±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
ÀǾàÇа£È£°è¿
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
30,000¿ø |
---|
30,000¿ø
900P (3%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
¢º ÀÌ Ã¥Àº ÀÇ·á°øÇÐÀ» ´Ù·é À̷мÀÔ´Ï´Ù. ÀÇ·á°øÇÐÀÇ ±âÃÊÀûÀÌ°í Àü¹ÝÀûÀÎ ³»¿ëÀ» ÇнÀÇÒ ¼ö ÀÖ½À´Ï´Ù.
¸ñÂ÷
1ºÎ. µé¾î°¡±â
1Àå ÀÇ·á¿Í ÀΰøÁö´É [¼Áعü]
1. Çö´ëÀÇ·á°¡ Á÷¸éÇÑ ¹®Á¦
2. ÀÇ·áÀΰøÁö´É±â¼úÀÇ ÇöÀç
3. ÀÇ·áÀΰøÁö´É½Ã´ë¸¦ À§ÇÑ Áغñ
4. ¿ä¾à
Capsule: ȯÀÚµéÀº ÀΰøÁö´É¿¡ ´ëÇؼ ¾î¶² »ý°¢À» °¡Áö°í ÀÖÀ»±î?
2ºÎ. µðÁöÅÐ ÀÇ·áµ¥ÀÌÅÍ
2Àå ´Ù¾çÇÑ Á¾·ùÀÇ ÀÇ·áµ¥ÀÌÅÍ [¿ÀÁö¼±, ÀÌÀ¯¶ó, ±èµµÈÆ]
1. ÇコÄÉ¾î µ¥ÀÌÅÍhealthcare dataÀÇ Á¾·ù
2. ÀüÀÚÀǹ«±â·Ïelectronic medical record µ¥ÀÌÅÍ
3. º¸°ÇÀÇ·á û±¸ µ¥ÀÌÅÍhealthcare claim data
4. À¯Àüü µ¥ÀÌÅÍgenomic data
5. ȯÀÚ»ý¼º °Ç° µ¥ÀÌÅÍpatient-generated health data
6. °øÅë µ¥ÀÌÅÍ ¸ðµ¨Common Data Model
7. Health Level 7
3Àå µðÁöÅÐ ÀǷ῵»ó [±è±¤±â]
1. DICOM À̶õ?
2. DICOM ÆÄÀÏÀÇ ±¸Á¶
3. DICOM ÀǷ῵»óÀ» ÀΰøÁö´É¿¡ »ç¿ëÇÒ ¶§ ¾Ë¾ÆµÎ¸é À¯¿ëÇÑ Á¤º¸µé
4. ÇâÈÄ ¹æÇâ
Capsule: µðÁöÅÐ ÀǷ῵»ó ÀÚ·áÀÇ ¿ë·®Àº ¾ó¸¶³ª µÉ±î?
3ºÎ. ÀΰøÁö´É ±â¼ú
4Àå ÀΰøÁö´É °ü·Ã ±âº»°³³ä ¹× Çʼö¿ë¾î Á¤¸® [ÀÌÁر¸]
1. ÀΰøÁö´ÉÀÇ Á¤ÀÇ
2. ÀΰøÁö´ÉÀÇ ºÐ·ù
3. ÀΰøÁö´ÉÀÇ ÇнÀ
4. ÀΰøÁö´É ÇнÀÀÇ ¼Õ½ÇÇÔ¼öloss function¿Í ÇнÀ·ülearning rate
5. ÀΰøÁö´É ºÐ·ùclassification ¸ðµ¨¿¡ ´ëÇÑ ÀÌÇØ
6. ÀΰøÁö´É ÇнÀÀ» À§ÇÑ ´Ü°èµé »ìÆ캸±â
7. ÀΰøÁö´É ¶óÀ̺귯¸® ¼Ò°³
Capsule: ¡®Validation¡¯ ¿ë¾î °ü·Ã È¥¼±
5Àå µö·¯´×deep learning ÀÌÀüÀÇ ±â°èÇнÀmachine learning ¹æ¹ýµé [ÀÌÁر¸]
1. ·ÎÁö½ºÆ½ ¼±Çüȸ±Ílogistic regression ´Ù½Ã º¸±â
2. ¼Æ÷Æ® º¤ÅÍ ¸Ó½Åsupport vector machine
3. °áÁ¤ Æ®¸®decision tree
4. ·£´ý Æ÷·¹½ºÆ®random forest
5. k-Æò±Õ ±ºÁýÈk-means clustering
6Àå Àΰø½Å°æ¸Áartificial neural network ±×¸®°í µö·¯´×deep learningÀÇ µîÀå [±èÈÖ¿µ]
1. Àΰø½Å°æ¸Áartificial neural network
2. PerceptronÀÇ ÇÑ°è¿Í Àΰø½Å°æ¸ÁÀÇ ¹ßÀü
3. ½ÉÃþ½Å°æ¸Ádeep neural network: µö·¯´×deep learningÀÇ µîÀå
Capsule: arXiv°¡ ¹¹¾ß?
