±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
Á¤°¡ |
29,000¿ø |
---|
26,100¿ø (10%ÇÒÀÎ)
1,450P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
ºÐ¸í, Deep LearningÀº ¾î·Á¿î ºÐ¾ßÀÌ´Ù. ¸¹Àº ¼öÇÐ ¼ö½Ä°ú Åë°è Áö½ÄÀÌ ÇÊ¿äÇÏ´Ù. ÇÏÁö¸¸ Google»ç°¡ tensorflow¸¦ ³»³õÀºÁö ¸î ³âÀÌ Áö³ Áö±Ý, Keras°¡ µîÀåÇÏ°í ¼ö ¸¹Àº ¸ðµ¨ÀÌ °³¹ßµÇ¾úÀ¸¸ç ¸¹Àº ¿¬±¸ÀÚµéÀÌ ÀÌ ºÐ¾ß¸¦ ¿¬±¸ÇÏ¸é¼ Deep LearningÀº Á¶±Ý¾¿ ½¬¿öÁö°í ÀÖ´Ù.
¸ðµç ºÐ¾ß°¡ ±×·¸µí Deep LearningºÐ¾ßµµ ½ÇÀü¿¡ ¹Ù·Î ¾²ÀÏ ¼ö ÀÖ´Â ¿¹Á¦¸¦ ÅëÇØ °øºÎÇÒ ¶§ È®½ÇÇÏ°Ô ¹è¿ï ¼ö ÀÖ´Ù.
¼ö ¸¹Àº Deep LearningÃ¥ÀÌ ÀÖÁö¸¸ ´ëºÎºÐ ½Å°æ¸ÁÀÇ ±âÃÊ ¿ø¸®¿¡ ´ëÇؼ¸¸ ´Ù·ç°í ½Éµµ ÀÖ´Â ½ÇÀü ¿¹Á¦¸¦ ´Ù·çÁö ¾Ê´Â´Ù.
ÀÌ Ã¥Àº Àüü°¡ ¿¹Á¦·Î ±¸¼ºµÇ¾î ÀÖ´Ù. ±×°Íµµ ±âÃÊÀûÀÎ ¿¹Á¦°¡ ¾Æ´Ñ Deep LearningÀ» °øºÎÇÏ¸é¼ ²À ¾Ë°í ½Í¾ú´ø ÁÖÁ¦¸¦ ½Éµµ ÀÖ°Ô ´Ù·é´Ù. CookbookÇü½ÄÀ¸·Î µÇ¾î ÀÖ¾î ¹Ù·Î Ã£¾Æ¼ ¿øÇÏ´Â ÁÖÁ¦¸¦ °øºÎÇÒ ¼ö ÀÖ´Ù.
ÀúÀڴ ģÀýÇÏ°Ô ¸ðµç ¿¹Á¦¸¦ Jupyter NotebookÀ¸·Î Á¦°øÇÑ´Ù. ÀÌ ÆÄÀÏ¿¡´Â ¸ðµç ÄÚµå¿Í ÇнÀ¿¡ ÇÊ¿äÇÑ µ¥ÀÌÅÍ°¡ µé¾î ÀÖ¾î °£ÆíÇÏ°Ô Äڵ带 ½ÇÇàÇÒ ¼ö ÀÖ´Ù. ¾î¶² ¿¹Á¦´Â ÇнÀÀ» À§ÇÑ µ¥ÀÌÅ͸¦ ±¸Çϴµ¥¸¸ ¸î ÀÏÀÌ °É¸± ¼ö ÀÖÁö¸¸ ÀÌ ÆÄÀÏÀ» ÀÌ¿ëÇÏ¸é ½±°Ô Äڵ带 ½ÇÇàÇÒ ¼ö ÀÖ´Ù.
ÃâÆÇ»ç ¼Æò
ITºÐ¾ß¿¡´Â ¼ö ¸¹Àº ÁÖÁ¦°¡ ź»ýÇÏ°í »ç¶óÁø´Ù. ÀΰøÁö´É, Deep Learning´Â ¾î¶»°Ô µÉ±î? ¾Õ ³¯À» ¾Ë ¼ö´Â ¾øÁö¸¸ ÀÌ ÁÖÁ¦´Â ºÐ¸í ²Ï ¿À·£ ½Ã°£ ³²¾Æ ¹ßÀüÇÒ °ÍÀÌ´Ù. Google»ç°¡ DeepMind»ç¸¦ ÀμöÇÏ°í ¾ËÆÄ°í°¡ µîÀåÇßÀ» ¶§¸¸ Çصµ ÀÌ ºÐ¾ß¸¦ °øºÎÇÏ´Â »ç¶÷Àº ¼Ò¼ö¿¡ ºÒ°úÇß´Ù. ±×·¯³ª Áö±ÝÀº ¼¼°è °÷°÷¿¡¼ ¼ö ¸¹Àº ¿¬±¸ÀÚµéÀÌ ¿¬±¸ ¼º°ú¸¦ ½ñ¾Æ³»°í ÀÖ´Ù.
