|
|
|
ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ Åë°èÀû ¸Ó½Å·¯´×
|
|
|
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.
-
-
-
ÀÓÀÇÇ¥º»ÀÇ °³³äÀ» °£´ÜÇÑ ±×¸²À¸·Î ¼³¸íÇÑ ÈÄ, ¿Ö Ư¼ºº¯¼ö(¶Ç´Â µ¶¸³º¯¼ö)°¡ ÇÊ¿äÇÑÁö ±×¸®°í ¹«½¼ ¿ªÇÒÀ» ÇÏ´ÂÁö µîÀ» ¸ðÇüÀÇ °üÁ¡¿¡¼ »ìÆ캸°í, Åë°èÇÐÀÇ °ËÁ¤ ´ë½Å ¸Ó½Å·¯´×¿¡¼´Â ¸ðÇüÀÇ ÀûÇÕµµ¿Í Ư¼ºº¯¼öÀÇ ±â¿©µµ¸¦ ¾î¶»°Ô Æò°¡ÇÏ°í ÃøÁ¤ÇÏ´ÂÁö¸¦ ³íÀÇÇÏ¿´´Ù.
¸Ó½Å·¯´× ¸ðÇüÀÇ ±âº»±¸Á¶¸¦ »ìÆ캻 ÈÄ, ¸ðÇü°³¼±ÀÇ °üÁ¡¿¡¼ Åë°èÀû ¸Ó½Å·¯´×, µö·¯´×, °ÈÇнÀÀÇ Æ¯¼ºÀ» ºñ±³ÇÏ¿© ¼³¸íÇÏ°í ÀÌµé °¢°¢¿¡ ¼ÓÇÑ ¸ðÇüµéÀ» ³× °¡Áö ¸ðÇü±ºÀ¸·Î ÀçºÐ·ùÇؼ °¢ ¸ðÇü±ºÀÇ ¸ñÀû°ú ÀÀ¿ë ºÐ¾ß¸¦ ³íÀÇÇÏ¿´´Ù. ¶ÇÇÑ µ¥ÀÌÅÍÀÇ ½Ã°¢È¿Í µ¥ÀÌÅÍ ÀÚ·áºÐ¼® ¼ø¼¸¦ Á¦°øÇÏ¿´´Ù.
-
-
1Àå Åë°èÇÐÀÇ ¿ø¸®¿Í ¸Ó½Å·¯´×
1.1 ÁÁÀº µ¥ÀÌÅͶõ?
1.2 ÀÓÀÇÇ¥º»ÃßÃâ¿¡ ÀÇÇÑ ÃßÁ¤
1.3 Ư¼ºº¯¼ö¸¦ ÀÌ¿ëÇÑ Åë°è¸ðÇü
1.4 Åë°èÇаú ¸Ó½Å·¯´×ÀÇ °ü°è
1.5 ¸ðÇüÀÇ ¼º´ÉÇâ»ó
1.6 ¸Ó½Å·¯´× ¸ðÇü°ú ¼Õ½ÇÇÔ¼ö
1.7 ¸Ó½Å·¯´×À» ÀÌ¿ëÇÑ ÀÚ·áºÐ¼® ÀýÂ÷
1.8 Åë°èÀû ¸Ó½Å·¯´× ¸ðÇüÀÇ ¿ä¾àÁ¤¸®
1.9 Data analyst, Data scientist, Data engineer
2Àå »çÀü°úÁ¤°ú ÃÖÀûÈ
2.1 ½Ç¼öÀÚ·á·ÎÀÇ Àüȯ
2.2 ÀÚ·áÀÇ Æ¯¼º
2.3 »ç·ÊºÐ¼®
2.4 ºÒ±ÕÇüÀÚ·áÀÇ Ã³¸®
2.5 Ư¼ºº¯¼öÀÇ ¼±ÅÃ
2.6 ¼Õ½ÇÇÔ¼ö¿Í ÃÖÀûÈ
3Àå µ¥ÀÌÅÍ ½Ã°¢È
3.1 AutoViz
3.2 Bamboolib
3.3 Plotly
4Àå K-Nearlest Neighbors
4.1 KNNÀÇ Àû¿ë
4.2 Ä¿³ÎºÐÆ÷ÇÔ¼ö ÃßÁ¤
5Àå ·ÎÁö½ºÆ½ ȸ±Í ºÐ·ù
5.1 ÀûÀÀ¼±Çü´º·±
5.2 ·ÎÁö½ºÆ½ ȸ±Í