7Àå ÄÁº¼·ç¼Ç ½Å°æ¸Áconvolutional neural network [±èÈÖ¿µ]
1. ÄÁº¼·ç¼Ç ½Å°æ¸Áconvolutional neural networkÀÌ °¡Á®¿Â ±â°èÇнÀ ¿¬±¸ÀÇ Æз¯´ÙÀÓ Àüȯ
2. ÄÁº¼·ç¼Ç ½Å°æ¸Áconvolutional neural networkÀÇ ±¸Á¶
3. ÁÖ¿ä ÄÁº¼·ç¼Ç ½Å°æ¸Áconvolutional neural network ¸ðµ¨µé°ú ¹ßÀü È÷½ºÅ丮
4. ÄÁº¼·ç¼Ç ½Å°æ¸Áconvolutional neural network ÀÀ¿ë±â¼ú: °ËÃâdetection°ú ºÐÇÒsegmentation
Capsule: ÀΰøÁö´ÉÀÇ ÀÇÇпµ»ó Æǵ¶ ¼º´É: ÄÁº¼·ç¼Ç ½Å°æ¸Áconvolutional neural network ´ë ÀÇ»ç
8Àå ½Ã°è¿time series ÀÚ·á¿Í ¼øȯ½Å°æ¸Árecurrent neural network [Â÷À¯Áø]
1. ½Ã°è¿time series ÀÚ·á
2. ¼øȯ½Å°æ¸Árecurrent neural networkÀÇ ±âÃÊ
3. ¼øȯ½Å°æ¸Árecurrent neural networkÀÇ ÇнÀ°ú ÀÀ¿ë±¸Á¶
4. Àå´Ü±â ±â¾ïlong short-term memory ½Å°æ¸Á
5. ¼øȯ½Å°æ¸Árecurrent neural networkÀÇ ÀÚ¿¬¾î ÀÀ¿ë
6. ¿ä¾à ¹× Á¤¸®
Capsule: ¼øȯ½Å°æ¸Árecurrent neural networkÀ» ÀÌ¿ëÇÑ ±Þ¼º ½Å¼Õ»ó ¿¹Ãø ¸ðµ¨
9Àå Àû´ëÀû »ý¼º ½Å°æ¸Ágenerative adversarial network [ÀÌÁö¹Î]
1. »ý¼º ¸ðµ¨generative model
2. Àû´ëÀû »ý¼º ½Å°æ¸Ágenerative adversarial networkÀÇ ±¸Á¶¿Í ÇнÀ ¹æ¹ý
3. Àû´ëÀû »ý¼º ½Å°æ¸Ágenerative adversarial networkÀ» ÀÇ·á¿¡ Á¢¸ñÇÑ »ç·Ê
10Àå ÀΰøÁö´ÉÀÇ °á°ú¸¦ Çؼ®, ¼³¸íÀÌ °¡´ÉÇÏ°Ô ÇÏ·Á¸é [±èÈÖ¿µ]
1. ¼³¸í°¡´É¼ºexplainability°ú Çؼ®°¡´É¼ºinterpretability
