°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (35,910¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (26,460¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (30,240¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

ÆÄÀ̽ãÀ» È°¿ëÇÑ ±ÝÀ¶ ºÐ¼® : ÆÄÀ̽ãÀÇ ±âÃʺÎÅÍ ±ÝÀ¶°øÇÐ, ¼öÇÐ, Á¤·® ºÐ¼®, ½Ã½ºÅÛ ±¸Çö±îÁö

¿øÁ¦ : Python for Finance
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

ÆǸÅÁö¼ö 50
?
ÆǸÅÁö¼ö¶õ?
»çÀÌÆ®ÀÇ ÆǸŷ®¿¡ ±â¹ÝÇÏ¿© ÆǸŷ® ÃßÀ̸¦ ¹Ý¿µÇÑ ÀÎÅÍÆÄÅ© µµ¼­¿¡¼­ÀÇ µ¶¸³ÀûÀÎ ÆǸŠÁö¼öÀÔ´Ï´Ù. ÇöÀç °¡Àå Àß Æȸ®´Â »óÇ°¿¡ °¡ÁßÄ¡¸¦ µÎ¾ú±â ¶§¹®¿¡ ½ÇÁ¦ ´©Àû ÆǸŷ®°ú´Â ´Ù¼Ò Â÷ÀÌ°¡ ÀÖÀ» ¼ö ÀÖ½À´Ï´Ù. ÆǸŷ® ¿Ü¿¡µµ ´Ù¾çÇÑ °¡ÁßÄ¡·Î ±¸¼ºµÇ¾î ÃÖ±ÙÀÇ À̽´µµ¼­ È®Àνà À¯¿ëÇÒ ¼ö ÀÖ½À´Ï´Ù. ÇØ´ç Áö¼ö´Â ¸ÅÀÏ °»½ÅµË´Ï´Ù.
Close
°øÀ¯Çϱâ
Á¤°¡

42,000¿ø

  • 37,800¿ø (10%ÇÒÀÎ)

    2,100P (5%Àû¸³)

ÇÒÀÎÇýÅÃ
Àû¸³ÇýÅÃ
  • S-Point Àû¸³Àº ¸¶ÀÌÆäÀÌÁö¿¡¼­ Á÷Á¢ ±¸¸ÅÈ®Á¤ÇϽŠ°æ¿ì¸¸ Àû¸³ µË´Ï´Ù.
Ãß°¡ÇýÅÃ
  • 5/7(È­) À̳» ¹ß¼Û ¿¹Á¤  (¼­¿ï½Ã °­³²±¸ »ï¼º·Î 512)
  • ¹«·á¹è¼Û
  • ÁÖ¹®¼ö·®
    °¨¼Ò Áõ°¡
    • À̺¥Æ®/±âȹÀü

    • ¿¬°üµµ¼­

    • »óÇ°±Ç

    AD

    Ã¥¼Ò°³

    ±ÝÀ¶ ºòµ¥ÀÌÅÍ ºÐ¼®Çϱâ

    ÃÊ´ëÇü ÅõÀÚÀºÇà°ú ÇìÁö Æݵ带 ºñ·ÔÇÑ ±ÝÀ¶¾÷°è´Â ºü¸¥ ¼Óµµ·Î Æ®·¹À̵ù ½Ã½ºÅÛ°ú À§Çè °ü¸® ½Ã½ºÅÛ °³¹ß ¾ð¾î·Î ÆÄÀ̽ãÀ» äÅÃÇÏ°í ÀÖ´Ù. ÀÌ Ã¥Àº °³¹ßÀÚµé°ú ÄöÆ® ¾Ö³Î¸®½ºÆ®µéÀÌ ÆÄÀ̽ãÀ» ½ÃÀÛÇÏ°í ÆÄÀ̽ãÀ» È°¿ëÇÏ¿© Áß¿äÇÑ ±ÝÀ¶ ºÐ¼® ¾÷¹«¸¦ ÇÒ ¼ö ÀÖµµ·Ï µµ¿ÍÁÖ´Â ½Ç¹« °¡ÀÌµå ºÏÀÌ´Ù. ÀúÀÚ À̺ê ÈúÇǽô ½Ç¹« ¿¹Á¦¿Í Çö½ÇÀûÀÎ ´ë±Ô¸ð ÄÉÀ̽º ½ºÅ͵𸦠ÅëÇØ ¸óÅ×Ä«¸¦·Î ½Ã¹Ä·¹ÀÌ¼Ç ±â¹ÝÀÇ ÆÄ»ý»óÇ° ¹× À§Çè ºÐ¼® ÇÁ·¹ÀÓ¿öÅ©¸¦ °³¹ßÇÒ ¼ö ÀÖ´Â ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. Ã¥ÀÇ ´ëºÎºÐÀº IPython ³ëÆ®ºÏÀ» »ç¿ëÇÏ¿´´Ù.

