ® ¿¬½À
ÀÌ Ã¥Àº µö·¯´×ÀÇ ±âÃÊ ³»¿ë°ú ÀÀ¿ë Áö½ÄÀ» ü°èÀûÀ¸·Î Àü´ÞÇϱâ À§ÇØ À̷аú ¼ö½Ä, ½Ç½ÀÀ» ºÐ¸®ÇÏ¿© ¼³¸íÇÑ´Ù. µö·¯´× ±âÃÊ °³³äºÎÅÍ »óÀ§ °³³ä±îÁö Á¡ÁøÀûÀ¸·Î ¹è¿ï ¼ö ÀÖµµ·Ï Ä¿¸®Å§·³À» ±¸¼ºÇß°í, ÀÌ ³»¿ëÀ» ¼ö½ÄÀ¸·Î ´Ù½Ã Çѹø Á¤¸®ÇÏ¿© µö·¯´×ÀÇ ±¸Á¶¿Í ¿ø¸®¿¡ ´ëÇØ ÀÍÈù´Ù. ¶ÇÇÑ ½ÇÁ¦ ¸Ó½Å·¯´× ÇÁ·ÎÁ§Æ®¸¦ ÁøÇàÇϵí ÆÄÀÏÀ» ±¸¼ºÇÏ°í CLI ȯ°æ¿¡¼ ½Ç½ÀÀ» ÁøÇàÇÏ¸é¼ ½ÇÀü °¨°¢À» Å°¿î´Ù.
-
-
¾î¶»°Ô µö·¯´× ÇнÀÀ» ½ÃÀÛÇØ¾ß ÇÒÁö ¸ð¸£´Â µö¸°À̸¦ À§ÇÑ ÀÔ¹® ±³°ú¼
ÀÌ Ã¥Àº °³³ä, ¼ö½Ä, ½Ç½ÀÀ¸·Î À̾îÁö´Â ÃÖÀûÀÇ µö·¯´× ÇнÀ Ä¿¸®Å§·³À» ÅëÇØ µö·¯´×¿¡ ´ëÇÑ ±âº»±â¸¦ źźÇÏ°Ô Å°¿öÁÝ´Ï´Ù.
¡Ú ÀÌ Ã¥¿¡¼ ¹è¿ì´Â ³»¿ë
¡æ °³¹ß ȯ°æ
¡æ µö·¯´×ÀÇ °³³ä
¡æ ÆÄÀÌÅäÄ¡ Æ©Å丮¾ó
¡æ ¼±Çü °èÃþ
¡æ ¼Õ½Ç ÇÔ¼ö
¡æ °æ»çÇÏ°¹ý
¡æ ¼±Çü ȸ±Í
¡æ ·ÎÁö½ºÆ½ ȸ±Í
¡æ ½ÉÃþ½Å°æ¸Á
¡æ È®·üÀû °æ»çÇÏ°¹ý
¡æ ÃÖÀûÈ
¡æ ¿À¹öÇÇÆà ¹æÁö
¡æ ½ÉÃþ½Å°æ¸ÁÀ¸·Î ºÐ·ù ¹®Á¦ ÇØ°á
¡æ Á¤±ÔÈ
¡æ Ç¥Çö ÇнÀ
¡æ È®·ü·ÐÀû °üÁ¡
¡æ CNN(ÇÕ¼º°ö½Å°æ¸Á)
¡æ RNN(¼øȯ½Å°æ¸Á)
¡Ú ÀÌ Ã¥ÀÇ ±¸¼º
µö·¯´× °³³ä ¹× ÀÌ·Ð ¼³¸í
µö·¯´×ÀÇ ±âÃÊ °³³äÀ» ÃÖ´ëÇÑ ½±°Ô ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ¼öÇÐÀû Ç¥ÇöÀ» ÃÖ¼ÒÈÇÏ°í ±×¸² ¶Ç´Â ½Ã°¢È¸¦ È°¿ëÇÏ¿© ¼³¸íÇÕ´Ï´Ù. ±âÃʺÎÅÍ ½ÉÈ ´Ü°è±îÁö Â÷±ÙÂ÷±Ù Á¢±ÙÇÒ ¼ö ÀÖµµ·Ï ±¸¼ºÇßÀ¸¸ç µö·¯´×ÀÇ ¿©·¯ ÁøÇà ¹æ½Ä¿¡ ´ëÇØ ¿ø¸®¿Í ±¸Á¶¸¦ Á¶±Ý ´õ ½±°Ô üµæÇÒ ¼ö ÀÖ½À´Ï´Ù.
