|
|
|
ºòµ¥ÀÌÅÍ¿Í DBMSÀÇ ½ÃÀåÀü¸Á
|
|
|
ÇÏ¿¬ ÆíÁýºÎ
¤Ó
ÇÏ¿¬
|
|
|
|
- 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.
-
-
-
¡ººòµ¥ÀÌÅÍ¿Í DBMSÀÇ ½ÃÀåÀü¸Á¡»Àº ºòµ¥ÀÌÅÍ¿Í DBMS ½ÃÀåÀÇ Àü¸Á¿¡ ´ëÇØ »ìÆ캸´Â Ã¥ÀÌ´Ù. ºòµ¥ÀÌÅÍÀÇ °³¿ä ¹× 󸮱â¼ú¿¡¼ ´ëÀÀ Àü·« ¹× ½ÃÀå Àü¸Á, DBMSÀÇ °³¿ä ¹× Ư¡ µî¿¡ ´ëÇÑ ³»¿ëÀ¸·Î ä¿öÁ® ÀÖ´Ù. ´Ù¾çÇÑ µµÇ¥¿Í ü°èµµ¸¦ ¼ö·ÏÇÏ¿© ³»¿ë ÀÌÇØ¿¡ µµ¿òÀ» ÁØ´Ù.
-
-
Á¦IÀå ºòµ¥ÀÌÅÍ(Big Data)ÀÇ °³¿ä ¹× 󸮱â¼ú
1. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ °³¿ä ¹× Ư¡ 1-1 ºòµ¥ÀÌÅÍ(Big Data) ½Ã´ë µµ·¡ 1-1-1 µ¥ÀÌÅÍ ÆøÁõ ½Ã´ë 1-1-2 ÁÖ¸ñ¹Þ´Â ºòµ¥ÀÌÅÍ(Big Data) 1-2 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ Á¤ÀÇ ¹× °³³ä 1-2-1 ºòµ¥ÀÌÅÍÀÇ °³³ä 1-2-2 ºòµ¥ÀÌÅÍÀÇ Á¤ÀÇ 1-3 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ±¸¼º ¹× Ư¡ 1-3-1 ºòµ¥ÀÌÅÍÀÇ ±¸¼º 1-3-2 ºòµ¥ÀÌÅÍÀÇ Æ¯Â¡ (1) ´ë¿ë·® µ¥ÀÌÅÍÀÇ 3°¡Áö ¿ä¼Ò °¡. º¼·ý(Volume) ³ª. ´Ù¾ç¼º(Variety) ´Ù. ¼Óµµ(Velocity) 1-3-3 ºòµ¥ÀÌÅÍÀÇ Â÷º°¼º
2. ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼ú ¹× È°¿ë È¿°ú 2-1 ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼ú 2-1-1 ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼úÀÇ °³¿ä 2-1-2 ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼úÀÇ Çʿ伺 2-2 ºòµ¥ÀÌÅÍ(Big Data) Ç÷§ÆûÀÇ ±¸Ãà 2-2-1 ºòµ¥ÀÌÅÍ ¼öÁý 2-2-2 ºòµ¥ÀÌÅÍ ±¸¼º 2-2-3 ºòµ¥ÀÌÅÍ(Big Data) ºÐ¼® 2-2-4 ºòµ¥ÀÌÅÍ(Big Data) È°¿ë 2-2-5 Ŭ¶ó¿ìµå ÄÄÇ»Æðú ºòµ¥ÀÌÅÍ(Big Data) 2-3 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ºñÁî´Ï½ºÈ 2-3-1 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ±âȸ 2-3-2 ±â¾÷ÀÇ ºòµ¥ÀÌÅÍ(Big Data) È°¿ë Àü·« 2-3-3 ±â¾÷ÀÇ ºòµ¥ÀÌÅÍ(Big Data) È°¿ë È¿°ú
3. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ºÐ¼® ±â¹ý ¹× ÀÎÇÁ¶ó ±â¼ú 3-1 ...ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ºÐ¼® ±â¹ý 3-1-1 Text Mining (1) Text Mining °³¿ä °¡. ÀÚ¿¬¾î °Ë»ö(í»æÔåÞ, Natural Language Search) ³ª. µ¥ÀÌÅÍ ¸¶ÀÌ´× 1) µ¥ÀÌÅÍ ¸¶ÀÌ´×ÀÇ °³¿ä 2) µ¥ÀÌÅÍ ¸¶ÀÌ´×ÀÇ ÁÖ¿ä °³³ä 3) µ¥ÀÌÅÍ ¸¶ÀÌ´×°ú ÅؽºÆ® ¸¶ÀÌ´× 4) µ¥ÀÌÅÍ ¸¶ÀÌ´× °úÁ¤ 5) µ¥ÀÌÅÍ ¸¶ÀÌ´× Àü¸Á (2) ÅؽºÆ® ¸¶ÀÌ´× ±â¹ýÀÇ ¿ø¸® (3) ÅؽºÆ® ¸¶ÀÌ´×ÀÇ Æ¯Â¡ (4) ÅؽºÆ® ¸¶ÀÌ´×ÀÇ Àü¸Á 3-1-2 Opinion Mining (1) Opinion Mining °³¿ä (2) Opinion Mining Ư¡ (3) Opinion Mining ºÐ¼® ±â¹ý (4) Opinion Mining Àü¸Á 3-1-3 Social Network Analytics (1) ¼Ò¼È¹Ìµð¾î °¡. °³¿ä ³ª. ¼Ò¼È¹Ìµð¾îÀÇ Æ¯Â¡ ´Ù. ¼Ò¼È¹Ìµð¾î È°¿ë ÇöȲ ¶ó. ½ÃÀå Àü¸Á (2) Social Network Analytics °³¿ä (3) ºÐ¼® ¹æ¹ý (4) ¼Ò¼È ºÐ¼® ±â¼ú °¡. ¼Ò¼È³×Æ®¿öÅ© ºÐ¼® ±â¼ú ³ª. ³×Æ®¿öÅ© ±¸Á¶ ºÐ¼® ´Ù. ³×Æ®¿öÅ© ÁøÈ ºÐ¼® ¶ó. ³×Æ®¿öÅ© Á¤º¸È帧 ºÐ¼® (5) ¼Ò¼È ºÐ¼®ÀÇ È°¿ë È¿°ú (6) ½Ã»çÁ¡ ¹× ´ëÀÀÀü·« °¡. ½Ã»çÁ¡ ³ª. ´ëÀÀ Àü·« 3-1-4 Cluster Analysis (1) ±ºÁýºÐ¼®ÀÇ °³¿ä (2) ±ºÁýºÐ¼®ÀÇ ¸ñÀû (3) ±ºÁýºÐ¼® vs ÆǺ°ºÐ¼® ¹× ¿äÀκм® (4) ±ºÁýºÐ¼®ÀÇ ÀýÂ÷ °¡. À¯»ç¼º ÃøÁ¤ ¹æ¹ýÀÇ °áÁ¤(°Å¸® ôµµ) ³ª. ±ºÁýÈ ¹æ¹ýÀÇ °áÁ¤ 3-2 ºòµ¥ÀÌÅÍ(Big Data) ºÐ¼®À» À§ÇÑ ÀÎÇÁ¶ó ±â¼ú 3-2-1 Hadoop (1) ÇÏµÓ °³¿ä (2) ÇÏµÓ ºÐ»êÆÄÀϽýºÅÛ(HDFS) (3) ÇÏµÓ ¸Ê¸®µà½º(MapReduce) °¡. ¸Ê¸®µà½º °³¿ä ³ª. ¸Ê¸®µà½º ÀÛ¾÷À» ½ÇÇàÇÏ´Â °úÁ¤ (4) ÇϵÓÀ» ÁöÅÊÇÏ´Â ÇϺΠÇÁ·ÎÁ§Æ®µé °¡. ¿¡À̺ê·Î(Avro) ³ª. ÁÖÅ°ÆÛ(ZooKeeper) ´Ù. ÇDZ×(Pig) ¶ó. Hbase ¸¶. ÇÏÀ̺ê(Hive) ¹Ù. HÄ«Å»·Î±×(HCatalog) (5) ÇÏµÓ µµÀԽà °í·ÁÇØ¾ß ÇÒ »çÇ× 3-2-2 R 3-2-3 NoSQL (1) °³¿ä (2) CAP ÀÌ·Ð (3) Ư¡
Á¦IIÀå ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ´ëÀÀ Àü·« ¹× ½ÃÀå Àü¸Á
1. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ´ëÀÀ Àü·« 1-1 ºÐ¼® ´É·Â °È 1-1-1 ºòµ¥ÀÌÅÍ ºÐ¼®ÀÇ Á¤ÀÇ (1) ºòµ¥ÀÌÅÍÀÇ º¹À⼺ (2) ºòµ¥ÀÌÅÍÀÇ ´Ù¸é¼º 1-1-2 ºòµ¥ÀÌÅÍ ºÐ¼® ±â¹ýÀÇ Çʿ伺 1-1-3 ºòµ¥ÀÌÅÍ È°¿ë ȯ°æº¯È¿¡ µû¸¥ ´ëÀÀ¹æ¾È 1-1-4 ½Ã½ºÅÛ ±¸Ãà ¹æ¾È 1-1-5 ºòµ¥ÀÌÅÍ ±â¼ú µµÀԽà °í·Á»çÇ× (1) ¿ÀÇ ¼Ò½º µµÀÔÀÇ À̽´ (2) Àü¹® ±â¾÷°ú Àü¹® Àη ºÎÁ· (3) µ¥ÀÌÅÍ º¸¾È°ú ¼º´ÉÀÇ Á¶È 1-2 ±â¾÷ÀÇ ºñÁî´Ï½º¸¦ Á¢¸ñÇÑ ´ë¾È ¸ð»ö 1-2-1 ºñÁî´Ï½º¿¡¼ ºòµ¥ÀÌÅÍ ºÐ¼® 1-2-2 ½ÇÇà Áß½ÉÀÇ µ¥ÀÌÅÍ ºÐ¼® 1-2-3 ºòµ¥ÀÌÅÍ È°¿ë ÇöȲ 1-2-4 ºòµ¥ÀÌÅÍ È°¿ë È¿°ú 1-2-5 ±â¾÷ÀÇ ´ëÀÀÀü·« 1-2-6 ±â¾÷ÀÇ ºòµ¥ÀÌÅÍ È°¿ë½Ã °í·Á»çÇ× 1-3 ºòµ¥ÀÌÅÍ È°¿ë¿µ¿ª ¹× Á¤ºÎ ÃßÁøÀü·« ¹æ¾È 1-3-1 ºòµ¥ÀÌÅÍ È°¿ë¿µ¿ª (1) ºòµ¥ÀÌÅÍ ºÐ¼®±â¼úÀ» È°¿ëÇÑ ¼ºñ½º (2) ºòµ¥ÀÌÅÍ È°¿ë ¿µ¿ª 1-3-2 ÇØ¿Ü ºòµ¥ÀÌÅÍ È°¿ë ÇöȲ °¡. ±¹°¡ ¾Èº¸ ³ª. ±¹°¡ ÀÎÇÁ¶ó Çõ½Å ´Ù. Á¤ºÎ È¿À²¼º Çâ»ó 1-3-3 ¿ì¸®³ª¶óÀÇ ºòµ¥ÀÌÅÍ ÃßÁø Àü·« ¹æ¾È (1) ±¹³» ºòµ¥ÀÌÅÍ È°¿ë ÇöȲ (2) Á¤ºÎ ÃßÁø Àü·« ¹æ¾È (3) ºòµ¥ÀÌÅ͸¦ È°¿ëÇÑ ½ºÅ¸Æ® Á¤ºÎ ±¸Çö °¡. Àç³ ÀüÁ¶ °¨Áö¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À ³ª. ±¸Á¦¿ª ¿¹¹æ¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À ´Ù. ¸ÂÃãÇü º¹Áö ½ÇÇö¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À ¶ó. ¹°°¡ °ü¸®¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À ¸¶. °úÇбâ¼ú¡¤ÀÇ·á ¼±ÁøÈ¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À
2. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ½ÃÀå Àü¸Á 2-1 ºòµ¥ÀÌÅÍ ½ÃÀå µ¿Çâ 2-2 ½ÃÀå Àü¸Á ¹× ½Ã»çÁ¡ 2-2-1 ½ÃÀå Àü¸Á 2-2-2 ½Ã»çÁ¡
3. ºòµ¥ÀÌÅÍ(Big Data) ¾÷ü ÇöȲ 3-1 ºòµ¥ÀÌÅÍ Ç÷§Æû ¾÷ü ÇöȲ 3-1-1 ±¸±Û 3-1-2 ¾Æ¸¶Á¸ 3-1-3 À̺£ÀÌ 3-1-4 ÆäÀ̽ººÏ 3-1-5 ¾ÖÇà 3-1-6 ¾ßÈÄ 3-2 ºòµ¥ÀÌÅÍ °ü·Ã ¼Ö·ç¼Ç ¾÷ü ÇöȲ 3-2-1 EMC 3-2-2 ¿À¶óŬ 3-2-3 IBM 3-2-4 HP 3-2-5 Å׶óµ¥ÀÌŸ 3-2-6 À¯¿ÍÀÌÁî¿ø 3-2-7 ÄÚ³Å×Å©³î·ÎÁö 3-2-8 SAS 3-2-9 MS
Á¦IIIÀå DBMS(Database Management System)ÀÇ °³¿ä ¹× Ư¡