    ÃâÆÇ»ç ¼­Æò

    µµ¼­ Ư¡
    ÁÖ°¡ ºÐ¼®, Æ®·¹À̵ù ½Ã½ºÅÛ µîÀ¸·Î ±ÝÀ¶¾÷°è¿¡ ºü¸£°Ô ħÅõÇÏ´Â ÆÄÀ̽ã

    ÀÌ Ã¥Àº ±ÝÀ¶°øÇÐ ÀÌ·ÐÀ̳ª ¾Ë°í¸®ÁòÀ» ¼³¸íÇϱâ À§ÇÑ Àü°ø ¼­ÀûÀº ¾Æ´Ï´Ù. ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ¾ð¾î°¡ ¾î¶² ¹æ½ÄÀ¸·Î ±ÝÀ¶ ºÐ¾ß¿¡ Àü¹ÝÀûÀ¸·Î È°¿ëµÉ ¼ö ÀÖ´ÂÁö¸¦ ¾Ë·Á Áִ åÀÌ´Ù. µû¶ó¼­ ÆÄÀ̽㠾ð¾îÀÇ ±âÃʺÎÅÍ ±ÝÀ¶ ºÐ¼® ÀÛ¾÷ÀÇ ÇÙ½É, ±×¸®°í ÃÖÁ¾ ½Ã½ºÅÛ ±¸Çö±îÁö¸¦ ¸ðµÎ ´Ù·ç´Â ÀÏÁ¾ÀÇ ÀÔ¹®¼­³ª ÄîºÏ¿¡ °¡±õ´Ù. ±ÝÀ¶ ºÐ¾ß Çö¾÷ Á¾»çÀÚ³ª ±ÝÀ¶°øÇÐÀ» °øºÎÇÏ´Â Çлý»Ó ¾Æ´Ï¶ó ÀÌ ºÐ¾ß¿¡ °ü½ÉÀ» °¡Áö°í °³ÀÎÀûÀ¸·Î °øºÎÇÏ°íÀÚ ÇÏ´Â µ¶ÀÚ¶ó¸é ÀÌ µµ¼­°¡ µµ¿òÀÌ µÉ °ÍÀÌ´Ù.

    [ÀÌ Ã¥ÀÇ ³»¿ë]
    ¤ý ±âÃÊ Áö½Ä : ÆÄÀ̽ãÀÇ ÀÚ·á ±¸Á¶, NumPy ¹è¿­À» ´Ù·ç´Â ¹ý, pandas¸¦ »ç¿ëÇÑ ½Ã°è¿­ ºÐ¼®, matplotlib ½Ã°¢È­, PyTables¸¦ »ç¿ëÇÑ °í¼º´É I/O ¿ÀÆÛ·¹À̼Ç, ÆÄÀ̽ãÀ¸·Î ³¯Â¥ ¹× ½Ã°£ Á¤º¸¸¦ ´Ù·ç´Â ¹ý, °¢Á¾ ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö °üÇà
    ¤ý±ÝÀ¶ °ü·Ã ÁÖÁ¦ : NumPy, SciPy, SymPy¸¦ »ç¿ëÇÑ È¸±Í ºÐ¼®, ÃÖÀûÈ­, È®·ü °úÁ¤ÀÇ ¸óÅ×Ä«¸¦·Î ½Ã¹Ä·¹À̼Ç, VaR¿Í Credit-Value-at-Risk °è»ê, Á¤±Ô¼º °ËÁ¤, Æò±Õ-ºÐ»ê Æ÷Æ®Æú¸®¿À ÃÖÀûÈ­, ÁÖ¼ººÐ ºÐ¼® (PCA), ±×¸®°í º£ÀÌÁö¾È ȸ±Í ºÐ¼®
    ¤ý Ưº° ÁÖÁ¦ : º¤ÅÍÈ­¿Í º´·ÄÈ­¸¦ ºñ·ÔÇÑ ±ÝÀ¶ ¾Ë°í¸®ÁòÀÇ ÆÄÀ̽㠱¸Çö ¼º´É Çâ»ó ¹æ¹ý, ¿¢¼¿°ú ÆÄÀ̽ãÀ» °áÇÕÇÏ´Â ¹ý, À¥ ±â¼ú ±â¹ÝÀÇ ±ÝÀ¶ ¾ÖÇø®ÄÉÀÌ¼Ç Á¦ÀÛ¹ý

