±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
30,000¿ø |
---|
27,000¿ø (10%ÇÒÀÎ)
1,500P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
NumPy, SciPy, Pandas, matplotlib, scikit-learn µîÀÇ ¶óÀ̺귯¸®¸¦ ÀÌ¿ëÇØ IPython ¹× Jupyter-notebook ±â¹ÝÀÇ ÆÄÀ̽ã ȯ°æ¿¡¼ ÀÛ¾÷À» ÇÏ°Ô µÈ´Ù. ¼±Çü ´ë¼ö, µ¥ÀÌÅÍ ½Ã°¢È, ½Ã°è¿ µ¥ÀÌÅÍ, µ¥ÀÌÅͺ£À̽º¿Í °°Àº ±âº» °³³äÀ» »ìÆ캸¸ç, ³ª¾Æ°¡ °¨¼º ºÐ¼®, ¿¹Ãø ºÐ¼®, ÄÚµåÀÇ ¼º´É °³¼±¿¡ ´ëÇؼµµ ¹è¿î´Ù. ¼öÇÐ °³³äÀ» ²ø¾î¿Í ´Ù¾çÇÑ ºÐ¾ß¿¡ Àû¿ëÇغ¸¸ç, ±âº» °³³äºÎÅÍ ¿¹Á¦ ÀÀ¿ë, °í±Þ ³»¿ë¿¡ °üÇÑ µ¥ÀÌÅÍ °úÇÐÀ» °øºÎÇÒ ¼ö ÀÖ´Ù.
ÃâÆÇ»ç ¼Æò
¡Ú ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë ¡Ú
¡á NumPy, SciPy, Pandas, statsmodels, scikit-learn, ¶¼¾Æ³ë(theano), Äɶó½º(keras), ÅÙ¼ÇÃ·Î¿Í °°Àº ¿ÀǼҽº ÆÄÀ̽㠸ðµâÀÇ ¼³Ä¡
¡á µ¥ÀÌÅÍÀÇ Áغñ ¹× Á¤Á¦¿Í Ž±¸ ºÐ¼®À» À§ÇÑ µ¥ÀÌÅÍ È°¿ë
¡á Pandas·Î µ¥ÀÌÅÍ ´Ù·ç±â
¡á RDBMS, NoSQL, ºÐ»ê ½Ã½ºÅÛ(HDFS, HDF5 µî)À» À§ÇÑ µ¥ÀÌÅÍÀÇ °Ë»ö ¹× ÀúÀå
¡á matplotlib, bokeh, plotly¿Í °°Àº ¿ÀǼҽº ¶óÀ̺귯¸®¸¦ ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ½Ã°¢È
¡á Áöµµ, ºñÁöµµ, È®·ü·ÐÀû(probabilistic), º£ÀÌÁö¾È µîÀÇ ´Ù¾çÇÑ ¸Ó½Å ·¯´× ±â¹ý ÇнÀ
¡á ½ÅÈ£ ó¸®¿Í ½Ã°è¿ µ¥ÀÌÅÍ ºÐ¼®ÀÇ ÀÌÇØ
¡á ±×·¡ÇÁ ó¸® ¹× ¼Ò¼È ¹Ìµð¾î ºÐ¼®
¡Ú ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¡Ú
ÀÌ Ã¥Àº ±âº»ÀûÀÎ ÆÄÀ̽ã Áö½ÄÀ» °®ÃèÀ¸¸ç, ÆÄÀ̽㠶óÀ̺귯¸®¸¦ ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼®À» ¹è¿ì°íÀÚ ÇÏ´Â ¼öÇÐÀÚ¸¦ À§ÇØ ¾²¿´´Ù. °¡´ÉÇÑ ÇÑ ±× ³»¿ëÀ» °£´ÜÈ÷ ´Ù·ç°íÀÚ ³ë·ÂÇßÁö¸¸, ¸ðµç ÁÖÁ¦¸¦ ÀÚ¼¼È÷ ±â¼úÇÏÁö ¸øÇß´Ù. ¼öÇп¡ °üÇÑ ±âº»ÀûÀÎ ³»¿ëÀº Ä ¾ÆÄ«µ¥¹Ì(Khan Academy)¿Í ÄÚ¼¼¶ó(Coursera) µîÀÇ ¿Â¶óÀÎ Ç÷§ÆûÀ» ÀÌ¿ëÇØ »ìÆ캸´Â °Íµµ ÁÁÀ» µíÇÏ´Ù.
