|
|
|
Pandas¸¦ ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® ½Ç½À : ¶óÀ̺귯¸®·Î ´Ù¾çÇÑ ½ÇÁ¦ µ¥ÀÌÅÍ ºÐ¼®
|
|
|
µ¥ÀÌÅÍ °úÇÐ ½Ã¸®Áî(¿¡ÀÌÄÜ)1
¤Ó ½ºÅ×ÆÄ´Ï ¸ô¸°, Àå±â½Ä
¤Ó
¿¡ÀÌÄÜÃâÆÇ
¤Ó
Hands-On Data Analysis with Pandas - Second Edition
|
|
|
|
- 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.
-
-
-
pandas´Â ÆÄÀ̽㿡¼ µ¥ÀÌÅÍ °úÇÐÀ» À§ÇÑ °·ÂÇÏ°í Àαâ ÀÖ´Â ¶óÀ̺귯¸®´Ù. ÀÌ Ã¥Àº ÁÖ½Ä ½ÃÀå°ú ¸ðÀÇ ÇØÅ· ½Ãµµ, ±â»ó µ¿Çâ, ÁöÁø, ¿ÍÀÎ, õ¹®ÇÐ µ¥ÀÌÅÍ µî ½ÇÁ¦ µ¥ÀÌÅÍ¿¡ pandas¸¦ ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® ½Ç½ÀÀ» Á¦°øÇÑ´Ù. pandas´Â Ç¥ Çü½ÄÀÇ µ¥ÀÌÅ͸¦ È¿À²ÀûÀ¸·Î ´Ù·ê ¼ö ÀÖ´Â ±â´ÉÀ» Á¦°øÇØ µ¥ÀÌÅÍ ·©±Û¸µ(data wrangling)°ú ½Ã°¢È¸¦ ½±°Ô ÇÒ ¼ö ÀÖ´Ù. µ¥ÀÌÅÍ ºÐ¼® ¹æ¹ýÀ» ¹è¿î ´ÙÀ½¿¡ ´Ù¾çÇÑ ÀÀ¿ë ÇÁ·Î±×·¥À» »ìÆ캻´Ù. ÆÄÀ̽ã ÆÐÅ°Áö¸¦ ±¸ÃàÇÑ ´ÙÀ½, µ¥ÀÌÅÍ ½Ã°¢È¿Í µ¥ÀÌÅÍ ·©Å¬¸µ, ±×¸®°í ¸Ó½Å·¯´×À» À§ÇØ ³Î¸® »ç¿ëµÇ´Â Matplotlib¿Í Seaborn, ³ÑÆÄÀÌ(NumPy), Scikit-learn°ú °°Àº Ãß°¡ ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ ÁÖ°¡ ºÐ¼®, ÀÌ»ó ŽÁö, ȸ±Í, ±ºÁýÈ, ºÐ·ù ¹®Á¦¿¡ µµÀüÇÑ´Ù. ÀÌ Ã¥À» ÀÐÀ¸¸é ÆÄÀ̽ãÀ¸·Î ¿©·¯ºÐ¸¸ÀÇ µ¥ÀÌÅÍ °úÇÐ ÇÁ·ÎÁ§Æ®¸¦ ¼öÇàÇÒ Áغñ°¡ µÅ ÀÖÀ» °ÍÀÌ´Ù.
-
-
¢Â ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë ¢Â
¡ß µ¥ÀÌÅÍ ºÐ¼®°¡¿Í °úÇÐÀÚ°¡ µ¥ÀÌÅ͸¦ ¼öÁýÇÏ°í ºÐ¼®ÇÏ´Â ¹æ¹ý ÀÌÇØ
¡ß ÆÄÀ̽ãÀ¸·Î µ¥ÀÌÅÍ ºÐ¼®°ú µ¥ÀÌÅÍ ·©±Û¸µ
¡ß ¿©·¯ ÃâóÀÇ µ¥ÀÌÅ͸¦ °áÇÕ, ±×·ìÈ ±×¸®°í Áý°è
¡ß pandas¿Í matplotlib, seabornÀ¸·Î µ¥ÀÌÅÍ ½Ã°¢È
¡ß ¸Ó½Å·¯´× ¾Ë°í¸®µëÀ¸·Î ÆÐÅÏÀ» ½Äº°, ¿¹Ãø
¡ß ÆÄÀ̽㠵¥ÀÌÅÍ °úÇÐ ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ ½ÇÁ¦ µ¥ÀÌÅͼ¼Æ® ºÐ¼®
¡ß pandas·Î ÀϹÝÀûÀÎ µ¥ÀÌÅÍ Ç¥Çö°ú ºÐ¼® ¹®Á¦ ÇØ°á
¡ß ºÐ¼® Äڵ带 Àç»ç¿ëÇÒ ¼ö ÀÖµµ·Ï ÆÄÀ̽㠽ºÅ©¸³Æ®¿Í ¸ðµâ, ±×¸®°í ÆÐÅ°Áö »ý¼º
¢Â ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¢Â
ÀÌ Ã¥Àº µ¥ÀÌÅÍ °úÇÐÀ» ÇÁ·ÎÁ§Æ®¿¡ Àû¿ëÇÏ°í µ¥ÀÌÅÍ °úÇÐÀÚ¿Í Çù¾÷Çϰųª ¼ÒÇÁÆ®¿þ¾î ¿£Áö´Ï¾î¿Í ÇÔ²² ¸Ó½Å·¯´× Á¦Ç° ÄÚµå ÀÛ¾÷À» ÁøÇàÇÏ°íÀÚ ÆÄÀ̽ãÀ¸·Î µ¥ÀÌÅÍ °úÇÐÀ» ¹è¿ì·Á´Â ´Ù¾çÇÑ ¼öÁØÀÇ °æÇèÀ» °¡Áø »ç¶÷µéÀ» ´ë»óÀ¸·Î ÇÑ´Ù. ´ÙÀ½°ú °°Àº °æÇèÀÌ ÀÖ´Ù¸é ÀÌ Ã¥À» ÃÖ´ë·Î È°¿ëÇÒ ¼ö ÀÖÀ» °ÍÀÌ´Ù.
