|
|
|
¸ðµÎ¸¦ À§ÇÑ ¸ÞŸ·¯´× : PyTorch¸¦ È°¿ëÇÑ Few-shot ÇнÀ ¸ðµ¨°ú ºü¸¥ °ÈÇнÀ ¿¡ÀÌÀüÆ® ¸¸µé±â
|
|
|
À§Å°ºÏ½º µ¥ÀÌÅÍ »çÀ̾ð½º1
¤Ó Á¤Ã¢ÈÆ, ÃÖ¼ºÁØ
¤Ó
À§Å°ºÏ½º
|
|
|
|
- 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.
-
-
-
À§Å°ºÏ½º µ¥ÀÌÅÍ »çÀ̾𽺠½Ã¸®Áî
ÀÌ Ã¥Àº ÃÖ±Ù ÀΰøÁö´É°ú ¸Ó½Å·¯´× ºÐ¾ß¿¡¼ °¢±¤¹Þ°í ÀÖ´Â ¸ÞŸ·¯´×¿¡ ´ëÇÑ ÀÔ¹® ¼ÀûÀÔ´Ï´Ù. µ¶ÀÚ ¿©·¯ºÐ²²¼ ´Ù¼Ò »ý¼ÒÇÒ ¼ö ÀÖ´Â ¸ÞŸ·¯´×¿¡ ´ëÇÑ °³³äÀ» ÀÌÇØÇÏ°í ½ÇÁ¦·Î ¼¼ºÎ ¾Ë°í¸®Áòµé±îÁö ±¸ÇöÇغ¸´Â ±âȸ¸¦ Á¦°øÇÏ´Â °ÍÀ» ¸ñÇ¥·Î ÇÕ´Ï´Ù. ƯÈ÷ ¸ÞŸ·¯´×¿¡¼ ȸ±Í ¹®Á¦, ºÐ·ù ¹®Á¦¸¦ ´Ù·ç´Â ¸ÞŸ ÁöµµÇнÀ»Ó ¾Æ´Ï¶ó, °ÈÇнÀÀ» ¼Ò°³ÇÏ°í ÀÌ¿¡ ´ëÇØ ¸ÞŸ·¯´×À» Àû¿ëÇÑ ¸ÞŸ °ÈÇнÀ±îÁö ½Éµµ ÀÖ°Ô ´Ù·ç´Â °ÍÀÌ ÀÌ Ã¥ÀÇ Å« ÀåÁ¡ÀÔ´Ï´Ù. óÀ½¿¡´Â ´Ù¼Ò »ý¼ÒÇÒ ¼ö ÀÖÁö¸¸, ²ÙÁØÈ÷ ÀÌ Ã¥À» ¹Ýº¹Çؼ ÀÐ°í ½Ç½ÀÇÏ¸é ¸ÚÁø ÃֽŠ¸Ó½Å·¯´× ±â¼úÀÎ ¸ÞŸ·¯´×À» ÇÑÃþ ±íÀÌ ÀÌÇØÇÒ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù.
¡Ú ÀÌ Ã¥¿¡¼ ¹è¿ì´Â ³»¿ë ¡Ú
¡Ý ¾Æ³ªÄÜ´Ù ¼³Ä¡¿Í È°¿ë, PyTorch ¹× Torchmeta ¶óÀ̺귯¸® È°¿ë
¡Ý ¸Ó½Å·¯´×¿¡¼ÀÇ ¸ÞŸ·¯´×ÀÇ °³³ä
¡Ý ¸ÞŸ ÁöµµÇнÀÀÇ °³³ä ¹× ¿©·¯ ¾Ë°í¸®Áò ¼Ò°³
¡Ý ±âº» °ÈÇнÀ °³¿ä
¡Ý ¸ÞŸ °ÈÇнÀÀÇ °³³ä ¹× ¿©·¯ ¾Ë°í¸®Áò ¼Ò°³
¡Ý ¿ÀÇÂ縰Áö¿Í ¸ÞŸ·¯´× ¾ÖÇø®ÄÉÀ̼Ç
-
-
¢Ã 1Àå: ¸ÞŸ·¯´× °³¿ä
1.1 ¸Ó½Å·¯´×°ú µö·¯´×
1.2 ¸ÞŸ·¯´×À̶õ?
