국내도서

>

컴퓨터/인터넷

>

IT 전문서

>

컴퓨터공학

>

인공지능/퍼지

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

• 
• 도서  > 컴퓨터/인터넷  > IT 전문서  > 컴퓨터공학  > 인공지능/퍼지

• 

	데이터 과학 시리즈(에이콘)(총90건) 해석 가능한 AI : 설명 가능한 머신러닝 시스템 구축     31,500원 (10%↓) 통계의 함정 : 통계의 역설로 본 환상과 거짓     25,200원 (10%↓) LangChain으로 구현하는 LLM : 파이썬, ChatGPT로 LLM 애플리케이션 만들기     31,500원 (10%↓) 머신러닝을 위한 효율적 데이터 레이블링 : 인간 중심 AI를 위한 능동학습과 어노테이션     36,000원 (10%↓) 데이터 분석과 비판적 사고 : 양적 추론과 분석의 길잡이     31,500원 (10%↓) 파이토치 라이트닝으로 시작하는 딥러닝 : 파이썬으로 빠르게 고성능 AI 모델 만들기     31,500원 (10%↓) 텐서플로와 케라스로 구현하는 딥러닝     45,000원 (10%↓) 헬스케어 빅데이터 분석의 정석 : 한 권으로 끝내는 실사례에 기초한 헬스케어 빅데이터 분석 기술     31,500원 (10%↓) 로보틱스 알고리듬 : 중고등학생을 위한 입문서     27,000원 (10%↓) 인공지능 로보틱스     45,000원 (10%↓) 음성과 언어 처리 : 기계는 어떻게 사람의 말을 이해할까?     67,500원 (10%↓) 딥러닝 초보자를 위한 엔비디아 가이드북 : 엔비디아 현업 아키텍트가 저술한 검증된 딥러닝 입문서     54,000원 (10%↓) 컴퓨터 시대의 통계적 추론(연습문제 포함) : 알고리듬과 추론의 관계와 역할     36,000원 (10%↓) 인공지능 기반 의료 : 케어 패러다임 전환을 이끌 임상의학과 헬스케어 인공지능에 대한 조망     54,000원 (10%↓) 파이썬을 활용한 머신러닝 해석 가능성 : 예측의 공정성, 책임성, 투명성을 수립하는 다양한 방법 학습하기     40,500원 (10%↓) 오토케라스로 만드는 AutoML : 몇 줄의 코딩으로 이용할 수 있는 딥러닝     22,500원 (10%↓) 문과생을 위한 인공지능 입문 : 수학, 통계 지식 없이 배우는     31,500원 (10%↓) 네트워크 사이언스     45,000원 (10%↓) 그래프 머신러닝 : 머신러닝 알고리듬을 적용해 그래프 데이터 활용하기     31,500원 (10%↓) 공익을 위한 데이터 : 사회 발전을 위한 데이터 액션 활용법     36,000원 (10%↓) 네트워크     54,000원 (10%↓) 파이썬으로 하는 마케팅 연구와 분석 : 데이터 처리부터 시각화까지     36,000원 (10%↓) Pandas를 이용한 데이터 분석 실습 : 라이브러리로 다양한 실제 데이터 분석     45,000원 (10%↓) 일래스틱 스택을 이용한 머신러닝 : 머신러닝 피처로 데이터에서 귀중한 인사이트를 얻자     32,400원 (10%↓) 컴퓨터 비전을 위한 다중 시점 기하학 : 카메라를 위한 수학     58,500원 (10%↓) 컴퓨터 비전 : 원리, 알고리듬, 응용     76,500원 (10%↓) 고객 리텐션의 전략 : 데이터를 통해 고객 이탈을 막아라     36,000원 (10%↓) The R Book(한국어판) : R로 배우는 데이터 분석 기술     49,500원 (10%↓) 자연어 텍스트 처리를 통한 검색 시스템 구축 : 아파치 솔라, 루씬, OpenNLP 등 오픈소스 활용     36,000원 (10%↓) 데이터 스토리텔링 : 설득력 있는 프리젠테이션을 위한 데이터 시각화 기법     22,500원 (10%↓) 파워 BI와 엑셀 파워 피봇을 사용한 데이터 분석 : 예제를 통해 배우는 데이터 모델링     27,000원 (10%↓) 파이썬으로 실무에 바로 적용하는 머신 러닝     27,000원 (10%↓) 자연어 처리의 정석 : 자연어 처리의 A-Z 과거부터 최근 연구까지     45,000원 (10%↓) 추천 시스템의 통계 기법 : 실생활 추천 문제에 적용해보는 다양한 통계 기법     29,700원 (10%↓) 그래프 알고리즘 : 스파크와 Neo4j로 이해하는 알고리즘과 그래프 분석     29,700원 (10%↓) 파이썬 기반 강화학습 알고리듬 : DP, Q-Learning, AC, DQN, TRPO, PPO, DDPG, TD3     27,000원 (10%↓) 빅쿼리를 활용한 데이터 웨어하우스 구축 : 단계별로 배우는 구글 클라우드 관리형 데이터 분석     36,000원 (10%↓) 텐서플로 2로 배우는 금융 머신러닝 : 텐서플로와 Scikit-learn으로 금융 경제에 접목하는 인공지능     27,000원 (10%↓) 데이터 마이닝 : 실용적인 머신러닝 기술     45,000원 (10%↓) 헬스케어 분석을 위한 머신러닝 : 파이썬, 주피터 노트북, 텐서플로, 케라스를 이용한 적용 사례     22,500원 (10%↓) 생물정보학 알고리듬 : 2022년도 대한민국학술원 선정 교육부 우수학술도서     54,000원 (10%↓) AWS 기반 AI 애플리케이션 개발 : AI 유니콘 기업으로 도약하기     31,500원 (10%↓) 정보 검색의 이론과 실제 : 검색엔진을 구현하고 평가하는 방법     40,500원 (10%↓) 실전 알고리즘 트레이딩 배우기 : 파이썬으로 시작하는 알고리즘 트레이딩의 기초와 실전 전략     31,500원 (10%↓) 금융 파이썬 쿡북 : 금융 데이터 처리와 기술 분석부터 딥러닝 적용까지     31,500원 (10%↓) 자연어 처리와 딥러닝 : 딥러닝으로 바라보는 언어에 대한 생각     36,000원 (10%↓) 흥미로운 베이지안 통계 : 스타워즈, 레고, 