2. ¿µ»óºÐ¼®À» À§ÇÑ µö·¯´×deep learning ¸ðµ¨¿¡ Çؼ®°¡´É¼ºinterpretabilityÀ» ´õÇÏ´Â ¹æ¹ý
Capsule: ÀΰøÁö´ÉÀÌ Çؼ®, ¼³¸íÀÌ °¡´ÉÇÑÁö ¿©ºÎ°¡ ƯÈ÷ ´õ Áß¿äÇÑ °æ¿ì
11Àå (½Ç½À)ÀΰøÁö´É ÇнÀ°úÁ¤ µû¶ó Çغ¸±â [ÀÌ°¡Àº, ÀÌÁر¸]
1. ½Ç½ÀÀ» À§ÇÑ Áغñ
2. ÇÊ¿äÇÑ ¸ðµâÀ» import Çϱâ
3. Fashion-MNIST µ¥ÀÌÅÍ
4. ÀΰøÁö´É ¸ðµ¨·Î ÇнÀÇϱâ
4ºÎ. ÀΰøÁö´É ÀÓ»ó°ËÁõ
12Àå ÀΰøÁö´É ¾Ë°í¸®ÁòÀÇ ÀÓ»ó°ËÁõ ¹æ¹ý [¹Ú¼ºÈ£]
1. ¡®Validation¡¯À̶õ ¿ë¾îÀÇ Àǹ̿¡ ´ëÇÑ ÁÖÀÇ
2. ÀΰøÁö´É ¾Ë°í¸®ÁòÀÇ Á¤È®µµ/¼º´É ÁöÇ¥
3. ÀΰøÁö´É ¾Ë°í¸®ÁòÀÇ Á¤È®µµ/¼º´É Æò°¡¿¡ ¿µÇâÀ» ¹ÌÄ¡´Â ÀÎÀÚµé
4. Internal validation vs. external validation
5. Split-sample validationÀÇ Á¦ÇÑÁ¡
6. ÀΰøÁö´É ¾Ë°í¸®ÁòÀÇ Á¤È®µµ/¼º´É °ËÁõÀ» À§ÇÑ ¹Ù¶÷Á÷ÇÑ external validation ¹æ¹ý
7. ÀΰøÁö´É ¾Ë°í¸®ÁòÀÇ Á¤È®µµ/¼º´É¸¸ °ËÁõÇϸé ÃæºÐÇÒ±î?
8. ¿ä¾à
Capsule: ÀÇÇÐÀû Áø´Ü/¿¹ÃøÀ» À§ÇÑ ÀΰøÁö´É ¾Ë°í¸®ÁòµéÀÇ Á¤È®µµ¿¡ ´ëÇÑ external validationÀÌ ¾ó¸¶³ª µÇ¾î ÀÖÀ»±î?
5ºÎ. ¹ý°ú Á¦µµ
13Àå ÀÇ·á ºòµ¥ÀÌÅÍbig data ¹× ÀΰøÁö´É °ü·Ã ¹ý°ú Á¦µµ [À¯¼Ò¿µ, ¹Ú¼ºÈ£]
1. ÀÇ·á ºòµ¥ÀÌÅÍbig dataÀÇ ÀÌ¿ë °ü·Ã ¹ý°ú Á¦µµ
2. ÀΰøÁö´É ÀÇ·á±â±âÀÇ Çã°¡
3. ÀΰøÁö´É ÀÇ·á±â±â¿¡ ´ëÇÑ ÀǷẸÇè Àû¿ë
4. Áö¼ÓÀûÀÎ ÇнÀÀ» ÅëÇØ º¯ÇÏ´Â ÀΰøÁö´É ÀÇ·á±â±â¿¡ ´ëÇÑ Æò°¡ ¹× °ü¸®
5. ÀÇ·áÀΰøÁö´É »ç¿ëÀ¸·Î ÀÎÇÑ ¿ÀÁø¿¡ ´ëÇÑ ¹ýÀû Ã¥ÀÓÀº ´©±¸¿¡°Ô?
Capsule: ÀÇ·á ºòµ¥ÀÌÅÍbig data¸¦ »ç¿ëÇÒ ¶§ °³ÀÎÁ¤º¸ º¸È£´Â ¾î¶»°Ô ÇØ¾ß Çϳª?