1. DBMS(Data Base Management System)ÀÇ °³¿ä 1-1 DBMSÀÇ Á¤ÀÇ ¹× °³³ä 1-1-1 DBMSÀÇ Á¤ÀÇ 1-1-2 DBMSÀÇ °³³ä 1-1-3 DBMSÀÇ ¹ßÀü °úÁ¤ 1-1-4 DBMSÀÇ ¹ßÀü¹è°æ 1-2 DBMSÀÇ Æ¯Â¡ ¹× Á¾·ù 1-2-1 DBMSÀÇ Æ¯Â¡ (1) DBMSÀÇ Çʼö ±â´É (2) DBMSÀÇ ±¸¼º¿ä¼Ò (3) DBMSÀÇ ¿ªÇÒ (4) µ¥ÀÌÅͺ£À̽ºÀÇ ³í¸®Àû ±¸¼º ¿ä¼Ò 1-2-2 DBMSÀÇ Á¾·ù 1-2-3 DBMSÀÇ Àå´ÜÁ¡ (1) ÀåÁ¡ (2) ´ÜÁ¡ (3) µ¥ÀÌÅÍ µ¶¸³¼º 1-3 DBMS(Data Base Management System)ÀÇ Á¾·ù ¹× Ư¡ 1-3-1 °èÃþÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(HDMBS) (1) Ư¡ (2) ÀåÁ¡ (3) ´ÜÁ¡ 1-3-2 ³×Æ®¿öÅ© µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(NDMBS) (1) Ư¡ (2) ÀåÁ¡ (3) ´ÜÁ¡ 1-3-3 °ü°èÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(RDBMS) (1) Ư¡ (2) ÀåÁ¡ (3) ´ÜÁ¡ 1-3-4 °´Ã¼ÁöÇâÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(OODMBS) (1) Ư¡ (2) ÀåÁ¡ (3) ´ÜÁ¡ 1-3-5 °´Ã¼°ü°èÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(ORDMBS) (1) Ư¡ (2) ÀåÁ¡ (3) ´ÜÁ¡
2. DBMS ½Ã½ºÅÛÀÇ ±¸¼º 2-1 3´Ü°è µ¥ÀÌÅͺ£À̽º ±¸Á¶ 2-1-1 3´Ü°è µ¥ÀÌÅͺ£À̽º ±¸Á¶ÀÇ °³³ä 2-2 DBMSÀÇ ¾ð¾î 2-3 »ç¿ëÀÚ 2-3-1 ÀÏ¹Ý »ç¿ëÀÚ(USER) 2-3-2 ÀÀ¿ë ÇÁ·Î±×·¡¸Ó(Application Programmer) 2-3-3 µ¥ÀÌÅͺ£À̽º °ü¸®ÀÚ(Database Administrator-DBA) 2-4 µ¥ÀÌÅÍ º£À̽º °ü¸®ÀÚ(DBA) 2-5 °¢ DBMSÀÇ Æ¯Â¡ ¹× ±â´É 2-5-1 DBMSÀÇ Æ¯Â¡ (1) ORACLE (2) MS-SQL (3) MY-SQL (4) SQL Server (5) DB2 (6) ±âŸ DBMS 2-5-2 °¢ DBMSÀÇ Àå´ÜÁ¡ ¹× ±â´É ºñ±³ (1) ¿À¶óŬ(Oracle) (2) MS-SQL Server (3) IBM DB2 (4) ±â´ÉÀÇ ºñ±³ °¡. ºÐÇÒ±â´É ³ª. µ¿½Ã¼º ´Ù. À妽Ì(indexing) ¶ó. ¾ÐÃà
3. DBNSÀÇ ±â¼ú ¹× ¾÷ü µ¿Çâ 3-1 DBNSÀÇ ±â¼ú µ¿Çâ 3-1-1 DBNSÀÇ ±â¼ú µ¿Çâ 3-1-2 DBNS ±â¼ú Àü¸Á (1) NO SQL (2) DW(Data Warehouse) (3) MPP(Massive Parallel Processing) 3-2 ±¹³»¿Ü DBNSÀÇ ¾÷ü µ¿Çâ 3-1-1 ÇØ¿Ü DBNS ¾÷ü µ¿Çâ (1) ¿À¶óŬ (2) IBM (3) SAP (4) »çÀ̺£À̽º 3-1-2 ±¹³» DBNS ¾÷ü µ¿Çâ (1) ¾ËƼº£À̽º (2) Å¥ºê¸®µå (3) Ƽ¸Æ½º¼ÒÇÁÆ® (4) Ƽº£·Î