5.3 °ú´ëÀûÇÕ¿¡ ´ëÇÑ ±ÔÁ¦È
5.4 ScikitÀ» ÀÌ¿ëÇÑ ·ÎÁö½ºÆ½ ȸ±Í
6Àå ÆǺ°ºÐ¼®°ú ´Ü¼øº£ÀÌÁî¸ðÇü
6.1 ÆǺ°ºÐ¼®
6.2 ´Ü¼øº£ÀÌÁî¸ðÇü
6.3 Scikit learnÀ» ÀÌ¿ëÇÑ LDA¿Í ´Ü¼øº£ÀÌÁî¸ðÇü
7Àå ºÐ·ù¿Í ȸ±Í³ª¹«
7.1 ȸ±Í³ª¹«
7.2 ºÐ·ù³ª¹«
7.3 Scikit learnÀ» ÀÌ¿ëÇÑ ÀÇ»ç°áÁ¤³ª¹«
8Àå ½áÆ÷Æ®º¤Å͸ӽÅ
8.1 ¼±Çü ½áÆ÷Æ®º¤Å͸ӽÅ
8.2 Ä¿³Î SVM
8.3 SklearnÀ» ÀÌ¿ëÇÑ SVM
9Àå Â÷¿øÃà¼Ò
9.1 ƯÀÕ°ª ºÐÇØ
9.2 È®·ü...È PCA
9.3 Ä¿³Î PCA
9.4 ¼±ÇüÆǺ°ºÐ¼®À» ÅëÇÑ Â÷¿øÃà¼Ò
9.5 ½Ã°¢È¸¦ À§ÇÑ Â÷¿øÃà¼Ò
9.6 SKlearnÀ» ÀÌ¿ëÇÑ Â÷¿øÃà¼Ò
10Àå ¸ðÇüÁø´Ü°ú ±³Â÷°ËÃþ
10.1 k-ºÐÇÒ ±³Â÷°ËÁõ
10.2 Áßø ±³Â÷°ËÁõ
10.3 Scikit learnÀÇ Àû¿ë
11Àå ȸ±ÍºÐ¼®
11.1 ¼±Çüȸ±Í¸ðÇü
11.2 ·Î¹ö½ºÆ® ȸ±Í
11.3 SVM ȸ±Í¿Í Ä¿³Î SVM ȸ±Í
11.4 ±ÔÁ¦ÈµÈ ¼±Çüȸ±Í¸ðÇü
11.5 Scikit learnÀ» ÀÌ¿ëÇÑ È¸±ÍºÐ¼®
12Àå ±ºÁý
12.1 K-means ±ºÁý
12.2 °èÃþÀû ±ºÁý
12.3 DBSCAN°ú HDBSCAN
12.4 Scikit learnÀ» ÀÌ¿ëÇÑ ±ºÁý
13Àå ¾Ó»óºíÇнÀ
13.1 Bagging, Pasting, ±×¸®°í Random forest
13.2 ¾Ó»óºíÇнÀÀ» À§ÇÑ Åë°èÀû ¸Ó½Å·¯´×ÀÇ Æ¯¼º
13.3 ¾Æ´ÙºÎ½ºÆ®
13.4 ±â¿ï±âºÎ½ºÆÃ
13.5 XGBoost
13.6 LightGBM
13.7 CatBoost
13.8 Àû¿ë»ç·Ê
14Àå XGBoost, LightGBM, CatBoostÀÇ ºñ±³¿Í Ư¼º
14.1 ÀüÅëÀû Åë°è¸ðÇü°úÀÇ ºñ±³: ȸ±Í
14.2 XGBoost, LightGBM, CatBoost¿¡¼ÀÇ Æ¯¼ºº¯¼öÀÇ Áß¿äµµ¿Í È¿°ú
14.3 ÀüÅëÀû Åë°è¸ðÇü°úÀÇ ºñ±³: ºÐ·ù
15Àå Bagging°ú Boosting
15.1 Decision Tree
15.2 Random Forest
15.3 Gradient Boosting