    ¸ñÂ÷

    PART I ÆÄÀ̽ã°ú ±ÝÀ¶
    CHAPTER 1 ¿Ö ±ÝÀ¶ ºÐ¼®¿¡ ÆÄÀ̽ãÀ» »ç¿ëÇϴ°¡
    __1-1 ÆÄÀ̽ãÀ̶õ ¹«¾ùÀΰ¡
    __1-2 ±ÝÀ¶¿¡¼­ ¾²ÀÌ´Â ±â¼ú
    __1-3 ±ÝÀ¶°øÇÐÀ» À§ÇÑ ÆÄÀ̽ã
    __1-4 °á·Ð
    __1-5 Âü°í ¼­Àû ¹× ÁÖ¼®

    CHAPTER 2 ÇϺΠ±¸Á¶¿Í Åø
    __2-1 ÆÄÀ̽㠼³Ä¡
    __2-2 ÆÄÀ̽ã Åø
    __2-3 °á·Ð
    __2-4 Âü°í ¹®Çå

    CHAPTER 3 ÀÔ¹®¿ë ¿¹Á¦
    __3-1 ³»Àç º¯µ¿¼º °è»ê
    __3-2 ¸óÅ×Ä«¸¦·Î ½Ã¹Ä·¹À̼Ç
    __3-3 ±â¼úÀû ºÐ¼®
    __3-4 °á·Ð
    __3-5 Âü°í ¹®Çå


    PART II ±ÝÀ¶ ºÐ¼®°ú °³¹ß
    CHAPTER 4 ÀÚ·áÇü°ú ÀڷᱸÁ¶
    __4-1 ±âº» ÀÚ·áÇü
    __4-2 ±âº» ÀڷᱸÁ¶
    __4-3 NumPy ÀڷᱸÁ¶
    __4-4 ÄÚµå º¤ÅÍÈ­
    __4-5 °á·Ð
    __4-6 Âü°í ¹®Çå

    CHAPTER 5 µ¥ÀÌÅÍ ½Ã°¢È­
    __5-1 2Â÷¿ø Ç÷Ô
    __5-2 ±ÝÀ¶ °ü·Ã Ç÷Ô
    __5-3 3Â÷¿ø Ç÷Ô
    __5-4 °á·Ð
    __5-5 Âü°í ¹®Çå

    CHAPTER 6 ±ÝÀ¶ ½Ã°è¿­
    __6-1 pandas ±âÃÊ
    __6-2 ±ÝÀ¶ ÀÚ·á
    __6-3 ȸ±ÍºÐ¼®
    __6-4 °íºóµµ ÀÚ·á
    __6-5 °á·Ð
    __6-6 Âü°í ¹®Çå

    CHAPTER 7 ÀÔÃâ·Â ÀÛ¾÷
    __7-1 ±âº» ÆÄÀ̽ã ÀÔÃâ·Â
    __7-2 pandas¸¦ »ç¿ëÇÑ ÀÔÃâ·Â
    __7-3 PyTables¸¦ ÀÌ¿ëÇÑ °í¼Ó ÀÔÃâ·Â
    __7-4 °á·Ð
    __7-5 Âü°í ¹®Çå