러버 덕으로 이해하는 통계와 확률     27,000원 (10%↓) Pandas Cookbook : 파이썬 데이터 과학 기초     40,500원 (10%↓) AWS 클라우드 머신러닝 : 머신러닝 기초부터 AWS SageMaker까지     31,500원 (10%↓) 통계학으로 배우는 머신러닝 : 스탠퍼드대학교 통계학과 교수에게 배우는 머신러닝의 원리     54,000원 (10%↓) 알고리즘 마케팅 : 인공지능을 활용한 마케팅 자동화     31,500원 (10%↓) 파이썬을 활용한 스파크 프로그래밍 : 빅데이터 분석을 위한 스파크 활용법     27,000원 (10%↓) The Hundred-Page Machine Learning Book : 수식과 간결한 설명을 바탕으로 하는 핵심 머신 러닝     22,500원 (10%↓) 파이썬과 수치 해석 : 파이썬 수치 해석 레시피     45,000원 (10%↓) 인지 컴퓨팅 레시피 : Microsoft Cognitive Services와 TensorFlow를 활용한 인공지능 솔루션     31,500원 (10%↓) 빅데이터 시각화 : 하둡, R, D3.js, 태블로, 파이썬, 스플렁크로 배우는 빅데이터 시각화     25,200원 (10%↓) 파이썬을 활용한 비지도 학습 : 비구조 데이터로부터 숨겨진 패턴과 관계 찾기     31,500원 (10%↓) 구글 클라우드 플랫폼상의 데이터 과학 : 실시간 데이터 파이프라인 구현: 입수부터 머신 러닝까지     36,000원 (10%↓) 양자 컴퓨팅 입문 : 간결하게 배우는 양자 컴퓨팅     18,900원 (10%↓) 확률론적 로보틱스 : 로봇공학의 기초부터 SLAM과 자율 주행까지     45,000원 (10%↓) 어반 컴퓨팅 : 빅데이터로 변화하는 도시의 현재와 미래     45,000원 (10%↓) 적대적 머신러닝 : 머신러닝 알고리즘으로 하는 시스템 보안 공격과 방어     36,000원 (10%↓) 헬스케어 인공지능과 머신러닝 : 빅데이터를 활용한 개인 맞춤 건강관리     31,500원 (10%↓) 예제로 배우는 자연어 처리 기초 : NLP 알고리즘, 텍스트 분류와 요약, 감성 분석     31,500원 (10%↓) 케라스 2.x 프로젝트 : 실전 딥러닝 모델 구축과 훈련 9가지 프로젝트     31,500원 (10%↓) 생명정보학 알고리즘 : 파이썬으로 구현하는 생명정보학 알고리즘     36,000원 (10%↓) OpenCV 4를 활용한 머신러닝 입문 : OpenCV 4, 파이썬, scikit-learn을 사용해 이미지 처리 앱을     36,000원 (10%↓) 의사결정을 위한 데이터 과학 : 데이터 과학 총론     64,800원 (10%↓) 양자 컴퓨팅: 이론에서 응용까지     31,500원 (10%↓) 파이썬을 활용한 지리공간 분석 마스터하기 : GeoDjango, CARTOframes, MapboxGL-Jupyter를 활용한 GIS 프로세싱     36,000원 (10%↓) 통계 분석 너머 R의 무궁무진한 활용 : 워드/PDF/HTML 문서, 웹 사이트, 웹 애플리케이션, 다이내믹 데이터 시각화     36,000원 (10%↓) 텐서플로를 이용한 고급 딥러닝 : 수학의 기초와 함께 이해하는 파이썬 딥러닝     31,500원 (10%↓) 크롤리의 통계학 강의 : R을 활용한 입문     27,000원 (10%↓) 크롤리 교수의 통계학과 R 언어 세트     70,200원 (10%↓) 정보 스토리지와 관리 : 클라우드 컴퓨팅 시대의 정보 저장과 관리 보호 기법     36,000원 (10%↓) 엔터프라이즈 빅데이터 레이크 : 효율적인 데이터 레이크 도입과 모범 사례     27,000원 (10%↓) 양자 컴퓨터 원리와 수학적 기초 : 스핀부터 큐비트, 얽힘, 중첩, 양자 알고리즘, 양자 암호화     22,500원 (10%↓) 수학 없이 배우는 데이터 과학과 알고리즘 : 모두를 위한 데이터 사이언스     12,420원 (10%↓) 생명과학을 위한 딥러닝 : 생물학, 유전체학, 신약 개발에 적용하는 실무 딥러닝     22,500원 (10%↓) 머신 러닝 알고리즘 : 파이썬 예제와 함께 배우는 머신 러닝     31,500원 (10%↓) 데이터 마이닝 개념과 기법     45,000원 (10%↓) 데이터 과학 입문자를 위한 R : 설치부터 패키지 개발까지 R로 시작하는 데이터 과학     36,000원 (10%↓) Splunk 7 에센셜 : 데이터셋활용, 보고서제작, 강력한 정보 공유를 통한 머신 데이터 파헤치기     21,600원 (10%↓) R로 하는 쉬운 딥러닝     18,000원 (10%↓) Data Smart : 엑셀로 이해하는 데이터 과학 입문     27,000원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 3 : Deep Convolution Neural Nets의 이해와 구현     25,200원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 2 : 복소수 영역에서의 오토인코더 이해와 구현     25,200원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 1 : Restricted Boltzman Machine의 이해와 Deep Belief Nets 구현     27,000원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 세트 : RBM부터 CNN, 오토인코더까지 코딩하며 깨우치는 딥러닝의 원리     70,200원 (10%↓) Building Machine Learning Systems with Python(한국어판) : Scikit-learn 라이브러리로 구현하는 기계 학습 시스템     27,000원 (10%↓)