15.4 ºÐ·ù
16Àå XGBoost, LightGBM, CatBoostÀÇ Ãʸð¼öÀÇ Æ¯¼º°ú Æ©´×
16.1 ¼ö·Å¼Óµµ ºñ±³
16.2 Ãʸð¼öÀÇ ºñ±³¿Í Æ©´×
16.3 ºÒ±ÕÇüÀÚ·áÀÇ Ã³¸®
17Àå ¸ÞŸ¸ðÇü°ú ¸ðÇüÀÚµ¿È
17.1 ¸ÞŸ¸ðÇü
17.2 ¸ðÇüÀÇ ÀÚµ¿È
18Àå °¨¼ººÐ¼®
18.1 °¨¼ººÐ¼®
18.2 ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ »ç·Ê ºÐ¼®
¡¤ Âü°í¹®Çå
¡¤ ¿¬½À¹®Á¦ Çؼ³
¡¤ ã¾Æº¸±â
-
-
[¸Ó¸®¸»]
¸Ó½Å·¯´×À» ½±°í ³í¸®ÀûÀ¸·Î ÀÌÇØÇÏ°í Àû¿ëÇϱâ À§Çؼ´Â ¡®¾çÁúÀÇ µ¥ÀÌÅͶõ?, ¸ðÇüÀ̶õ?¡¯ µîÀÇ ¹°À½¿¡ °üÇÑ °³³äÀûÀÎ ÀÌÇØ°¡ ÇÊ¿äÇÏ´Ù. ÀÌ µÎ °¡Áö Áú¹®¿¡ ´ëÇÑ ³íÀǸ¦ ÅëÇØ¾ß Åë°èÇаú ¸Ó½Å·¯´×ÀÇ °øÅëÁ¡°ú Â÷ÀÌÁ¡À» ÀÌÇØÇÏ°í ¸Ó½Å·¯´×ÀÇ ±¸Á¶, ƯÈ÷ Åë°èÀû ¸Ó½Å·¯´×, µö·¯´×, °ÈÇнÀÀÇ ±¸Á¶¿Í °ü°è¸¦ ÀÌÇØÇÒ ¼ö Àֱ⠶§¹®ÀÌ´Ù. ¾çÁúÀÇ µ¥ÀÌÅÍ´Â ÁÁÀº ÃßÁ¤Ä¡¸¦ Á¦°øÇÏ´Â Àç·áÀÌ¸ç ¸Ó½Å·¯´×ÀÇ ¼º´ÉÀ» ÃøÁ¤ÇÏ´Â µµ±¸À̱⵵ ÇÏ´Ù.
Åë°èÇп¡¼´Â ÁÁÀº ÃßÁ¤Ä¡(estimate)¸¦ ±¸ÇÏ´Â °Í¿¡ ÁßÁ¡À» µÎÁö¸¸ ¸Ó½Å·¯´×¿¡¼´Â ÁÁÀº ¿¹ÃøÄ¡(predictor)¸¦ ±¸ÇÏ´Â °Í¿¡ ÁßÁ¡À» µÐ´Ù. ÀÌ·¯ÇÑ ¸ñÀûÀ» µ¿½Ã¿¡ ¸¸Á·½ÃÅ°´Â À§Çؼ´Â ¾çÁúÀÇ µ¥ÀÌÅÍ È®º¸°¡ ÀüÁ¦µÇ¾î¾ß Çϸç, ¾çÁúÀÇ µ¥ÀÌÅÍ´Â Åë°èÇÐÀÇ ±Ù°£ÀÎ ÀÓÀÇÇ¥º»(random sample)À¸·Î Á¤ÀǵȴÙ. ±×·¯³ª ºÒÇàÇÏ°Ôµµ °ÅÀÇ ¸ðµç Åë°èÇÐÃ¥¿¡¼´Â ÀÓÀÇÇ¥º»ÀÇ Á¤ÀÇ´Â ÀÖÀ¸³ª ±¸Ã¼ÀûÀ¸·Î ÀÓÀÇÇ¥º»Àº ¾î¶»°Ô ¸¸µé¾îÁö´ÂÁö, ÃßÁ¤ÀÇ ´ë»óÀÎ ¸ðÁý´Ü°ú ÀÓÀÇÇ¥º»ÀÇ °ü°è´Â ¾î¶»°Ô µÇ´ÂÁö, ÀÓÀÇÇ¥º»ÀÇ Á¶°ÇÀ» ¸¸Á·ÇÏÁö ¸øÇϸé ÃßÁ¤¿¡ ¹ÌÄ¡´Â ¿µÇâÀº ¹«¾ùÀÎÁö µîÀÇ Á÷°üÀûÀÌ°í ÀÚ¼¼ÇÑ ¼³¸íÀÌ ºüÁ®ÀÖ´Ù.
