|
|
|
ÅÙ¼Ç÷ΠÄɶ󽺸¦ ÀÌ¿ëÇÑ µö·¯´×
|
|
|
¹ÚÀ¯¼º
¤Ó
ÀÚÀ¯¾ÆÄ«µ¥¹Ì
|
|
|
|
- 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.
-
-
-
¡ºÅÙ¼Ç÷ΠÄɶ󽺸¦ ÀÌ¿ëÇÑ µö·¯´×¡»Àº ¡´µö·¯´× µ¥ÀÌÅÍ¿Í ¼¼ °¡Áö ±âº»½Å°æ¸Á¡µ, ¡´ÃÖÀûÈ¿Í µö·¯´× ¸ðÇüÁø´Ü¡µ, ¡´TensorFlow 2.x¿Í Keras¡µ µî ÅÙ¼Ç÷ΠÄɶ󽺸¦ ÀÌ¿ëÇÑ µö·¯´×ÀÇ ±âÃÊÀûÀÌ°í Àü¹ÝÀûÀÎ ³»¿ëÀÌ ¼ö·ÏµÇ¾î ÀÖ´Ù.
-
-
1Àå ¼·Ð
2Àå µö·¯´× µ¥ÀÌÅÍ¿Í ¼¼ °¡Áö ±âº»½Å°æ¸Á
2.1 µ¥ÀÌÅÍÀÇ »çÀüÁ¤¸®°úÁ¤
2.2 µö·¯´×¿¡ »ç¿ëµÇ´Â µ¥ÀÌÅÍÀÇ ÇüÅÂ
2.3 Àº´ÐÃþ ¼³°è¸¦ À§ÇÑ ¼¼ °¡Áö ÇÙ½É ½Å°æ¸Á
2.3.1 MLP(multilayer perceptrons)
2.3.2 CNN(convolutional neural networks)
2.3.3 RNN(recurrent neural networks)
3Àå ÃÖÀûÈ¿Í µö·¯´× ¸ðÇüÁø´Ü
3.1 Ãâ·ÂÃþ°ú ¼Õ½ÇÇÔ¼ö
3.2 ¿ªÀüÆÄ
3.3 ÃÖÀûÈ ¾Ë°í¸®Áò
3.4 µö·¯´× ¸ðÇüÀÇ Áø´Ü°ú ÀϹÝÈ
4Àå TensorFlow 2.x¿Í Keras
4.1 TensorFlow 2.xÀÇ ±âÃÊ ¹®¹ý°ú tf.kerasÀÇ ¼³Ä¡
4.2 µö·¯´× ±¸ÃàÀ» À§ÇÑ 3´ë API
4.3 ÃÖÀûȸ¦ À§ÇÑ Á¡°Ë
4.3.1 callbacks
4.3.2 µö·¯´× ¸ðÇüÀÇ ½Ã°¢Àû Á¡°Ë°ú ÇнÀµÈ ¸ðÇüÀÇ ÀúÀå°ú Àç»ç¿ë
5Àå µö·¯´× ¸ðÇüÀÇ ¼º´ÉÇâ»ó°ú ¸ÂÃãÇü µö·¯´× ¼³°è
5.1 µö·¯´× ¸ðÇüÀÇ ¼º´ÉÇâ»ó
5.1.1 ¸ð¼öÃʱâÄ¡
5.1.2 È°¼ºÇÔ¼ö
5.1.3 Á¤±ÔÈ
5.1.4 Dropout
5.1.5 ±âŸ ¹æ¹ý
5.2 ¸ÂÃãÇü µö·¯´× ¼³°è
5.2.1 ¸ÂÃãÇü ¼Õ½ÇÇÔ¼ö
5.2.2 ¸ÂÃãÇü Àº´ÐÃþ
5.2.3 ¸ÂÃãÇü È°¼ºÇÔ¼ö, ÃʱâÄ¡, ±ÔÁ¦È ±×¸®°í ¸ÂÃãÇü µö·¯´× ¸ðÇü