RÀ̳ª SAS ¶Ç´Â MATLAB°ú °°Àº ´Ù¸¥ ¾ð¾î·Î µ¥ÀÌÅÍ °úÇÐÀ» °æÇèÇÏ°í ¿©·¯ºÐÀÇ ÀÛ¾÷À» ÆÄÀ̽ãÀ¸·Î ÀüȯÇÏ°íÀÚ pandas¸¦ ¹è¿ì·Á´Â »ç¶÷, ±×¸®°í ÆÄÀ̽㠰æÇèÀÌ ÀÖÀ¸¸ç ÆÄÀ̽ãÀ» »ç¿ëÇØ µ¥ÀÌÅÍ °úÇÐÀ» ¹è¿ì·Á´Â »ç¶÷ ¸ðµÎ°¡ Àб⿡ ÀûÇÕÇÏ´Ù.
¢Â ÀÌ Ã¥ÀÇ ±¸¼º ¢Â
1Àå, ¡®µ¥ÀÌÅÍ ºÐ¼® ¼Ò°³ µ¥ÀÌÅÍ ºÐ¼®°ú Åë°èÇÐÀÇ ±âÃÊ¡¯¿¡¼´Â ÆÄÀ̽㿡¼ÀÇ µ¥ÀÌÅÍ ÀÛ¾÷°ú ÁÖÇÇÅÍ ³ëÆ®ºÏ(Jupyter Notebook) »ç¿ëÀ» À§ÇÑ È¯°æ ¼³Á¤ °úÁ¤À» ¾È³»ÇÑ´Ù.
2Àå, ¡®pandas µ¥ÀÌÅÍÇÁ·¹ÀÓÀ¸·Î ÀÛ¾÷Çϱ⡯¿¡¼´Â pandas ¶óÀ̺귯¸®¸¦ ¼Ò°³ÇÏ°í µ¥ÀÌÅÍÇÁ·¹ÀÓÀ¸·Î ÀÛ¾÷Çϱâ À§ÇÑ ±âº» Áö½ÄÀ» ¼³¸íÇÑ´Ù.
3Àå, ¡®pandas·Î µ¥ÀÌÅÍ ·©±Û¸µÇϱ⡯¿¡¼´Â µ¥ÀÌÅÍ Á¶ÀÛ(data manipulation) °úÁ¤À» ¼³¸íÇÏ°í API·Î ÅëÇÑ µ¥ÀÌÅÍ ¼öÁý ¹æ¹ýÀ» ¼Ò°³Çϸç pandas·Î µ¥ÀÌÅÍ Á¤Á¦(data cleaning)¿Í À籸¼º(reshaping)À» ¾È³»ÇÑ´Ù.
4Àå, ¡®pandas·Î µ¥ÀÌÅÍÇÁ·¹ÀÓ Áý°èÇϱ⡯¿¡¼´Â µ¥ÀÌÅÍÇÁ·¹ÀÓ¿¡ ÁúÀÇ(query)ÇÏ°í º´ÇÕÇÏ´Â ¹æ¹ý°ú µ¥ÀÌÅÍÇÁ·¹ÀÓ¿¡¼ À̵¿ Æò±Õ°ú Áý°è¸¦ Æ÷ÇÔÇØ º¹ÀâÇÑ °è»êÀ» ÇÏ´Â ¹æ¹ý, ½Ã°è¿ µ¥ÀÌÅ͸¦ È¿À²ÀûÀ¸·Î ´Ù·ç´Â ¹æ¹ýÀ» ´Ù·é´Ù.
5Àå, ¡®pandas¿Í matplotlib·Î µ¥ÀÌÅÍ ½Ã°¢ÈÇϱ⡯¿¡¼´Â ÆÄÀ̽㿡¼ matplotlib ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ µ¥ÀÌÅ͸¦ ½Ã°¢ÈÇÏ´Â ¹æ¹ý°ú pandas °´Ã¼¿¡¼ Á÷Á¢ ½Ã°¢ÈÇÏ´Â ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù.
6Àå, ¡®seaborn°ú »ç¿ëÀÚ Á¤ÀÇ ±â¼ú·Î ±×¸² ±×¸®±â¡¯¿¡¼´Â seaborn ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ ±ä Çü½ÄÀÇ µ¥ÀÌÅ͸¦ ½Ã°¢ÈÇÏ´Â ¹æ¹ý°ú ¹ßÇ¥¿¡ »ç¿ëÇÒ ¼ö ÀÖµµ·Ï ½Ã°¢È¸¦ »ç¿ëÀÚ¿¡°Ô ¸Â°Ô ¼öÁ¤ÇÒ ¼ö ÀÖ´Â µµ±¸¸¦ ¼Ò°³ÇÏ¸é¼ µ¥ÀÌÅÍ ½Ã°¢È¿¡ °üÇØ ¼³¸íÀ» À̾´Ù.
7Àå, ¡®±ÝÀ¶ ºÐ¼®-ºñÆ®ÄÚÀΰú ÁֽĽÃÀ塯¿¡¼´Â ÁÖ°¡ ºÐ¼®À» À§ÇÑ ÆÄÀ̽ã ÆÐÅ°Áö¸¦ ¸¸µé°íÀÚ 1ÀåºÎÅÍ 6Àå±îÁö ¹è¿î ¸ðµç ³»¿ëÀ» ´Ù·é´Ù.
8Àå, ¡®±ÔÄ¢ ±â¹Ý ÀÌ»ó ŽÁö¡¯¿¡¼´Â µ¥ÀÌÅ͸¦ ½Ã¹Ä·¹À̼ÇÇÑ ´ÙÀ½, ÀÌ»ó ŽÁö¸¦ À§ÇÑ ±ÔÄ¢ ±â¹Ý Àü·«À» »ç¿ëÇؼ À¥ »çÀÌÆ®¿¡ ÀÎÁõÀ» ½ÃµµÇÏ·Á´Â ÇØÄ¿¸¦ Àâ°íÀÚ 1ÀåºÎÅÍ 6Àå±îÁö ¹è¿î ¸ðµç ³»¿ëÀ» ´Ù·é´Ù.
9Àå, ¡®ÆÄÀ̽ãÀ¸·Î ¸Ó½Å·¯´× ½ÃÀÛÇϱ⡯¿¡¼´Â ¸Ó½Å·¯´×°ú Scikit-learn ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ ¸Ó½Å·¯´× ¸ðµ¨À» ±¸ÃàÇÏ´Â ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù.
10Àå, ¡®¿¹Ãø ´õ ÀßÇϱâ-¸ðµ¨ ÃÖÀûÈ¡¯¿¡¼´Â ¸Ó½Å·¯´× ¸ðµ¨ÀÇ ¼º´ÉÀ» Á¶Á¤ÇÏ°í °³¼±Çϱâ À§ÇÑ Àü·«À» ¾Ë¾Æº»´Ù.
¢Â ¿Å±äÀÌÀÇ ¸» ¢Â
ÀÌ Ã¥À» ¹ø¿ªÇÏ¸é¼ µ¥ÀÌÅÍ ºÐ¼®À» óÀ½ °øºÎÇßÀ» ¶§°¡ »ý°¢³µ´Ù. Çб³¿¡¼ ¹è¿ü´ø ±âº» Åë°èÇÐÀ» ´Ù½Ã °øºÎÇÏ¸é¼ °ü·Ã ³»¿ëÀ» ÄÚµå·Î ±¸ÇöÇÏ°í, ±× °úÁ¤ ¹× °á°ú¸¦ ±×·¡ÇÁ·Î ½Ã°¢ÈÇÏ¸é¼ °³³äÀ» ´Ù½Ã ÀâÀ¸¸é¼ °í»ýÇß¾ú´Ù.
