>
>
>
>
PythonÀ» ÀÌ¿ëÇÑ °³ÀÎÈ­ Ãßõ ½Ã½ºÅÛ 
ÀÓÀÏ ¤Ó û¶÷
  • Á¤°¡
20,000¿ø
  • ÆǸŰ¡
20,000¿ø (0% ¡é, 0¿ø ¡é)
  • ¹ßÇàÀÏ
2022³â 06¿ù 10ÀÏ
  • ÆäÀÌÁö¼ö/Å©±â/¹«°Ô
198page/188*257*14/550g
  • ISBN
9788959728817/8959728810
  • ¹è¼Ûºñ
¹«·á¹è¼Û
  • ¹è¼Û¿¹Á¤ÀÏ
04/02(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¸
  • ÀÌ Ã¥ÀÇ °¡Àå Áß¿äÇÑ ¸ñÀûÀº µ¶ÀÚµéÀÌ ÁÖ¿ä °³ÀÎÈ­ Ãßõ ¾Ë°í¸®ÁòÀÇ ÀÛµ¿¿ø¸®¸¦ ÀÌÇØÇϵµ·Ï ÇÏ´Â °ÍÀÌ´Ù. À̸¦ À§ÇØ ÀÌ Ã¥¿¡¼­´Â °³ÀÎÈ­ Ãßõ ±â¼úÀÇ Àü¹ÝÀûÀÎ ³»¿ë, ±×Áß¿¡¼­µµ ƯÈ÷ ¿¬¼Ó°ªÀ» »ç¿ëÇÏ´Â °³ÀÎÈ­ Ãßõ ±â¼úÀ» ´Ù·é´Ù. ±¸Ã¼ÀûÀ¸·Î´Â Çù¾÷ ÇÊÅ͸µ(collaborative filtering), Çà·Ä¿äÀÎÈ­(matrix factorization), Factorization Machines(FM), ±×¸®°í µö·¯´×(deep learning) Ãßõ ¾Ë°í¸®Áò µî¿¡ ´ëÇØ ´Ù·é´Ù. ¶ÇÇÑ ´Ù¼öÀÇ Ãßõ ¾Ë°í¸®ÁòÀ» °áÇÕÇÑ ÇÏÀ̺긮µå(hybrid) Ãßõ ½Ã½ºÅÛ µî¿¡ ´ëÇؼ­µµ ¼³¸íÇÑ´Ù. ÀÌ Ã¥¿¡¼­´Â °¢ ¾Ë°í¸®Áòº°·Î ±âº» ¿ø¸®¿¡ ´ëÇÑ ¼³¸í°ú °¢ ¾Ë°í¸®ÁòÀÌ PythonÀ¸·Î ¾î¶»°Ô ±¸ÇöµÉ ¼ö ÀÖ´ÂÁö¸¦ ¿¹¸¦ ÅëÇؼ­ º¸¿©ÁÖ°í ÀÖ´Ù. ÀÌ Ã¥À» ¼ø¼­´ë·Î µû¶ó°¡¸é °³ÀÎÈ­ Ãßõ ½Ã½ºÅÛÀÇ ´Ù¾çÇÑ ¾Ë°í¸®Áò¿¡ ´ëÇÑ ±âº»ÀûÀÎ ¿ø¸®¸¦ ÀÌÇØÇÒ ¼ö ÀÖÀ» °ÍÀÌ´Ù.