6Àå CNNÀÇ ÀÀ¿ë°ú ÀÌÀüÇнÀ
6.1 »ç¶÷ÀÇ ¼ºº°À» ±¸ºÐÇÏ´Â CNN
6.2 ÀÌÀüÇнÀ I
6.3 Image Ge...nerator¸¦ ÀÌ¿ëÇÑ CNN°ú ÀÚ·áÁõ´ë
6.4 ÀÌÀüÇнÀ II
7Àå ÅؽºÆ® ÀÚ·á¿¡ ´ëÇÑ µö·¯´×
7.1 Word2Vec°ú Glove
7.2 ÅؽºÆ® ÀÚ·á¿¡ Æ¯ÈµÈ Word Embedding
7.3 Word Embedding »ç·ÊºÐ¼®
8Àå CNNÀÇ ÀÀ¿ë - ÀÚÀ²ÀÚµ¿Â÷ÀÇ À̹ÌÁöºÐ¼®
8.1 ±³ÅëÇ¥½ÄÀÇ ½Äº°
8.2 °´Ã¼ºÐÇÒ
8.3 °´Ã¼ÀÇ Àǹ̺ÐÇÒ
9Àå RNNÀÇ Àû¿ë°ú ÀÀ¿ë
9.1 RNN ¸ðÇüÀÇ ºñ±³
9.2 ´Ù¸¥ ÇüÅÂÀÇ RNN ¸ðÇü
9.3 µö·¯´×À» ÀÌ¿ëÇÑ ½Ã°è¿ ÀÚ·áºÐ¼®
10Àå ´ÙÁß ÀÔÃâ·Â, º´·ÄÇü, ±×¸®°í ºñ¼øȯ µö·¯´× ¾ÆÅ°ÅØó
10.1 ´ÙÁßÀԷ°ú ´ÙÁßÃâ·Â µö·¯´×
10.2 ºñ¼øȯÇü µö·¯´× ¾ÆÅ°ÅØó
11Àå ¸Ó½Å¹ø¿ª
11.1 ÀÚ·áÀÇ »çÀüÁ¤¸®
11.2 sequence-to-sequence ÇнÀ
11.3 ¸Ó½Å¹ø¿ªÀ» À§ÇÑ Encoder-Decoder ¾ÆÅ°ÅØó
11.4 AttentionÀ» ÀÌ¿ëÇÑ ¸Ó½Å¹ø¿ª
12Àå Autoencoder¿Í Variational Autoencoder
12.1 Autoencoder ¸ðÇü
12.2 ¿À¿°Á¦°Å autoencoder
12.3 Variational Autoencoder(VAE)
13Àå Generative Adversarial Networks(GAN)
13.1 DCGAN
13.2 GAN ÇнÀÀ» À§ÇÑ ¼Õ½ÇÇÔ¼ö
13.3 WGANÀÇ ±¸Çö
13.4 LSGANÀÇ ±¸Çö
14Àå Cross-Domain GAN
14.1 CycleGAN
14.2 CIFAR10 µ¥ÀÌÅ͸¦ ÀÌ¿ëÇÑ CycleGAN
14.3 MNIST µ¥ÀÌÅÍ¿Í SVHN µ¥ÀÌÅ͸¦ ÀÌ¿ëÇÑ CycleGAN
-
-
[¸Ó¸®¸»]