¸ðµç ºÐ¾ß°¡ ±×·¸°Ô ¿¹Á¦¸¦ ÅëÇØ °øºÎÇÒ ¶§ °¡Àå È®½ÇÇÏ°Ô ÀÌÇØÇÒ ¼ö ÀÖ´Ù. ±âÁ¸ ½Å°æ¸Á °ü·ÃµÈ Ã¥Àº ¾ÆÁÖ ±âÃÊÀûÀÎ ¿¹Á¦¸¸ ´Ù·ç°í Áö³ªÄ¡°Ô ÀÌ·ÐÀûÀÎ ºÎºÐÀ» ¸¹ÀÌ ´Ù·é´Ù.
¶§·Î´Â ¿¹Á¦¸¦ ÅëÇØ ±× µÚ¿¡ ¼û¾î ÀÖ´Â ÀÌ·ÐÀûÀÎ ºÎºÐÀ» ÀÌÇØÇÒ ¼öµµ ÀÖ´Ù. ÀÌ·± Ãø¸é¿¡¼ º¼ ¶§ ÀÌ Ã¥¿¡¼ º¸¿©ÁÖ´Â ´Ù¾çÇÑ ¿¹Á¦´Â ½Å°æ¸ÁÀ» ´õ¿í Àß ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ºÐ¸íÈ÷ µµ¿ï °ÍÀÌ´Ù.
½Å°æ¸ÁÀ» ´Ù·ç´Â °ÍÀº ¿¹Àü¿¡ ºñÇÏ¸é ºñ±³ÇÒ ¼ö ¾øÀ» Á¤µµ·Î ½¬¿öÁ³´Ù. ±×¸®°í ÇнÀÀ» À§ÇÑ µ¥ÀÌÅ͸¦ ±¸ÇÏ´Â °Íµµ ¾ÆÁÖ ¸¹ÀÌ ½¬¿öÁ³´Ù.
¸¶À½¸¸ ¸ÔÀ¸¸é ¾ðÁ¦µç ÈǸ¢ÇÑ ¿¬±¸ÀÚµé°ú ¾î±ú¸¦ ³ª¶õÈ÷ ÇÒ ¼ö ÀÖ´Ù.
¿©±â ±×·± °í¼öµéÀÇ ³ëÇÏ¿ì°¡ ´ã±ä Ã¥À» ¹ß°£ÇÑ´Ù. ÀúÀÚÀÇ ¾î±ú À§¿¡¼ À§¸¦ ¹Ù¶óº¼ ¼ö ÀÖ°Ô µÉ °ÍÀÌ´Ù.
ÀÌ Ã¥Àº ³î¶ó¿î Ã¥ÀÌ´Ù. ÀúÀÚ°¡ °ÞÀº ½ÇÆÐ¿Í ¼º°øÀ» ´Ü¹ø¿¡ Á¤¸®ÇÏ¿© ÀÌ Ã¥À» Àд »ç¶÷À¸·Î ÇÏ¿©±Ý ²É ±æ¸¸ °È°Ô ÇÑ´Ù. Ã¥ ³»¿ëÀ» º¸¸é ÀÌ ¾î·Á¿î ÁÖÁ¦¸¦ ÀÌ·¸°Ô °£´ÜÇÏ°Ô ¼³¸í Çصµ µÇ³ª ½ÍÀ» Á¤µµ·Î ±ò²ûÇÏ°Ô Á¤¸®ÇØ ¼³¸íÇÑ´Ù. µ¶ÀÚ´Â ±× À§¿¡ ÀڽŸ¸ÀÇ »õ·Î¿î ¿¬±¸¸¦ ¿Ã·Á³õ±â¸¸ ÇÏ¸é µÈ´Ù.