  • Chapter 1 Ãßõ ½Ã½ºÅÛ ¼Ò°³ 1.1 ÁÖ¿ä Ãßõ ¾Ë°í¸®Áò 1.2 Ãßõ ½Ã½ºÅÛ Àû¿ë »ç·Ê Chapter 2 ±âº»ÀûÀÎ Ãßõ ½Ã½ºÅÛ 2.1 µ¥ÀÌÅÍ Àбâ 2.2 ÀαâÁ¦Ç° ¹æ½Ä 2.3 Ãßõ ½Ã½ºÅÛÀÇ Á¤È®µµ ÃøÁ¤ 2.4 »ç¿ëÀÚ Áý´Üº° Ãßõ 2.5 ³»¿ë ±â¹Ý ÇÊÅ͸µ Ãßõ Chapter 3 Çù¾÷ ÇÊÅ͸µ Ãßõ ½Ã½ºÅÛ 3.1 Çù¾÷ ÇÊÅ͸µÀÇ ¿ø¸® 3.2 À¯»çµµÁöÇ¥ 3.3 ±âº» CF ¾Ë°í¸®Áò 3.4 ÀÌ¿ôÀ» °í·ÁÇÑ CF 3.5 ÃÖÀûÀÇ ÀÌ¿ô Å©±â °áÁ¤ 3.6 »ç¿ëÀÚÀÇ Æò°¡°æÇâÀ» °í·ÁÇÑ CF 3.7 ±× ¿ÜÀÇ CF Á¤È®µµ °³¼± ¹æ¹ý 3.8 »ç¿ëÀÚ ±â¹Ý CF¿Í ¾ÆÀÌÅÛ ±â¹Ý CF 3.9 Ãßõ ½Ã½ºÅÛÀÇ ¼º°úÃøÁ¤ÁöÇ¥ Chapter 4 Matrix Factorization(MF) ±â¹Ý Ãßõ 4.1 Matrix Factorization(MF) ¹æ½ÄÀÇ ¿ø¸® 4.2 SGD(Stochastic Gradient Descent)¸¦ »ç¿ëÇÑ MF ¾Ë°í¸®Áò 4.3 SGD¸¦ »ç¿ëÇÑ MF ±âº» ¾Ë°í¸®Áò 4.4 train/test ºÐ¸® MF ¾Ë°í¸®Áò 4.5 MFÀÇ ÃÖÀû ÆĶó¹ÌÅÍ Ã£±â 4.6 MF¿Í SVD Chapter 5 Factorization Machines(FM) 5.1 FMÀÇ Ç¥ÁØ½Ä 5.2 FM ½ÄÀÇ º¯Çü 5.3 FMÀÇ ÇнÀ 5.4 FMÀÇ µ¥ÀÌÅÍ º¯Çü 5.5 PythonÀ¸·Î FMÀÇ ±¸Çö Chapter 6 Surprise ÆÐÅ°Áö »ç¿ë 6.1 Surprise ±âº» È°¿ë ¹æ¹ý 6.2 ¾Ë°í¸®Áò ºñ±³ 6.3 ¾Ë°í¸®Áò ¿É¼Ç Áö...
  • [ÀúÀÚ ¼­¹®] °³ÀÎÈ­ ÃßõÀº °¢ °³ÀÎÀÇ °ü½É»ç³ª ¼±È£µµ¸¦ ºÐ¼®Çؼ­ ±×¿¡ ¸Â´Â Á¤º¸³ª Á¦Ç°À» ÃßõÇØ ÁÖ´Â °ÍÀ» ¸»ÇÑ´Ù. ÃÖ±Ù °í°´¿¡ ´ëÇØ ÀÚ¼¼ÇÑ Á¤º¸¸¦ ¼öÁýÇÒ ¼ö ÀÖ°Ô µÇ¸é¼­ °³ÀÎÈ­ ÃßõÀÌ Á¡Á¡ ´õ ³Î¸® ¾²ÀÌ°í, ¶ÇÇÑ ±â¾÷ÀÇ »õ·Î¿î ¼­ºñ½º °³¹ß¿¡¼­ ÃßõÀÌ Áß¿äÇÑ ±âº» ±â¼úÀÌ µÇ°í ÀÖ´Ù. °³ÀÎÈ­ Ãßõ ±â¼úÀº ±âº»ÀûÀ¸·Î´Â ¾Æ¸¶Á¸À̳ª ³ÝÇø¯½ºÃ³·³ Ãßõ ¼­ºñ½º¸¦ Á¦°øÇÏ´Â µ¥ »ç¿ëµÇÁö¸¸, °³ÀÎÀÇ £¿£¿ÃãÇü ¼­ºñ½º°¡ ÇÊ¿äÇÑ ±¤°í³ª À¥ÆäÀÌÁö ±¸¼º µî ´Ù¾çÇÑ ºÐ¾ß¿¡ Àû¿ëÀÌ °¡´ÉÇÏ´Ù. ÀÌ Ã¥ÀÇ °¡Àå Áß¿äÇÑ ¸ñÀûÀº µ¶ÀÚµéÀÌ ÁÖ¿ä °³ÀÎÈ­ Ãßõ ¾Ë°í¸®ÁòÀÇ ÀÛµ¿¿ø¸®¸¦ ÀÌÇØÇϵµ·Ï ÇÏ´Â °ÍÀÌ´Ù. À̸¦ À§ÇØ ÀÌ Ã¥¿¡¼­´Â °³ÀÎÈ­ Ãßõ ±â¼úÀÇ Àü¹ÝÀûÀÎ ³»¿ë, ±×Áß¿¡¼­µµ ƯÈ÷ ¿¬¼Ó°ªÀ» »ç¿ëÇÏ´Â °³ÀÎÈ­ Ãßõ ±â¼úÀ» ´Ù·é´Ù. ±¸Ã¼ÀûÀ¸·Î´Â Çù¾÷ ÇÊÅ͸µ(collaborative filtering), Çà·Ä¿äÀÎÈ­(matrix factorization), Factorization Machines(FM), ±×¸®°í µö·¯´×(deep learning) Ãßõ ¾Ë°í¸®Áò µî¿¡ ´ëÇØ ´Ù·é´Ù. ¶ÇÇÑ ´Ù¼öÀÇ Ãßõ ¾Ë°í¸®ÁòÀ» °áÇÕÇÑ ÇÏÀ̺긮µå(hybrid) Ãßõ ½Ã½ºÅÛ µî¿¡ ´ëÇؼ­µµ ¼³¸íÇÑ´Ù. ÇÏÁö¸¸ ÀÌ Ã¥¿¡¼­´Â °³ÀÎÈ­ Ãßõ ±â¼ú¿¡ ´ëÇØ ¸ðµç °ÍÀ» ´Ù·çÁö´Â ¾Ê´Â´Ù. ½ÇÁ¦ °³ÀÎÈ­ Ãßõ ½Ã½ºÅÛÀ» ±¸ÇöÇϱâ À§Çؼ­´Â ¾Ë°í¸®Áò¿¡ ´ëÇÑ ÀÌÇØ¿¡ ´õÇÏ¿© µ¥ÀÌÅÍ Àü󸮳ª ´ë¿ë·® µ¥ÀÌÅÍ Ã³¸®¿¡ ´ëÇÑ ÀÌÇØ°¡ ÇÊ¿äÇÏÁö¸¸, ÀÌµé ³»¿ëÀº ÀÌ Ã¥¿¡¼­ ´Ù·çÁö ¾Ê´Â´Ù. ÀÌÁø°ª(0 ȤÀº 1)À» À§ÇÑ Ãßõ ¾Ë°í¸®Áò ¶ÇÇÑ ´Ù·çÁö ¾Ê´Â´Ù. ÀÌ Ã¥¿¡¼­´Â °¢ ¾Ë°í¸®Áòº°·Î ±âº» ¿ø¸®¿¡ ´ëÇÑ ¼³¸í°ú °¢ ¾Ë°í¸®ÁòÀÌ PythonÀ¸·Î ¾î¶»°Ô ±¸ÇöµÉ ¼ö ÀÖ´ÂÁö¸¦ ¿¹¸¦ ÅëÇؼ­ º¸¿©ÁÖ°í ÀÖ´Ù. ÀÌ Ã¥Àº ¾Ë°í¸®ÁòÀ» ¼öÇÐÀûÀ¸·Î ¼³¸íÇÏ´Â °ÍÀÌ ÁÖ¸ñÀûÀÌ ¾Æ´Ï±â ¶§¹®¿¡ ¼ö½ÄÀº ¾Ë°í¸®ÁòÀ» ÀÌÇØÇÏ´Â µ¥ ²À ÇÊ¿äÇÑ Á¤µµ·Î¸¸ ÇÑÁ¤ÇÏ¿´´Ù. ¶ÇÇÑ µ¶ÀÚÀÇ ÀÌÇظ¦ µ½°í ½º½º·Î ½Ç½ÀÇÒ ±âȸ¸¦ ÁÖ±â À§Çؼ­ ¿¬½À¹®Á¦¸¦ Ãß°¡ÇÏ¿´´Ù. ÀÌ Ã¥À» Àú¼úÇϸ鼭 ÄÄÇ»Åͳª ¼öÇп¡ ´ëÇÑ ±íÀº Áö½ÄÀÌ ¾ø´õ¶óµµ °³ÀÎÈ­ Ãßõ ¾Ë°í¸®ÁòÀÇ ÀÛµ¿¿ø¸®¸¦ Å« ¾î·Á¿ò ¾øÀÌ ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ±¸¼ºÇÏ·Á°í ³ë·ÂÇÏ¿´´Ù. ´Ù¸¸ PythonÀ» »ç¿ëÇÑ ÄÚµù ºÎºÐÀº Python¿¡ ´ëÇÑ ±âÃÊ Áö½ÄÀÌ ÀÖ´Ù´Â °¡Á¤ÇÏ¿¡ ¼³¸íÀ» ÇÏ°í ÀÖ´Ù. Áï PythonÀÇ ±âº» ¹®¹ýÀ̳ª Numpy, Pandas, Keras µî¿¡ ´ëÇÑ ±âÃÊÀûÀÎ ¼³¸íÀº »ý·«ÇÏ°í À̵éÀ» È°¿ëÇÑ ¾Ë°í¸®Áò ¼³¸í¿¡ ÃÊÁ¡À» ¸ÂÃß¾ú´Ù. ±×¸®°í ºÐ¼® ±â¹ý Áß¿¡¼­´Â SGD(Stochastic Gradient Descent)°¡ Áß¿äÇÏ°Ô ¼³¸íÀÌ µÇ¹Ç·Î ÀÌ¿¡ ´ëÇÑ ±âº» Áö½Äµµ ÇÊ¿äÇÏ´Ù. ¸¸ÀÏ ÀÌ·± °Í¿¡ Àͼ÷ÇÏÁö ¾ÊÀº µ¶ÀÚµéÀº Python ±âº» ¹®¹ý°ú Numpy, Pandas, Keras, SGD µîÀ» ¸ÕÀú ÇнÀÇÏ°í ÀÌ Ã¥À» º¼ °ÍÀ» ±ÇÀåÇÑ´Ù. ÀÌ Ã¥¿¡¼­ »ç¿ëµÇ´Â ÄÚµå¿Í µ¥ÀÌÅÍ´Â µµ¼­ÃâÆÇ Ã»¶÷ ȨÆäÀÌÁö ÀϹÝÀÚ·á½Ç(http://www.crbooks.co.kr)¿¡¼­ ´Ù¿î¹ÞÀ» ¼ö ÀÖ´Ù. º» Ã¥À» óÀ½ºÎÅÍ ³¡±îÁö ¼ø¼­´ë·Î Âø½ÇÈ÷ µû¶ó°¡¸é °³ÀÎÈ­ Ãßõ ½Ã½ºÅÛÀÇ ´Ù¾çÇÑ ¾Ë°í¸®Áò¿¡ ´ëÇÑ ±âº»ÀûÀÎ ¿ø¸®¸¦ ÀÌÇØÇÒ ¼ö ÀÖÀ» °ÍÀ¸·Î »ý°¢ÇÑ´Ù. ÀÌ Ã¥ÀÌ Ãßõ ½Ã½ºÅÛÀ̳ª °³ÀÎÈ­ ½Ã½ºÅÛ ±¸Ãà¿¡ °ü½ÉÀÌ Àְųª °ü·ÃµÈ ¿¬±¸¸¦ ÇÏ´Â ºÐµé²² µµ¿òÀÌ µÇ¾úÀ¸¸é ÇÏ´Â ¹Ù¶÷ÀÌ´Ù.