¼ö½Ä Á¤¸®
µö·¯´×À» Á¦´ë·Î °øºÎÇϱâ À§Çؼ ¼öÇÐÀû ¹è°æÁö½ÄÀº ¹Ýµå½Ã ÇÊ¿äÇÕ´Ï´Ù. µö·¯´×ÀÇ ±âÃÊ °³³ä ¹× ÀÌ·ÐÀ» ¼ö½ÄÀ» ÅëÇØ ´Ù½Ã Çѹø Á¤¸®ÇÕ´Ï´Ù.
½Ç½À ÄÚµå
¾Õ¿¡¼ ¹è¿î À̷аú ¼ö½ÄÀ» ÆÄÀÌÅäÄ¡·Î ¾î¶»°Ô ±¸ÇöÇÏ´ÂÁö¿¡ ´ëÇØ ÀÍÈú ¼ö ÀÖ½À´Ï´Ù. ÀÌ Ã¥ÀÇ ½Ç½ÀÀº GPU ¾øÀÌ ½ÇÇàÀÌ °¡´ÉÇÕ´Ï´Ù. GPU°¡ ÀÖ´Ù¸é ÈξÀ ´õ ºü¸£°Ô ½ÇÇàÇÒ ¼ö ÀÖÁö¸¸, GPU ¾øÀ̵µ ÃÖ´ë ¸î½Ê ºÐ À̳»·Î ½ÇÇàÀÌ ¿Ï·áµÇµµ·Ï ±¸¼ºµÇ¾î ÀÖ½À´Ï´Ù.
½Ç¹« ȯ°æ¿¡¼ÀÇ ½ÇÀü °°Àº ÇÁ·ÎÁ§Æ® ¿¬½À
´Ü¼øÈ÷ ÁÖÇÇÅÍ ³ëÆ®ºÏÀ¸·Î ÇÏ´Â ½Ç½ÀÀÌ ¾Æ´Ñ ½ÇÁ¦ ¸Ó½Å·¯´× ÇÁ·ÎÁ§Æ®¸¦ ÁøÇàÇϵíÀÌ ÆÄÀÏÀ» ±¸¼ºÇÏ°í CLI ȯ°æ¿¡¼ÀÇ ½Ç½ÀÀ» ÁøÇàÇÕ´Ï´Ù. ´Ü¼øÈ÷ MNIST ºÐ·ù±â¸¦ ¸¸µé°í ³¡³»´Â °ÍÀÌ ¾Æ´Ï¶ó ½ÇÀüó·³ MNIST ºÐ·ù±â ¼º´ÉÀ» ²ø¾î ¿Ã¸®´Â ¹æ¹ý°ú À̸¦ À§ÇÑ ½ÇÇè ȯ°æ ±¸Ãà ¹æ¹ý¿¡ ´ëÇØ ¾Ë¾Æº¾´Ï´Ù.
¡Ú ´ë»ó µ¶ÀÚ
ÀÌ Ã¥Àº µö·¯´×À» óÀ½ Á¢ÇÏ´Â µ¶ÀÚ ¶Ç´Â µö·¯´×À» ¾î´À Á¤µµ ¾Ë°í ÀÖÁö¸¸ ±âÃÊ°¡ ºÎÁ·ÇÑ µ¶ÀÚ¸¦ ´ë»óÀ¸·Î ÇÕ´Ï´Ù.