ÀÌ·± Ã¥ÀÌ ÀÖ¾ú´õ¶ó¸é ¸¹Àº »ç¶÷ÀÌ ¿ªÀÚó·³ °í»ýÇÏÁö ¾Ê°í ½±°Ô µ¥ÀÌÅÍ ºÐ¼®¿¡ ÀÔ¹®ÇÏÁö ¾ÊÀ»±î »ý°¢ÇÏ¸é¼ ¹ø¿ªÀ» ½ÃÀÛÇß´Ù. ±×·¯...³ª ¹ø¿ªÀ» ´Ù ³¡³»°í ÆíÁýµÈ ¿ø°í¸¦ ´Ù½Ã Àо¸é¼ ÀÌ Ã¥¿¡ ´ã°ÜÀÖ´Â ¸¹Àº ³»¿ëÀ» Á¦´ë·Î ¹ø¿ªÇÏÁö ¸øÇÑ °Í °°¾Æ ´Ù¼Ò ¾Æ½¬¿î »ý°¢ÀÌ µç´Ù. ±âº»ÀûÀÎ ³»¿ëÀÌ ¸¹ÀÌ ´ã°ÜÀÖÁö¸¸, ´õ ÇÊ¿äÇÑ Åë°èÇаú ÄÚµù ±âº» Áö½ÄÀ» ´õ º¸ÃæÇß´õ¶ó¸é ´õ ÁÁÀº Ã¥ÀÌ µÇ¾úÀ» °ÍÀ¸·Î »ý°¢ÇÑ´Ù. ÇÏÁö¸¸ ÀÌ´Â ¹ø¿ª¼·ÎÀÇ ¹üÀ§¸¦ ³Ñ¾î¼³ »Ó¸¸ ¾Æ´Ï¶ó µ¥ÀÌÅÍ ºÐ¼® ÀÔ¹®À» À§ÇÑ ÀÌ Ã¥ÀÇ ¸ñÀû¿¡µµ ºÎÇÕÇÏÁö ¾Ê´Â´Ù.
ÀúÀÚµµ °Á¶ÇßµíÀÌ ¿ªÀÚµé ¶ÇÇÑ µ¥ÀÌÅÍ ºÐ¼®¿¡¼ °¡Àå Áß¿äÇÏ´Ù°í »ý°¢ÇÏ´Â °ÍÀº ¡®¿Ö µ¥ÀÌÅÍ ºÐ¼®ÇØ¾ß Çϴ°¡?¡¯ÀÌ´Ù. ¸¹Àº µ¥ÀÌÅÍ ºÐ¼® °ü·Ã Á¤º¸´Â µ¥ÀÌÅ͸¦ Àаí, ½Ã°¢È¸¦ À§ÇØ Àüó¸®ÇÏ°í ½Ã°¢È¸¦ ÇÏ´Â °úÁ¤¿¡¸¸ ÁýÁßÇÏ°í ÀÖ´Ù. ±×·¯³ª µ¥ÀÌÅÍ ºÐ¼®Àº µ¥ÀÌÅ͸¦ ½Ã°¢ÈÇÏ´Â °ÍÀÌ ¸ñÀûÀÌ ¾Æ´Ï¶ó´Â °ÍÀ» ÀçÂ÷ °Á¶ÇÏ°í ½Í´Ù. µ¥ÀÌÅÍ ºÐ¼®Àº µ¥ÀÌÅͺм®°¡¸¦ À§ÇÑ °ÍÀÌ ¾Æ´Ï¶ó ±â¾÷È°µ¿¿¡¼ ÀÇ»ç°áÁ¤±ÇÀÚ¿¡°Ô ÇÊ¿äÇÑ Á¤º¸¸¦ µ¥ÀÌÅͺм®°¡°¡ µ¥ÀÌÅ͸¦ °¡°øÇØ Àü´ÞÇϱâ À§ÇÑ µµ±¸¶ó´Â °ÍÀ» ¸í½ÉÇØ¾ß ÇÑ´Ù. ´Ü¼øÈ÷ µ¥ÀÌÅ͸¦ ½Ã°¢ÈÇÏ´Â °Í¿¡ »ç·ÎÀâÈ÷Áö ¸»°í, ¿ì¸®°¡ ÇÏ·Á´Â ¡®¸ñÀû¡¯À» Á¤È®È÷ ¾Ë°í, ¸ñÀû ´Þ¼º¿¡ ÇÊ¿äÇÑ µ¥ÀÌÅ͸¦ ¼öÁýÇØ¾ß Çϸç, ¡®¸ñÀû¡¯À» À§ÇØ µ¥ÀÌÅ͸¦ ¾î¶»°Ô °¡°øÇÏ°í ½Ã°¢ÈÇؾ߸¸ ÀÇ»ç°áÁ¤±ÇÀÚ°¡ ÇÊ¿äÇÑ Á¤º¸¸¦ ÇÑ´«¿¡ ¾Ë¾Æº¸°í ÀÌÇØÇÒ ¼ö Àִ°¡´Â °í¹ÎÇØ¾ß ÇÑ´Ù. ÀÌ°ÍÀÌ ¿ªÀÚµéÀÌ »ý°¢ÇÏ´Â µ¥ÀÌÅÍ ºÐ¼®ÀÇ ¸ñÀûÀÌ´Ù.
