°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (25,650¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (18,900¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (21,600¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® : ´Ù¾çÇÑ ÆÄÀ̽㠶óÀ̺귯¸®¿Í ¼ÒÇÁÆ®¿þ¾î¸¦ È°¿ëÇÑ µ¥ÀÌÅÍ »çÀ̾ð½ºÀÇ ÀÌÇØ

¿øÁ¦ : Python Data Analysis - Second Edition: Data manipulation and complex data analysis with Python
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

ÆǸÅÁö¼ö 18
?
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¤°¡

30,000¿ø

  • 27,000¿ø (10%ÇÒÀÎ)

    1,500P (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
¹è¼ÛÁ¤º¸
  • 3/20(¼ö) 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

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

¾Æ¸£¸¸µµ ÆÇ´ç°í [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

ÀÌâȭ [¿ª] ½ÅÀ۾˸² SMS½Åû
»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.

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

    0.0
    (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 °áÁ¦´ë±Ý¿¹Ä¡¾÷ µî·Ï¹øÈ£: 02-006-00013

    (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.
    µî·Ï ¿©ºÎ´Â e-±ÝÀ¶¹Î¿ø¼¾ÅÍ È¨ÆäÀÌÁö(www.fcsc.kr)ÀÇ µî·Ï¡¤½Å°í>ÀüÀÚ±ÝÀ¶¾÷µî·ÏÇöȲ ¸Þ´º¿¡¼­ È®ÀÎÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù. ¼­ºñ½º °¡ÀÔ»ç½Ç È®ÀÎ

    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