>
>
>
Á¤¼®À¸·Î ¹è¿ì´Â µö·¯´× : ÅÙ¼­ÇÃ·Î¿Í Äɶ󽺷Π¹è¿ì´Â ½Ã°è¿­ µ¥ÀÌÅÍ Ã³¸® ¾Ë°í¸®Áò
À§Å°ºÏ½º µ¥ÀÌÅÍ »çÀ̾ð½º1 ¤Ó ½º°í¸ð¸® À¯¿ì½ºÄÉ, ±è¹üÁØ, ¼Õ¹Î±Ô ¤Ó À§Å°ºÏ½º ¤Ó ßÙú° «Ç«£-«×«é-«Ë«ó«° ~TensorFlow KerasªËªèªëãÁ֪ͧ«Ç-«¿?×â
  • Á¤°¡
27,000¿ø
  • ÆǸŰ¡
24,300¿ø (10% ¡é, 2,700¿ø ¡é)
  • ¹ßÇàÀÏ
2017³â 11¿ù 23ÀÏ
  • ÆäÀÌÁö¼ö/Å©±â/¹«°Ô
332page/186*240*27/740g
  • ISBN
9791158390822/1158390823
  • 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
À§Å°ºÏ½º µ¥ÀÌÅÍ »çÀ̾ð½º(ÃÑ56°Ç)
½ÇÀü! ÇÁ·ÎÁ§Æ®·Î ¹è¿ì´Â µö·¯´× ÄÄÇ»ÅͺñÀü : ¿µ»óºÐ¼® À̷кÎÅÍ ¿£ºñµð¾Æ Á¬½¼ ³ª³ë¸¦ È°¿ëÇÑ ÀÚÀ²ÁÖÇà ½Ç½À±îÁö     31,500¿ø (10%¡é)
ÆÄÀ̽ã ÅؽºÆ® ¸¶ÀÌ´× ¹ÙÀ̺í 2 : ÆÄÀ̽㠱âÃʺÎÅÍ Æ®·£½ºÆ÷¸Ó, BERT, GPT±îÁö     25,200¿ø (10%¡é)
ÆÄÀ̽ã ÅؽºÆ® ¸¶ÀÌ´× ¹ÙÀ̺í 1 : ÆÄÀ̽㠱âÃʺÎÅÍ Æ®·£½ºÆ÷¸Ó, BERT, GPT±îÁö     37,800¿ø (10%¡é)
ÆÄÀÌÅäÄ¡ Æ®·£½ºÆ÷¸Ó¸¦ È°¿ëÇÑ ÀÚ¿¬¾î ó¸®¿Í ÄÄÇ»ÅͺñÀü ½ÉÃþÇнÀ : ½ÇÀü ÇÁ·ÎÁ§Æ®¿Í ÃֽŠ¾Ë°í¸®ÁòÀ» ÅëÇÑ µö·¯´× ¸ðµ¨ °³¹ß     43,200¿ø (10%¡é)
½ÇÀü! ÄÄÇ»ÅͺñÀüÀ» À§ÇÑ ¸Ó½Å·¯´× : ÅÙ¼­ÇÃ·Î¿Í Äɶ󽺸¦ È°¿ëÇÑ ¸Ó½Å·¯´× ±â¹Ý À̹ÌÁö ó¸® ¿Ïº® °¡ÀÌµå     31,500¿ø (10%¡é)
  • »ó¼¼Á¤º¸
  • ¡ºÁ¤¼®À¸·Î ¹è¿ì´Â µö·¯´×¡»Àº ´Ü¼ø ÆÛ¼ÁÆ®·ÐºÎÅÍ ½ÃÀÛÇؼ­ ´ÙÃþ ÆÛ¼ÁÆ®·Ð, ½ÉÃþ ½Å°æ¸Á, ¼øȯ ½Å°æ¸Á µî ´Ù¾çÇÑ ±â¹ý¿¡ °üÇØ ¼³¸íÇÕ´Ï´Ù. Ãë±ÞÇÒ µ¥ÀÌÅÍÀÇ Á¾·ù¿¡ µû¶ó »ý°¢ÇØ¾ß ÇÒ °úÁ¦µµ ´Ù¸£¹Ç·Î ÀÌ¿¡ ¸ÂÃç ³×Æ®¿öÅ©¸¦ º¯È­½ÃÅ°¸ç ÇнÀÀ» ÁøÇàÇÕ´Ï´Ù. ÀÌ Ã¥¿¡¼­ ¹è¿î À̷и¸ Àß ¾Ë°í ÀÖÀ¸¸é ¾ÕÀ¸·Î ¾î¶² µö·¯´× ±â¹ýÀÌ ³ª¿Íµµ ±Ý¹æ ÀÌÇØÇÏ°í ´É¼÷ÇÏ°Ô »ç¿ëÇÒ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù. ±×¸®°í ÀÚ½ÅÀÌ Á÷Á¢ »õ·Î¿î ¸ðµ¨À» °í¾ÈÇØ ³¾ ¼öµµ ÀÖÀ» °ÍÀÔ´Ï´Ù.
