|
|
|
ÀΰøÁö´É °³·Ð : µðÁöÅÐ ÀüȯÀ» À§ÇÑ ÀΰøÁö´É ÀÔ¹®¼
|
|
|
°ûÁ¾È£
¤Ó
ºÏ·¦
|
|
|
|
- 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.
-
-
-
ÀÏÇÏ°í ¹è¿ì¸ç,
¼îÇÎÇÏ´Â ¹æ½ÄÀ» ¼ÛµÎ¸®Â° ¹Ù²Ù¸ç
SF ¿µÈ ¼Ó ¼¼»óÀ» Çö½Ç·Î ¸¸µé ÀΰøÁö´É
°³³äºÎÅÍ ÀÀ¿ë ºÐ¾ß±îÁö
30³â °æ·Â Àü¹®°¡°¡ ¾Ë·ÁÁÖ´Â
ÀΰøÁö´ÉÀÇ ¸ðµç °Í
ÃÖ±Ù ÀΰøÁö´ÉÀÇ ÃÖ´ë °ü½É»ç´Â Çõ½ÅÀ» À§ÇÑ ´Ù¾çÇÑ »ê¾÷°úÀÇ À¶ÇÕÀÌ´Ù. ±×·¸±â¿¡ ÀΰøÁö´ÉÀÇ ´ëÇ¥Àû ºÐ¾ßÀÎ ÀÚ¿¬¾î ó¸®¿Í ÄÄÇ»ÅÍ ºñÀüÀÇ °³³äÀ» ¼³¸íÇÔÀ¸·Î½á ÀΰøÁö´É¿¡ ´ëÇÑ À庮À» º¸´Ù ½±°Ô Çã¹°°íÀÚ ÇÑ´Ù. ÀÌµé ºÐ¾ß¿¡¼ »ç¿ëÇÏ´Â ´ëÇ¥ÀûÀÎ µö·¯´× ¾Ë°í¸®ÁòÀ¸·Î ¼øȯ½Å°æ¸Á(RNN), Æ®·£½ºÆ÷¸Ó, ÇÕ¼º°ö½Å°æ¸Á(CNN), »ý¼ºÇü Àû´ë ½Å°æ¸Á(GAN)°ú ¿ç·Î(Yolo)¿¡ ´ëÇÑ ¼³¸í°ú ¿¹Á¦¸¦ Á¦°øÇÏ¿© ÀÌÇظ¦ µ½´Â´Ù.
ÀÌ Ã¥Àº ÀΰøÁö´ÉÀÇ ±âÃÊ °³³äºÎÅÍ ÀÀ¿ë ºÐ¾ß±îÁö Æø³Ð°Ô ´Ù·ç´Â °³·Ð¼ÀÌ´Ù. ÀΰøÁö´ÉÀÇ ¿ª»ç¸¦ ¼Ò°³ÇÏ°í, ÀΰøÁö´É °³·Ð¿¡¼ °¡Àå ±âº»ÀûÀÎ ±â°èÇнÀ°ú µö·¯´×¿¡ ´ëÇÑ ±âÃÊ °³³äÀÇ ÀÌÇظ¦ ¹ÙÅÁÀ¸·Î ·ÎÁö½ºÆ½È¸±Í, °áÁ¤Æ®¸®, ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å µî ´Ù¾çÇÑ ±â°èÇнÀ ¹æ¹ýÀ» ¼³¸í°ú ÇÔ²² Á÷Á¢ °æÇèÇÒ ¼ö Àִ dzºÎÇÑ ¿¹Á¦¸¦ Á¦°øÇÑ´Ù.
ÀΰøÁö´É¿¡ ´ëÇÏ¿© ±âÃÊÁö½ÄÀ» ½×°í ½ÍÀº »ç¶÷°ú ÀÀ¿ë ºÐ¾ß¿¡ °ü½ÉÀÌ ÀÖ´Â µµ¸ÞÀÎ Àü¹®°¡¿¡°Ô À¯ÀÍÇÑ Á¤º¸¸¦ Á¦°øÇÒ °ÍÀÌ´Ù. ¶ÇÇÑ, µ¶ÀÚµéÀÌ ÀΰøÁö´É¿¡ ´ëÇÑ Áö½Ä°ú ±â¼úÀ» ¾Ë°íÀÚ ÇÒ ¶§, Ãæ½ÇÇÑ ¾È³»¼°¡ µÇ¾î Áֱ⸦ ±â´ëÇØ º»´Ù.