¡Ú ÀÌ Ã¥ÀÇ ±¸¼º ¡Ú
1Àå. 'ÆÄÀ̽㠶óÀ̺귯¸®·Î ½ÃÀÛÇϱâ'¿¡¼´Â ÆÄÀ̽ã°ú ±âº»ÀûÀÎ ÆÄÀ̽㠵¥ÀÌÅÍ ºÐ¼® ¶óÀ̺귯¸®¸¦ ¼³Ä¡ÇÑ´Ù. NumPy¸¦ »ç¿ëÇØ °£´ÜÇÑ ¾ÖÇø®ÄÉÀ̼ÇÀ» ÀÛ¼ºÇÏ°í matplolib¸¦ ÅëÇØ ±âº»ÀûÀÎ ±×·¡ÇÁ¸¦ ±×·Áº»´Ù.
2Àå. 'NumPy ¹è¿ ´Ù·ç±â'¿¡¼´Â NumPy¿Í ±âº»ÀûÀÎ ¹è¿À» ¼Ò°³ÇÑ´Ù. ³¡ºÎºÐ¿¡¼´Â NumPy ¹è¿ÀÇ ±âº»À» ÀÌÇØÇÏ°í °ü·ÃµÈ ÇÔ¼ö¸¦ »ìÆ캻´Ù.
3Àå. 'Pandas ÀÔ¹®'¿¡¼´Â Pandas ÇÔ¼ö¼º, ÀÚ·á ±¸Á¶, ¿¬»êÀÚ¿¡ ´ëÇØ ¹è¿î´Ù.
4Àå. 'Åë°èÇÐ ¹× ¼±Çü ´ë¼ö'¿¡¼´Â ¼±Çü ´ë¼ö¿Í Åë°è ÇÔ¼ö¸¦ °£´ÜÈ÷ »ìÆ캻´Ù.
5Àå. 'µ¥ÀÌÅÍÀÇ °Ë»ö, ó¸®, ÀúÀå'¿¡¼´Â ´Ù¾çÇÑ Çü½Ä ÆÄÀÏ¿¡¼ µ¥ÀÌÅ͸¦ ¾ò´Â ¹æ¹ý°ú ¿ø½Ã µ¥ÀÌÅ͸¦ Á¤¸®ÇÏ°í ÀúÀåÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù.
6Àå. 'µ¥ÀÌÅÍ ½Ã°¢È'¿¡¼´Â matplolib¿Í Pandas Ç÷ÎÆÃ(plotting) ÇÔ¼ö¸¦ »ç¿ëÇØ µ¥ÀÌÅ͸¦ ±×·¡ÇÁÈÇÏ´Â ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù.
7Àå. '½ÅÈ£ ó¸®¿Í ½Ã°è¿'¿¡¼´Â ÈæÁ¡ Áֱ⠵¥ÀÌÅ͸¦ »ç¿ëÇÏ´Â ½Ã°è¿ ¹× ½ÅÈ£ ó¸® ¿¹Á¦¸¦ »ìÆ캻´Ù. ÀÌ ¿¹Á¦´Â statsmodels¿Í ÇÔ²² NumPy/SciPy¸¦ »ç¿ëÇÑ´Ù.
8Àå. 'µ¥ÀÌÅͺ£À̽º·Î ÀÛ¾÷Çϱâ'¿¡¼´Â ¿©·¯ µ¥ÀÌÅͺ£À̽º(°ü°èÇü ¹× NoSQL)¿Í °ü·Ã API¿¡ ´ëÇØ ¹è¿î´Ù.