¡Ú ¿¹Á¦ ¼Ò½º
https://github.com/kh-kim/deep_learning_book_exercise
-
-
1Àå °³¹ß ȯ°æ ±¸ÃàÇϱâ
1.1 ¾Æ³ªÄÜ´Ù ¼³Ä¡Çϱâ
1.2 VS Code ¼³Ä¡ ¹× ȯ°æ ¼³Á¤
1.3 ¸¶Ä¡¸ç
2Àå µö·¯´× ¼Ò°³
2.1 µö·¯´×À̶õ?
2.2 ÁÁÀº ÀΰøÁö´ÉÀ̶õ?
2.3 ¸Ó½Å·¯´× ÇÁ·ÎÁ§Æ® ¿öÅ©Ç÷Î
2.4 ¼öÇÐ ¿ë¾î ¼³¸í
2.5 ¸¶Ä¡¸ç
3Àå ÆÄÀÌÅäÄ¡ Æ©Å丮¾ó
3.1 ¿Ö ÆÄÀÌÅäÄ¡Àΰ¡?
3.2 (½Ç½À) ÆÄÀÌÅäÄ¡ ¼³Ä¡
3.3 ÅÙ¼¶õ?
3.4 (½Ç½À) ±âº» ¿¬»ê
3.5 (½Ç½À) ÅÙ¼ ÇüÅ º¯È¯
3.6 (½Ç½À) ÅÙ¼ ÀÚ¸£±â & ºÙÀ̱â
3.7 (½Ç½À) À¯¿ëÇÑ ÇÔ¼öµé
4Àå ¼±Çü °èÃþ
4.1 Çà·Ä °ö
4.2 (½Ç½À) Çà·Ä °ö
4.3 ¼±Çü °èÃþ
4.4 (½Ç½À) ¼±Çü °èÃþ
4.5 (½Ç½À) GPU »ç¿ëÇϱâ
4.6 ¸¶Ä¡¸ç
5Àå ¼Õ½Ç ÇÔ¼ö
5.1 Æò±Õ Á¦°ö ¿ÀÂ÷
5.2 (½Ç½À) MSE Loss
5.3 ¸¶Ä¡¸ç
6Àå °æ»çÇÏ°¹ý
6.1 ¹ÌºÐÀ̶õ?
6.2 Æí¹ÌºÐ
6.3 °æ»çÇÏ°¹ý
6.4 ÇнÀ·ü¿¡ µû¸¥ ¼ºÁú
6.5 (½Ç½À) °æ»çÇÏ°¹ý ±¸Çö
6.6 (½Ç½À) ÆÄÀÌÅäÄ¡ ¿ÀÅä±×·¡µå ¼Ò°³
6.7 ¸¶Ä¡¸ç
7Àå ¼±Çü ȸ±Í
7.1 ¼±Çü ȸ±Í¶õ?
7.2 ¼±Çü ȸ±ÍÀÇ ¼ö½Ä
7.3 (½Ç½À) ¼±Çü ȸ±Í
7.4 ¸¶Ä¡¸ç
8Àå ·ÎÁö½ºÆ½ ȸ±Í
8.1 È°¼º ÇÔ¼ö
8.2 ·ÎÁö½ºÆ½ ȸ±Í¶õ?
8.3 ·ÎÁö½ºÆ½ ȸ±ÍÀÇ ¼Õ½ÇÇÔ¼ö
8.4 ·ÎÁö½ºÆ½ ȸ±ÍÀÇ ¼ö½Ä
8.5 (½Ç½À) ·ÎÁö½ºÆ½ ȸ±Í
8.6 ¸¶Ä¡¸ç
9Àå ½ÉÃþ½Å°æ¸Á I
9.1 ½ÉÃþ½Å°æ¸Á
9.2 ½ÉÃþ½Å°æ¸ÁÀÇ... ÇнÀ
9.3 ¿ªÀüÆÄ ¾Ë°í¸®ÁòÀÇ ¼ö½Ä
9.4 ±×·¡µð¾ðÆ® ¼Ò½Ç ¹®Á¦
9.5 ·¼·ç
9.6 (½Ç½À) Deep Regression
9.7 ¸¶Ä¡¸ç
10Àå È®·üÀû °æ»çÇÏ°¹ý
10.1 È®·üÀû °æ»çÇÏ°¹ýÀ̶õ?
10.2 SGDÀÇ Á÷°üÀû ÀÌÇØ
10.3 ¹Ì´Ï¹èÄ¡ Å©±â¿¡ µû¸¥ SGD
10.4 (½Ç½À) SGD Àû¿ëÇϱâ
10.5 ¸¶Ä¡¸ç
11Àå ÃÖÀûÈ
11.1 ÇÏÀÌÆÛÆĶó¹ÌÅͶõ?
11.2 ÆÁ : È¿À²ÀûÀÎ ¿¬±¸/°³¹ß ÁøÇà ¹æ¹ý
11.3 ÀûÀÀÇü ÇнÀ·ü
11.4 ÀûÀÀÇü ÇнÀ·üÀÇ ¼ö½Ä
11.5 (½Ç½À) ¾Æ´ã ¿ÉƼ¸¶ÀÌÀú Àû¿ëÇϱâ
11.6 ¸¶Ä¡¸ç
12Àå ¿À¹öÇÇÆÃÀ» ¹æÁöÇÏ´Â ¹æ¹ý
12.1 ¸ðµ¨ Æò°¡Çϱâ
12.2 ¿À¹öÇÇÆÃÀ̶õ?
12.3 Å×½ºÆ®¼Â ±¸¼ºÇϱâ
12.4 (½Ç½À) µ¥ÀÌÅÍ ³ª´©±â
12.5 ¸¶Ä¡¸ç
13Àå ½ÉÃþ½Å°æ¸Á II
13.1 ÀÌÁø ºÐ·ù
13.2 Æò°¡ ÁöÇ¥
13.3 (½Ç½À) Deep Binary Classification
13.4 ½ÉÃþ½Å°æ¸ÁÀ» È°¿ëÇÑ ºÐ·ù
13.5 ¼ÒÇÁÆ®¸Æ½º ÇÔ¼ö¿Í ±³Â÷ ¿£Æ®·ÎÇÇ ¼Õ½Ç ÇÔ¼ö
13.6 ´ÙÁß Å¬·¡½º ºÐ·ù °á°ú ºÐ¼®Çϱâ
13.7 (½Ç½À) Deep Classification
13.8 ¸¶Ä¡¸ç
14Àå Á¤±ÔÈ
14.1 Á¤±ÔÈÀÇ °³¿ä
14.2 °¡ÁßÄ¡ °¨¼è
14.3 µ¥ÀÌÅÍ Áõ°
14.4 µå·Ó¾Æ¿ô
14.5 ¹èÄ¡Á¤±ÔÈ
14.6 (½Ç½À) Á¤±ÔÈ
14.7 ¸¶Ä¡¸ç
15Àå ½Ç¹« ȯ°æ¿¡¼ÀÇ ÇÁ·ÎÁ§Æ® ¿¬½À
15.1 ½Ç¹«¸¦ ÁøÇàÇÏµí ½Ç½ÀÇϱâ
15.2 ¿öÅ©Ç÷Π¸®ºä
15.3 ½Ç½À ¼Ò°³
15.4 (½Ç½À) ºÐ·ù±â ¸ðµ¨ ±¸ÇöÇϱâ
15.5 (½Ç½À) µ¥ÀÌÅÍ ·Îµù ±¸ÇöÇϱâ
15.6 (½Ç½À) Æ®·¹ÀÌ³Ê Å¬·¡½º ±¸ÇöÇϱâ
15.7 (½Ç½À) train.py ±¸ÇöÇϱâ
15.8 (½Ç½À) predict.ipynb ±¸ÇöÇϱâ
15.9 ¸¶Ä¡¸ç
16Àå Ç¥Çö ÇнÀ
16.1 Ư¡(feature)À̶õ?
