>
>
°æ¿µÇаú ÇÔ²²ÇÏ´Â ÆÄÀ̽ã ÀΰøÁö´É 
¹Ú°æ¿í ¤Ó µå¸²¹Ìµð¾î
  • Á¤°¡
28,000¿ø
  • ÆǸŰ¡
28,000¿ø (0% ¡é, 0¿ø ¡é)
  • ¹ßÇàÀÏ
2022³â 03¿ù 02ÀÏ
  • ÆäÀÌÁö¼ö/Å©±â/¹«°Ô
406page/202*256*22/1090g
  • ISBN
9788991051621/8991051626
  • ¹è¼Ûºñ
¹«·á¹è¼Û
  • ¹è¼Û¿¹Á¤ÀÏ
05/21(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.
  • »ó¼¼Á¤º¸
  • ÆÄÀ̽ãÀ» È¿°úÀûÀ¸·Î ÇнÀÇϱâ À§Çؼ­´Â ÆÄÀ̽㠱⺻ ÄÚµù¿¡ ´ëÇÑ ÇнÀ»Ó¸¸ ¾Æ´Ï¶ó °ü·Ã ¶óÀ̺귯¸®µé¿¡ ´ëÇÑ ÇнÀÀÌ µ¿¹ÝµÇ¾î¾ß ÇÏÁö¸¸ ½Ç·Î ¹æ´ëÇÑ ºÐ¾ß¿¡ °ÉÄ£ ¶óÀ̺귯¸®µéÀ» ¾î´À ¹üÀ§±îÁö ÇнÀÇØ¾ß ÇÒ °ÍÀΰ¡ ÇÏ´Â ¹°À½¿¡ ´ëÇÑ ´äÀº ÆÄÀ̽ãÀ» ¾î¶² ºÐ¾ß¿¡¼­ ¾î¶² ¸ñÀûÀ¸·Î »ç¿ëÇÏ·Á ÇÏ´ÂÁö ¿¡ µû¶ó °áÁ¤µÇ¾î¾ß ÇÑ´Ù´Â °ÍÀÌ ÀúÀÚµéÀÇ »ý°¢ÀÌ´Ù. ÀÌ Ã¥¿¡¼­´Â °æ¿µÇÐ °ü·Ã ¹®Á¦µé¿¡ °ü½ÉÀÌ ±íÀº ÇнÀÀÚµéÀ̳ª ±â¾÷ °æ¿µ °úÁ¤¿¡¼­ ºÎµúÄ¡´Â ¹®Á¦µé¿¡ ÆÄÀ̽ãÀ» ÀÀ¿ëÇϱ⸦ ¿øÇÏ´Â µ¶ÀÚµéÀÇ °üÁ¡¿¡ ÃÊÁ¡À» ¸ÂÃß°íÀÚ ÇÑ´Ù. À̸¦ À§Çؼ­ ÆÄÀ̽㠱⺻ ÄÚµù ¹æ¹ýÀ» Æ÷ÇÔÇÏ¿© matplotlib, Pandas, NumPy, SciPy, Scikit-learn, Pytorch, seaborn, pulp µîÀÇ ¶óÀ̺귯¸®µéÀÇ ±âº»ÀûÀÎ »ç¿ë¹ý¿¡ ´ëÇÑ ÇнÀÀ» ¹ÙÅÁÀ¸·Î °æ¿µÇÐ °ü·Ã ÇнÀÀ̳ª ±â¾÷ °æ¿µ °úÁ¤¿¡¼­ÀÇ ¹®Á¦µéÀ» ÇØ°áÇϱâ À§ÇÑ ¹æ¹ýµéÀ» ¼Ò°³Çϱâ·Î ÇÑ´Ù.