9Àå. '¹®ÀÚ µ¥ÀÌÅÍ¿Í ¼Ò¼È ¹Ìµð¾î ºÐ¼®Çϱâ'¿¡¼´Â °¨¼º ºÐ¼®°ú ÁÖÁ¦ ÀÎÁö¸¦ À§ÇØ ¹®ÀÚ¸¦ ºÐ¼®Çغ»´Ù. ÁÖ¾îÁø ³×Æ®¿öÅ© ºÐ¼® ¿¹Á¦ ¶ÇÇÑ »ìÆ캻´Ù.
10Àå. '¿¹Ãø ºÐ¼®°ú ¸Ó½Å ·¯´×'¿¡¼´Â scikit-learn ¶óÀ̺귯¸®¸¦ ÀÌ¿ëÇØ ÁÖ¾îÁø ¿¹Á¦¿¡¼ ³¯¾¾¸¦ ¿¹ÃøÇÏ´Â ÀΰøÁö´É¿¡ ´ëÇØ ¾Ë¾Æº»´Ù. scikit-learn ¶óÀ̺귯¸®¿¡¼ ´Ù·çÁö ¾ÊÀº ¾Ë°í¸®Áò¿¡ »ç¿ëµÇ´Â ´Ù¸¥ APIµµ »ç¿ëÇغ»´Ù.
11Àå. 'ÆÄÀ̽㠿ÜÀÇ ¼ºñ½º ȯ°æ°ú Ŭ¶ó¿ìµå ÄÄÇ»ÆÃ'¿¡¼´Â ÆÄÀ̽ãÀ¸·Î ÀÛ¼ºµÇÁö ¾ÊÀº Äڵ带 ÅëÇÕÇØ ½ÇÇàÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù. Ŭ¶ó¿ìµå¿¡¼ ÆÄÀ̽ãÀ» »ç¿ëÇÏ´Â ºÎºÐµµ ´Ù·é´Ù.
12Àå. '¼º´É Æ©´×, ÇÁ·ÎÆÄÀϸµ, ±×¸®°í º´·Ä Á¦¾î'¿¡¼´Â Å° ±â¼úÀ» ÅëÇÑ ÇÁ·ÎÆÄÀϸµ°ú CythonÀ» ÀÌ¿ëÇØ ¼º´ÉÀ» ³ô¿©º»´Ù. ºÐ»ê ½Ã½ºÅÛ°ú ´ÙÁß Äھ ÀûÇÕÇÑ ÇÁ·¹ÀÓ¿öÅ©µµ ´Ù·é´Ù.