• 
• 
• 딥러닝에 관련된 거의 모든 최신 기술을 설명한다. 회귀부터 시작해 딥러닝의 기초를 설명하고, 컨볼루션 신경망, 순환 신경망, LTSM, 자연어 처리, 이미지 합성 등에 대한 최신 기술 동향을 소개한다. 특히 현재 활발히 연구 중인 AutoML 분야의 현황과 구글 클라우드를 이용한 AutoML 실습도 다루며, 확률적 텐서플로와 그래프 신경망에 대해서도 친절하게 안내한다. 풍부한 예제를 통해 케라스가 완전 통합된 텐서플로의 사용 방법을 다양한 응용분야에 걸쳐 직접 구축해볼 수 있다. GAN을 통한 필기체 숫자의 생성, RNN과 LTSM이 나오게 된 배경 및 어떤 문제를 해결하고자 했는지에 대한 배경 설명을 듣고 나면 다양한 각도에서 딥러닝을 이해하게 될 것이다. 트랜스포머를 별도로 다루는 새로운 장을 추가했고, BERT, GPT-2, GPT3, Reformer 등 다양한 언어 모델에 대한 상세한 설명과 비교 및 Huggin Face 라이브러리를 통한 다양한 언어 예제 등 2판에 비해 여러 내용을 보강했다. 그래프 신경망 또한 예제와 함께 그 기능과 특징을 자세히 설명한다.
• 
• ◈ 이 책에서 다루는 내용 ◈ ◆ 텐서플로로 보편적인 GNN을 사용한 그래프 마이닝 과제 해결 방법 ◆ 사전 학습 단계부터 평가하는 미세-튜닝 단계까지 트랜스포머의 세계 탐구 ◆ 자기-지도학습을 적용한 자연어 처리, 컴퓨터 비전, 자동 신호 처리 방법 ◆ TensorFlow Probability를 이용한 확률과 딥러닝 모델 병합 ◆ 클라우드에서 모델을 훈련하고 텐서플로를 실제 환경에서 작동시키는 방법 ◆ 텐서플로 2.x와 케라스 API를 통한 머신러닝과 딥러닝 모델 구축 ◈ 이 책의 대상 독자 ◈ 머신러닝 경험이 있는 데이터 과학자이거나 신경망에 어느 정도 노출된 AI 프로그래머라면 이 책이 TensorFlow를 사용한 딥러닝에 대한 유용한 시작점임을 알게 될 것이다. 딥러닝 쓰나미에 대한 관심이 높아지고 있는 소프트웨어 엔지니어라면 이 책이 해당 주제에 대한 지식을 넓힐 수 있는 기초 플랫폼이 될 것이다. 이 책을 읽으려면 Python에 대한 기본 지식이 필요하다. ◈ 이 책의 구성 ◈ 1장은 머신러닝 및 딥러닝을 위해 Google에서 개발한 오픈 소스 라이브러리인 텐서플로의 기본 사항을 배운다. 또한 지난 몇 년 동안 놀라운 성장을 이룬 머신러닝의 두 가지 영역인 신경망과 딥러닝의 기초를 소개한다. 1장의 기본 목적은 기본적이지만 완전한 딥러닝 실습을 수행하는 데 필요한 모든 도구를 소개하는 것이다. 2장은 머신러닝 기술의 기본 작업인 회귀와 분류에 중점을 둔다. 텐서플로를 사용해 단순, 다중 및 다변량 회귀 모델을 구축하는 방법을 배운다. 또한 다중 클래스 분류 문제를 해결하기 위해 로지스틱 회귀를 사용한다. 3장은 MNIST 필기 문자를 높은 정확도로 인식하기 위해 딥러닝 ConvNet을 사용하는 방법을 다룬다. CIFAR 10 데이터셋을 사용해 10개의 카테고리로 딥러닝 분류기를 구축하고 ImageNet 데이터셋으로 1,000개의 카테고리로 정확한 분류기를 구축할 것이다. 또한 VGG16과 같은 대규모 딥러닝 네트워크와 InceptionV3와 같은 매우 깊은 네트워크를 사용하는 방법을 조사한다. 아울러 전이학습에 대한 논의로 마무리한다. 4장은 분산 표현과 단어 임베딩의 기원과 이론을 소개한다. 그다음 문장과 단락을 기반으로 하는 정적 단어 기반 임베딩보다 더 역동적이고 표현적인 단어 임베딩의 진행 상황을 차트로 설명한다. 또한 그래프의 노드 또는 웹 애플리케이션의 사용자 세션과 같이 단어가 아닌 시퀀스도 포함하도록 단어 임베딩의 아이디어를 확장할 수 있는 방법을 살펴본다. 다양한 종류의 단어 임베딩을 사용하는 여러 예 역시 포함한다. 5장에서는 순환 신경망을 다루며, 자연어 또는 시계열과 같은 시퀀스 데이터를 처리하는 데 최적화된 신경망의 중요한 아키텍처 하위 부류에 대해 설명한다. LSTM(Long Short-Term Memory) 및 GRU(Gated Recurrent Unit)와 같은 중요한 아키텍처를 설명하고 양방향 상태 및 일괄 처리 상태를 처리하도록 확장할 수 있는 방법을 보여준다. 또한 텍스트 생성, 감정 분석 및 품사 태깅과 같은 특정 작업에 대한 다양한 토폴로지와 함께 RNN을 사용하는 예를 소개한다. 또한 인코더-디코더 파이프라인에서 한 쌍의 RNN을 사용해 다양한 NLP 작업을 해결하는 인기 있는 seq2seq 아키텍처에 대해서도 설명한다. 6장에서는 전통적인 자연어 처리 분야를 혁신한 딥러닝 아키텍처인 트랜스포머를 다룬다. 먼저 가장 인기 있는 모델에 대한 심층 분석과 함께 아키텍처 및 다양한 범주의 트랜스포머에 대한 핵심 직관을 검토하는 것으로 시작한다. 그런 다음 Hugging Face 및 TensorFlow Hub와 같은 인기 있는 라이브러리와 바닐라 아키텍처를 기반으로 하는 구현에 중...점을 둔다. 그다음 평가, 최적화 및 트랜스포머를 사용할 때 일반적으로 채택되는 몇 가지 모범 사례에 대해 간략하게 설명한다. 마지막 절은 트랜스포머를 사용해 NLP와 완전히 다른 영역인 컴퓨터 비전 작업을 수행하는 방법을 검토하는 데 전념한다. 이를 위해서는 어텐션(attention) 메커니즘에 대한 신중한 정의가 필요하다. 결국, “필요한 것은 어텐션이 전부다”. 그리고 관심의 핵심에는 벡터 간의 코사인 유사성 외에는 아무것도 없다. 7장에서는 비지도학습 모델에 대해 자세히 설명한다. PCA, k-평균 및 자체 구성 맵과 같은 클러스터링 및 차원 감소에 필요한 기술을 다룬다. 볼츠만(Boltzmann) 머신과 텐서플로를 사용한 구현에 대해 자세히 설명한다. 다루는 개념은 RBM(Restricted Boltzmann Machines) 구축으로 확장된다. 8장에서는 입력을 대상으로 재생성하려는 신경망 부류인 오토인코더에 대해 설명한다. 