4. DBNS ½ÃÀå Àü¸Á 4-1 ÇØ¿Ü DBNS ½ÃÀå Àü¸Á 4-1-1 ½ÃÀå µ¿Çâ 4-1-2 ½ÃÀå Àü¸Á 4-2 ±¹³» DBNS ½ÃÀå Àü¸Á 4-2-1 ½ÃÀå µ¿Çâ 4-2-2 ½ÃÀå Àü¸Á Á¦IÀå ºòµ¥ÀÌÅÍ(Big Data)ÀÇ °³¿ä ¹× 󸮱â¼ú
1. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ °³¿ä ¹× Ư¡
1-1 ºòµ¥ÀÌÅÍ(Big Data) ½Ã´ë µµ·¡
1-1-1 µ¥ÀÌÅÍ ÆøÁõ ½Ã´ë
1-1-2 ÁÖ¸ñ¹Þ´Â ºòµ¥ÀÌÅÍ(Big Data)
1-2 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ Á¤ÀÇ ¹× °³³ä
1-2-1 ºòµ¥ÀÌÅÍÀÇ °³³ä
1-2-2 ºòµ¥ÀÌÅÍÀÇ Á¤ÀÇ
1-3 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ±¸¼º ¹× Ư¡
1-3-1 ºòµ¥ÀÌÅÍÀÇ ±¸¼º
1-3-2 ºòµ¥ÀÌÅÍÀÇ Æ¯Â¡
(1) ´ë¿ë·® µ¥ÀÌÅÍÀÇ 3°¡Áö ¿ä¼Ò
°¡. º¼·ý(Volume)
³ª. ´Ù¾ç¼º(Variety)
´Ù. ¼Óµµ(Velocity)
1-3-3 ºòµ¥ÀÌÅÍÀÇ Â÷º°¼º
2. ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼ú ¹× È°¿ë È¿°ú
2-1 ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼ú
2-1-1 ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼úÀÇ °³¿ä
2-1-2 ºòµ¥ÀÌÅÍ(Big Data) 󸮱â¼úÀÇ Çʿ伺
2-2 ºòµ¥ÀÌÅÍ(Big Data) Ç÷§ÆûÀÇ ±¸Ãà
2-2-1 ºòµ¥ÀÌÅÍ ¼öÁý
2-2-2 ºòµ¥ÀÌÅÍ ±¸¼º
2-2-3 ºòµ¥ÀÌÅÍ(Big Data) ºÐ¼®
2-2-4 ºòµ¥ÀÌÅÍ(Big Data) È°¿ë
2-2-5 Ŭ¶ó¿ìµå ÄÄÇ»Æðú ºòµ¥ÀÌÅÍ(Big Data)
2-3 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ºñÁî´Ï½ºÈ
2-3-1 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ±âȸ
2-3-2 ±â¾÷ÀÇ ºòµ¥ÀÌÅÍ(Big Data) È°¿ë Àü·«
2-3-3 ±â¾÷ÀÇ ºòµ¥ÀÌÅÍ(Big Data) È°¿ë È¿°ú
3. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ºÐ¼® ±â¹ý ¹× ÀÎÇÁ¶ó ±â¼ú
3-1 ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ºÐ¼® ±â¹ý
3-1-1 Text Mining
(1) Text Mining °³¿ä
°¡. ÀÚ¿¬¾î °Ë»ö(í»æÔåÞ, Natural Language Search)
³ª. µ¥ÀÌÅÍ ¸¶ÀÌ´×
1) µ¥ÀÌÅÍ ¸¶ÀÌ´×ÀÇ °³¿ä
2) µ¥ÀÌÅÍ ¸¶ÀÌ´×ÀÇ ÁÖ¿ä °³³ä
3) µ¥ÀÌÅÍ ¸¶ÀÌ´×°ú ÅؽºÆ® ¸¶ÀÌ´×