    CHAPTER 8 ÆÄÀ̽㠼º´É °³¼±
    __8-1 ÆÄÀ̽ã Æз¯´ÙÀÓ°ú ¼º´É
    __8-2 ¸Þ¸ð¸® ¹èÄ¡¿Í ¼º´É
    __8-3 º´·Ä ÄÄÇ»ÆÃ
    __8-4 ¸ÖƼÇÁ·Î¼¼½Ì
    __8-5 µ¿Àû ÄÄÆÄÀÏ
    __8-6 CythonÀ» ÀÌ¿ëÇÑ Á¤Àû ÄÄÆÄÀÏ
    __8-7 GPU¿¡¼­ ³­¼ö »ý¼ºÇϱâ
    __8-8 °á·Ð
    __8-9 Âü°í ¹®Çå

    CHAPTER 9 ¼öÇÐ¿ë µµ±¸
    __9-1 ±Ù»çÈ­
    __9-2 ÃÖÀûÈ­
    __9-3 Á¤ÀûºÐ
    __9-4 ½Éº¼¸¯ ¿¬»ê
    __9-5 °á·Ð
    __9-6 Âü°í ¹®Çå

    CHAPTER 10 È®·ü °úÁ¤
    __10-1 ³­¼ö »ý¼º
    __10-2 ½Ã¹Ä·¹À̼Ç
    __10-3 °¡Ä¡ Æò°¡
    __10-4 À§Çè Ãøµµ
    __10-5 °á·Ð
    __10-6 Âü°í ¹®Çå

    CHAPTER 11 Åë°è ºÐ¼®
    __11-1 Á¤±Ô¼º °ËÁ¤
    __11-2 Æ÷Æ®Æú¸®¿À ÃÖÀûÈ­
    __11-3 ÁÖ¼ººÐ ºÐ¼®
    __11-4 º£ÀÌÁî ȸ±Í
    __11-5 °á·Ð
    __11-6 Âü°í ¹®Çå

    CHAPTER 12 ¸¶ÀÌÅ©·Î¼ÒÇÁÆ® ¿¢¼¿ ¿¬µ¿
    __12-1 ±âº»ÀûÀÎ ½ºÇÁ·¹µå½ÃÆ® ¿¬µ¿
    __12-2 ÆÄÀ̽ãÀ¸·Î ¿¢¼¿ ½ºÅ©¸³Æ® ÀÛ¼º
    __12-3 xlwings ¼Ò°³
    __12-4 °á·Ð
    __12-5 Âü°í ¹®Çå

    CHAPTER 13 °´Ã¼ÁöÇâ°ú ±×·¡ÇÈ À¯Àú ÀÎÅÍÆäÀ̽º
    __13-1 °´Ã¼ÁöÇâ
    __13-2 ±×·¡ÇÈ À¯Àú ÀÎÅÍÆäÀ̽º
    __13-3 °á·Ð
    __13-4 Âü°í ¹®Çå

    CHAPTER 14 À¥ ÅëÇÕ
    __14-1 À¥ ±âÃÊ
    __14-2 À¥ Ç÷ÔÆÃ
    __14-3 ºü¸¥ À¥ ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ß
    __14-4 À¥ ¼­ºñ½º
    __14-5 °á·Ð
    __14-6 Âü°í ¹®Çå


    PART III ÆÄ»ý»óÇ° ºÐ¼® ¶óÀ̺귯¸®
    CHAPTER 15 °¡Ä¡ Æò°¡ ÇÁ·¹ÀÓ¿öÅ©
    __15-1 ÀÚ»ê °¡°Ý°áÁ¤ ±âº» Á¤¸®
    __15-2 À§Çè Á߸³ ÇÒÀÎ
    __15-3 ½ÃÀå ȯ°æ
    __15-4 °á·Ð
    __15-5 Âü°í ¹®Çå

    CHAPTER 16 ±ÝÀ¶ ¸ðÇü ½Ã¹Ä·¹À̼Ç
    __16-1 ³­¼ö »ý¼º
    __16-2 ÀϹÝÀûÀÎ ½Ã¹Ä·¹ÀÌ¼Ç Å¬·¡½º
    __16-3 ±âÇÏ ºê¶ó¿î ¿îµ¿ ¸ðÇü
    __16-4 Á¡ÇÁ È®»ê ¸ðÇü
    __16-5 Á¦°ö±Ù È®»ê ¸ðÇü
    __16-6 °á·Ð
    __16-7 Âü°í ¹®Çå

    CHAPTER 17 ÆÄ»ý»óÇ° °¡Ä¡ Æò°¡
    __17-1 ÀϹÝÀûÀÎ °¡Ä¡ Æò°¡ Ŭ·¡½º
    __17-2 À¯·¯ÇÇ¾È Çà»ç ¹æ½Ä
    __17-3 ¾Æ¸Þ¸®Ä­ Çà»ç ¹æ½Ä
    __17-4 °á·Ð
    __17-5 Âü°í ¹®Çå

    CHAPTER 18 Æ÷Æ®Æú¸®¿À °¡Ä¡ Æò°¡
    __18-1 ÆÄ»ý»óÇ° Æ÷Áö¼Ç
    __18-2 ÆÄ»ý»óÇ° Æ÷Æ®Æú¸®¿À
    __18-3 °á·Ð
    __18-4 Âü°í ¹®Çå

    CHAPTER 19 º¯µ¿¼º ¿É¼Ç
    __19-1 VSTOXX µ¥ÀÌÅÍ
    __19-2 ¸ðÇü Ķ¸®ºê·¹À̼Ç
    __19-3 VSTOXX ¾Æ¸Þ¸®Ä­ ¿É¼Ç
    __19-4 °á·Ð
    __19-5 Âü°í ¹®Çå

    APPENDIX A ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö °üÇà
    __A-1 ÆÄÀ̽㠹®¹ý
    __A-2 ¹®¼­È­
    __A-3 À¯´Ö Å×½ºÆÃ

    APPENDIX B ÄÝ ¿É¼Ç Ŭ·¡½º

    APPENDIX C ³¯Â¥¿Í ½Ã°£
    __C-1 ÆÄÀ̽㿡¼­ÀÇ ³¯Â¥¿Í ½Ã°£
    __C-2 NumPy¿¡¼­ÀÇ ³¯Â¥¿Í ½Ã°£
    __C-3 pandas¿¡¼­ÀÇ ³¯Â¥¿Í ½Ã°£
    __Index

    ÀúÀÚ¼Ò°³

    À̺ê ÈúÇǽà [Àú] ½ÅÀ۾˸² SMS½Åû
    »ý³â¿ùÀÏ -

    DX Analytics ±ÝÀ¶ ºÐ¼® ¶óÀ̺귯¸®ÀÇ Ã¢½ÃÀÚÀ̸ç, ±ÝÀ¶ µ¥ÀÌÅÍ °úÇÐ, ÀΰøÁö´É, ¾Ë°í¸®Áò Æ®·¹À̵ù ¹× °è»ê ±ÝÀ¶À» À§ÇÑ ¿ÀǼҽº ±â¼ú »ç¿ë¿¡ ÁßÁ¡À» µÐ ȸ»ç The Python Quants(http://home.tpq.io), AI Machine(http://aimachine.io)ÀÇ ¼³¸³ÀÚÀÌÀÚ ÃÖ°í °æ¿µÀÚ´Ù. ÁÖ¿ä Àú¼­·Î´Â ¡ºArtificial Intelligence in Finance¡»(O¡¯Reilly, 2020), ¡ºPython for Algorithmic Trading¡»(O¡¯Reilly, 2020), ¡ºPython for Finance, 2e¡»(O¡¯Reilly, 2018), ¡ºListed Volatility and Variance Derivatives¡»(Wiley Finance, 2017), ¡ºDerivatives Analytics with Python¡»(Wiley Finance, 201

