|
|
|
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¦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.
-
-
-
¡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...±×¸ðÀ̵å ÇÔ¼ö
__3.4.2 ¸ðµ¨È
__3.4.3 ±¸Çö
__3.4.4 (·¹º§¾÷) ½Ã±×¸ðÀ̵å ÇÔ¼ö¿Í È®·ü¹ÐµµÇÔ¼ö, ´©ÀûºÐÆ÷ÇÔ¼ö
__3.4.5 (·¹º§¾÷) °æ»çÇÏ°¹ý°ú ±¹¼ÒÃÖÀûÇØ
3.5 ´ÙÁß Å¬·¡½º ·ÎÁö½ºÆ½ ȸ±Í
__3.5.1 ¼ÒÇÁÆ®¸Æ½º ÇÔ¼ö
__3.5.2 ¸ðµ¨È
__3.5.3 ±¸Çö
3.6 ´ÙÃþ ÆÛ¼ÁÆ®·Ð
__3.6.1 ºñ¼±Çü ºÐ·ù
__3.6.2 ¸ðµ¨È
__3.6.3 ±¸Çö
3.7 ¸ðµ¨ Æò°¡
__3.7.1 ºÐ·ù¿¡¼ ¿¹ÃøÀ¸·Î
__3.3.2 ¿¹ÃøÀ» Æò°¡
__3.7.3 °£´ÜÇÑ ½ÇÇè
3.8 Á¤¸®
¢Ã 04Àå: ½ÉÃþ ½Å°æ¸Á
4.1 µö·¯´× Áغñ
4.2 ÇнÀ½Ãų ¶§ ¹ß»ýÇÏ´Â ¹®Á¦Á¡
__4.2.1 °æ»ç ¼Ò½Ç ¹®Á¦
__4.2.2 ¿À¹öÇÇÆà ¹®Á¦
4.3 È¿À²ÀûÀÎ ÇнÀÀ» À§ÇØ
__4.3.1 È°¼ºÈ ÇÔ¼ö
__4.3.2 µå·Ó¾Æ¿ô
4.4 ±¸Çö ¼³°è
__4.4.1 ±âº» ¼³°è
__4.4.2 ÇнÀÀ» °¡½ÃÈÇÑ´Ù
4.5 °í±Þ ±â¼ú
__4.5.1 µ¥ÀÌÅ͸¦ Á¤±ÔÈÇÏ°í ¿þÀÌÆ®¸¦ ÃʱâÈÇÑ´Ù
__4.5.2 ÇнÀ·ü ¼³Á¤
__4.5.3 ¾ó¸® ½ºÅ¾ÇÎ(Á¶±â Á¾·á)
__4.5.4 ¹èÄ¡ Á¤±ÔÈ
4.6 Á¤¸®
¢Ã 05Àå: ¼øȯ ½Å°æ¸Á
5.1 ±âº» »çÇ×
__5.1.1 ½Ã°è¿ µ¥ÀÌÅÍ
__5.1.2 °ú°ÅÀÇ Àº´ÐÃþ
__5.1.3 Backpropagation Through Time
__5.1.4 ±¸Çö
5.2 LSTM
__5.2.1 LSTM ºí·Ï
__5.2.2 CEC?ÀÔ·Â °ÔÀÌÆ®?Ãâ·Â °ÔÀÌÆ®
__5.2.3 ¸Á°¢ °ÔÀÌÆ®
__5.2.4 ÇÌȦ °áÇÕ
__5.2.5 ¸ðµ¨È
__5.2.6 ±¸Çö
__5.2.7 Àå±â ÀÇÁ¸¼º ÇнÀ Æò°¡ - Adding Problem
5.3 GRU
__5.3.1 ¸ðµ¨È
__5.3.2 ±¸Çö
5.4 Á¤¸®
¢Ã 06Àå: ¼øȯ ½Å°æ¸Á ÀÀ¿ë
6.1 Bidirectional RNN
__6.1.1 ¹Ì·¡ÀÇ Àº´ÐÃþ
__6.1.2 Àü¹æÇâ?ÈĹæÇâ ÀüÆÄ
__6.1.3 MNIST¸¦ »ç¿ëÇÑ ¿¹Ãø
6.2 RNN Encoder-Decoder
__6.2.1 Sequence-to-Sequence ¸ðµ¨
__6.2.2 °£´ÜÇÑ Q&A ¹®Á¦
6.3 Attention
__6.3.1 ½Ã°£ÀÇ ¿þÀÌÆ®
__6.3.2 LSTM¿¡¼ÀÇ Attention
6.4 Memory Networks
__6.4.1 ±â¾ïÀÇ ¿ÜºÎÈ
__6.4.2 Q&A ¹®Á¦¿¡ Àû¿ë
__6.4.3 ±¸Çö
6.5 Á¤¸®
¢Ã ºÎ·Ï
A.1 ¸ðµ¨À» ÀúÀåÇÏ°í ÀÐ¾î µéÀδÙ
__A.1.1 ÅÙ¼Ç÷ο¡¼ÀÇ Ã³¸®
__A.1.2 Äɶ󽺿¡¼ÀÇ Ã³¸®
A.2 ÅÙ¼º¸µå(TensorBoard)
A.3 tf.contrib.learn
-
-
-
|
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. |
|
|
|
|