  • ±âÃʺÎÅÍ ÀÀ¿ë±îÁö, À̷п¡¼­ ±¸Çö±îÁö! ÀÌ Ã¥Àº µö·¯´×°ú ½Å°æ¸Á¿¡ °üÇÑ ¿¹ºñ Áö½Ä ¾øÀ̵µ ÇнÀÇØ ³ª¾Æ°¥ ¼ö ÀÖµµ·Ï ±âº»ÀûÀÎ ³»¿ëºÎÅÍ À̷аú ±¸Çö¿¡ °üÇØ »ó¼¼ÇÏ°Ô ¼³¸íÇÕ´Ï´Ù. ±¸Çö¿¡´Â ÆÄÀ̽ãÀÇ µö·¯´×¿ë ¶óÀ̺귯¸®ÀÎ ÅÙ¼­Ç÷Î(1.0)¿Í Äɶó½º(2.0)¸¦ »ç¿ëÇÕ´Ï´Ù. ÀÌ Ã¥Àº ´Ü¼ø ÆÛ¼ÁÆ®·ÐºÎÅÍ ½ÃÀÛÇؼ­ ´ÙÃþ ÆÛ¼ÁÆ®·Ð, ½ÉÃþ ½Å°æ¸Á, ¼øȯ ½Å°æ¸Á µî ´Ù¾çÇÑ ±â¹ý¿¡ °üÇØ ¼³¸íÇÕ´Ï´Ù. Ãë±ÞÇÒ µ¥ÀÌÅÍÀÇ Á¾·ù¿¡ µû¶ó »ý°¢ÇØ¾ß ÇÒ °úÁ¦µµ ´Ù¸£¹Ç·Î ÀÌ¿¡ ¸ÂÃç ³×Æ®¿öÅ©¸¦ º¯È­½ÃÅ°¸ç ÇнÀÀ» ÁøÇàÇÕ´Ï´Ù. ÀÌ Ã¥¿¡¼­ ¹è¿î À̷и¸ Àß ¾Ë°í ÀÖÀ¸¸é ¾ÕÀ¸·Î ¾î¶² µö·¯´× ±â¹ýÀÌ ³ª¿Íµµ ±Ý¹æ ÀÌÇØÇÏ°í ´É¼÷ÇÏ°Ô »ç¿ëÇÒ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù. ±×¸®°í ÀÚ½ÅÀÌ Á÷Á¢ »õ·Î¿î ¸ðµ¨À» °í¾ÈÇØ ³¾ ¼öµµ ÀÖÀ» °ÍÀÔ´Ï´Ù. ¡Ú ÀÌ Ã¥¿¡¼­ ´Ù·ç´Â ³»¿ë ¡Ú ¡Ý ½Å°æ¸ÁÀÇ ÀÌ·ÐÀ» ÇнÀÇÏ´Â µ¥ ÇÊ¿äÇÑ ¼öÇÐ Áö½Ä ¡Ý ÆÄÀ̽㠰³¹ß ȯ°æÀ» ±¸Ãà ¹× ÆÄÀ̽㠶óÀ̺귯¸®¸¦ »ç¿ë¹ý ¡Ý ½Å°æ¸Á ±âº»Çü°ú ½ÉÃþ ½Å°æ¸Á(µö·¯´×) ÇнÀ ¡Ý ½Ã°è¿­ µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ RNN ÇнÀ°ú ÀÀ¿ë
  • ¢Ã 01Àå: ¼öÇÐ Áö½Ä Áغñ 1.1 Æí¹ÌºÐ __1.1.1 µµÇÔ¼ö¿Í ÆíµµÇÔ¼ö __1.1.2 ¹ÌºÐ °è¼ö¿Í Æí¹ÌºÐ °è¼ö __1.1.3 Æí¹ÌºÐÀÇ ±âº» °ø½Ä __1.1.4 ÇÕ¼ºÇÔ¼öÀÇ Æí¹ÌºÐ __1.1.5 ·¹º§ ¾÷ Àü¹ÌºÐ 1.2 ¼±Çü´ë¼ö __1.2.1 º¤ÅÍ __1.2.2 Çà·Ä 1.3 Á¤¸® ¢Ã 02Àå: ÆÄÀ̽ã Áغñ 2.1 ÆÄÀ̽ã 2¿Í ÆÄÀ̽ã 3 2.2 ¾Æ³ªÄÜ´Ù ¹èÆ÷ÆÇ 2.3 ÆÄÀ̽㠱âÃÊ __2.3.1 ÆÄÀ̽ã ÇÁ·Î±×·¥ ½ÇÇà __2.3.2 µ¥ÀÌÅÍÇü __2.3.3 º¯¼ö __2.3.4 µ¥ÀÌÅÍ ±¸Á¶ __2.3.5 ¿¬»ê __2.3.6 ±âº» ±¸¹® __2.3.7 ÇÔ¼ö __2.3.8 Ŭ·¡½º __2.3.9 ¶óÀ̺귯¸® 2.4 