µö·¯´×Àº ÀÔ·ÂÃþ, Àº´ÐÃþ, Ãâ·ÂÃþÀ¸·Î ±¸¼ºµÇ¾î ÀÖ´Ù. ÀÔ·ÂÃþ¿¡´Â ¸ñÀûº¯¼ö¸¦ ¿¹ÃøÇϱâ À§ÇÑ Æ¯¼ºº¯¼ö°¡ ÀԷµǰí Ãâ·ÂÃþ¿¡¼´Â ¸ñÀûº¯¼öÀÇ ¿¹ÃøÄ¡¸¦ Ãâ·ÂÇÑ´Ù. ¸¸¾à µö·¯´× ¸ðÇü¿¡¼ Àº´ÐÃþÀ» Á¦°ÅÇϸé ÀϹÝÀûÀÎ Åë°è¸ðÇü°ú µ¿ÀÏÇÏ°Ô µÈ´Ù. ±×·¯¹Ç·Î Àº´ÐÃþÀÇ ±¸Á¶¿Í Ư¼º, ±×¸®°í ÀڷᱸÁ¶¿¡ µû¸¥ Àº´ÐÃþÀÇ ¼³°èº¯°æÀ» Àß ÀÌÇØÇÏ¸é µö·¯´×ÀÇ ¼ö¸¹Àº ¸ðÇüÀ» ½±°Ô ÀÌÇØÇÒ ¼ö ÀÖ´Ù. Àº´ÐÃþÀÇ ±¸Á¶¿Í Ư¼ºÀº ¿ÀÁ÷ 3°³ÀÇ µö·¯´× ±âº»¸ðÇü¸¸ Àß ÀÌÇØÇÏ¸é µÈ´Ù. µö·¯´×ÀÇ ¸ðµç ¸ðÇüÀº ÀÌ 3°³ ±âº» ¸ðÇüÀÇ Á¶ÇÕÀ̱⠶§¹®ÀÌ´Ù. µö·¯´×ÀÇ ¸ð¼öÃßÁ¤¹æ¹ýÀ» Æ÷ÇÔÇؼ 2, 3Àå¿¡ ÀÌ·¯ÇÑ ³íÀǸ¦ »ó¼¼ÇÏ°Ô ¼ö·ÏÇÏ¿´´Ù. ¼öÇÐÀûÀÎ ºÎÈ£¿¡ ´É¼÷ÇÏÁö ¾ÊÀº µ¶Àڴ óÀ½¿¡´Â ¾î·Æ°Ô ´À³¥ ¼ö ÀÖÀ¸³ª Á¦½ÃµÈ ¿©·¯ °³³äµµ¸¦ Áß½ÉÀ¸·Î õõÈ÷ Àд٠º¸¸é ÀÌÇØÇÏ´Â µ¥ Å« ¹«¸®´Â ¾øÀ» °ÍÀÌ´Ù. ¸ð¼öÀÇ ¼ö¸¦ ¾î¶»°Ô °è»êÇÏ´ÂÁö¸¦ ÀÌÇØÇÏ¸é ½Å°æ¸ÁÀÇ ±¸Á¶¸¦ ÀÌÇØÇÑ °ÍÀ¸·Î »ý°¢Çصµ ¹«¹æÇÏ´Ù.
µö·¯´× Àü¹®°¡°¡ µÇ±â À§ÇÑ Áö¸§±æÀº 2Àå°ú 3ÀåÀÇ ÀÌÇظ¦ ¹ÙÅÁÀ¸·Î ²÷ÀÓ¾øÀÌ ¡®try and error¡¯¸¦ Çغ¸´Â °ÍÀÌ´Ù. ³²ÀÌ Â¥³õÀº ÇÁ·Î±×·¥À» ¹«ÀÛÁ¤ µû¶ó¼ Çغ¸´Â °Íº¸´Ù, ¡®¿Ö ÀÌ·¸°Ô µö·¯´× ¾ÆÅ°ÅØó¸¦ ¸¸µé¾úÁö?¡¯, ¡®ÀÌ°É ¹Ù²Ù¸é ¹«½¼ ÀÏÀÌ ÀϾ±î?¡¯ µîÀ» »ý°¢ÇغÁ¾ß ÇÑ´Ù. ƯÈ÷, ¸ð¼öÀÇ ¼ö·Å¿¡ °ü·ÃµÈ Á¤±ÔÈ(normalization) ¹æ¹ý, ¹èÄ¡ÀÇ Å©±â, ±×¸®°í ¹ÌºÐ»ç¶óÁü Çö»ó¿¡ ´ëÇÑ ÇØ°á¹æ¾È, °ú´ëÀûÇÕÀ» ¹æÁöÇϱâ À§ÇÑ ±ÔÁ¦È(regularization) ¹æ¹ý µîÀ» ÀÍÈ÷°í ¸ð¼ö¸¦ Áõ°¡½ÃÅ°°Å³ª °¨¼Ò½ÃÄÑ µö·¯´× ¸ðÇüÀÇ ¼º´ÉÀ» ºñ±³ÇÏ°Ô µÇ¸é ÀڽŸ¸ÀÇ µö·¯´× ¸ðÇüÀ» ±¸ÃàÇÒ ¼ö ÀÖ´Â ´É·ÂÀÌ »ý±â°Ô µÈ´Ù.