  • ¾î¶°ÇÑ µ¿±â¿¡¼­°Ç ÆÄÀ̽㿡 °ü½ÉÀ» °¡Áö°í ÆÄÀ̽ã ÇнÀÀ» ½ÃµµÇØ º» µ¶ÀÚµéÀ̶ó¸é ÆÄÀ̽ãÀÌ ±Íµµ ¹Ý ·Î¼¶À̶ó´Â Àü»êÇÐÀÚ°¡ °³¹ßÇÑ ¡°ÄÄÇ»ÅÍ ÇÁ·Î±×·¡¹Ö ¾ð¾î¡±¶ó´Â °ÍÀ» ¾Ë°Ô µÇ°í ÀÌÈÄ º¯¼ö, ¸®½ºÆ®, if-else ±¸¹®, for ·çÇÁ, ÆÄÀ̽ã ÇÔ¼ö µî ÆÄÀ̽ã ÄÚµù¿¡ ´ëÇÏ¿© °øºÎÇØ º¸¾ÒÀ» °ÍÀÌ´Ù. ±×·±µ¥ ÀÌ·¯ÇÑ ÆÄÀ̽ã ÄÚµù¿¡ ´ëÇÏ¿© ÇнÀÇÏ´Â °úÁ¤¿¡¼­ µ¶ÀÚµéÀº Á¡Á¡ ¡°µµ´ëü ÆÄÀ̽ãÀ» ¾îµð¿¡ ½á ¸ÔÀ» ¼ö ÀÖÀ»±î?¡±¶ó´Â ±Ùº»ÀûÀÎ Àǹ®¿¡ ºüÁö°Ô µÈ´Ù. ´ëºÎºÐÀÇ µ¶ÀÚµéÀº ÀÌ Áú¹®¿¡ ´ëÇÑ ´ë´äÀ¸·Î ¡°ÆÄÀ̽ãÀÌ Àç¹ÌÀÖ±â´Â Çѵ¥ ³ª¿¡°Ô´Â º°·Î ¾µ¸ð°¡ ¾ø³×? ¶Ç´Â ¡°³»°¡ ÇÏ°í ½ÍÀº ÀÏÀ» ÇÒ ¼ö ÀÖÀ» Á¤µµ·Î ÆÄÀ̽ã ÄÚµùÀ» ÇÒ ¼ö ÀÖÀ¸·Á¸é ³Ê¹« ¾î·Æ°Ú´Âµ¥¡±¶ó´Â ÆÇ´ÜÀ» ³»¸®°í ´õ ÀÌ»ó ÆÄÀ̽ã ÄÚµù¿¡ ´ëÇÏ¿© °øºÎÇÏ°í ½ÍÁö ¾Ê°Ô µÈ´Ù. ÀÌ·¯ÇÑ Çö»óÀÌ »ý±â´Â ÀÌÀ¯´Â ¹«¾ùÀϱî? ±×°ÍÀº ÆÄÀ̽ãÀÌ ¡°ÇÁ·Î±×·¡¹Ö ¾ð¾î¡±ÀÎ °ÍÀº ¸ÂÁö¸¸ »ç½Ç Pandas, Numpy, SciPy, Scikit-learn, Pytorch µî°ú °°ÀÌ ¹æ´ëÇÑ °ü·Ã ¶óÀ̺귯¸®µé±îÁöµµ Æ÷ÇÔÇÏ´Â ÀÏÁ¾ÀÇ »ýÅ°è·Î¼­ÀÇ ÆÄÀ̽ãÀ» ÀÌÇØÇÏÁö ¸øÇϱ⠶§¹®ÀÌ´Ù. ±×·¯¸é ÆÄÀ̽㠶óÀ̺귯¸®¶õ ¹«¾ùÀΰ¡? ÆÄÀ̽㠶óÀ̺귯¸®´Â ¾î¶² ƯÁ¤ÇÑ ÀÛ¾÷µéÀ» È¿À²ÀûÀ¸·Î ½ÇÇàÇϱâ À§ÇÏ¿© ÆÄÀ̽ãÀ¸·Î ÄÚµùµÇ¾î °³¹ßµÇ¾î ÀÖ´Â ÀÏÁ¾ÀÇ ¸ðµâ ¶Ç´Â ÆÐÅ°Áö¶ó°í ÇÒ ¼ö ÀÖ´Ù. ¿¹¸¦ µé¾î ´ç½ÅÀÌ 2021³â Àü±¹ÀÇ °øµ¿ÁÖÅà ¸Å¸Å 150¸¸ °Ç¿¡ ´ëÇÑ ºòµ¥ÀÌÅ͸¦ °¡Áö°í ÀÖ´Ù°í ÇØ º¸ÀÚ. ÀÌ µ¥ÀÌÅͷκÎÅÍ ¼­¿ï½Ã °­³²±¸ÀÇ ´ëÇü ¾ÆÆÄÆ®ÀÇ Æò±Õ ¸Å¸Å°¡°ÝÀ» °è»êÇϱâ À§ÇÑ ÆÄÀ̽ã ÄÚµùÀº Àü¹®°¡°¡ ¾Æ´Ï°í¼­´Â µµÀúÈ÷ ½ÃµµÁ¶Â÷ ÇØ º¼ ¼ö ¾ø´Â ÄÚµùÀÛ¾÷ÀÌ µÉ °ÍÀÌ´Ù. ±×·±µ¥ Pandas¶ó´Â ¶óÀ̺귯¸®¸¦ ÀÌ¿ëÇϸé 10ÁÙ À̳»ÀÇ °£´ÜÇÑ ÄÚµùÀ¸·Î ÀÌ·± ÀÛ¾÷ÀÌ °¡´ÉÇØ Áö´Â °ÍÀÌ´Ù. ±×·±µ¥ ¸Å¿ì ´Ù¾çÇÑ ÆÄÀ̽㠶óÀ̺귯¸®µéÀÌ Æ¯Á¤ ÀÛ¾÷¿¡ ÀÌ¿ëÇÒ ¼ö ÀÖµµ·Ï ÀÌ¹Ì °³¹ßµÇ¾î ÀÖÀ¸¹Ç·Î ¿ì¸®´Â ±âº»ÀûÀÎ ÆÄÀ̽ã ÄÚµù¿¡ ´ëÇÑ ÇнÀ°ú ´õºÒ¾î ÀÚ½ÅÀÇ µ¿±â³ª ¸ñÀû¿¡ ¸Â´Â ÆÄÀ̽㠶óÀ̺귯¸®µéÀÇ ÄÚµù ¹ýÀ» ÀÍÈûÀ¸·Î½á ¾ÖÃÊ¿¡ ÀÚ½ÅÀÌ ÆÄÀ̽ãÀ» °øºÎÇÏ·Á´ø ¼Ò±âÀÇ ¸ñÀûÀ» ½±°Ô ´Þ¼ºÇÒ ¼ö ÀÖ°Ô µÇ´Â °ÍÀÌ´Ù. ¸¸¾à ´ç½ÅÀÌ º¹ÀâÇÑ ¼öÇÐÀû ¸ðµ¨¸µ°ú °ü·ÃµÈ °æ¿µÇÐ ÁÖÁ¦µéÀ» ÇнÀÇϱâ À§ÇØ ÆÄÀ̽㠰øºÎ¸¦ ÇÏ°íÀÚ ÇÏ´Â ÇлýÀ̶ó¸é ÆÄÀ̽㠱⺻ ÄÚµù°ú ´õºÒ¾î scipy, pulp µî°ú °°Àº ¶óÀ̺귯¸®µéÀ» ÀÌ¿ëÇÑ ÄÚµù ¹ýÀ» ÇнÀÇؾ߸¸ ÇÒ °ÍÀÌ´Ù. ¿¢¼¿°ú °°Àº ½ºÇÁ·¹µå½ÃÆ® ÇüÅÂÀÇ (ºò)µ¥ÀÌÅ͸¦ °¡°øÇϰųª µ¥ÀÌÅÍ¿¡ ³»Æ÷µÈ Á¤º¸¸¦ ÆľÇÇؾ߸¸ ÇÒ ÇÊ¿ä°¡ ÀÖ´Â °æ¿ì¶ó¸é ¹Ýµå½Ã Pandas ÄÚµù¿¡ ´ëÇÑ ÇнÀÀÌ ¼ö¹ÝµÇ¾î¾ß¸¸ ÇÑ´Ù. ÇÑÆí, °í°´µ¥ÀÌÅͷκÎÅÍ °í°´°ü¸®¸¦ À§ÇÑ Á¤º¸¸¦ ½ÀµæÇÏ°íÀÚ ÇÏ´Â °æ¿ì¶ó¸é Scikit-learn, seaborn µî°ú °°Àº ¶óÀ̺귯¸® ÄÚµù ¹ý¿¡ ¼÷·ÃµÇ¾î¾ß¸¸ ÆÄÀ̽ã ÇнÀÀ¸·ÎºÎÅÍ ¿øÇÏ´Â ÇØ´äÀ» ãÀ» ¼ö ÀÖ°Ô µÉ °ÍÀÌ´Ù. ÀÎÅͳݻóÀÇ °í°´ °Ô½Ã ±ÛÀ̳ª ´ñ±Û ¶Ç´Â SNS¿¡¼­ ƯÁ¤ ´Ü¾î¸¦ Æ÷ÇÔÇÏ´Â ¹®ÀåµéÀ» °Ë»öÇÏ¿© Å©·Ñ¸µÇÏ°íÀÚ ÇÏ´Â °æ¿ì¶ó¸é BeautifulSoup°ú °°Àº ¶óÀ̺귯¸®¸¦ »ç¿ëÇϱâ À§ÇÑ ÄÚµù ¹ý¿¡ Àͼ÷ÇØÁ®¾ß ÇÒ °ÍÀÌ´Ù. ¸¸¾à ±â°èÇнÀ(machine learning)°ú µö·¯´×(deep learning)À» È°¿ëÇÑ ÀΰøÁö´É(Artificial Intelligence, AI)ÀÇ ÀÀ¿ëÀÌ ¸ñÀûÀ̶ó¸é Scikit-learn, Pytorch µîÀÇ ¶óÀ̺귯¸® ÇнÀÀÌ ÇʼöÀûÀÌ´Ù. ÀÌ·¸µí ÆÄÀ̽ãÀ» Á¦´ë·Î °øºÎÇÏ·Á¸é ¿ì¼± ÆÄÀ̽㠱⺻ ÄÚµù¿¡ ´ëÇÑ ÇнÀÀ» Ãâ¹ßÁ¡À¸·Î ÇÏ¿© ³»°¡ ¿øÇÏ´Â ¿ëµµ³ª ¸ñÀû¿¡ ¸Â´Â ÆÄÀ̽㠶óÀ̺귯¸®µéÀ» ÆľÇÇÏ°í ÀÌ¿¡ ´ëÇÑ ÄÚµù ÇнÀÀÌ ¹Ýµå½Ã µ¿¹ÝµÇ¾î¾ß¸¸ ÇÑ´Ù. ´ç½ÅÀº ´©±¸Àΰ¡¿ä? Çà»ç°¡°ÝÀÇ Å©±â°¡ ÄÝ¿É¼Ç °¡°Ý¿¡ ¹ÌÄ¡´Â ¿µÇâ¿¡ ´ëÇÏ¿© °øºÎÇÏ°í ½ÍÀº ÇлýÀΰ¡¿ä? °ú°Å ...