ÀÌ Ã¥À» ÀÐ°í ½Ç½ÀÇÏ¸é¼ ÇÊ¿äÇÑ ¹è°æÁö½ÄÀº ÀÌ Ã¥¿¡ °¢ ÀåÀÇ º¸Ãæ ÀÚ·á ¿Ü¿¡ Åë°èÇÐ µîÀÇ °ü·Ã ¼ÀûÀ̳ª MOOC µîÀÇ °ÀǸ¦ ÅëÇØ ½ÀµæÇÏ±æ ¹Ù¶õ´Ù. ¶ÇÇÑ µ¥ÀÌÅÍ ½Ã°¢È¸¦ À§Çؼ´Â µ¿ÀûÀ¸·Î ½Ã°¢È¸¦ ÇÒ ¼ö ÀÖµµ·Ï Tableau³ª Plotly µîÀÇ ¿ÀǼҽº ½Ã°¢È µµ±¸¸¦ È°¿ëÇÏ´Â ¹æ¹ýÀ» Ãß°¡·Î ÀÍÈ÷±æ ¹Ù¶õ´Ù.
-
-
1ºÎ. pandas ½ÃÀÛÇϱâ
1Àå µ¥ÀÌÅÍ ºÐ¼® ¼Ò°³
__1Àå ±³Àç
__µ¥ÀÌÅÍ ºÐ¼® ±âÃÊ
____µ¥ÀÌÅÍ ¼öÁý
____µ¥ÀÌÅÍ ·©±Û¸µ
____Ž»öÀû µ¥ÀÌÅÍ ºÐ¼®
____°á·Ð µµÃâ
__Åë°è ±âÃÊ
____Ç¥º» ÃßÃâ
____±â¼úÅë°èÇÐ
____Ãß·ÐÅë°èÇÐ
__°¡»ó ȯ°æ ¼³Á¤Çϱâ
____°¡»ó ȯ°æ
____Çʼö ÆÄÀ̽ã ÆÐÅ°Áö ¼³Ä¡Çϱâ
____¿Ö pandasÀΰ¡?
____ÁÖÇÇÅÍ ³ëÆ®ºÏ
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
2Àå. pandas DataFrameÀ¸·Î ÀÛ¾÷Çϱâ
__2Àå ±³Àç
__pandas µ¥ÀÌÅÍ ±¸Á¶
____½Ã¸®Áî
____À妽º
____DataFrame
__pandas DataFrame ¸¸µé±â
____ÆÄÀ̽㠰´Ã¼·Î DataFrame ¸¸µé±â
____ÆÄÀÏ·Î DataFrame ¸¸µé±â
____µ¥ÀÌÅͺ£À̽º·Î DataFrame ¸¸µé±â
____API¿¡¼ DataFrame ¸¸µé±â
__DataFrame °´Ã¼ È®ÀÎÇϱâ
____µ¥ÀÌÅÍ °Ë»çÇϱâ
____µ¥ÀÌÅÍ ¼³¸í ¹× ¿ä¾àÇϱâ
__µ¥ÀÌÅÍÀÇ ºÎºÐÁýÇÕ ¼±ÅÃÇϱâ
____¿ ¼±ÅÃÇϱâ
____½½¶óÀ̽Ì
____À妽Ì
____ÇÊÅ͸µ
__µ¥ÀÌÅÍ Ãß°¡ÇÏ°í Á¦°ÅÇϱâ
____»õ·Î¿î µ¥ÀÌÅÍ ¸¸µé±â
____¿øÇÏÁö ¾Ê´Â µ¥ÀÌÅÍ »èÁ¦Çϱâ
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
__µ¥ÀÌÅÍ
2ºÎ. pandas·Î µ¥ÀÌÅͺм®Çϱâ
3Àå. pandas·Î µ¥ÀÌÅÍ ·©±Û¸µÇϱâ
__3Àå ±³Àç
__µ¥ÀÌÅÍ ·©±Û¸µ ÀÌÇØÇϱâ
____µ¥ÀÌÅÍ Á¤Á¦
____µ¥ÀÌÅÍ º¯È¯
__...__µ¥ÀÌÅÍ °È
__±â¿Â µ¥ÀÌÅ͸¦ ã°í ¼öÁýÇÏ°íÀÚ API »ç¿ëÇϱâ
__µ¥ÀÌÅÍ Á¤Á¦
____¿ À̸§ ¹Ù²Ù±â
____À¯Çü º¯È¯
____µ¥ÀÌÅÍ ÀçÁ¤·Ä, ÀçÀ妽Ì, Á¤·Ä
__µ¥ÀÌÅÍ À籸¼ºÇϱâ
____DataFrame ÀüÄ¡
____DataFrame ÇǺ¸ÆÃ
____DataFrame ¸áÆÃ
__Áߺ¹, °áÃø, À¯È¿ÇÏÁö ¾ÊÀº µ¥ÀÌÅÍ ´Ù·ç±â
____¹®Á¦°¡ ÀÖ´Â µ¥ÀÌÅÍ Ã£±â
____¹®Á¦ ¿ÏÈÇϱâ
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