ÀÌ Ã¥ÀÇ 4 ~ 14ÀåÀº ½ÇÁ¦ ÀÀ¿ë¹®Á¦¸¦ ´Ù·ç°í ÀÖÀ¸¸ç ÇÁ·Î±×·¥ running timeÀÌ 10½Ã°£ À̳»ÀÎ ºñ±³Àû ªÀº ÇÁ·Î±×·¥À» Á¦°øÇÏ°í ÀÖ´Ù. µû¶ó¼ µ¶ÀÚ ½º½º·Î 4 ~ 14Àå¿¡ Á¦°øµÈ ÇÁ·Î±×·¥À» ÀÌ¿ëÇÏ¿© ´Ù¾çÇÑ ¿É¼ÇÀÇ º¯°æÀ» ÅëÇØ È¿°úÀûÀÌ°í ¾ÐÃàÀûÀÎ µö·¯´× ¾ÆÅ°ÅØó¸¦ ±¸¼ºÇÏ´Â ´É·ÂÀ» Å°¿ï ¼ö ÀÖÀ» °ÍÀÌ´Ù. 14ÀåÀº ÀÌ Ã¥¿¡¼ Á¦°øÇÏ´Â ÇÁ·Î±×·¥ Áß °¡Àå ±æ°í º¹ÀâÇϸç running time ¿ª½Ã ¸Å¿ì ±ä ÇÁ·Î±×·¥À» Á¦°øÇÏ°í ÀÖ´Ù. ÀÌ ÇÁ·Î±×·¥À» ½±°Ô ÀÌÇØÇÏ¸é µö·¯´×ÀÇ ÀÌ·ÐÀû ¹è°æÀº ¾î´À Á¤µµ ¿Ï¼ºµÇ¾ú´Ù°í º¸¾Æµµ µÇ¸ç µö·¯´× Àü¹®°¡°¡ µÇ±â À§ÇØ ½ÇÁ¦ ¹®Á¦¸¦ Á÷Á¢ ´Ù·ç´Â °æÇèÀ» Á¶±Ý¸¸ ´õ ½×À¸¸é µÉ °ÍÀÌ´Ù.
ÀÌ Ã¥À» ÁغñÇÏ´Â µ¥ ¾à 3³âÀÌ ¼Ò¿äµÇ¾ú´Âµ¥ Áö³ 1³â¿© µ¿¾È µö·¯´× °í±Þ¾ð¾î Áß ÇϳªÀÎ Keras¸¦ ÀÌ¿ëÇÏ¿© ¿ø°í¸¦ °ÅÀÇ ¿Ï¼ºÇÏ¿´À¸¸ç À̸¦ ±â¹ÝÀ¸·Î ÇкΠ¹× ´ëÇпø °Àǵµ ¼º°øÀûÀ¸·Î ¸¶Ä¥ ¼ö ÀÖ¾ú´Ù. ±×·±µ¥ 2019³â 9¿ù¿¡ Ãâ½ÃµÈ TensorFlow 2.0ºÎÅÍ Keras¸¦ Ç¥ÁØ°í±Þ ÇÁ·Î±×·¥¾ð¾î·Î äÅÃÇÏ¿© À̸¦ tf.keras¶ó°í ¸í½ÃÇÏ¿´°í ´õ¿íÀÌ Keras¿¡¼µµ tf.keras·Î ¹Ù²Ü °ÍÀ» °ø½ÄÈÇÏ¿© TensorFlow 2.x¿Í tf.keras·Î µö·¯´× ¿ø°í¸¦ ´Ù½Ã ÀÛ¼ºÇÏ°Ô µÇ¾ú´Ù. À̶§ °³³äÀû È帧ÀÌ ÀÚ¿¬½º·´°Ô ¿¬°áµÇµµ·Ï ¿ø°í¸¦ À籸¼ºÇÏ¿´°í µö·¯´× ¸ðÇü ¼º´ÉÇâ»óÀ» À§ÇÑ Æ©´×¹æ¹ý°ú ¸ÂÃãÇü µö·¯´× ¸ðÇü¼³°è¿¡ ´ëÇØ ºÎÁ·Çß´ø ºÎºÐÀ» ´ëÆø °ÈÇÏ¿´´Ù.
ÀÌ Ã¥¿¡ Á¦°øµÈ ÇÁ·Î±×·¥Àº TensorFlow¿Í tf.keras·Î ÀÛ¼ºµÇ¾ú±â ¶§¹®¿¡ Ŭ¶ó¿ìµå ±â¹ÝÀÇ ¹«·á Jupyter NotebookÀÎ Colab¿¡¼ ½Ç½ÀÇϱ⿡ ÃÖÀûȵǾî ÀÖ´Ù. µ¶ÀÚ ½º½º·Î ÇÁ·Î±×·¥À» ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï °¡´ÉÇÑ ÇÑ »ó¼¼ÇÑ Çؼ³À» ÇÏ¿´Áö¸¸ ½Ç½ÀÀ» ÇÏÁö ¾ÊÀ¸¸é µö·¯´×Àº µ¶ÀÚµéÀÇ °ÍÀÌ µÉ ¼ö ¾ø´Ù´Â °ÍÀ» ¸í½ÉÇÏ±æ ¹Ù¶õ´Ù.