4) µ¥ÀÌÅÍ ¸¶ÀÌ´× °úÁ¤
5) µ¥ÀÌÅÍ ¸¶ÀÌ´× Àü¸Á
(2) ÅؽºÆ® ¸¶ÀÌ´× ±â¹ýÀÇ ¿ø¸®
(3) ÅؽºÆ® ¸¶ÀÌ´×ÀÇ Æ¯Â¡
(4) ÅؽºÆ® ¸¶ÀÌ´×ÀÇ Àü¸Á
3-1-2 Opinion Mining
(1) Opinion Mining °³¿ä
(2) Opinion Mining Ư¡
(3) Opinion Mining ºÐ¼® ±â¹ý
(4) Opinion Mining Àü¸Á
3-1-3 Social Network Analytics
(1) ¼Ò¼È¹Ìµð¾î
°¡. °³¿ä
³ª. ¼Ò¼È¹Ìµð¾îÀÇ Æ¯Â¡
´Ù. ¼Ò¼È¹Ìµð¾î È°¿ë ÇöȲ
¶ó. ½ÃÀå Àü¸Á
(2) Social Network Analytics °³¿ä
(3) ºÐ¼® ¹æ¹ý
(4) ¼Ò¼È ºÐ¼® ±â¼ú
°¡. ¼Ò¼È³×Æ®¿öÅ© ºÐ¼® ±â¼ú
³ª. ³×Æ®¿öÅ© ±¸Á¶ ºÐ¼®
´Ù. ³×Æ®¿öÅ© ÁøÈ ºÐ¼®
¶ó. ³×Æ®¿öÅ© Á¤º¸È帧 ºÐ¼®
(5) ¼Ò¼È ºÐ¼®ÀÇ È°¿ë È¿°ú
(6) ½Ã»çÁ¡ ¹× ´ëÀÀÀü·«
°¡. ½Ã»çÁ¡
³ª. ´ëÀÀ Àü·«
3-1-4 Cluster Analysis
(1) ±ºÁýºÐ¼®ÀÇ °³¿ä
(2) ±ºÁýºÐ¼®ÀÇ ¸ñÀû
(3) ±ºÁýºÐ¼® vs ÆǺ°ºÐ¼® ¹× ¿äÀκм®
(4) ±ºÁýºÐ¼®ÀÇ ÀýÂ÷
°¡. À¯»ç¼º ÃøÁ¤ ¹æ¹ýÀÇ °áÁ¤(°Å¸® ôµµ)
³ª. ±ºÁýÈ ¹æ¹ýÀÇ °áÁ¤
3-2 ºòµ¥ÀÌÅÍ(Big Data) ºÐ¼®À» À§ÇÑ ÀÎÇÁ¶ó ±â¼ú
3-2-1 Hadoop
(1) ÇÏµÓ °³¿ä
(2) ÇÏµÓ ºÐ»êÆÄÀϽýºÅÛ(HDFS)
(3) ÇÏµÓ ¸Ê¸®µà½º(MapReduce)
°¡. ¸Ê¸®µà½º °³¿ä
³ª. ¸Ê¸®µà½º ÀÛ¾÷À» ½ÇÇàÇÏ´Â °úÁ¤
(4) ÇϵÓÀ» ÁöÅÊÇÏ´Â ÇϺΠÇÁ·ÎÁ§Æ®µé
°¡. ¿¡À̺ê·Î(Avro)
³ª. ÁÖÅ°ÆÛ(ZooKeeper)
´Ù. ÇDZ×(Pig)
¶ó. Hbase
¸¶. ÇÏÀ̺ê(Hive)
¹Ù. HÄ«Å»·Î±×(HCatalog)
(5) ÇÏµÓ µµÀԽà °í·ÁÇØ¾ß ÇÒ »çÇ×
3-2-2 R
3-2-3 NoSQL
(1) °³¿ä
(2) CAP ÀÌ·Ð
(3) Ư¡
Á¦IIÀå ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ´ëÀÀ Àü·« ¹× ½ÃÀå Àü¸Á
1. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ´ëÀÀ Àü·«
1-1 ºÐ¼® ´É·Â °È
1-1-1 ºòµ¥ÀÌÅÍ ºÐ¼®ÀÇ Á¤ÀÇ
(1) ºòµ¥ÀÌÅÍÀÇ º¹À⼺
(2) ºòµ¥ÀÌÅÍÀÇ ´Ù¸é¼º
1-1-2 ºòµ¥ÀÌÅÍ ºÐ¼® ±â¹ýÀÇ Çʿ伺
1-1-3 ºòµ¥ÀÌÅÍ È°¿ë ȯ°æº¯È¿¡ µû¸¥ ´ëÀÀ¹æ¾È
1-1-4 ½Ã½ºÅÛ ±¸Ãà ¹æ¾È
1-1-5 ºòµ¥ÀÌÅÍ ±â¼ú µµÀԽà °í·Á»çÇ×
(1) ¿ÀÇ ¼Ò½º µµÀÔÀÇ À̽´
(2) Àü¹® ±â¾÷°ú Àü¹® Àη ºÎÁ·
(3) µ¥ÀÌÅÍ º¸¾È°ú ¼º´ÉÀÇ Á¶È
1-2 ±â¾÷ÀÇ ºñÁî´Ï½º¸¦ Á¢¸ñÇÑ ´ë¾È ¸ð»ö