16.2 ¿ø ÇÖ ÀÎÄÚµù
16.3 Â÷¿ø Ãà¼Ò
16.4 ¿ÀÅäÀÎÄÚ´õ
16.5 ¸¶Ä¡¸ç
17Àå È®·ü·ÐÀû °üÁ¡
17.1 µé¾î°¡¸ç
17.2 ±âº» È®·ü Åë°è
17.3 MLE(Maximum Likelihood Estimation)
17.4 ½Å°æ¸Á°ú MLE
17.5 ¼ö½Ä: MLE
17.6 MSE ¼Õ½Ç ÇÔ¼ö¿Í MLE
18Àå CNN(ÇÕ¼º°ö½Å°æ¸Á)
18.1 ÀüÅëÀûÀÎ ¹æ½Ä
18.2 ÇÕ¼º°ö ¿¬»ê
18.3 ÆÐÅÏ ÃßÃâÀÇ ¿ø¸®
18.4 ¸Æ½º Ç®¸µ°ú ½ºÆ®¶óÀÌµå ±â¹ý
18.5 ÇÕ¼º°ö½Å°æ¸Á ¼³°è ¿¹Á¦
18.6 (½Ç½À) CNNÀ¸·Î MNIST ºÐ·ù ±¸ÇöÇϱâ
18.7 ¸¶Ä¡¸ç
19Àå RNN(¼øȯ½Å°æ¸Á)
19.1 ¼øȯ½Å°æ¸Á ¼Ò°³
19.2 RNN ÇÑ °ÉÀ½¾¿ µé¿©´Ùº¸±â
19.3 ¼øȯ½Å°æ¸Á È°¿ë »ç·Ê
19.4 LSTM
19.5 ±×·¡µð¾ðÆ® Ŭ¸®ÇÎ
19.6 (½Ç½À) LSTMÀ¸·Î MNIST ºÐ·ù ±¸ÇöÇϱâ
19.7 ¸¶Ä¡¸ç
-
-
-
|
±è±âÇö [Àú]
|
|
-
¹Ì±¹ ½ºÅä´Ïºê·è ´ëÇб³¿¡¼ ÄÄÇ»ÅÍ°øÇÐ ÇÐ»ç ¹× ¼®»ç ÇÐÀ§¸¦ ¹Þ¾Ò´Ù. ÀÌÈÄ 2011³âºÎÅÍ Çѱ¹ÀüÀÚÅë½Å¿¬±¸¿ø¿¡¼ ÀÚ¿¬¾î ó¸® ¿¬±¸ °³¹ßÀ» ½ÃÀÛÇß°í, ÇöÀç´Â SKÅÚ·¹ÄÞ¿¡¼ ÃÊ°Å´ë ¾ð¾î ¸ðµ¨ GPT3¸¦ È°¿ëÇÑ °³ÀÎÈ Ãªº¿°ú Áö½Ä ´ëÈ ¸ðµ¨¸µÀ» ¿¬±¸ °³¹ß ¹× »ó¿ëÈÇÏ°í ÀÖ´Ù. ¶ÇÇÑ 2018³âºÎÅÍ ÆнºÆ®Ä·ÆÛ½º¿¡¼ ÀÚ¿¬¾î ó¸® ¹× ÆÄÀÌÅäÄ¡ °ÀǸ¦ ÇÏ°í ÀÖ´Ù. Àú¼·Î ¡º¼Ò¹®³ ¸í°ÀÇ : ±è±âÇöÀÇ ÀÚ¿¬¾î ó¸® µö·¯Å· Ä·ÇÁ¡»(ÇѺû¹Ìµð¾î, 2019)°¡ ÀÖ´Ù.
-
-
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. |
|
|
|
|