  • ÀÓÀÏ [Àú]
  • ¿¬¼¼´ëÇб³ °æ¿µ´ëÇÐ Á¤º¸½Ã½ºÅÛ ±³¼öÀ̸ç Çѱ¹°úÇбâ¼úÇѸ²¿ø Á¤È¸¿øÀÌ´Ù. ¼­¿ï´ëÇб³¿¡¼­ °æ¿µÇÐ ÇлçÇÐÀ§¿Í ¼®»çÇÐÀ§¸¦ ¹Þ¾Ò°í ¹Ì±¹ ¼­´øĶ¸®Æ÷´Ï¾Æ ´ëÇб³USC, University of Southern CaliforniaÀÇ °æ¿µ´ëÇÐ ¸¶¼È ºñÁî´Ï½º ½ºÄðMarshall School of Business¿¡¼­ Á¤º¸½Ã½ºÅÛ Àü°øÀ¸·Î ¹Ú»çÇÐÀ§¸¦ ¹Þ¾Ò´Ù. ¿ø·¡´Â Àü ¼¼°è¸¦ »ó´ë·Î ºñÁî´Ï½º¸¦ ÇÏ°Ú´Ù´Â ¿ø´ëÇÑ ²ÞÀ» °¡Áö°í °æ¿µÇаú¿¡ ÀÔÇÐÇßÀ¸³ª ÀÔÇÐ ¼±¹°·Î ¹ÞÀº ¾ÖÇà II ÄÄÇ»ÅÍ°¡ ÀλýÀ» ¹Ù²Ù¾î³õ¾Ò´Ù. °è»êÅë°èÇаúÀÇ ¼ö¾÷À» µè°í Ã¥À¸·Î µ¶ÇÐÀ» Çϸ鼭 º£ÀÌÁ÷BASIC, ÆĽºÄ®PASCAL, C, ¾î¼Àºí·¯ µîÀÇ ÇÁ·Î±×·¡¹ÖÀ» ÀÍÇû´Ù. ±×·¯¸é¼­ Á¤º¸±â¼úÀÌ ¿ì¸® »ýÈ°¿¡ °¡Á®¿Ã º¯È­ÀÇ ÀáÀç·Â¿¡ ´«À» ¶ß°Ô µÇ¾ú°í ±× ÈÄ·Î Á¤º¸±â¼ú°ú ºñÁî´Ï½º¸¦ ÇÔ²² ÀÌÇØÇÏ·Á°í ³ë·ÂÇÏ°í ÀÖ´Ù. ÇÐÀ§¸¦ ¹ÞÀº ÈÄ¿¡´Â ´ºÀúÁö°ø°ú´ëÇÐNew Jersey Institute of Technology¿¡¼­ ±³¼ö¸¦ Çϸ鼭 ¹Ì±¹°úÇÐÀç´ÜNSF¿¡¼­ ¿¬±¸ºñ¸¦ Áö¿ø¹Þ¾Æ Ãßõ½Ã½ºÅÛ°ú °³ÀÎÈ­ ±â¼úÀ» ¿¬±¸ÇÏ¿´´Ù. ÃÖ±Ù¿¡´Â ±â°èÇнÀ°ú ºòµ¥ÀÌÅÍ ºÐ¼® ¹æ¹ýÀ» È°¿ëÇؼ­ ¿Â¶óÀΰú ¸ð¹ÙÀϻ󿡼­ ¼ÒºñÀÚÀÇ ÇൿÀ» ºÐ¼®ÇÏ°í ¿¹ÃøÇÏ´Â ¿¬±¸¸¦ ¼öÇàÇÏ°í ÀÖ´Ù. ÀÎÅͳݿ¡¼­ µîÀåÇÑ IT ±â¹Ý Ç÷§Æû ºñÁî´Ï½º¿¡ °üÇÑ °ü½É¿¡¼­ Ãâ¹ßÇؼ­ SNS, O2O, ÇÉÅ×Å© ºñÁî´Ï½º Àü·«¿¡µµ °ü½ÉÀ» °¡Áö°í 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