ÀÌ Ã¥¿¡¼´Â ÀÓÀÇÇ¥º»ÀÇ °³³äÀ» °£´ÜÇÑ ±×¸²À¸·Î ¼³¸íÇÑ ÈÄ, ¿Ö Ư¼ºº¯¼ö(¶Ç´Â µ¶¸³º¯¼ö)°¡ ÇÊ¿äÇÑÁö ±×¸®°í ¹«½¼ ¿ªÇÒÀ» ÇÏ´ÂÁö µîÀ» ¸ðÇüÀÇ °üÁ¡¿¡¼ »ìÆ캸°í, Åë°èÇÐÀÇ °ËÁ¤ ´ë½Å ¸Ó½Å·¯´×¿¡¼´Â ¸ðÇüÀÇ ÀûÇÕµµ¿Í Ư¼ºº¯¼öÀÇ ±â¿©µµ¸¦ ¾î¶»°Ô Æò°¡ÇÏ°í ÃøÁ¤ÇÏ´ÂÁö¸¦ ³íÀÇÇÏ¿´´Ù. ¸Ó½Å·¯´× ¸ðÇüÀÇ ±âº»±¸Á¶¸¦ »ìÆ캻 ÈÄ, ¸ðÇü°³¼±ÀÇ °üÁ¡¿¡¼ Åë°èÀû ¸Ó½Å·¯´×, µö·¯´×, °ÈÇнÀÀÇ Æ¯¼ºÀ» ºñ±³ÇÏ¿© ¼³¸íÇÏ°í ÀÌµé °¢°¢¿¡ ¼ÓÇÑ ¸ðÇüµéÀ» ³× °¡Áö ¸ðÇü±ºÀ¸·Î ÀçºÐ·ùÇؼ °¢ ¸ðÇü±ºÀÇ ¸ñÀû°ú ÀÀ¿ë ºÐ¾ß¸¦ ³íÀÇÇÏ¿´´Ù. ¶ÇÇÑ µ¥ÀÌÅÍÀÇ ½Ã°¢È¿Í µ¥ÀÌÅÍ ÀÚ·áºÐ¼® ¼ø¼¸¦ Á¦°øÇÏ¿´´Ù.
Åë°èÇÐÀÇ ¿ø¸®¿Í ¸Ó½Å·¯´×ÀÇ ±¸Á¶¸¦ ÀÌÇØÇϱâ À§Çؼ´Â Á¦1ÀåÀ» ²Ä²ÄÇÏ°Ô Àо±æ ¹Ù¶õ´Ù. 1.2ÀýÀÇ º£ÀÌÁö¾È Ç¥º»ÃßÃâ°úÁ¤ÀÌ ´Ù¼Ò ¾î·Æ´õ¶óµµ Åë°èÇÐ Àü°ø ¿©ºÎ¿Í °ü°è¾øÀÌ, AI ºÐ¼®±â¹ýÀ» À§ÇÑ °³³ä Á¤¸®ÀÇ °üÁ¡¿¡¼ ÇÙ½ÉÀûÀÎ ³»¿ëÀ» Æ÷ÇÔÇÏ°í Àֱ⠶§¹®ÀÌ´Ù.
µ¥ÀÌÅÍÀÇ ½Ã°¢È´Â º¯¼öµéÀÇ ºÐÆ÷Àû Ư¼º, ¸ñÀûº¯¼ö¿Í Ư¼ºº¯¼öÀÇ °ü°è, Ư¼ºº¯¼öÀÇ ¼±Åà µîÀ» ÆľÇÇϱâ À§ÇØ ¸Å¿ì Áß¿äÇÑ µµ±¸¸¦ Á¦°øÇÑ´Ù. µ¥ÀÌÅÍ ½Ã°¢È¸¦ À§ÇØ matplotlib, Seaborn, Plotly µîÀÇ ¶óÀ̺귯¸®°¡ ÀÖÁö¸¸, ½Ã°¢È¸¦ ½ÇÇàÇÒ º¯¼ö¸¦ ÀÏÀÏÀÌ ÁöÁ¤ÇÏ¿©¾ß ÇÏ°í ½Ã°¢È ¹æ¹ý ¿ª½Ã ¼±Á¤ÇØ¾ß ÇÑ´Ù. ÀÌ·¯ÇÑ ¹ø°Å·Î¿òÀ» ÇÇÇÏ°í ´Ü ÇÑ ÁÙÀÇ ÄÚµå·Î µ¥ÀÌÅͺм®¿¡ ÇÊ¿äÇÑ °ÅÀÇ ¸ðµç Á¤º¸¸¦ Á¦°øÇÏ´Â ¶óÀ̺귯¸®ÀÎ AutoVizµµ ¼Ò°³ÇÏ¿´´Ù.