¸ñÂ÷
1Àå. ÆÄÀ̽㠶óÀ̺귯¸®·Î ½ÃÀÛÇϱâ
__ÆÄÀ̽ã 3 ¼³Ä¡Çϱâ
____µ¥ÀÌÅÍ ºÐ¼® ¶óÀ̺귯¸® ¼³Ä¡Çϱâ
____¸®´ª½º¿Í ¸Æ OS X
____À©µµ¿ì
__¼Ð¿¡¼ IPython »ç¿ëÇϱâ
__¸Å´º¾ó Àо±â
__Jupyter Notebook
__NumPy ¹è¿
__°£´ÜÇÑ ¿¹Á¦
__µµ¿ò¸» ¹× ÂüÁ¶Çϱâ
__ÆÄÀ̽㠶óÀ̺귯¸®ÀÇ ¸ðµâ ³ª¿Çϱâ
__matplotlib·Î µ¥ÀÌÅÍ ½Ã°¢ÈÇϱâ
__¿ä¾à
2Àå. NumPy ¹è¿ ´Ù·ç±â
__NumPy ¹è¿ °´Ã¼
____NumPy ¹è¿ÀÇ ÀåÁ¡
__´ÙÂ÷¿ø ¹è¿ »ý¼º
__NumPy ¹è¿ ¿ø¼Ò ÃßÃâÇϱâ
__NumPy ¼ýÀÚÇü
____ÀÚ·áÇü °´Ã¼
____¹®ÀÚ ÄÚµå
____dtype »ý¼ºÀÚ
____dtype ¾îÆ®¸®ºäÆ®
__ÀÏÂ÷¿ø ½½¶óÀÌ½Ì ¹× À妽Ì
__¹è¿ Çü»ó ´Ù·ç±â
____¹è¿ ÇÕÄ¡±â
____NumPy ¹è¿ ÂÉ°³±â
____NumPy ¹è¿ ¾îÆ®¸®ºäÆ®
____¹è¿ º¯È¯Çϱâ
__¹è¿ ºä¸¦ »ý¼ºÇÏ°í º¹»çÇϱâ
__°í±Þ À妽Ì
__À§Ä¡ µ¥ÀÌÅÍ·Î À妽ÌÇϱâ
__³í¸®Çü ¹æ½ÄÀ¸·Î À妽ÌÇϱâ
__ºê·Îµåij½ºÆÃ
__¿ä¾à
__Âü°í ÀÚ·á
3Àå. Pandas ÀÔ¹®
__Pandas ¼³Ä¡¿Í µÑ·¯º¸±â
__Pandas µ¥ÀÌÅÍÇÁ·¹ÀÓ
__Pandas ½Ã¸®Áî
__PandasÀÇ µ¥ÀÌÅÍ °Ë»ö
__Pandas µ¥ÀÌÅÍÇÁ·¹ÀÓ°ú Åë°èÇÐ
__Padas µ¥ÀÌÅÍÇÁ·¹ÀÓ°ú µ¥ÀÌÅÍ ¼öÁý
__µ¥ÀÌÅÍÇÁ·¹ÀÓ ¿¬¼â¿Í Ãß°¡
__µ¥ÀÌÅÍÇÁ·¹ÀÓ Á¶ÀÎ
__´©¶ôµÈ µ¥ÀÌÅÍ ´Ù·ç±â
__³¯Â¥ ´Ù·ç±â
__Çǹþ Å×À̺í
__¿ä¾à
__Âü°í ÀÚ·á
4Àå. Åë°èÇÐ¹× ¼±Çü ´ë¼ö
__NumPy¿Í ±âº»ÀûÀÎ Åë°èÇÐ
__NumPy¿Í ¼±Çü ´ë¼öÇÐ
____NumPy¿Í ¿ªÇà·Ä
____NumPy·Î ¼±Çü ½Ã½ºÅÛ Çؼ®Çϱâ
__NumPy¿Í °íÀ¯ °ª ¹× °íÀ¯ º¤ÅÍ
__NumPy¿Í ³¼ö
____°·ºí¸µ°ú ÀÌÇ× ºÐÆ÷
____Á¤±Ô ºÐÆ÷ »ùÇøµ
____SciPy¿Í Á¤±Ô¼º °ËÁ¤
__NumPy¿Í ¸¶½ºÅ·µÈ ¹è¿
____À½¼ö¹× ±Ø´ÜÀûÀÎ °ªµéÀÇ Á¦°Å
__¿ä¾à
5Àå. µ¥ÀÌÅÍ °Ë»ö°ú ó¸®, ÀúÀå