희소 오토인코더, 컨볼루션 오토인코더, 디노이징(denosing) 오토인코더와 같은 다양한 종류의 오토인코더를 다룰 것이다. 여기서는 잡음 제거 자동 인코더를 훈련해 입력 이미지에서 잡음을 제거한다. 오토인코더를 사용해 MNIST 숫자를 생성하는 방법을 보여준다. 또한 문장 벡터를 생성하기 위해 LSTM 자동 인코더를 구축하는 것과 관련된 단계도 다룬다. 마지막으로, 이미지를 생성하기 위해 가변 오토인코더를 구축하는 방법을 배운다. 9장에서는 생성적 적대 신경망(GAN)에 중점을 둔다. 먼저 첫 번째 제안된 GAN 모델로 시작해 MNIST 문자를 위조하는 데 사용한다. 또한 심층 컨볼루션 GAN을 사용해 유명인 이미지를 만드는 방법을 보여준다. 그리고 SRGAN, InfoGAN 및 CycleGAN과 같은 다양한 GAN 아키텍처에 대해 설명한다. 다양하고 멋진 GAN 애플리케이션도 다룬다. 마지막으로 겨울-여름 이미지를 변환하기 위해 CycleGAN의 텐서플로 구현으로 결론을 내린다. 10장에서는 컴퓨터 비전, 오디오 및 자연어 처리에서 자기-지도학습에 사용되는 다양한 전략에 대한 개요를 제공한다. 자기회귀 생성, 마스킹된 생성, 관계 예측 및 이러한 접근 방식의 하이브리드와 같은 전략을 통한 자기 예측을 다룬다. 또한 자기-지도학습을 위한 인기 있는 기술인 대조학습과 다양한 응용 분야의 다양한 구실 작업에 대한 응용을 다룬다. 11장에서는 Q-러닝 알고리듬과 벨만(Bellman) 방정식을 다루는 강화학습에 중점을 둔다. 할인된 보상, 탐색 및 활용, 할인 요소를 다룬다. 또한 정책 기반 및 모델 기반 강화학습에 대해 설명한다. 아타리(Atari) 게임을 플레이하기 위해 DQN(Deep Q-Learning Network)을 구축할 것이다. 마지막으로 정책 기울기 알고리듬을 사용해 에이전트를 교육하는 방법을 배운다. 12장에서는 확률론적 추론과 통계 분석을 수행하기 위해 텐서플로 위에 구축된 라이브러리인 텐서플로 확률을 소개한다. TensorFlow Probability를 사용해 합성 데이터를 생성하는 방법을 보여준다. 베이즈 네트워크를 구축하고 추론을 수행한다. 12장에서는 또한 불확실성, 우발적 및 인식적 개념과 훈련된 모델의 불확실성을 계산하는 방법을 소개한다. 13장에서는 기계학습 기술에 익숙하지 않은 도메인 전문가가 머신러닝 기술을 쉽게 사용할 수 있도록 하는 것을 목표로 하는 AutoML을 소개한다. 먼저 Google Cloud Platform을 사용해 실습을 진행하고 기본 사항에 대해 간략히 논의한 후 실질적인 실습 작업을 수행한다. 자동 데이터 준비, 자동 기능 엔지니어링 및 자동 모델 생성을 다룬다. 그런 다음 테이블, 비전, 텍스트, 번역 및 비디오 처리를 위한 여러 솔루션과 함께 오토케라스 및 Google Cloud AutoML을 소개한다. 14장에서는 딥러닝의 이면의 수학을 다룬다. 이 주제는 상당히 고급 과정이므로 실무자에게 반드시 필요하진 않다. 그러나 신경망을 다룰 때 “내부적으로” 어떤 일이 일어나고 있는지 이해하고자 한다면 읽어보길 권한다. 역사적 소개부터 시작해 미분과 그래디언트의 고등학교 수준의 개념을 검토하고 딥러닝 네트워크를 최적화하는 데 일반적으로 사용되는 그래디언트 디센트 및 역전파 알고리듬을 소개한다. 15장에서는 TPU에 대해 설명한다. TPU는 초고속 방식으로 신경망 수학 연산을 실행하기 위해 Google에서 개발한 매우 특별한 ASIC 칩이다. 연산의 핵심은 여러 내적(행*열)을 병렬로 계산하는 수축기 승수이므로 기본 딥러닝 작업의 계산을 가속화한다. TPU를 행렬 또는 텐서 작업에 초점을 맞춘 딥러닝을 위한 특수 목적의 보조 프로세서로 생각하라. 지금까지의 4세대 TPU와 추가 IoT용 Edge TPU를 검토할 것이다. 16장에서는 다른 딥러닝 프레임워크를 소개한다. Hugging Face, OpenAI의 GPT3 및 DALL-E 2를 살펴본다. 또 다른 인기 있는 딥러닝 프레임워크인 PyTorch를 소개한다. 또한 H2O.ai와 AutoML 모듈도 다룬다. 아울러 딥러닝 모델을 위한 ONNX 오픈 소스 형식에 대해서도 간략하게 설명한다. 17장에서는 그래프 신경망과 인기 있는 딥 그래프 라이브러리(DGL)를 특히 강조하면서 그래프와 그래프 기계학습을 소개한다. 먼저 GNN(및 DGL에서 사용 가능)에서 사용되는 일반적으로 사용되는 다양한 그래프 계층의 이론을 설명하고 노드 분류, 링크 예측 및 그래프 분류에 사용되는 GNN의 예를 제공한다. 또한 고유한 그래프 데이터셋으로 작업하고 그래프 계층을 사용자 지정해 새로운 GNN 아키텍처를 생성하는 방법도 보여준다. 그다음 이기종 그래프 및 시간 그래프와 같은 Graph ML 분야의 최첨단 발전을 다룬다. 18장에서는 훈련과 제품에서 최상의 모델을 얻기 위해 따라야 할 전략과 사례에 중점을 둔다. 여기서는 데이터 관련 사례와 모델 관련 사례라는 두 가지 관점에서 모범 사례를 설명한다. 19장에서는 텐서플로 생태계의 다양한 구성 요소를 설명한다. 사전 학습된 딥러닝 모델의 저장소인 TensorFlow Hub를 소개한다. 여기서는 바로 사용할 수 있는 데이터셋 모음인 텐서플로 데이터셋에 관해 설명한다. 또한 모바일 및 임베디드 시스템과 웹을 위한 프레임워크인 TensorFlow Lite 및 TensorFlow JS에 대해서도 이야기할 것이다. 마지막으로 분산형 기계학습 프레임워크인 연합 학습에 대해 설명한다. 20장에서는 CNN(컨볼루션 신경망)의 고급 사용법을 보여준다. CNN이 컴퓨터 비전, 비디오, 텍스트 문서, 오디오 및 음악 영역 내에서 어떻게 적용될 수 있는지 탐구할 것이다. 