1-2-1 ºñÁî´Ï½º¿¡¼ ºòµ¥ÀÌÅÍ ºÐ¼®
1-2-2 ½ÇÇà Áß½ÉÀÇ µ¥ÀÌÅÍ ºÐ¼®
1-2-3 ºòµ¥ÀÌÅÍ È°¿ë ÇöȲ
1-2-4 ºòµ¥ÀÌÅÍ È°¿ë È¿°ú
1-2-5 ±â¾÷ÀÇ ´ëÀÀÀü·«
1-2-6 ±â¾÷ÀÇ ºòµ¥ÀÌÅÍ È°¿ë½Ã °í·Á»çÇ×
1-3 ºòµ¥ÀÌÅÍ È°¿ë¿µ¿ª ¹× Á¤ºÎ ÃßÁøÀü·« ¹æ¾È
1-3-1 ºòµ¥ÀÌÅÍ È°¿ë¿µ¿ª
(1) ºòµ¥ÀÌÅÍ ºÐ¼®±â¼úÀ» È°¿ëÇÑ ¼ºñ½º
(2) ºòµ¥ÀÌÅÍ È°¿ë ¿µ¿ª
1-3-2 ÇØ¿Ü ºòµ¥ÀÌÅÍ È°¿ë ÇöȲ
°¡. ±¹°¡ ¾Èº¸
³ª. ±¹°¡ ÀÎÇÁ¶ó Çõ½Å
´Ù. Á¤ºÎ È¿À²¼º Çâ»ó
1-3-3 ¿ì¸®³ª¶óÀÇ ºòµ¥ÀÌÅÍ ÃßÁø Àü·« ¹æ¾È
(1) ±¹³» ºòµ¥ÀÌÅÍ È°¿ë ÇöȲ
(2) Á¤ºÎ ÃßÁø Àü·« ¹æ¾È
(3) ºòµ¥ÀÌÅ͸¦ È°¿ëÇÑ ½ºÅ¸Æ® Á¤ºÎ ±¸Çö
°¡. Àç³ ÀüÁ¶ °¨Áö¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À
³ª. ±¸Á¦¿ª ¿¹¹æ¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À
´Ù. ¸ÂÃãÇü º¹Áö ½ÇÇö¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À
¶ó. ¹°°¡ °ü¸®¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À
¸¶. °úÇбâ¼ú¡¤ÀÇ·á ¼±ÁøÈ¿¡ ´ëÇÑ ºòµ¥ÀÌÅÍ È°¿ë ½Ã³ª¸®¿À
2. ºòµ¥ÀÌÅÍ(Big Data)ÀÇ ½ÃÀå Àü¸Á
2-1 ºòµ¥ÀÌÅÍ ½ÃÀå µ¿Çâ
2-2 ½ÃÀå Àü¸Á ¹× ½Ã»çÁ¡
2-2-1 ½ÃÀå Àü¸Á
2-2-2 ½Ã»çÁ¡
3. ºòµ¥ÀÌÅÍ(Big Data) ¾÷ü ÇöȲ
3-1 ºòµ¥ÀÌÅÍ Ç÷§Æû ¾÷ü ÇöȲ
3-1-1 ±¸±Û
3-1-2 ¾Æ¸¶Á¸
3-1-3 À̺£ÀÌ
3-1-4 ÆäÀ̽ººÏ
3-1-5 ¾ÖÇÃ
3-1-6 ¾ßÈÄ
3-2 ºòµ¥ÀÌÅÍ °ü·Ã ¼Ö·ç¼Ç ¾÷ü ÇöȲ
3-2-1 EMC
3-2-2 ¿À¶óŬ
3-2-3 IBM
3-2-4 HP
3-2-5 Å׶óµ¥ÀÌŸ
3-2-6 À¯¿ÍÀÌÁî¿ø
3-2-7 ÄÚ³Å×Å©³î·ÎÁö
3-2-8 SAS
3-2-9 MS
Á¦IIIÀå DBMS(Database Management System)ÀÇ °³¿ä ¹× Ư¡
1. DBMS(Data Base Management System)ÀÇ °³¿ä
1-1 DBMSÀÇ Á¤ÀÇ ¹× °³³ä
1-1-1 DBMSÀÇ Á¤ÀÇ
1-1-2 DBMSÀÇ °³³ä
1-1-3 DBMSÀÇ ¹ßÀü °úÁ¤
1-1-4 DBMSÀÇ ¹ßÀü¹è°æ
1-2 DBMSÀÇ Æ¯Â¡ ¹× Á¾·ù
1-2-1 DBMSÀÇ Æ¯Â¡
(1) DBMSÀÇ Çʼö ±â´É
(2) DBMSÀÇ ±¸¼º¿ä¼Ò
(3) DBMSÀÇ ¿ªÇÒ
(4) µ¥ÀÌÅͺ£À̽ºÀÇ ³í¸®Àû ±¸¼º ¿ä¼Ò
1-2-2 DBMSÀÇ Á¾·ù
1-2-3 DBMSÀÇ Àå´ÜÁ¡
(1) ÀåÁ¡
(2) ´ÜÁ¡
(3) µ¥ÀÌÅÍ µ¶¸³¼º