1.3 ¸ÞŸ·¯´× ÇнÀ ȯ°æ ±¸Ãà
___1.3.1 ¾Æ³ªÄÜ´Ù ¼³Ä¡¿Í »ç¿ë
___1.3.2 ¾Æ³ªÄÜ´Ù ¼³Ä¡
___1.3.3 ±êÇãºê ÀúÀå¼Ò Ŭ·Ð ¹× ȯ°æ ±¸Ãà
¢Ã 2Àå: ¸ÞŸ ÁöµµÇнÀ
2.1 ¸ÞŸ·¯´× ¹®Á¦ Á¤ÀÇ
___2.1.1 ŽºÅ© Á¤ÀÇ
___2.1.2 ¸ÞŸ·¯´× µ¥ÀÌÅͼÂ
___2.1.3 ¸ÞŸ·¯´×
___2.1.4 ½Ç½À: Torchmeta ¶óÀ̺귯¸® ¼Ò°³
2.2 ¸ðµ¨ ±â¹Ý ¸ÞŸ·¯´×
___2.2.1 ¸ðµ¨ ±â¹Ý ¸ÞŸ·¯´×ÀÇ ÇÙ½É °³³ä
___2.2.2 NTM(Neural Turing Machines)
___2.2.3 MANN(Memory-Augmented Neural Networks)
___2.2.4 ½Ç½À: MANN ±¸Çö
___2.2.5 SNAIL(Simple Neural Attentive Meta-Learner)
___2.2.6 ½Ç½À: SNAIL ±¸Çö
2.3 ÃÖÀûÈ ±â¹Ý ¸ÞŸ·¯´×
___2.3.1 ÀüÀÌÇнÀ°ú ÃÖÀûÈ ±â¹Ý ¸ÞŸ·¯´×
___2.3.2 MAML°ú FOMAML
___2.3.3 ½Ç½À: MAML-Regression
___2.3.4 ½Ç½À: MAML-Classification
2.4 ¸ÞÆ®¸¯ ±â¹Ý ¸ÞŸ·¯´×
___2.4.1 KNN°ú ¸ÞÆ®¸¯ ±â¹Ý ¸ÞŸ·¯´×
___2.4.2 Matching ³×Æ®¿öÅ©
___2.4.3 ½Ç½À: Matching ³×Æ®¿öÅ© ±¸Çö
___2.4.4 Prototypical ³×Æ®¿öÅ©
___2.4.5 ½Ç½À: Prototypical ³×Æ®¿öÅ© ±¸Çö
2.5 ¸ÞŸ·¯´× ¾Ë°í¸®Áò ¼Ó¼º°ú Àå´ÜÁ¡
___2.5.1 ...¸ÞŸ·¯´× ¾Ë°í¸®ÁòÀÇ ¼¼ °¡Áö ¼Ó¼º
___2.5.2 ¸ÞŸ·¯´× ¾Ë°í¸®Áò ºñ±³
¢Ã 3Àå: °ÈÇнÀ °³¿ä
3.1 ¸¶¸£ÄÚÇÁ °áÁ¤ °úÁ¤, Á¤Ã¥, °¡Ä¡ÇÔ¼ö
___3.1.1 ¸¶¸£ÄÚÇÁ °áÁ¤ °úÁ¤
___3.1.2 Á¤Ã¥°ú °ÈÇнÀÀÇ ¸ñÇ¥
___3.1.3 °¡Ä¡ ÇÔ¼ö
3.2 ŽÇè°ú È°¿ë
3.3 °ÈÇнÀ ¾Ë°í¸®ÁòÀÇ Á¾·ù
___3.3.1 On-policy¿Í Off-policy
___3.3.2 Á¤Ã¥ ±â¹Ý ¾Ë°í¸®Áò
___3.3.3 °¡Ä¡ ±â¹Ý ¾Ë°í¸®Áò
___3.3.4 ¾×ÅÍ Å©¸®Æ½ ¾Ë°í¸®Áò
3.4 TRPO(Trust Region Policy Optimization)
___3.4.1 TRPO ¾ÆÀ̵ð¾î
___3.4.2 Surrogate ¸ñÀû ÇÔ¼ö¿Í Á¦¾à Á¶°Ç
___3.4.3 ÄÓ·¹ ±×¶óµð¾ðÆ®¹ý ±â¹Ý ÃÖÀûÈ
3.5 PPO(Proximal Policy Optimzation)