그리고 컨볼루션 연산을 요약하는 절로 마무리한다. ◈ 옮긴이의 말 ◈ 이 책은 딥러닝 기초부터 최신 기술 동향까지 한눈에 쉽게 파악할 수 있도록 구성돼 있으며, 전작을 증보한 3판이다. 특히 Keras를 완전 통합한 TensorFlow 2.0에 대한 풍부한 예제와 함께 현재 활발히 연구가 진행 중인 AutoML까지 다루고 있던 2판에서 4개의 장이 더 늘어나면서 그래프 신경망의 소개, 최신 TPU version 4.0의 소개, 확률적 TensorFlow의 소개가 늘어났으며, 2판에 있던 여러 예제도 최신 내용으로 많이 갱신됐다. 또한 2판에 다소 산재해 있던 몇 가지 개념은 독립시키거나 다시 정리해, 한결 더 쉽게 다가오도록 했다. 새로 추가한 6장, ‘트랜스포머’ 등을 통해 최근 가장 주목받고 있는 챗GPT 등에 대한 개념도 더욱 굳건히 이해할 수 있을 것이다. 또한 그래프 신경망도 별도의 장으로 추가돼 여러 예제와 함께 소개하고 있다. 이 책은 딥러닝을 처음 시작하는 사람에게도 어렵지 않을 정도로 친절히 안내하면서도 딥러닝의 핵심인 역전파의 이면에서 벌어지고 있는 수학적 의미에 대한 해부에 한 장을 할애할 정도로 전문적인 설명 역시 빠트리지 않고 있다. 편안한 마음으로 책을 읽고 나면 어느새 TensorFlow에 대한 최신 전문가가 될 수 있을 것이다.
• 
• 1장. TF와 신경망 기초 __TensorFlow(TF)란 무엇인가? __Keras란 무엇인가? __신경망 소개 __퍼셉트론 ____TensorFlow 첫 코드 예제 __다층 퍼셉트론 - 신경망 첫 예제 ____퍼셉트론 훈련의 문제점과 그 해결책 ____활성화 함수 - 시그모이드 ____활성화 함수 - tanh ____활성화 함수 - ReLU ____추가적인 2개의 활성화 함수 - ELU와 LeakyReLU ____활성화 함수들 ____간단히 말해 - 결국 신경망이란 무엇인가? __실제 예제 - 필기체 숫자 인식 ____원-핫 인코딩 ____TensorFlow로 단순 신경망 정의 ____단순 TensorFlow망 실행과 베이스라인 구축 ____TensorFlow의 단순 신경망을 은닉층으로 개선 ____TensorFlow에서 드롭아웃으로 단순망 개선 ____TensorFlow에서 서로 다른 최적기 테스트 ____에폭 수 증가시키기 ____최적기 학습률 조절 ____내부 은닉층 개수 증가 ____배치 계산 크기 증가 ____필기체 인식 실행 차트 요약 __규제화 ____과적합을 피하기 위한 규제화 적용 ____배치 정규화의 이해 __Google Colab 사용 - CPUs, GPUs, TPUs __감정 분석 ____초매개변수 튜닝과 AutoML __출력 예측 __역전파에 대한 실용적 개괄 __지금까지 배운 것? __딥러닝 접근법을 향...해 __요약 __참고문헌 2장. 회귀와 분류 __회귀란 무엇인가? __선형회귀를 사용한 예측 ____단순 선형회귀 ____다중 선형회귀 ____다변량 선형회귀 __선형회귀를 위한 신경망 ____TensorFlow Keras를 사용한 단순 선형회귀 ____TensorFlow Keras API를 사용한 다중과 다변량 선형회귀 __분류 과제와 결정 경계 ____로지스틱 회귀 ____MNIST 데이터셋에 로지스틱 회귀 적용 __요약 __참고문헌 3장. 컨볼루션 신경망 __심층 컨볼루션 신경망 ____지역 수용 필드 ____가중치 공유 및 편향 ____수학적 예제 ____TensorFlow의 ConvNets ____풀링 계층 ______최댓값 풀링 ______평균값 풀링 ____ConvNets 요약 __DCNN의 예시 - LeNet ____TF에서 LeNet 코드 ____딥러닝의 위력 이해하기 __딥러닝으로 CIFAR-10 이미지 인식 ____심층 신경망으로 CIFAR-10 성능 향상 ____데이터 증강을 통해 CIFAR-10 성능 개선 ____CIFAR-10으로 예측 __대형 이미지 인식을 위한 고심층 컨볼루션 신경망 ____VGG16 신경망으로 고양이 인식 ____tf.keras의 내장 VGG16 Net 활용 ____특징 추출을 위해 사전 구축된 딥러닝 모델 재활용 __전이학습을 위한 심층 인셉션 V3망 __다른 CNN 아키텍처 ____AlexNet ____잔차 네트워크 ____HighwayNets와 DenseNets ____Xception __스타일 변환 ____콘텐츠 거리 ____스타일 거리 __요약 __참고문헌 4장. 단어 임베딩 __단어 임베딩 - 유래와 기초 __분산 표현 __정적 임베딩 ____Word2Vec ____GloVe __Gensim을 사용한 자신만의 임베딩 생성 __gensim을 사용한 임베딩 공간 탐색 __워드 임베딩을 사용한 스팸 탐지 ____데이터 얻기 ____데이터를 사용 준비 ____임베딩 행렬 구축 ____스팸 분류기 정의 ____모델의 훈련과 평가 ____스팸 탐지기 실행 __신경망 임베딩 - 단어 이외의 용도 ____Item2Vec ____node2vec __문자와 부분 단어 임베딩 __동적 임베딩 __문장과 문단 임베딩 __언어 모델 기반 임베딩 ____BERT를 특징 추출기로 사용 __요약 __참고문헌 5장. 순환 신경망 __기본 RNN 셀 ____BPTT ____사라지고 폭발하는 그래디언트 __RNN 셀 변형 ____LSTM ____GRU ____핍홀 LSTM __RNN 변형 ____양방향 RNN ____상태 저장 RNN __RNN 위상들 ____예제: 일대다-텍스트 생성을 학습 ____예제: 다대일-감정 분석 ____예제: 다대다 - POS 태깅 __인코더-디코더 아키텍처 - seq2seq ____예제: 기계 번역을 위한 어텐션 없는 seq2seq __어텐션 매커니즘 ____예제: 머신 번역을 위한 어텐션이 있는 seq2seq __요약 __참고문헌 6장. 