NumPy __2.4.1 NumPy ¹è¿­ __2.4.2 NumPy·Î º¤ÅÍ, Çà·Ä °è»ê __2.4.3 ¹è¿­°ú ´ÙÂ÷¿ø ¹è¿­ »ý¼º __2.4.4 ½½¶óÀ̽º __2.4.5 ºê·Îµåij½ºÆ® 2.5 µö·¯´×À» À§ÇÑ ¶óÀ̺귯¸® __2.5.1 TensorFlow __2.5.2 Äɶó½º(Keras) __2.5.3 ¾¾¾Æ³ë(Theano) 2.6 Á¤¸® ¢Ã 03Àå: ½Å°æ¸Á 3.1 ½Å°æ¸ÁÀ̶õ? __3.1.1 ³ú¿Í ½Å°æ¸Á __3.1.2 µö·¯´×°ú ½Å°æ¸Á 3.2 ½Å°æ¸ÁÀ̶ó´Â ȸ·Î __3.2.1 ´Ü¼øÇÑ ¸ðµ¨È­ __3.2.2 ³í¸®È¸·Î 3.3 ´Ü¼ø ÆÛ¼ÁÆ®·Ð __3.3.1 ¸ðµ¨È­ __3.3.2 ±¸Çö 3.4 ·ÎÁö½ºÆ½ ȸ±Í __3.4.1 °è´ÜÇÔ¼ö¿Í ½Ã...
  • ½º°í¸ð¸® À¯¿ì½ºÄÉ [Àú]
  • ±è¹üÁØ [Àú]
  • ÃʵîÇб³ 2Çг⠶§ º£ÀÌÁ÷À¸·Î ÇÁ·Î±×·¥À» ½ÃÀÛÇÏ¿© ÁßÇб³ ½ÃÀý¿¡ MSX¿ë ¾î¼Àºí¸®¾î(z80) ÇÁ·Î±×·¥À» ½ÀµæÇßÀ» Á¤µµ·Î ¾î¸± ¶§ºÎÅÍ ÇÁ·Î±×·¡¹Ö¿¡ ³²´Ù¸¥ °ü½ÉÀ» °¡Á³´Ù. ÀϺ» È£¼¼ÀÌ´ëÇÐ °æ¿µÇкΠÃâ½ÅÀÌ¸ç ¾î¼Àºí¸®¾î·Î °ÔÀÓÀ» Á¦ÀÛÇÒ Á¤µµ·Î µ¶Æ¯ÇÑ Ä³¸®¾î¸¦ Áö³æ´Ù. °¡Á¤¿ë ¸ÖƼ¹Ìµð¾î °³¹ß°ú ÃøÁ¤ Àåºñ ¼ÒÇÁÆ®¿þ¾î¸¦ ÁÖ·Î °³¹ßÇÏ¿´´Ù. ¡°¸¸µé¸é¼­ ¹è¿ì´Â OS ±¸Á¶¿Í ¿ø¸®¡±(ÇѺû¹Ìµð¾î, 2005)¸¦ ÁýÇÊÇÏ¿´´Ù.
  • ¼Õ¹Î±Ô [Àú]
  • ¼Ò´Ï ¹ÝµµÃ¼¿¡¼­ µ¥ÀÌÅÍ ºÐ¼®À» È°¿ëÇÑ ¾Ë°í¸®Áò ¹× ½Ã½ºÅÛ °³¹ß ¾÷¹«¸¦ ´ã´çÇß´Ù. »ç¿øÀ» ´ë»óÀ¸·Î Åë°è ¾Ë°í¸®Áò °­ÀǸ¦ ÁøÇàÇÑ °æÇèÀÌ ÀÖÀ¸¸ç, ÇöÀç´Â »ï¼ºÀüÀÚ¿¡¼­ °ü·Ã µ¥ÀÌÅÍ ºÐ¼® ¾÷¹«¸¦ ´ã´çÇÏ°í ÀÖ´Ù. ÀϺ» Å¥½´´ëÇб³¿¡¼­ ÀΰøÁö´ÉÀÇ ÇÑ ºÐ¾ßÀÎ Reinforcement Learning ¾Ë°í¸®Áò °³¹ß·Î ¹Ú»çÇÐÀ§¸¦ ¹Þ¾ÒÀ¸¸ç °ü½ÉºÐ¾ß´Â Reinforcement Learning, Neural Network, Genetic Algorithm µî Machine Learning AlgorithmÀ» È°¿ëÇÑ ½Ã½ºÅÛ°³¹ßÀÌ´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.
  • 0°³
  • 0°³