¸ñÂ÷
¼¹®
Chapter_01 µµ±¸¿Í ±â¼ú
____1.1 ½Å°æ¸ÁÀÇ Á¾·ù
____1.2 µ¥ÀÌÅÍ ±¸Çϱâ
____1.3 µ¥ÀÌÅÍ Àüó¸®Çϱâ
Chapter_02 ¹®Á¦ ÇØ°áÇϱâ
____2.1 ¹®Á¦¿¡ ºüÁ³´ÂÁö ÆÇ´ÜÇϱâ
____2.2 ·±Å¸ÀÓ ¿À·ù ÇØ°áÇϱâ
____2.3 Áß°£ °á±£°ªÀ» È®ÀÎÇϱâ
____2.4 ¿ÇÀº (¸¶Áö¸· ·¹À̾î) È°¼ºÈ ÇÔ¼ö °í¸£±â
____2.5 Á¤±ÔÈ¿Í µå·Ó¾Æ¿ô
____2.6 ³×Æ®¿öÅ© ±¸Á¶, ¹èÄ¡ Å©±â, ÇнÀ ¼Óµµ
Chapter_03 ´Ü¾î ÀÓº£µùÀ» »ç¿ëÇÏ¿© ÅؽºÆ® À¯»ç¼º °è»êÇϱâ
____3.1. ¹Ì¸® ÇнÀµÈ ´Ü¾î ÀÓº£µùÀ» ÀÌ¿ëÇÏ¿© ´Ü¾î À¯»ç¼º ã±â
____3.2. Word2vec ¼öÇÐ
____3.3. ´Ü¾î ÀÓº£µù ½Ã°¢È
____3.4. ÀÓº£µù¿¡¼ °³Ã¼ÀÇ Å¬·¡½º ã±â
____3.5. Ç׸ñ ³»¿¡¼ ½Ã¸àƽ °Å¸® °è»ê
____3.6. ±¹°¡ µ¥ÀÌÅ͸¦ Áöµµ·Î ½Ã°¢ÈÇϱâ
Chapter_04 À§Å°Çǵð¾Æ ¿ÜºÎ ¸µÅ©¸¦ ÀÌ¿ëÇÑ Ãßõ ½Ã½ºÅÛ ±¸Ãà
____4.1. µ¥ÀÌÅÍ ¼öÁý
____4.2. ¿µÈ ÀÓº£µù ÇнÀÇϱâ
____4.3. ¿µÈ Ãßõ ½Ã½ºÅÛ ¸¸µé±â
____4.4 ´Ü¼ø ¿µÈ ÆòÁ¡ ¿¹Ãø
Chapter_05 ƯÁ¤ ¹®Ã¼¸¦ Èä³» ³»´Â ¹®Àå »ý¼ºÇϱâ
____5.1 °ø°³ µµ¼¿¡¼ ¹®Àå ÃßÃâÇϱâ
____5.2 ¼ÎÀͽºÇǾ ¾´ °Í °°Àº ¹®Àå »ý¼ºÇϱâ
____5.3 RNNÀ» »ç¿ëÇÏ¿© ÀÚµîÀ¸·Î ÆÄÀ̽ã ÄÚµå »ý¼ºÇϱâ
____5.4 °á°ú¹°ÀÇ º¯µ¿¼º Á¦¾îÇϱâ
____5.5 RNN µ¿ÀÛ ½Ã°¢ÈÇϱâ
Chapter_06 Áú¹®, ´äº¯ ¸ÅĪ
____6.1 StackExchange¿¡¼ µ¥ÀÌÅÍ È¹µæÇϱâ
____6.2 Pandas¸¦ »ç¿ëÇÏ¿© µ¥ÀÌÅÍ Å½»öÇϱâ
____6.3 Keras¸¦ »ç¿ëÇÏ¿© Æ¯Â¡ÈµÈ ÅؽºÆ® »ç¿ëÇϱâ
____6.4 Áú¹®, ´äº¯ ¸ðµ¨ ¸¸µé±â
____6.5 Pandas·Î ¸ðµ¨ ÈÆ·ÃÇϱâ
____6.6 À¯»çµµ °ËÁõ
Chapter_07 À̸ðƼÄÜ ÃßõÇϱâ
____7.1 °£´ÜÇÑ °¨Á¤ ºÐ·ù±â ¸¸µé±â
____7.2 ´Ü¼ø ºÐ·ù±â ºÐ¼®
____7.3 CNNÀ» ÀÌ¿ëÇÑ °¨Á¤ ºÐ¼®
____7.4 Æ®À§ÅÍ µ¥ÀÌÅÍ ¼öÁý
____7.5 ´Ü¼ø À̸ðƼÄÜ ¿¹Ãø±â
____7.6 µå·Ó¾Æ¿ô°ú ´ÙÁß À©µµ¿ì
____7.7 ´Ü¾î ·¹º§ ¸ðµ¨ ±¸ÃàÇϱâ
____7.8 ÀڽŸ¸ÀÇ ÀÓº£µù ¸¸µé±â
____7.9 RNNÀ» ÀÌ¿ëÇÏ¿© ºÐ·ùÇϱâ
____7.10 °á°ú¸¦ ½Ã°¢ÈÇÏ¿© Æò°¡Çϱâ
____7.11 ¸ðµ¨ Á¶ÇÕÇϱâ
Chapter_08 sequence-to-sequence ¸ÊÇÎ