트랜스포머 __아키텍처 ____핵심 직관 ______위치 인코딩 ______어텐션 ______셀프-어텐션 ______멀티-헤드 (셀프-)어텐션 ____어텐션을 계산하는 방법 ____인코더-디코더 아키텍처 ____잔류와 정규화 계층 ____트랜스포머 아키텍처 개요 ____훈련 __트랜스포머의 아키텍처 ____트랜스포머 종류 ______디코더 또는 자기회귀 ______인코더 또는 오토인코딩 ______Seq2seq ______멀티모달 ______검색 ____어텐션 ______전체 대 희소 ______LSH 어텐션 ______지역 어텐션 __사전 훈련 ____인코더 사전 훈련 ____디코더 사전 훈련 ____인코더-디코더 사전 훈련 ____사전 훈련 과제의 종류 __대중적이고 잘 알려진 모델에 대한 개요 ____BERT ____GPT-2 ____GPT-3 ____리포머 ____빅버드 ____트랜스포머-XL ____XLNet ____RoBERTa ____ALBERT ____StructBERT ____T5 및 MUM ____ELECTRA ____DeBERTa ____진화된 트랜스포머와 MEENA ____LaMDA ____스위치 트랜스포머 ____RETRO ____패스웨이와 PaLM __구현 ____트랜스포머 참조 구현: 번역의 예 ____허깅 페이스 ______텍스트 생성 ______모델 자동 선택 및 자동 토큰화 ______명명된 개체 인식 ______요약 ______미세 조정 ____TFHub __평가 ____품질 ______GLUE ______SuperGLUE ______SQuAD ______RACE ______NLP-progress ____크기 ______크다고 항상 더 좋지는 않다 ____제공 비용 __최적화 ____양자화 ____가중치 가지치기 ____증류 __일반적인 함정: 해야 할 일과 하지 말아야 할 일 ____권장 ____금지 사항 ____트랜스포머의 미래 __요약 7장. 비지도학습 __주성분 분석 ____MNIST 데이터셋에 PCA ____TensorFlow 임베딩 API __K-평균 군집화 ____TensorFlow에서의 K-평균 ____k-평균 변형 __자기 조직화 지도 ____SOM을 사용한 컬러 매핑 __제한된 볼츠만 머신 ____RBM을 사용한 이미지 재구성 ____심층 신뢰 신경망 __요약 __참고문헌 8장. 오토인코더 __오토인코더 소개 __바닐라 오토인코더 ____TensorFlow Keras layers - 맞춤형 계층 정의 ____오토인코더를 사용해 필기체 숫자 재구성 __희소 오토인코더 __디노이징 오토인코더 ____디노이징 오토인코더를 이용한 이미지 정리 __스택된 오토인코더 ____이미지의 노이즈 제거를 위한 컨볼루션 오토인코더 ____Keras 오토인코더 예제: 문장 벡터 __가변 인코더 __요약 __참고문헌 9장. 생성 모델 __GAN이란 무엇인가? ____TensorFlow에서 GAN을 사용하는 MNIST __심층 컨볼루션 GAN(DCGAN) ____MNIST 숫자를 위한 DCGAN __몇 가지 흥미로운 GAN 아키텍처 ____SRGAN ____CycleGAN ____InfoGAN __GAN의 흥미로운 응용들 __TensorFlow로 CycleGAN 구현 __데이터 생성을 위한 흐름 기반 모델 __데이터 생성을 위한 확산 모델 __요약 __참고문헌 10장. 자기-지도학습 __선행 연구 __자기-지도학습 __자기 예측 ____자기회귀 생성 ______PixelRNN ______이미지 GPT(IPT) ______GPT-3 ______XLNet ______WaveNet ______WaveRNN ____마스킹된 생성 ______BERT ______스택 잡음 제거 오토인코더 ______컨텍스트 오토인코더 ______채색 ____본질적 관계 예측 ______상대적 위치 ______조각 그림 퍼즐 풀기 ______회전 ____하이브리드 자기 예측 ______VQ-VAE ______Jukebox ______DALL-E ______VQ-GAN __대조학습 ____훈련 목표 ______대조 손실 ______3중항 손실 ______N-쌍 손실 ______리프트된 구조적 손실 ______NCE 손실 ______InfoNCE 손실 ______소프트 최근접 이웃 손실 ____인스턴스 변환 ______SimCLR ______Barlow Twins ______BYOL ______특징 군집화 ______DeepCluster ______SwAV ______InterCLR ____다중 뷰 코딩 ______AMDIM ______CMC ____다중 모드 모델 ______CLIP ______CodeSearchNet ______Data2Vec __프리텍스트 과제 __요약 __참고문헌 11장. 강화학습 __소개 ____RL 용어 ____심층 강화학습 알고리듬 ______훈련되지 않은 에이전트가 행동을 선택하는 방법 ______에이전트가 탐색과 활용 사이의 균형을 맞추는 방법 ______고도로 상관된 입력 상태 공간을 다루는 방법 ______움직이는 목표를 다루는 방법 ____최근 몇 년 간의 강화학습 성공 __RL의 시뮬레이션 환경 __OpenAI Gym 소개 ____〈Breakout〉을 하는 랜덤 에이전트 ____Gym의 래퍼 __심층 Q-신경망 ____카트폴을 위한 DQN ____아타리 게임을 위한 DQN ____DQN 변종 ______더블 DQN ______듀얼링 DQN ______레인보우 __딥 확정적 정책 그래디언트 __요약 __참고문헌 12장. 