  • 1Àå. ÆÄÀ̽㠼³Ä¡¤ý001 1.1 ÆÄÀ̽ã°ú ¾Æ³ªÄÜ´Ù ¤ý 002 1.2 ¾Æ³ªÄÜ´Ù ¼³Ä¡ ¤ý 004 1.3 ¾Æ³ªÄÜ´Ù ÇÁ·ÒÇÁÆ® È°¿ë ¤ý 014 1.4 °¡»óȯ°æ »ý¼º/È°¿ë ¹× ¶óÀ̺귯¸® ¼³Ä¡/Ãß°¡:¾Æ³ªÄÜ´Ù ÇÁ·ÒÇÁÆ® »ç¿ë ¤ý 016 1.5 Jupyter¸¦ ÀÌ¿ëÇÑ ÆÄÀ̽㠽ÇÇà ¤ý 019 1.6 Spyder¸¦ ÀÌ¿ëÇÑ ÆÄÀ̽㠽ÇÇà ¤ý 025 2Àå ÆÄÀ̽㠵¥ÀÌÅÍ¿Í º¯¼ö¤ý034 2.1 ÆÄÀ̽ã ÄÚµù°ú ½ÇÇà ¤ý 034 2.2 ÆÄÀ̽㠵¥ÀÌÅÍÀÇ À¯Çü: ¼ö(Number) ¤ý 039 2.3 ÆÄÀ̽㠵¥ÀÌÅÍÀÇ À¯Çü: ¹®ÀÚ¿­(String) ¤ý 042 2.4 ÆÄÀ̽㠵¥ÀÌÅÍÀÇ À¯Çü: ¸®½ºÆ®(List) ¤ý 049 2.5 ÆÄÀ̽㠵¥ÀÌÅÍÀÇ À¯Çü:µñ¼Å³Ê¸®(Dictionary) ¤ý 056 2.6 ÆÄÀ̽㠵¥ÀÌÅÍÀÇ À¯Çü: Æ©ÇÃ(Tuple) ¤ý 057 2.7 ÆÄÀ̽㠵¥ÀÌÅÍÀÇ À¯Çü: ¼¼Æ®(Set) ¤ý 059 3Àå »óȲ¿¡ µû¶ó ´Ù¸¥ ÀÛ¾÷À» Çϱâ À§ÇÑ ÆÄÀ̽ã¤ý066 3.1 if ±¸¹®°ú if-else ±¸¹® ¤ý 068 3.2 if-elif-else ±¸¹® ¤ý 077 3.3 Áßø(nested) if-else ±¸¹® ¤ý 081 4Àå µ¿ÀÏÇÑ ÀÛ¾÷À» ¹Ýº¹Çϱâ À§ÇÑ ÆÄÀ̽ã¤ý100 4.1 for ·çÇÁÀÇ ±¸Á¶¿Í Ÿ°Ù º¯¼öÀÇ È°¿ë ¤ý 104 4.2 Ÿ°Ùº¯¼ö°¡ ·çÇÁȸÂ÷¸¦ Á¶ÀýÇϴµ¥ »ç¿ëµÇ´Â for ·çÇÁ ¤ý 119 4.3 while ·çÇÁ(loop) ¤ý 124 4.4 ¸®½ºÆ®/Æ©ÇÃ/µñ¼Å³Ê¸®ÀÇ »ý¼ºÀ» À§ÇÑ ·çÇÁ È°¿ë ¤ý 126 5Àå ...
  • ¹Ú°æ¿í [Àú]
  • ´ëÇ¥ÀÛÀ¸·Î ¡º°æ¿µÇаú ÇÔ²²ÇÏ´Â ÆÄÀ̽ã ÀΰøÁö´É¡»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.
  • 0°³
  • 0°³