___3.5.1 PPO ¾ÆÀ̵ð¾î
___3.5.2 Clipped Surrogate ¸ñÀûÇÔ¼ö
___3.5.3 PPO ¾Ë°í¸®Áò
3.6 SAC(Soft Actor Critic)
___3.6.1 ¿£Æ®·ÎÇÇ
___3.6.2 ÃÖ´ë ¿£Æ®·ÎÇÇ °ÈÇнÀ
___3.6.3 °¡Ä¡ÇÔ¼ö ¹× Á¤Ã¥ ÇнÀ
___3.6.4 SAC ¾Ë°í¸®Áò
¢Ã 4Àå: ¸ÞŸ °ÈÇнÀ
4.1 ¸ÞŸ °ÈÇнÀ
___4.1.1 ŽºÅ© °³³ä ¼Ò°³
___4.1.2 ¸ÞŸ °ÈÇнÀ ¹®Á¦ Á¤ÀÇ
___4.1.3 MuJoCo ¹× Half-Cheetah ȯ°æ °³³ä ¼Ò°³
4.2 ¼øȯ Á¤Ã¥ ¸ÞŸ °ÈÇнÀ
___4.2.1 GRU
___4.2.2 ¼øȯ Á¤Ã¥ ¸ÞŸ °ÈÇнÀ
___4.2.3 RL2
___4.2.4 ½Ç½À: RL2 ±¸Çö
4.3 ÃÖÀûÈ ±â¹Ý ¸ÞŸ °ÈÇнÀ
___4.3.1 MAML-RL
___4.3.2 ½Ç½À: MAML-RL ±¸Çö
4.4 ÄÁÅؽºÆ® ±â¹Ý ¸ÞŸ °ÈÇнÀ
___4.4.1 ŽºÅ© Ãß·Ð °üÁ¡¿¡¼ÀÇ ¸ÞŸ °ÈÇнÀ
___4.4.2 ÄÁÅؽºÆ® ±â¹Ý Á¤Ã¥
___4.4.3 º¯ºÐÀû Ãß·Ð
___4.4.4 PEARL(Probabilistic Embeddings for Actor critic RL)
___4.4.5 ½Ç½À: PEARL ±¸Çö
¢Ã 5Àå: ¿ÀǠ縰Áö¿Í ¸ÞŸ·¯´× ¾ÖÇø®ÄÉÀ̼Ç
5.1 ¿ÀǠ縰Áö(Open Chanllenges)
___5.1.1 ¸ÞŸ °úÀûÇÕ
___5.1.2 Ä¡¸íÀû ¸Á°¢°ú Áö¼Ó ÇнÀ
___5.1.3 ºÎÁ·ÇÑ º¥Ä¡¸¶Å©
___5.1.4 ºÎÁ·ÇÑ ·¹À̺íµÈ µ¥ÀÌÅÍ¿Í ¸ÞŸ ºñÁöµµ ÇнÀ
5.2 ¸ÞŸ·¯´× ¾ÖÇø®ÄÉÀ̼Ç
___5.2.1 ÄÄÇ»ÅÍ ºñÀü
___5.2.2 °ÈÇнÀ
___5.2.3 ÀÚ¿¬¾î ó¸®
___5.2.4 ÀÇ·á
___5.2.5 ¸¶Ä¡¸ç
-
-
-
|
Á¤Ã¢ÈÆ [Àú]
|
|
-
µ¿±¹´ëÇб³¿¡¼ ÄÄÇ»ÅÍ°øÇÐÀ» Àü°øÇÏ°í ¼¿ï´ëÇб³ ÄÄÇ»ÅÍ°øÇкο¡¼ ¹Ú»ç°úÁ¤ Áß¿¡ ÀÖ´Ù. ¸ÞŸ·¯´×À» ¿¬±¸ÇÏ°í, ÃÖ±Ù¿¡´Â ¸ÞŸ °ÈÇнÀ, ¿ÀÇÁ¶óÀÎ °ÈÇнÀ¿¡ °ü½ÉÀ» °¡Áö°í ¿¬±¸ÇÏ°í ÀÖ´Ù.
-
|
ÃÖ¼ºÁØ [Àú]
|
|
-
¼¿ï´ëÇб³ Àü±âÄÄÇ»ÅÍ°øÇаú¿¡¼ Çлç/¹Ú»ç ÇÐÀ§¸¦ ¹Þ¾Ò´Ù. Ä«Ä«¿Àºê·¹Àΰú µðÁî´Ï ¸®¼Ä¡¸¦ °ÅÃÄ °í·Á´ëÇб³ ÀΰøÁö´ÉÇаú Á¶±³¼ö·Î ÀÏÇÏ°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. |
|
|
|
|