Á¦2ÀåºÎÅÍ´Â Á¦1ÀåÀÇ ³íÀǸ¦ ¹ÙÅÁÀ¸·Î ÀÌ Ã¥ÀÇ ÁÖÁ¦ÀÎ Åë°èÀû ¸Ó½Å·¯´× ¸ðÇüÀ» ºÐ·ù, ȸ±Í, Â÷¿øÃà¼Ò, ±ºÁýÀ¸·Î ºÐ·ùÇÏ¿© ³íÀÇÇÏ¿´À¸¸ç, ½ÇÁ¦ µ¥ÀÌÅ͸¦ ÀÌ¿ëÇÑ ºÐ¼®»ç·Ê¸¦ sklearn library¸¦ ÀÌ¿ëÇؼ Á¦½ÃÇÏ¿´´Ù. ƯÈ÷ ºÎ½ºÆà ¸ðÇüÀÎ XGBoost, LightGBM, CatBoost¿¡ ´ëÇÑ ³íÀǸ¦ ÃÑ 5°³ÀÇ ÀåÀ¸·Î ´ëÆø È®´ëÇؼ °³ÆíÇÏ¿´´Ù. ÀÌ ¼¼ ¸ðÇüÀº Åë°èÀû ¸Ó½Å·¯´× ¸ðÇü Áß °¡Àå ¶Ù¾î³ ¼º´ÉÀ» °¡Áö°í ÀÖÀ» »Ó¸¸ ¾Æ´Ï¶ó, ½ÉÁö¾î µö·¯´× ¸ðÇüº¸´Ù ¿ì¼öÇÑ °æ¿ì°¡ ¸¹°í µö·¯´× ¸ðÇü°ú ´Ù¸£°Ô ¸ðÇüÀÇ Çؼ®ÀÌ ½±±â ¶§¹®ÀÌ´Ù. ÀÌ ¼¼ ¸ðÇüÀÇ ¼º´ÉÀº Ãʸð¼ö Á¶Àý·Î Á¿ìµÇ¹Ç·Î Ãʸð¼ö ¼±Åà ¹æ¹ý¿¡ ´ëÇؼµµ »ó¼¼ÇÏ°Ô ³íÀÇÇÏ¿´´Ù. ¸ðÇüÀÇ ¼º´ÉÀ» ÃÖ»óÀ¸·Î ²ø¾î ¿Ã¸®±â À§ÇÑ meta ¸ðÇü°ú ÇнÀµÈ ¸ðÇüÀ» ÀÚµ¿ÈÇÏ¿© ½Ã½ºÅÛ¿¡ ¹èÄ¡ÇÏ´Â ¹æ¹ý ¶ÇÇÑ ³íÀÇÇÏ¿´´Ù.
Á¦3ÆÇÀº Á¦2ÆÇ°ú ºñ±³ÇÏ¿© ³»¿ëÀÇ ÁúÀûÀÎ ¸é°ú ¾çÀûÀÎ ¸éÀÌ ´ëÆø °ÈµÇ¾î, ºÐ·®»ó ºÎ·ÏÀ¸·Î ¼ö·ÏÇÏ¿´´ø [ÆÄÀ̽ãÀÇ ÀÌÇØ]´Â ÀÚÀ¯¾ÆÄ«µ¥¹Ì ȨÆäÀÌÁö(www.freeaca.com) ÀÚ·á...½Ç¿¡ °ø°³ÇÏ¿´´Ù. ½Ç½À¿¡ ÇÊ¿äÇÑ µ¥ÀÌÅÍ¿Í ÇÁ·Î±×·¥, Ãâ°£ ÈÄ ³ª¿Ã ¼ö ÀÖ´Â ¼öÁ¤»çÇ×µµ ÀÚÀ¯¾ÆÄ«µ¥¹Ì ȨÆäÀÌÁö¸¦ 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. |
|
|
|
|