-
-
¸Ó¸®¸»
1Àå ÀΰøÁö´É °³¿ä
1. ÀΰøÁö´É ¿ª»ç
1-1. ÀΰøÁö´ÉÀÇ Åº»ý
1-2. ÀΰøÁö´ÉÀÇ ¹ßÀü
1-3. ÀΰøÁö´É Æ®·»µå
2. ÀΰøÁö´ÉÀÇ °³³ä
2-1. ÀΰøÁö´É(Artificial Intelligence)
2-2. ±â°èÇнÀ(Machine Learning)
2-3. µö·¯´×(Deep Learning)
3. ÀΰøÁö´ÉÀÇ ºÐ·ù
3-1. ±â¼úÀû °üÁ¡
3-2. ±¸Çö ¹æ½Ä¿¡ µû¸¥ °üÁ¡
4. ÀΰøÁö´É °³¹ß ȯ°æ
2Àå ±â°èÇнÀ
1. ±â°èÇнÀ °³¿ä
2. ±â°èÇнÀ °úÁ¤
2-1. µ¥ÀÌÅÍ ¼öÁý
2-2. µ¥ÀÌÅÍ Àüó¸®
2-3. µ¥ÀÌÅÍ °¡°ø
2-4. ÇнÀ ¸ðµ¨ ¼±Åðú ¸ðµ¨ ÈÆ·Ã
3Àå µö·¯´×°ú Àΰø ½Å°æ¸Á
1. Àΰø ½Å°æ¸Á °³¿ä
1-1. ´º·± ¹× ½Å°æ¸Á ±¸Á¶
1-2. °¡ÁßÄ¡¿Í ÆíÇâ
1-3. È°¼ºÈ ÇÔ¼ö
1-4. ÇнÀ ¾Ë°í¸®Áò
1-5. ¼Õ½Ç ÇÔ¼ö
1-6. ½Å°æ¸Á Á¾·ù
2. ÆÛ¼ÁÆ®·Ð
2-1. ÆÛ¼ÁÆ®·Ð: AND ¹®Á¦
2-2. ÆÛ¼ÁÆ®·Ð: AND ¹®Á¦ ÇØ°á °úÁ¤
3. ½ÉÃþ ½Å°æ¸Á - µö·¯´×
4. CNN(Convolutional Neural Network, ÇÕ¼º°ö ½Å°æ¸Á)
5. RNN(Recurrent Neural Network, ¼øȯ ½Å°æ¸Á)
6. Æ®·£½ºÆ÷¸Ó(Transformer)
7. ¿ç·Î(Yolo)
4Àå ÀÚ¿¬¾î ó¸®(Natural Language Processing)
1. ÀÚ¿¬¾î ó¸® °³¿ä
1-1. ÀÚ¿¬¾î ÀÌÇØ(NLU, Natural Language Understanding)
1-2. ÀÚ¿¬¾î »ý¼º(NLG, Natural Language Generatio...n)
1-3. ÇüÅÂ¼Ò ºÐ¼®
1-4. Ç¥Á¦¾î ÃßÃâ
1-5. ±¸¹® ºÐ¼®
1-6. ±â°è ¹ø¿ª
2. ÀÚ¿¬¾î ÀÌÇØ(Natural Language Understanding)
2-1. ÇüÅÂ¼Ò ºÐ¼®
2-2. Ç¥Á¦¾î ÃßÃâ
2-3. ±¸ºÐ ºÐ¼®
3. ÀÚ¿¬¾î »ý¼º(Natural Language Generating)
3-1. ÀÚ¿¬¾î »ý¼º ¹æ¹ý
3-2. ÀÚ¿¬¾î »ý¼º °úÁ¤
4. ÀÚ¿¬¾î ¹ø¿ª
4-1. ¹ø¿ª ¸ðµ¨
5Àå ÄÄÇ»ÅÍ ºñÀü
1. ÄÄÇ»ÅÍ ºñÀü °³¿ä
2. ÄÄÇ»ÅÍ ºñÀüÀÇ ¹ßÀü °úÁ¤
3. À̹ÌÁö ó¸®
3-1. À̹ÌÁö ó¸® °úÁ¤
3-2. À̹ÌÁö ó¸® ºÐ¾ß
4. °´Ã¼ ÀνÄ
4-1. µ¥ÀÌÅÍ °¡°øÀ» À§ÇÑ À̹ÌÁö ¶óº§¸µ Á¾·ù
5. À̹ÌÁö »ý¼º