4Àå. pandas DataFrame Áý°èÇϱâ
__4Àå ±³Àç
__DataFrameÀ» µ¥ÀÌÅͺ£À̽ºÃ³·³ ÀÛ¾÷Çϱâ
____DataFrame ÁúÀÇÇϱâ
____DataFrame º´ÇÕÇϱâ
__µ¥ÀÌÅÍ °È¸¦ À§ÇÑ DataFrame ¿¬»ê
____»ê¼ú°ú Åë°è
____µ¥ÀÌÅÍ ÀÌ»êÈ
____ÇÔ¼ö Àû¿ëÇϱâ
____À©µµ¿ì °è»ê
__ÆÄÀÌÇÁ
__µ¥ÀÌÅÍ Áý°è
____DataFrame ¿ä¾àÇϱâ
____±×·ìÀ¸·Î Áý°èÇϱâ
____ÇǺ¿ Å×À̺í°ú ±³Â÷Ç¥
__½Ã°è¿ µ¥ÀÌÅÍ·Î ÀÛ¾÷Çϱâ
____½Ã°£À» ±âÁØÀ¸·Î ¼±ÅÃÇÏ°í ÇÊÅ͸µÇϱâ
____½ÃÂ÷ µ¥ÀÌÅÍ À̵¿Çϱâ
____Â÷ºÐ µ¥ÀÌÅÍ
____ÀçÇ¥º»ÃßÃâ
____½Ã°è¿ µ¥ÀÌÅÍ º´ÇÕÇϱâ
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
5Àå. pandas¿Í matplotlib¸¦ »ç¿ëÇÑ µ¥ÀÌÅÍ ½Ã°¢È
__5Àå ±³Àç
__matplotlib ¼Ò°³
____±âÃÊ
____±×¸² ±¸¼º ¿ä¼Ò
____Ãß°¡ ¿É¼Ç
__pandas·Î ±×¸² ±×¸®±â
____½Ã°£ÀÇ °æ°ú¿¡ µû¸¥ º¯È
____º¯¼ö °£ÀÇ °ü°è
____ºÐÆ÷
____°³¼ö¿Í ºóµµ¼ö
__pandas.plotting ¸ðµâ
____»êÆ÷Çà·Ä
____½ÃÂ÷ ±×¸²
____ÀÚ±â»ó°ü ±×¸²
____º×½ºÆ®·¦ ±×¸²
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
6Àå. seaborn°ú »ç¿ëÀÚ Á¤ÀÇ ±â¼ú·Î ±×¸² ±×¸®±â
__6Àå ±³Àç
__seabornÀ¸·Î °í±Þ ±×¸² ±×¸®±â
____¹üÁÖÇü µ¥ÀÌÅÍ
____»ó°ü°ü°è¿Í È÷Æ®¸Ê
____ȸ±Í±×¸²
____ÆнÃÆÃ
__matplotlib·Î ±×¸² Çü½Ä ÁöÁ¤Çϱâ
____Á¦¸ñ°ú Ãà À̸§
____¹ü·Ê
____Ãà Çü½Ä ÁöÁ¤Çϱâ
__½Ã°¢È »ç¿ëÀÚ Á¤ÀÇÇϱâ
____ÂüÁ¶¼± Ãß°¡Çϱâ
____À½¿µ ¿µ¿ª
____ÁÖ¼®
____»ö»ó
____Áú°¨
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
3ºÎ. pandas¸¦ ÀÌ¿ëÇÑ ½ÇÁ¦ ºÐ¼®
7Àå. ±ÝÀ¶ ºÐ¼®-ºñÆ®ÄÚÀΰú ÁÖ½Ä ½ÃÀå
__7Àå ±³Àç
__ÆÄÀ̽ã ÆÐÅ°Áö ¸¸µé±â
____ÆÐÅ°Áö ±¸Á¶
____stock_analysis ÆÐÅ°Áö °³¿ä
____UML ´ÙÀ̾î±×·¥
__±ÝÀ¶ µ¥ÀÌÅÍ ¼öÁýÇϱâ
____StockReader Ŭ·¡½º
____¾ßÈÄ! ±ÝÀ¶¿¡¼ °ú°Å µ¥ÀÌÅÍ ¼öÁýÇϱâ
__Ž»öÀû µ¥ÀÌÅÍ ºÐ¼®
____Visualizer Ŭ·¡½º Æйи®
____ÁÖ°¡ ½Ã°¢ÈÇϱâ
____´ÙÁß ÀÚ»ê ½Ã°¢ÈÇϱâ
__±ÝÀ¶ »óÇ°ÀÇ ±â¼úÀû ºÐ¼®
____StockAnalyzer Ŭ·¡½º
____AssetGroupAnalyzer Ŭ·¡½º
____ÀÚ»ê ºñ±³Çϱâ
__°ú°Å µ¥ÀÌÅ͸¦ »ç¿ëÇÑ ¼öÀÍ·ü ¸ðµ¨¸µ
____StockModeler Ŭ·¡½º
____½Ã°è¿ ºÐÇØ
____ARIMA
____statsmodelsÀÇ ¼±Çüȸ±Í
____¸ðµ¨ ºñ±³
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