__NumPy¿Í Pandas·Î CSV ÆÄÀÏ ¾²±â .npy¿Í ÇÇŬ Æ÷¸Ë
__PyTables¿Í µ¥ÀÌÅÍ ÀúÀå
__HDF5 ÇüÅ·ΠPandas µ¥ÀÌÅÍÇÁ·¹ÀÓ ÀÐ±â ¹× ¾²±â
__Pandas·Î ¿¢¼¿ ÆÄÀÏ ÀÐ±â ¹× ¾²±â
__REST À¥ ¼ºñ½º ¹× JSON
__Pandas¿Í JSON ÀÐ±â ¹× ¾²±â
__RSS ¹× Atom Çǵå ÆĽÌ
__Beautiful Soup¸¦ È°¿ëÇÑ HTML ÆĽÌ
__¿ä¾à
__Âü°í ÀÚ·á
6Àå. µ¥ÀÌÅÍ ½Ã°¢È
__matplotlib ÆÐÅ°Áö
__±âº»ÀûÀÎ matplotlib Ç÷Ô
__·Î±× Ç÷Ô
__ºÐ»ê Ç÷Ô
__¹ü·Ê ¹× ÁÖ¼® 3Â÷¿ø Ç÷Ô
__Pandas¿Í Ç÷ÎÆÃ
__Áö¿¬ Ç÷Ô
__Àڱ⠻ó°ü Ç÷Ô
__Plot.ly
__¿ä¾à
7Àå. ½ÅÈ£ ó¸®¿Í ½Ã°è¿
__statsmodels ¸ðµâ
__À̵¿ Æò±Õ¹ý
__À©µµ¿ì ÇÔ¼ö
__°øÀûºÐ
__Àڱ⠻ó°ü
__ÀÚ±â ȸ±Í ¸ðµ¨
__ARMA ¸ðµ¨
__ÁÖ±âÀûÀÎ ½ÅÈ£ ¹ß»ýÇϱâ
__Ǫ¸®¿¡ ºÐ¼®
__½ºÆåÆ®·³ ºÐ¼®
__ÇÊÅ͸µ
__¿ä¾à
8Àå. µ¥ÀÌÅͺ£À̽º·Î ÀÛ¾÷Çϱâ
__sqlite3ÀÇ °³¿ä
__Pandas·Î µ¥ÀÌÅͺ£À̽º Á¢±ÙÇϱâ
__SQLAlchemy
____SQLAlchemy ¼³Ä¡ÇÏ°í ±¸¼ºÇϱâ
____SQLAlchemy·Î µ¥ÀÌÅͺ£À̽º Ãß°¡Çϱâ
____SQLAlchemy·Î µ¥ÀÌÅͺ£À̽º Äõ¸®Çϱâ
__Pony ORM
__Dataset: »ç¿ëÇϱ⠽¬¿î µ¥ÀÌÅͺ£À̽º
__PyMongo¿Í MongoDB
__Redis¿¡ µ¥ÀÌÅÍ ÀúÀåÇϱâ
__memcache¿¡ µ¥ÀÌÅÍ ÀúÀåÇϱâ
__Apache Cassandra
__¿ä¾à
9Àå. ¹®ÀÚ µ¥ÀÌÅÍ¿Í ¼Ò¼È ¹Ìµð¾î ºÐ¼®Çϱâ
__NLTK ¼³Ä¡
__NLTK¶õ?
__ºÒ¿ë¾î, °íÀ¯ ¸í»ç, ¼ýÀÚ °É·¯³»±â
__´Ü¾î ÁÖ¸Ó´Ï ¸ðµ¨
__´Ü¾î ºóµµ¼ö ºÐ¼®
__³ªÀÌºê º£ÀÌÁî ºÐ·ù±â
__°¨¼º ºÐ¼®
__¿öµå Ŭ¶ó¿ìµå ¸¸µé±â
__¼Ò¼È ¹Ìµð¾î ºÐ¼®
__¿ä¾à
10Àå. ¿¹Ãø ºÐ¼®°ú ¸Ó½Å ·¯´×