5-1. »ý¼ºÇü Àû´ë ½Å°æ¸Á(GAN, Generative Adversarial Network)
5-2. VAE(Variational Auto Encoder)
5-3. ´º·² º¯È¯(Neural Style Transfer)
5-4. ½´ÆÛ ·¹Á¹·ç¼Ç(Super Resolution)
6Àå ´ëÇ¥ÀûÀÎ ±â°èÇнÀ ¶óÀ̺귯¸®
1. »çÀÌŶ ·±(Scikit-Learn)
1-1. »çÀÌŶ ·±ÀÇ ´ëÇ¥ÀûÀΠƯ¡
1-2. »çÀÌŶ ·±ÀÇ ¼³Ä¡¿Í »ç¿ë
2. Äɶó½º(Keras)
2-1. Äɶó½ºÀÇ ´ëÇ¥ÀûÀΠƯ¡
2-2. Äɶó½ºÀÇ ¼³Ä¡¿Í »ç¿ë
3. ÅÙ¼Ç÷Î(TensorFlow)
3-1. ÅÙ¼Ç÷ÎÀÇ ´ëÇ¥ÀûÀΠƯ¡
3-2. ÅÙ¼Ç÷ÎÀÇ ¼³Ä¡¿Í »ç¿ë
4. ÆÄÀÌÅäÄ¡(PyTorch)
4-1. ÆÄÀÌÅäÄ¡ÀÇ Æ¯Â¡
4-2. ÆÄÀÌÅäÄ¡ÀÇ ¼³Ä¡¿Í »ç¿ë
Âü°í ÀÚ·á
-
-
ÀΰøÁö´ÉÀº µ¥ÀÌÅÍ¿¡ ±â¹ÝÇÏ¿© ÇнÀÇÑ ³»¿ëÀ» Åä´ë·Î ¿¹Ãø ȤÀº ÆÇ´ÜÇÏ´Â °ÍÀ¸·Î Á¤ÀÇÇÒ ¼ö ÀÖ½À´Ï´Ù. ¾Ù·±ÀÌ ¸¸µç ±â°èÀÇ µ¿ÀÛ ¿ø¸®µµ ¾ÏÈ£ Çص¶À» À§ÇÑ ±âº»ÀûÀÎ ³»¿ëÀ» ÇнÀÇÏ°í, ÀÌ°ÍÀ» Áß½ÉÀ¸·Î µ¶ÀϱºÀÇ Á¤±³ÇÑ ¾ÏÈ£ ü°èÀÎ ¿¡´Ï±×¸¶¸¦ ¹«·ÂÈÇÏ´Â Æ©¸µ ¸Ó½ÅÀ» ¿Ï¼ºÇÏ¿´½À´Ï´Ù.
p.12
KNNÀº ÀÌÇØÇϱ⠽±°í °£´ÜÇÑ ¿ø¸®·Î µ¿ÀÛÇϸç, µ¥ÀÌÅÍÀÇ ºÐÆ÷¿¡ Å©°Ô ¿µÇâÀ» ¹Þ±â ¶§¹®¿¡ ÀÌ»óÄ¡³ª ³ëÀÌÁî¿¡ ¹Î°¨ÇÏ°Ô µ¿ÀÛÇÕ´Ï´Ù. ¿¹Ãø ½Ã¿¡ µ¥ÀÌÅÍ °ªµé °£ÀÇ °Å¸®¸¦ ¸Å¹ø °è»êÇØ¾ß Çϱ⠶§¹®¿¡ ¸¹Àº ÀÚ¿øÀ» »ç¿ëÇÏ°Ô µË´Ï´Ù. ±×¸®°í °¡Àå Áß¿äÇÑ ÇÏÀÌÆÛ ÆĶó¸ÞÅÍÀÎ K°ªÀ» ÀûÀýÈ÷ ¼±ÅÃÇØ¾ß ÇÕ´Ï´Ù. ºÐ·ù ¹®Á¦ÀÇ °æ¿ì, K°ªÀº Ȧ¼ö·Î ÁöÁ¤ÇØ¾ß ´Ù¼ö°á·Î °áÁ¤ÇÒ ¼ö ÀÖ°Ô µÇ¾î, º¸Åë K°ªÀº 3 ÀÌ»óÀÇ È¦¼ö·Î ÁöÁ¤ÇÏ°Ô µË´Ï´Ù.
p.59
Q-LearningÀº °ÈÇнÀÀÇ ±âº» ¾Ë°í¸®ÁòÀÔ´Ï´Ù. ¿¡ÀÌÀüÆ®°¡ ȯ°æ°ú »óÈ£ ÀÛ¿ëÇϸç, ¾î¶² »óÅ¿¡¼ ¾î¶² ÇൿÀ» ¼±ÅÃÇØ¾ß ÇÏ´ÂÁö¸¦ ÇнÀÇÏ´Â ¹æ¹ýÀÔ´Ï´Ù. Q-LearningÀº »óÅÂ-Çൿ °ø°£À» ŽÇèÇÏ¸é¼ ÃÖÀûÀÇ Á¤Ã¥À» ã´Â µ¥ ÁßÁ¡À» µÎ°í ÀÖ½À´Ï´Ù. À̸¦ ÅëÇØ ¿¡ÀÌÀüÆ®´Â ÃÖÀûÀÇ ÇൿÀ» ¼±ÅÃÇÏ¿© ´©Àû º¸»óÀ» ÃÖ´ëÈÇϵµ·Ï ÇнÀÇÕ´Ï´Ù.