6ºÎ. ¸¶¹«¸®
14Àå Last but not least: Moving forward [¹Ú¼ºÈ£, ÀÓÅÂȯ]
ºÎ·Ï
1. ¿ì¸®³ª¶ó ½ÄÇ°ÀǾàÇ°¾ÈÀüóÀÇ Çã°¡¸¦ ¹ÞÀº µö·¯´×deep learning ±â¹Ý ÀÇ·á¿ë ÀΰøÁö´É ¼ÒÇÁÆ®¿þ¾î ¸ñ·Ï
2. ¹Ì±¹ FDAÀÇ Çã°¡¸¦ ¹ÞÀº µö·¯´×deep learning ±â¹Ý ÀÇ·á¿ë ÀΰøÁö´É ¼ÒÇÁÆ®¿þ¾î ¸ñ·Ï
3. ¾à¾î ¸ðÀ½
º»¹®Áß¿¡¼
[¼¹®]
ÀΰøÁö´ÉÀÇ ÀÇ·á ÀÌ¿ë¿¡ °üÇÏ¿© Áö³ ¼ö³â°£ ¸¹Àº ±â´ë¿Í ¿ì·Á°¡ ÀÇ·á°è¸¦ °Å¸ÇÏ°í ÀÖ½À´Ï´Ù. ±×·¯³ª, ȸÀڵǴ À̾߱âÀÇ ´ëºÎºÐÀº È®½ÇÇÑ ±Ù°Å¿¡ ±â¹ÝÀ» µÎÁö ¾Ê°í ¶°µµ´Â ¼öÁØÀÇ À̾߱âµéÀÔ´Ï´Ù. ÀÌ·¯ÇÑ »óȲ¿¡¼ ¿ì¸®°¡ ¸¸³¯ ¼ö ÀÖ´Â ÀΰøÁö´É °ü·Ã Ã¥µéµµ ÀΰøÁö´É ÀÚü¿¡ ´ëÇÑ Áö½Ä/Á¤º¸ÀÇ Á¦°ø ȤÀº ±³À°À» À§ÇÑ ³»¿ëÀº º°·Î ´Ù·çÁö ¾Ê°í ÀΰøÁö´ÉÀ» ÀÇ·áÀÇ ¹Ì·¡, »çȸÀû °üÁ¡, ¶Ç´Â ÀÇ·á»ê¾÷Àû ½Ã°¢¿¡¼ ´Ù·ç°í ÀÖ´Â °ÍÀÌ ´ëºÎºÐÀÔ´Ï´Ù. ±×¿¡ µû¶ó Àü°øÀǵéÀÇ Àü¹® ÀÓ»ó°ú ¼±Åà Àα⵵¿¡ º¯È°¡ »ý±â±âµµ ÇÏ´Â ¿ôÁö ¸øÇÒ ÀÏÀÌ ¹ú¾îÁö°í ÀÖ´Â °ÍÀÌ Çö½ÇÀÔ´Ï´Ù.
¡®ÀΰøÁö´É: º¸°ÇÀÇ·áÀü¹®°¡¸¦ À§ÇÑ ±æ¶óÀâÀÌ¡¯´Â ÀÌ·¯ÇÑ Æ²¿¡¼ ¹þ¾î³ª º¸°ÇÀÇ·áÀεéÀÌ ÀΰøÁö´ÉÀ» ÀÌÇØÇÏ°í ¿Ã¹Ù¸£°Ô È°¿ëÇϴµ¥ ÇÊ¿äÇÑ ÀÇ·áµ¥ÀÌÅÍ °ü·Ã Áö½Ä, °øÇÐ/±â¼úÀû ±âº» Áö½Ä, ÀÓ»ó°ËÁõÀÇ ½ÇÁ¦Àû ¹æ¹ý, °ü·Ã ¹ý°ú Á¦µµ µî¿¡ ´ëÇÑ ±¸Ã¼ÀûÀÌ°í °¡´ÉÇÑ ÃÖ½ÅÀÇ Áö½Ä°ú Á¤º¸¸¦ Àü´ÞÇÏ°íÀÚ ÇÕ´Ï´Ù. ÀÇ·áÀΰøÁö´É¿¡ ´ëÇÑ Áö½Ä°ú °æÇèÀÌ Ç³ºÎÇÑ, ÀÇÇаú °øÇÐÀ» Æ÷ÇÔÇÑ °ü·Ã ¿©·¯ ºÐ¾ß Àü¹®°¡µé·Î ÁýÇÊÁøÀ» ±¸¼ºÇÏ¿´À¸¸ç, ´ÙÀ½ÀÇ µÎ °¡Áö ¸ñÀûÀ» °¡Áö°í Ã¥ÀÌ ±âȹµÇ¾ú½À´Ï´Ù. ù°·Î, ÀÌ Ã¥À» ÅëÇÏ¿© ÀΰøÁö´ÉÀ» Àß ¸ð¸£´Â º¸°ÇÀÇ·á ºÐ¾ß Çлý ¹× Àü¹®Á¾»çÀÚµéÀÌ ÀΰøÁö´ÉÀÇ ±âº» °³³äÀ» ½±°Ô ½ÀµæÇÒ ¼ö ÀÖµµ·Ï ÇÏÀÚ´Â °ÍÀÌ°í, µÑ°·Î, ÀÌ¹Ì ÀΰøÁö´É¿¡ ´ëÇؼ ¾î´À Á¤µµÀÇ Áö½Ä°ú °æÇèÀÌ ÀÖ´Â ºÐµé¿¡°Ô´Â ÀΰøÁö´É¿¡ ´ëÇØ ¾à°£ ´õ ±íÀÌ°¡ ÀÖ´Â Áö½Ä/Á¤º¸¸¦ Á¦°øÇÏ°íÀÚ ÇÏ´Â ¶æ¿¡¼ ÇÙ½ÉÀÌ µÇ´Â ¿©·¯ ¼ö½ÄµéÀ» Æ÷ÇÔÇÏ¿© ´Ù¼Ò ±íÀÌ ÀÖ´Â ³»¿ëµµ ÀϺΠÆ÷ÇÔÇÏ¿© ÁýÇÊÇÏ¿´½À´Ï´Ù. ¹°·Ð ¼ö½ÄÀ» ÀÌÇØÇÏÁö ¸øÇÏ´õ¶óµµ Ã¥À» Àд µ¥´Â Å« ¾î·Á¿òÀÌ ¾øµµ·Ï ÃÖ´ëÇÑÀÇ ³ë·ÂÀ» ±â¿ï¿´½À´Ï´Ù.
ÁÖÁöÇϽô ¹Ù¿Í °°ÀÌ ÀΰøÁö´É¿¡ °ü·ÃµÈ Çй®Àº ¸Å¿ì ºü¸¥ ¼Óµµ·Î ¹ßÀüÇÏ°í ÀÖÀ¸¸ç, ÀÌ Ã¥ ¶ÇÇÑ ¹ß°£µÇ°í ³ª¼ ¹Ù·Î ³°Àº Áö½Ä¼°¡ µÉ ¼ö ÀÖ´Ù´Â ¿ì·Á¸¦ ÇÏ½Ç ºÐµµ ÀÖÀ» °Í °°½À´Ï´Ù¸¸, ÀÌ Ã¥ÀÇ ±âº» ÃëÁö´Â ºü¸£°Ô º¯ÇÏ´Â ÃÖ½ÅÀÇ Áö½ÄÀ» Á¦°øÇÑ´Ù´Â °Íº¸´Ù´Â ÀÌ¹Ì ºñ±³Àû Àß Á¤¸³µÈ ±âº» Áö½Ä°ú Á¤º¸¸¦ Á¦°øÇÏ´Â µ¥ Àֱ⠶§¹®¿¡, ÀΰøÁö´É ±â¼úÀÌ °è¼Ó ¹ßÀü º¯ÈÇØ ³ª°¡´õ¶óµµ ¸¹Àº ºÎºÐ Åð»öµÇÁö ¾Ê°í Áß¿äÇÑ ±âº» Á¤º¸¸¦ Á¦°øÇÒ ¼ö ÀÖµµ·Ï ±¸¼ºµÇ¾ú½À´Ï´Ù.