    ÆîÃ帱â
    ±èµµÇü [¿ª] ½ÅÀ۾˸² SMS½Åû
    »ý³â¿ùÀÏ -

    ÀúÀÚ ±èµµÇüÀº KAIST¿¡¼­ ÀÚµ¿ Á¦¾î¿Í ½ÅÈ£ 󸮸¦ Àü°øÇßÀ¸¸ç, ¹Ú»çÇÐÀ§¸¦ ¹Þ¾Ò´Ù. LG ÀüÀÚ¿Í ´ë¿ìÁõ±Ç¿¡¼­ À½¼º ½ÅÈ£ ó¸®, ÆÄ»ý»óÇ° ÇÁ¶óÀÌ½Ì ½Ã½ºÅÛ, ±ÝÀ¶ Á¤º¸ ¸ð´ÏÅ͸µ ½Ã½ºÅÛ, ¾Ë°í¸®Áò ¸Å¸Å ½Ã½ºÅÛ µîÀ» ÆÄÀ̽ãÀ¸·Î °³¹ßÇÏ¿´°í, ÇöÀç´Â ÆÄÀ̽㠱â¹ÝÀÇ ±ÝÀ¶ ºÐ¼®, ÃÖÀû ÁýÇà¿ë ¼ÒÇÁÆ®¿þ¾î¿Í ¼­ºñ½º¸¦ ¸¸µé°í ÀÖ´Ù. ÆÄÀ̽ãÀÌ ´õ ³Î¸® ÆÛÁú ¼ö ÀÖ°Ô µµ¿ï ¼ö Àִ ¡°Ë´Ù¸®°¡ µÇ°íÀÚ ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® °­ÀǸ¦ ÇÏ¸ç »çÀÌÆ®¸¦ ²Ù¸®°í ÀÖ´Ù.

    Àü°øµµ¼­/´ëÇб³Àç ºÐ¾ß¿¡¼­ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥

      ¸®ºä

      0.0 (ÃÑ 0°Ç)

      100ÀÚÆò

      ÀÛ¼º½Ã À¯ÀÇ»çÇ×

      ÆòÁ¡
      0/100ÀÚ
      µî·ÏÇϱâ

      100ÀÚÆò

      10.0
      (ÃÑ 0°Ç)

      ÆǸÅÀÚÁ¤º¸

      • ÀÎÅÍÆÄÅ©µµ¼­¿¡ µî·ÏµÈ ¿ÀǸ¶ÄÏ »óÇ°Àº ±× ³»¿ë°ú Ã¥ÀÓÀÌ ¸ðµÎ ÆǸÅÀÚ¿¡°Ô ÀÖÀ¸¸ç, ÀÎÅÍÆÄÅ©µµ¼­´Â ÇØ´ç »óÇ°°ú ³»¿ë¿¡ ´ëÇØ Ã¥ÀÓÁöÁö ¾Ê½À´Ï´Ù.

      »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
      ´Ü, »óÇ°ÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦Á¡ ¹ß°ß ÈÄ 30ÀÏ À̳»

      ¹ÝÇ°/±³È¯ ºñ¿ë

      º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã
      »óÇ°À̳ª ¼­ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯/¹ÝÇ°Àº ¹Ý¼Û·á ÆǸÅÀÚ ºÎ´ã

      ¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯

      ·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
      (´ÜÁö È®ÀÎÀ» À§ÇÑ Æ÷Àå ÈѼÕÀº Á¦¿Ü)

      ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì
      ¿¹) È­ÀåÇ°, ½ÄÇ°, °¡ÀüÁ¦Ç°(¾Ç¼¼¼­¸® Æ÷ÇÔ) µî

      ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì
      ¿¹) À½¹Ý/DVD/ºñµð¿À, ¼ÒÇÁÆ®¿þ¾î, ¸¸È­Ã¥, ÀâÁö, ¿µ»ó È­º¸Áý

      ·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
      ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó

      ·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº ¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© 󸮵Ê

      ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼­ÀÇ ¼ÒºñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ

      (ÁÖ)KGÀ̴Ͻýº ±¸¸Å¾ÈÀü¼­ºñ½º¼­ºñ½º °¡ÀÔ»ç½Ç È®ÀÎ

      (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.

      • - µµ¼­ ±¸¸Å ½Ã 15,000¿ø ÀÌ»ó ¹«·á¹è¼Û, 15,000¿ø ¹Ì¸¸ 2,500¿ø - »óÇ°º° ¹è¼Ûºñ°¡ ÀÖ´Â °æ¿ì, »óÇ°º° ¹è¼Ûºñ Á¤Ã¥ Àû¿ë