p.104
Æ®·£½ºÆ÷¸ÓÀÇ ÇÙ½ÉÀº Self-Attention ¸ÞÄ¿´ÏÁòÀÔ´Ï´Ù. ÀÔ·Â ½ÃÄö½ºÀÇ °¢ ¿ä¼Ò´Â ´Ù¸¥ ¸ðµç ¿ä¼Ò¿Í »óÈ£ ÀÛ¿ëÇÏ°í, ±× Áß¿äµµ´Â °¡ÁßÄ¡·Î °áÁ¤µË´Ï´Ù. ÀÌ °¡ÁßÄ¡´Â À¯»çµµ¸¦ °è»êÇÏ¿© °áÁ¤Çϴµ¥, À̸¦ Scaled Dot-Product AttentionÀ̶ó°í ºÎ¸¨´Ï´Ù.
p.149
ÄÄÇ»ÅÍ ºñÀü ±â¼úÀ» ÀÌ¿ëÇÑ À̹ÌÁö 󸮴 Á¦Ç°ÀÇ Ç°ÁúÀ» °Ë»çÇϰųª »ý»ê ÀÚ»êÀ» °üÂûÇÏ´Â ¿ëµµ·Î ÈƷýÃų ¼ö ÀÖÀ¸¸ç, ÈÆ·ÃµÈ ÀΰøÁö´É ½Ã½ºÅÛÀº Àΰ£º¸´Ù ºü¸£°Ô °áÇÔÀ̳ª Ư¡À» ã¾Æ³¾ ¼ö ÀÖ½À´Ï´Ù.
p.212
Super Resolution(½´ÆÛ ·¹Á¹·ç¼Ç)Àº ÀúÇØ»óµµ À̹ÌÁö¸¦ °íÇØ»óµµ À̹ÌÁö·Î º¯È¯ÇÏ´Â ±â¼úÀÔ´Ï´Ù. µö·¯´×À» È°¿ëÇÏ¿© ÀúÇØ»óµµ À̹ÌÁö¸¦ ÀԷ¹ްí, °íÇØ»óµµ À̹ÌÁö¸¦ »ý¼ºÇÏ´Â ³×Æ®¿öÅ©¸¦ ÇнÀÇÏ°Ô µË´Ï´Ù. CNN ±â¹ÝÀÇ µö·¯´× ±â¼úÀ» »ç¿ëÇÏ´Â °ÍÀÌ ÀϹÝÀûÀÔ´Ï´Ù.
p.258
-
-
|
°ûÁ¾È£ [Àú]
|
|
-
1963³â ´ëÀü¿¡¼ ž´Ù. ¼°´ëÇб³ ÀüÀÚ°è»êÇаú¸¦ Á¹¾÷ÇÏ°í, Çѱ¹ÈÞ·¿ÆÑÄ¿µå¿¡¼ 27³â°£ ±Ù¹«Çß´Ù. ÀΰøÁö´É ½ºÅ¸Æ®¾÷¿¡¼ µ¥ÀÌÅ͹ٿìó »ç¾÷À» °ü¸®ÇÏ¸é¼ ÀΰøÁö´É °ü·Ã ±â¼úÀ» ½ÀµæÇÏ¿´´Ù. Çѱ¹ÈÞ·¿ÆÑÄ¿µå ±³À°¼¾ÅÍ¿Í Çѱ¹»ý»ê¼ºº»ºÎ¿¡¼ ÀΰøÁö´É ±âÃÊ °ÀǸ¦ ÇÏ¿´´Ù.
Áö±ÝÀº ÇÁ¸®·£¼·Î ÀΰøÁö´ÉÀ» ÀÌ¿ëÇÏ¿© µðÁöÅÐ ÀüȯÀ» ÃßÁøÇÏ´Â ±â¾÷À» ´ë»óÀ¸·Î ÀΰøÁö´É °³·Ð ±³À°À» ÇÏ°í ÀÖÀ¸¸ç, ÀΰøÁö´ÉÀÌ ÇнÀÇÏ¿© Ãß·ÐÀ» ÇÏ´Â °úÁ¤¿¡ ´ëÇÑ ÀÌÇظ¦ µ½±â À§ÇØ ·¦Åé ÄÄÇ»ÅÍ¿¡¼ ½ÇÇà °¡´ÉÇÑ ¿¹Á¦ Äڵ带 ½ÃÇèÇÏ°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. |
|
|
|
|