µû¶ó¼ µ¶ÀÚµéÀº ÀÌ Ã¥ÀÇ ³»¿ëÀ» ±âº»À¸·Î ÇÏ¿© °è¼Ó ºü¸£°Ô º¯ÈÇÏ´Â ÃֽŠÁö½ÄÀ» ½º½º·Î ½ÀµæÇØ °¥ ¼ö ÀÖÀ» °ÍÀ¸·Î ±â´ëÇÏ°í ÀÖ½À´Ï´Ù. ±×·³¿¡µµ ºÒ±¸ÇÏ°í ÇâÈÄ ÀΰøÁö´É °ü·Ã ÃֽŠÁö°ß¿¡ Áß¿äÇÑ Ãß°¡³ª º¯È°¡ Áö¼ÓÇؼ ÀÖÀ» °ÍÀ̶ó´Â Á¡Àº ÃæºÐÈ÷ ¿¹ÃøµÇ¹Ç·Î, ÀûÀýÇÑ ½Ã±â¿¡ ÀÌ Ã¥ÀÇ ³»¿ëÀ» °è¼Ó Áõº¸, °³Á¤ÇØ ³ª°¥ °ÍÀ̶ó´Â Á¡À» ¾à¼Óµå¸³´Ï´Ù.
ÇÑ°¡Áö ÷¾ðÇÏ°íÀÚ ÇÏ´Â °ÍÀº ÀΰøÁö´ÉÀÌ ¿ö³« »õ·Î¿î Çй® ºÐ¾ßÀÌ´Ù º¸´Ï ¸¹Àº °æ¿ì ÇÑ±Û ¿ë¾î°¡ Á¤¸³µÇÁö ¾ÊÀº »óŶó´Â Á¡À» °í·ÁÇØ Àü¹®¿ë¾îÀÇ ±â¼ú¿¡ Çѱ۰ú ¿µ¾î¸¦ ¸ðµÎ »ç¿ëÇÏ¿´°í ÇÊ¿äÇÑ °÷¿¡´Â Çѱ۰ú ¿µ¾î¸¦ º´±âÇÏ¿´½À´Ï´Ù. Çѱ۰ú ¿µ¾î º´±â´Â óÀ½ ÇÑ ¹øÀÌ ¾Æ´Ï¶ó ÇÊ¿äÇÑ °÷¿¡´Â ¸ðµÎ Àû¿ëÇÏ¿© °¡´ÉÇÑ ÇÑ Àб⠽±°Ô ÇÏ¿´½À´Ï´Ù.
ÀÌ¿Í ´õºÒ¾î ¾à¾î ¹× ¿µ¾î ´ë¼Ò¹®ÀÚ »ç¿ë¿¡¼µµ ¾ÆÁ÷ ±ÔÄ¢ÀÌ Á¤¸³µÇÁö ¾ÊÀº °æ¿ìµéÀÌ ÀÖ½À´Ï´Ù. µû¶ó¼, ÀüüÀûÀ¸·Î ¿ë¾îÀÇ »ç¿ë¿¡ ÀÖ¾î ÅëÀϼºÀÌ ºÎÁ·ÇÑ Á¡ÀÌ ¾øÁö ¾ÊÀ¸³ª ±×·¡µµ ÀÚ¿¬½º·¹ ÀÐÈú ¼ö ÀÖµµ·Ï ³ë·ÂÀ» ÇÏ¿´½À´Ï´Ù. ÇâÈÄ °³Á¤ÆÇ¿¡¼´Â Á» ´õ ÅëÀÏµÈ ¿ë¾î »ç¿ëÀÌ ÀÌ·ç¾îÁö±â¸¦ ¹Ù¶ø´Ï´Ù.
³¡À¸·Î ÀÌ Áö¸éÀ» ÅëÇÏ¿© ÀÌ Ã¥ÀÇ ÁýÇÊ¿¡ ½ÉÇ÷À» ±â¿ï¿© ÁֽŠÁýÇÊÁø ¿©·¯ºÐ²² ±íÀº °¨»çÀÇ ¶æÀ» Ç¥ÇÏ°íÀÚ ÇÕ´Ï´Ù. ƯÈ÷ Àú¿Í ÇÔ²² °øµ¿ ÆíÁýÀÎÀ» ¸Ã¾Æ ÀÌ Ã¥ÀÌ Àû½Ã¿¡ ¹ß°£µÉ ¼ö ÀÖµµ·Ï Èû½á ÁֽŠ¹Ú¼ºÈ£ ±³¼öÀÇ Çå½ÅÀû ³ë·Â°ú Ź¿ùÇÑ ¸®´õ½ÊÀ» ³ôÀÌ Ä¡ÇÏÇØ µå¸®´Â ¹ÙÀÔ´Ï´Ù.
2020³â 2¿ù
ÀÓÅÂȯ
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç 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 »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.