8Àå. ±ÔÄ¢ ±â¹Ý ºñÁ¤»ó ÇàÀ§ ŽÁö
__8Àå ±³Àç
__·Î±×ÀÎ ½Ãµµ ½Ã¹Ä·¹À̼Ç
____°¡Á¤
____login_attempt_simulator ÆÐÅ°Áö
____Å͹̳ο¡¼ ½Ã¹Ä·¹À̼ÇÇϱâ
__Ž»öÀû µ¥ÀÌÅÍ ºÐ¼®
__±ÔÄ¢ ±â¹Ý ÀÌ»ó ŽÁö ±¸Çö
____¹éºÐÀ² Â÷
____Æ©Å° ¿ïŸ¸®
____Z-Á¡¼ö
____¼º´É Æò°¡
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
4ºÎ. scikit-learnÀ» ÀÌ¿ëÇÑ ¸Ó½Å·¯´× ¼Ò°³
9Àå. ÆÄÀ̽㿡¼ ¸Ó½Å·¯´× ½ÃÀÛÇϱâ
__9Àå ±³Àç
__¸Ó½Å·¯´× °³¿ä
____¸Ó½Å·¯´×ÀÇ Á¾·ù
____ÀϹÝÀûÀÎ ÀÛ¾÷
____ÆÄÀ̽ãÀ¸·Î ¸Ó½Å·¯´×Çϱâ
__Ž»öÀû µ¥ÀÌÅÍ ºÐ¼®
____·¹µå ¿ÍÀÎ Ç°Áú µ¥ÀÌÅÍ
__ÈÀÌÆ® ¿ÍÀΰú ·¹µå ¿ÍÀÎÀÇ ÈÇÐ ¼ººÐ µ¥ÀÌÅÍ
____Ç༺°ú ¿Ü°è Ç༺ µ¥ÀÌÅÍ
__µ¥ÀÌÅÍ Àüó¸®
____ÇнÀ µ¥ÀÌÅÍ¿Í Æò°¡ µ¥ÀÌÅÍ
____µ¥ÀÌÅÍ Ã´µµÈ ¹× Áß½ÉÈ
____µ¥ÀÌÅÍ ºÎÈ£È
____´ëÄ¡
____Ãß°¡ º¯È¯±â
____µ¥ÀÌÅÍ ÆÄÀÌÇÁ¶óÀÎ ±¸Ãà
__±ºÁýÈ
____k-Æò±Õ
____±ºÁý °á°ú Æò°¡
__ȸ±Í
____¼±Çüȸ±Í
____ȸ±Í °á°ú ºÐ¼®
__ºÐ·ù
____·ÎÁö½ºÆ½ ȸ±Í
____ºÐ·ù °á°ú Æò°¡
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
10Àå. ¿¹Ãø ´õ ÀßÇϱâ-¸ðµ¨ ÃÖÀûÈ
__10Àå ±³Àç
__°ÝÀÚ°Ë»öÀ» ÅëÇÑ ÃʸŰ³º¯¼ö Æ©´×
__Ư¼º °øÇÐ
____»óÈ£ÀÛ¿ë Ç×°ú ´ÙÇ×½Ä Æ¯¼º
____Â÷¿øÃà¼Ò
____Ư¼º ÇÕÁýÇÕ
____Ư¼º Áß¿äµµ
__¾Ó»óºí ¹æ¹ý
____È®·ü½£
____°æ»çºÎ½ºÆÃ
____ÅõÇ¥
__ºÐ·ù ¿¹Ãø ½Å·Úµµ °Ë»ç
__°è±ÞºÒ±ÕÇü ÇØ°á
____°ú¼ÒÇ¥º»ÃßÃâ
____°ú´ëÇ¥º»ÃßÃâ
__Á¤Ä¢È
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
11Àå. ¸Ó½Å·¯´× ±â¹Ý ºñÁ¤»ó ÇàÀ§ ŽÁö