확률적 TensorFlow __TensorFlow Probability __TensorFlow Probability 분포 ____TFP 분포 사용 ______동전 뒤집기 예 ______정규분포 ____베이즈 네트워크 ____TensorFlow Probability를 사용해 예측의 불확실성 처리 ______우연적 불확실성 ______인식론적 불확실성 ______합성 데이터셋 만들기 ______TensorFlow를 사용한 회귀 모델 구축 ______우연적 불확실성에 대한 확률론적 신경망 ______인식적 불확실성에 대한 설명 __요약 __참고문헌 13장. AutoML 소개 __AutoML이란 무엇인가? __AutoML의 성취 __자동 데이터 준비 __자동 특징 공학 __자동 모델 생성 __AutoKeras __Google 클라우드 AutoML과 Vertex AI ____Google 클라우드 AutoML 표 솔루션의 사용 ____Google 클라우드 AutoML 텍스트 솔루션 사용 __Google 클라우드 AutoML 비디오 솔루션 사용 ____비용 __요약 __참고문헌 14장. 딥러닝 배경 수학 __역사 __몇 가지 수학 도구 ____벡터 ____미분과 그래디언트 ____그래디언트 하강 ____연쇄 법칙 ____몇 가지 미분 규칙 ____행렬 연산 __활성화 함수 ____Sigmoid의 도함수 ____tanh의 도함수 ____ReLU의 도함수 __역전파 ____전방 단계 ____역단계 ______경우 1: 은닉층에서 출력층까지 ______경우 2: 은닉층에서 은닉층으로 ____교차엔트로피와 그 도함수 ____배치 그래디언트 하강, 확률적 그래디언트 하강, 미니-배치 ______배치 그래디언트 하강(BGD) ______확률적 그래디언트 하강(SGD) ______미니-배치 그래디언트 하강(MBGD) ____역전파와 ConvNets 생각하기 ____역전파와 RNN 생각하기 __TensorFlow 참고 사항과 자동 미분 __요약 __참고문헌 15장. TPU __C/G/T 프로세스 유닛 ____CPU와 GPU ____TPU __4세대 TPU와 에지 TPU ____1세대 TPU ____2세대 TPU ____3세대 TPU ____4세대 TPU ____에지 TPU __TPU 성능 __TPU를 Colab에서 사용하기 ____TPU를 쓸 수 있는지 확인하기 ____Keras MNIST TPU 엔드-투-엔드 훈련 __사전 훈련된 TPU 모델 사용 __요약 __참고문헌 16장. 기타 유용한 딥러닝 라이브러리 __허깅 페이스 __OpenAI ____OpenAI GPT-3 API ____OpenAI DALL-E 2 ____OpenAI Codex __PyTorch __ONNX __H2O.ai ____H2O AutoML ____H2O를 사용한 AutoML ____H2O 모델 설명 가능성 ______부분 종속 도표 ______변수 중요도 히트맵 ______모델 상관관계 __요약 17장. 그래프 신경망 __그래프 기초 __그래프 머신러닝 __그래프 컨볼루션 - GNN의 직관 __일반 그래프 계층 ____그래프 컨볼루션 네트워크 ____그래프 어텐션 네트워크 ____GraphSAGE ____그래프 동형 네트워크 __일반 그래프 응용 ____노드 분류 ____그래프 분류 ____링크 예측 __그래프 사용자 지정 ____사용자 지정 계층 및 메시지 전달 ____사용자 정의 그래프 데이터셋 ______데이터셋의 단일 그래프 ______데이터셋의 복수 그래프 집합 __향후 방향 ____이종 그래프 ____임시 그래프 __요약 __참고문헌 18장. 머신러닝 모범 사례 __모범 사례의 필요성 __데이터 모범 사례 ____특징 선택 ____특징과 데이터 ______텍스트 데이터 증강 __모델 모범 사례 ____기준 모델 ____사전 훈련된 모델, 모델 API 및 AutoML ____모델 평가 및 검증 ____모델 개선 __요약 __참고문헌 19장. TensorFlow 2 생태계 __TensorFlow Hub ____추론을 위해 사전 훈련된 모델 사용 __TensorFlow Datasets ____TFDS 데이터셋 로드 ____TFDS를 사용한 데이터 파이프라인 구축 __TensorFlow Lite ____양자화 ____FlatBuffers ____모바일 변환기 ____모바일에 최적화된 인터프리터 ____지원되는 플랫폼 ____아키텍처 ____TensorFlow Lite 사용 ____응용 일반 사례 ____GPU 및 가속기 사용 ____응용 사례 __TensorFlow Lite에서 사전 학습된 모델 ____이미지 분류 ____객체 탐지 ____자세 추정 ____스마트 응답 ____세그멘테이션 ____스타일 변환 ____텍스트 분류 ____거대 언어 모델 ____모바일 GPU 사용에 대한 참고 사항 __에지에서의 연합 학습 개요 ____TensorFlow FL API __TensorFlow.js ____바닐라 TensorFlow.js ____모델 변환 ____사전 훈련된 모델 ____Node.js __요약 __참고문헌 20장. 고급 컨볼루션 신경망 __복잡한 작업을 위한 CNN 구성 ____분류 및 지역화 ____의미론적 세그멘테이션 ____개체 탐지 ____인스턴스 세그멘테이션 __tf.Keras 및 TensorFlow Hub를 사용한 응용 동물원 ____Keras 애플리케이션 ____TensorFlow Hub __이미지에 대한 질문에 답하기(시각적 Q&A) __DeepDream 네트워크 만들기 __네트워크가 학습한 내용 검사 __비디오 ____여섯 가지 방식으로 사전 훈련된 네트워크로 비디오 분류 __텍스트 문서 ____감정 분석을 위한 CNN 사용 __오디오와 음악 ____Dilated ConvNets, WaveNet 및 NSynth __컨볼루션 작업 요약 ____기본 CNN ____확장된 컨볼루션 ____전치 컨볼루션 ____분리 가능한 컨볼루션 ____깊이별 컨볼루션 ____깊이별 분리 가능한 컨볼루션 __캡슐 네트워크 ____CNN의 문제점 ____캡슐 네트워크의 새로운 기능 __요약 __참고문헌
• 
• 