1-3 DBMS(Data Base Management System)ÀÇ Á¾·ù ¹× Ư¡
1-3-1 °èÃþÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(HDMBS)
(1) Ư¡
(2) ÀåÁ¡
(3) ´ÜÁ¡
1-3-2 ³×Æ®¿öÅ© µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(NDMBS)
(1) Ư¡
(2) ÀåÁ¡
(3) ´ÜÁ¡
1-3-3 °ü°èÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(RDBMS)
(1) Ư¡
(2) ÀåÁ¡
(3) ´ÜÁ¡
1-3-4 °´Ã¼ÁöÇâÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(OODMBS)
(1) Ư¡
(2) ÀåÁ¡
(3) ´ÜÁ¡
1-3-5 °´Ã¼°ü°èÇü µ¥ÀÌÅͺ£À̽º °ü¸®½Ã½ºÅÛ(ORDMBS)
(1) Ư¡
(2) ÀåÁ¡
(3) ´ÜÁ¡
2. DBMS ½Ã½ºÅÛÀÇ ±¸¼º
2-1 3´Ü°è µ¥ÀÌÅͺ£À̽º ±¸Á¶
2-1-1 3´Ü°è µ¥ÀÌÅͺ£À̽º ±¸Á¶ÀÇ °³³ä
2-2 DBMSÀÇ ¾ð¾î
2-3 »ç¿ëÀÚ
2-3-1 ÀÏ¹Ý »ç¿ëÀÚ(USER)
2-3-2 ÀÀ¿ë ÇÁ·Î±×·¡¸Ó(Application Programmer)
2-3-3 µ¥ÀÌÅͺ£À̽º °ü¸®ÀÚ(Database Administrator-DBA)
2-4 µ¥ÀÌÅÍ º£À̽º °ü¸®ÀÚ(DBA)
2-5 °¢ DBMSÀÇ Æ¯Â¡ ¹× ±â´É
2-5-1 DBMSÀÇ Æ¯Â¡
(1) ORACLE
(2) MS-SQL
(3) MY-SQL
(4) SQL Server
(5) DB2
(6) ±âŸ DBMS
2-5-2 °¢ DBMSÀÇ Àå´ÜÁ¡ ¹× ±â´É ºñ±³
(1) ¿À¶óŬ(Oracle)
(2) MS-SQL Server
(3) IBM DB2
(4) ±â´ÉÀÇ ºñ±³
°¡. ºÐÇÒ±â´É
³ª. µ¿½Ã¼º
´Ù. À妽Ì(indexing)
¶ó. ¾ÐÃà
3. DBNSÀÇ ±â¼ú ¹× ¾÷ü µ¿Çâ
3-1 DBNSÀÇ ±â¼ú µ¿Çâ
3-1-1 DBNSÀÇ ±â¼ú µ¿Çâ
3-1-2 DBNS ±â¼ú Àü¸Á
(1) NO SQL
(2) DW(Data Warehouse)
(3) MPP(Massive Parallel Processing)
3-2 ±¹³»¿Ü DBNSÀÇ ¾÷ü µ¿Çâ
3-1-1 ÇØ¿Ü DBNS ¾÷ü µ¿Çâ
(1) ¿À¶óŬ
(2) IBM
(3) SAP
(4) »çÀ̺£À̽º
3-1-2 ±¹³» DBNS ¾÷ü µ¿Çâ
(1) ¾ËƼº£À̽º
(2) Å¥ºê¸®µå
(3) Ƽ¸Æ½º¼ÒÇÁÆ®
(4) Ƽº£·Î
4. DBNS ½ÃÀå Àü¸Á
4-1 ÇØ¿Ü DBNS ½ÃÀå Àü¸Á
4-1-1 ½ÃÀå µ¿Çâ
4-1-2 ½ÃÀå Àü¸Á
4-2 ±¹³» DBNS ½ÃÀå Àü¸Á
4-2-1 ½ÃÀå µ¿Çâ
4-2-2 ½ÃÀå Àü¸Á
-
-
|
ÇÏ¿¬ ÆíÁýºÎ [Àú]
|
|
-
Àú¼·Î 'Â÷¼¼´ë À̵¿Åë½Å 4GÀÇ ½ÃÀå Àü¸Á ¹× °ü·Ã ±â¼ú ÇöȲ'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. |
|
|
|
|