__11Àå ±³Àç
__½Ã¹Ä·¹ÀÌ¼Ç ·Î±×ÀÎ ½Ãµµ µ¥ÀÌÅÍ Å½»ö
__ºñÁ¤»ó ÇàÀ§ ŽÁö¿¡ ºñÁöµµÇнÀ ¸ðµ¨ È°¿ë
____°í¸³½£
____±¹¼ÒƯÀÌÁ¡ÀÎÀÚ
____¸ðµ¨ ºñ±³
__ÁöµµÇнÀ ºñÁ¤»ó ÇàÀ§ ŽÁö ±¸Çö
____±âÁØ ¼³Á¤
____·ÎÁö½ºÆ½ ȸ±Í
__Çǵå¹é µÇµ¹¸²°ú ¿Â¶óÀÎÇнÀ ÅëÇÕ
____PartialFitPipeline ÇÏÀ§ Ŭ·¡½º ¸¸µé±â
____È®·üÀû °æ»çÇÏ° ºÐ·ù±â
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
5ºÎ. Ãß°¡ ÀÚ·á
12Àå. ³ª¾Æ°¥ ±æ
__µ¥ÀÌÅÍ Ãâó
____ÆÄÀ̽ã ÆÐÅ°Áö
____µ¥ÀÌÅÍ °Ë»ö
____API
____À¥»çÀÌÆ®
__µ¥ÀÌÅÍ ÀÛ¾÷ ¿¬½À
__ÆÄÀ̽㠿¬½À
__¿ä¾à
__¿¬½À ¹®Á¦
__Âü°í ÀÚ·á
ÇØ´ä
ºÎ·Ï
-
-
-
|
½ºÅ×ÆÄ´Ï ¸ô¸° [Àú]
|
|
-
´º¿å ºí·ë¹ö±× LPÀÇ µ¥ÀÌÅÍ °úÇÐÀÚÀÌÀÚ ¼ÒÇÁÆ®¿þ¾î ¿£Áö´Ï¾î·Î¼ Á¤º¸º¸È£ ºÐ¾ß¿¡¼ ÀÌ»ó ŽÁö(anomaly detection)¿Í µ¥ÀÌÅÍ ¼öÁýÀ» À§ÇÑ µµ±¸ °³¹ß, Áö½Ä °øÀ¯¿Í °°ÀÌ ¾î·Á¿î ¹®Á¦¸¦ ´ã´çÇÏ°í ÀÖ´Ù. AdTech¿Í FinTech »ê¾÷¿¡¼ µ¥ÀÌÅÍ °úÇÐ, ÀÌ»ó ŽÁö ¼Ö·ç¼Ç ¼³°è, ¸Ó½Å·¯´×¿¡ R°ú ÆÄÀ̽ãÀ» È°¿ëÇÏ´Â µ¥ ¸¹Àº °æÇèÀÌ ÀÖÀ¸¸ç, Ä÷³ºñ¾Æ ´ëÇÐÀÇ ÈÄ Àç´Ü °ø°ú ¹× ÀÀ¿ë°úÇÐ ´ëÇÐ(Fu Foundation School of Engineering and Applied Science)¿¡¼ ¿î¿ë ¿¬±¸(OR, Operations Research)·Î ¼®»ç ÇÐÀ§¸¦ ¹Þ¾ÒÀ¸¸ç °æÁ¦Çаú ±â¾÷°¡ Á¤½Å ¹× Çõ½Å(entrepreneurship and innovation)À» ºÎÀü°øÇß´Ù. ¼¼°è¸¦ ¿©ÇàÇÏ°í, »õ·Î¿î ¿ä¸®¹ýÀ» °³¹ßÇϸç, »ç¶÷°ú ÄÄÇ»ÅÍ °£¿¡ »ç¿ëµÇ´Â »õ·Î¿î ¾ð¾î¸¦ ¹è¿ì´Â °ÍÀ» Áñ±ä´Ù.
-
|
Àå±â½Ä [Àú]
|
|
-
°æÂûû »çÀ̹ö¾ÈÀü±¹ µðÁöÅÐÆ÷·»½Ä¼¾ÅÍ¿¡¼ µðÁöÅÐ Æ÷·»½Ä ¾÷¹«¸¦ ´ã´çÇß´Ù. ÀÌÈÄ °æÂû´ëÇÐ Ä¡¾ÈÁ¤Ã¥¿¬±¸¼Ò¿¡¼ µ¥ÀÌÅÍ ºÐ¼®°ú ¸Ó½Å·¯´× ±â¼úÀ» Á¢ÇÑ ÀÌÈÄ, µ¥ÀÌÅÍ ºÐ¼®À» ±â¹ÝÀ¸·Î ÇÑ ¸Ó½Å·¯´× ±â¼úÀ» ¿¬±¸ÇßÀ¸¸ç, ÀÌ °æÇèÀ» ¹ÙÅÁÀ¸·Î ÇöÀç ¾ÆÀ̺꽺 AI LAB¿¡¼ µ¥ÀÌÅÍ ºÐ¼®°ú µö·¯´× ±â¹Ý ¿µ»ó º¸¾È ¼Ö·ç¼Ç °³¹ß ¹× ¿¬±¸¸¦ Ã¥ÀÓÁö°í ÀÖ´Ù. ¹ø¿ª¼·Î´Â ¡ºº¸¾ÈÀ» À§ÇÑ È¿À²ÀûÀÎ ¹æ¹ý PKI¡»(ÀÎÆ÷ºÏ, 2003)¿Í ¡ºEnCase ÄÄÇ»ÅÍ Æ÷·»½Ä¡»(¿¡ÀÌÄÜ, 2015), ¡ºÀÎÅÚ¸®Àü½º ±â¹Ý »ç°í ´ëÀÀ¡»(¿¡ÀÌÄÜ, 2019), ¡ºÀû´ëÀû ¸Ó½Å·¯´×¡»(¿¡ÀÌÄÜ, 2020)ÀÌ 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. |
|
|
|
|