__Àüó¸®
__·ÎÁö½ºÆ½ ȸ±Í ºÐ¼®À» ÀÌ¿ëÇÑ ºÐ·ù
__¼Æ÷Æ® º¤ÅÍ ¸Ó½ÅÀ» ÀÌ¿ëÇÑ ºÐ·ù
__ElasticNetCV¸¦ ÀÌ¿ëÇÑ È¸±Í ºÐ¼®
__¼Æ÷Æ® º¤ÅÍ È¸±Í ºÐ¼®
__Ä£±Ùµµ ÀüÆĸ¦ ÀÌ¿ëÇÑ Å¬·¯½ºÅ͸µ
__Æò±Õ À̵¿
__À¯ÀüÀÚ ¾Ë°í¸®Áò
__½Å°æ¸Á
__°áÁ¤ Æ®¸®
__¿ä¾à
11Àå. ÆÄÀ̽㠿ÜÀÇ ¼ºñ½º ȯ°æ°ú Ŭ¶ó¿ìµå ÄÄÇ»ÆÃ
__Matlab/Octave·Î Á¤º¸ ÁÖ°í¹Þ±â
__rpy2 ÆÐÅ°Áö ¼³Ä¡ R ¾ð¾î ÀÎÅÍÆäÀ̽º
__ÀÚ¹Ù·Î NumPy ¹è¿ ³Ñ°ÜÁÖ±â
__SWIG¿Í NumPy ÅëÇÕÇϱâ
__Boost¿Í ÆÄÀ̽ã ÅëÇÕÇϱâ
__F2py·Î Æ÷Æ®¶õ ÄÚµå »ç¿ëÇϱâ
__PythonAnywhere Ŭ¶ó¿ìµå
__¿ä¾à
12Àå. ¼º´É Æ©´×, ÇÁ·ÎÆÄÀϸµ, ±×¸®°í º´·Ä Á¦¾î
__ÄÚµå ÇÁ·ÎÆÄÀϸµ
__Cython ¼³Ä¡Çϱâ C ÄÚµå È£ÃâÇϱâ
__´ÙÁß Ã³¸®·Î Ç® ÀÛ¾÷ »ý¼ºÇϱâ
__Joblib¿¡¼ º´·Ä for ¹Ýº¹¹®À» »ç¿ëÇØ ¼Óµµ ³ôÀ̱â
__Bottleneck°ú NumPy ÇÔ¼ö ºñ±³Çϱâ
__Jug·Î ¸Ê¸®µà½º ½ÇÇàÇϱâ
__ÆÄÀ̽㿡¼ MPI ¼³Ä¡Çϱâ
__º´·Ä IPython
__¿ä¾à
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
»ý³â¿ùÀÏ | - |
---|
°æºÏ´ëÇб³¿¡¼ ±â°è°øÇаú ÇÔ²² ÄÄÇ»ÅÍ °øÇÐÀ» Àü°øÇß´Ù. ÇöÀç ¿ï»ê°úÇбâ¼ú¿ø(UNIST)¿¡¼ ¼®»ç°úÁ¤À¸·Î µö·¯´×À» °øºÎÇÏ°í ÀÖ´Ù. ÄÄÇ»ÅÍ ºñÀü °ü·Ã µö·¯´×, Àΰ£-ÄÄÇ»ÅÍ »óÈ£ÀÛ¿ë ¿¬±¸¿¡ °ü½ÉÀÌ ¸¹À¸¸ç ´Ù¾çÇÑ ¿¬±¸¿Í ÇÁ·ÎÁ§Æ®¸¦ À̾°¡°í ÀÖ´Ù. ¡ºÇÔ¼öÇü ÀÚ¹Ù½ºÅ©¸³Æ® ÀÔ¹® 2/e¡»(¿¡ÀÌÄÜÃâÆÇ»ç, 2020), ¡ºÆÄÀ̽㠵¿½Ã¼º ÇÁ·Î±×·¡¹Ö¡»(¿¡ÀÌÄÜÃâÆÇ»ç, 2018), ¡ºÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® 2/e¡»(¿¡ÀÌÄÜÃâÆÇ»ç, 2018)À» ¹ø¿ªÇß´Ù.
¿ªÀÚÀÇ ´Ù¸¥Ã¥
Àüüº¸±âÁÖ°£·©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.