• 수짓 팔 [저]

• 리드-엘스비어(Reed-Elsevier) 그룹 내 고급 기술 그룹인 엘스비어 랩(Elsevier Labs)의 기술 연구 이사다. 관심 분야는 문맥 검색, 자연어 처리, 머신러닝, 딥러닝이다. 엘스비어에서 여러 머신러닝 이니셔티브(initiatives)를 수행했는데 검색 품질 측정과 개선, 이미지 분류와 중복 탐지, 어노테이션, 의학과 과학 말뭉치에 대한 온톨로지 개발 등을 수행했다.

• 이병욱 [저]

• 서울과학종합대학교 디지털금융 주임교수다. 한국과학기술원(KAIST) 겸직교수이자 한국금융연수원 겸임교수를 했다. 공지능연구원(AIRI) 부사장이다. 금융위원회 금융규제혁신회의 위원, 금융위원회 법령해석심의위원회 위원, 금융위원회 적극행정위원회 위원, 금융위원회 가상자산 자문위원, 금융정보분석원의 “특금법 후속조치를 위한 TF” 위원이다. 한국산업기술진흥원(KIAT) ‘규제자유특구 분과위원회’ 위원과 과기정통부 우정사업본부 정보센터 네트워크 & 블록체인 자문위원을 했다. 전 BNP 파리바 카디프 전무, 전 LG전자 연구원이다. 한국과학기술원(KAIST) 전산학과 계산이론 연구실에서 공부했으며 공학을 전공한 금융 전문가로, 세계 최초의 핸드헬드-PC(Handheld-PC) 개발에 참여해 한글 윈도우 CE1.0과 2.0을 미국 마이크로소프트 본사에서 공동 개발했다. 1999년에는 전 보험사 보험료의 실시간 비교 서비스를 제공하는 핀테크 전문회사 ㈜보험넷을 창업해 업계에 큰 반향을 불러일으켰다. 이후 삼성생명을 비롯한 생명 및 손해 보험사에서 CMO(마케팅 총괄 상무), CSMO(영업 및 마케팅 총괄 전무) 등을 역임하면서 혁신적인 상품과 서비스를 개발, 총괄했다. 세계 최초로 파생상품인 ELS를 기초 자산으로 한 변액 보험을 개발해 단일 보험 상품으로 1조 원 이상 판매되는 돌풍을 일으켰고, 매일 분산 투자하는 일 분산 투자(daily Averaging) 변액 보험을 세계 최초로 개발해 상품 판매 독점권을 획득했다. 인공지능 연구원에서 머신러닝 기반의 금융 솔루션 개발에 관련된 다양한 활동을 하고 있으며, 금융위원회, 금융정보분석원 등에 다양한 자문을 하고 있다. 저서로는 문체부가 2023 세종도서로 선정한 『돈의 정체』(에이콘, 2021)와 함께 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(에이콘, 2018) 그리고 대한민국학술원이 2019 교육부 우수학술도서로 선정한 『블록체인 해설서』(에이콘, 2019)와 한국금융연수원의 핀테크 전문 교재인 『헬로, 핀테크!』(공저, 2020), 『헬로핀테크-인공지능편』(2021)이 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.