ÀÌ Ã¥À» ÅëÇØ µ¶ÀÚµéÀº ÀÚ·áÀÇ »çÀüÁ¤¸®, ¸ðÇü¼³Á¤, ¸ðÇü°ËÁõ, ¸ðÇüÀû¿ëÀÇ ¼ø¼·Î µö·¯´× ÀÚ·áºÐ¼®ÀÇ Àü °úÁ¤À» °øºÎÇÏ°Ô µÉ °ÍÀÌ´Ù. ÀÚ·áÀÇ »çÀüÁ¤¸®°úÁ¤Àº µö·¯´× ¸ðÇü ±¸Ãà¿¡ °¡Àå ¸¹Àº ½Ã°£°ú... Á¤¼ºÀ» ±â¿ï¿©¾ß ÇÒ ºÐ¾ßÀÌ´Ù. ÀÌ Ã¥¿¡¼´Â ¿¬±¸¸ñÀû¿¡ µû¸¥ À̹ÌÁö ÀÚ·á, ÅؽºÆ® ÀÚ·á µîÀÇ ºñÁ¤Çü ÀÚ·á¿¡ ´ëÇÑ »çÀüÀÚ·á Á¤¸®°úÁ¤À» °¡´ÉÇÑ ÇÑ ÀÚ¼¼ÇÏ°Ô ¼³¸íÇÏ°íÀÚ ³ë·ÂÇÏ¿´´Ù. ¸ðÇü¼³Á¤¿¡¼´Â ¸ðÇüÀÇ ¼º´ÉÀ» Çâ»ó½ÃÅ°±â À§ÇÑ ÃʱâÄ¡¿Í È°¼ºÇÔ¼öÀÇ ¼±ÅÃ, ÃÖÀûÈ ¾Ë°í¸®ÁòÀÇ ¼±ÅÃ, °ú´ëÀûÇÕ ÇØ°á¹æ¾È, ±×¸®°í ¸ÂÃãÇü µö·¯´× ¸ðÇüÀÇ ±¸ÃàÀ» ÀÚ¼¼ÇÏ°Ô ¼³¸íÇÏ¿´´Ù. ÀÏÁ¤ ¼öÁØ ÀÌ»óÀÇ µ¥ÀÌÅÍ °úÇÐÀÚ°¡ µÇ±â À§Çؼ´Â µö·¯´×ÀÇ Àü °úÁ¤À» ÀÌÇØÇؾ߸¸ ÇÑ´Ù. ´Ù¸¥ »ç¶÷ÀÌ ÀÌ¹Ì ±¸ÃàÇØ ³õÀº ÇÁ·Î±×·¥¿¡ ÀÚ½ÅÀÇ ÀڷḦ Áý¾î³ÖÀ» ÁÙ¸¸ ¾Æ´Â °ÍÀº ´Ü¼øÇÑ µ¥ÀÌÅÍ ±â¼úÀÚ¿¡ ºÒ°úÇϱ⠶§¹®ÀÌ´Ù.
ÁÁÀº Ã¥À» À§ÇØ ÃÖ¼±À» ´ÙÇßÁö¸¸ ºÎÁ·ÇÑ ºÎºÐÀÌ ÀÖÀ» ¼ö ÀÖ´Ù. ÀÌ Á¡Àº ¾çÇظ¦ ¹Ù¶ó¸ç, Ã¥¿¡ ³ª¿À´Â ½Ç½À ÇÁ·Î±×·¥ ¹× µ¥ÀÌÅÍ ÆÄÀÏ°ú Ãâ°£ ÈÄ ³ª¿Ã ¼ö ÀÖ´Â ¼öÁ¤»çÇ× µîÀº ÀÚÀ¯¾ÆÄ«µ¥¹Ì ȨÆäÀÌÁö(www.freeaca.com) ÀÚ·á½ÇÀ» ÅëÇØ Á¦°øÇÒ ¿¹Á¤ÀÌ´Ï ÂüÁ¶Çϱ⸦ ¹Ù¶õ´Ù.
-
-
|
¹ÚÀ¯¼º [Àú]
|
|
-
-
-
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. |
|
|
|
|