____8.1 °£´ÜÇÑ sequence-to-sequence ¸ðµ¨À» ÈÆ·ÃÇϱâ
____8.2. ÅؽºÆ®·ÎºÎÅÍ ´ëÈ ³»¿ëÀ» ÃßÃâÇϱâ
____8.3. °ø°³ ¾îÈÖÁý ó¸®
____8.4. seq2seq 꺿 ÈÆ·ÃÇϱâ
Chapter_09 ÀÌ¹Ì ÈÆ·ÃµÈ À̹ÌÁö ÀÎ½Ä ½Å°æ¸Á Àç»ç¿ëÇϱâ
____9.1 »çÀü ÈÆ·ÃµÈ ½Å°æ¸Á ·ÎµåÇϱâ
____9.2 À̹ÌÁö »çÀü ó¸®Çϱâ
____9.3 À̹ÌÁö Ãß·Ð
____9.4 Flickr API¸¦ »ç¿ëÇÏ¿© ·¹ÀÌºí µÈ À̹ÌÁö¸¦ ¼öÁýÇϱâ
____9.5 °³¿Í °í¾çÀ̸¦ ±¸º°ÇÒ ¼ö ÀÖ´Â ºÐ·ù±â ±¸ÃàÇϱâ
____9.6 °Ë»ö Ç°Áú °³¼±Çϱâ
____9.7 À̹ÌÁö ÀÎ½Ä ½Å°æ¸Á À¯Áö º¸¼öÇϱâ
Chapter_10 ÀÔ·ÂµÈ À̹ÌÁö¿Í À¯»çÇÑ À̹ÌÁö ã´Â ¼ºñ½º ±¸ÃàÇϱâ
____10.1. À§Å°Çǵð¾Æ¿¡¼ À̹ÌÁö ¾ò±â.
____10.2. N Â÷¿ø °ø°£À¸·Î À̹ÌÁö Åõ¿µÇϱâ
____10.3. °íÂ÷¿ø °ø°£¿¡¼ ÃÖ±ÙÁ¢ ÀÌ¿ô ã±â
____10.4. ÀÓº£µù °ø°£¿¡¼ ·ÎÄà Ŭ·¯½ºÅÍ ½Ã°¢È
Chapter_11 ÇÑ À̹ÌÁö¿¡¼ ¿©·¯ °´Ã¼ °ËÃâÇϱâ
____11.1 »çÀü ÇнÀµÈ À̹ÌÁö ºÐ·ù ½Å°æ¸ÁÀ» »ç¿ëÇÏ¿© ´ÙÁß °´Ã¼ °ËÃâÇϱâ
____11.2 Faster RCNNÀ» ÀÌ¿ëÇØ ´ÙÁß °´Ã¼ °ËÃâÇϱâ
____11.3 ÀÚü À̹ÌÁö·Î Faster RCNN ½ÇÇàÇϱâ.
Chapter_12 À̹ÌÁö ½ºÅ¸ÀÏ
____12.1. CNN È°¼ºÈ ½Ã°¢ÈÇϱâ
____12.2. ¿ÁŸºê¿Í ½ºÄÉÀϸµ
____12.3. ½Å°æ¸ÁÀÌ °¨ÁöÇÑ °ÍÀ» ½Ã°¢ÈÇϱâ
____12.4. À̹ÌÁöÀÇ ½ºÅ¸ÀÏ Æ÷ÂøÇϱâ
____12.5. À̹ÌÁö ÀÏ°ü¼º Áõ°¡¸¦ À§ÇÑ ¼Õ½Ç ±â´É °³¼±
____12.6. ½ºÅ¸ÀÏÀ» ´Ù¸¥ À̹ÌÁö¿¡ Àû¿ëÇϱâ
____12.7. ½ºÅ¸ÀÏ º¸°£(Interpolation)
Chapter_13 Autoencoder¸¦ »ç¿ëÇÏ¿© À̹ÌÁö »ý¼ºÇϱâ
____13.1 Google Quick Draw¿¡¼ ³«¼ °¡Á®¿À±â
____13.2 À̹ÌÁö¿ë Autoencoder¸¸µé±â
____13.3 Autoencoder °á°ú ½Ã°¢È
____13.4 Á¤È®ÇÑ ºÐÆ÷·ÎºÎÅÍ À̹ÌÁö Ç¥º» ÃßÃâÇϱâ
____13.5 VAE °ø°£ ½Ã°¢È
____13.6 Conditional Variational Autoencoders
Chapter_14 DeepNetsÀ» »ç¿ëÇÏ¿© ¾ÆÀÌÄÜ »ý¼ºÇϱâ
____14.1 ÇнÀ¿¡ ÇÊ¿äÇÑ ¾ÆÀÌÄÜ ¼¼Æ® ¾ò±â
____14.2 ¾ÆÀÌÄÜÀ» º¤ÅÍ·Î º¯È¯Çϱâ
____14.3 VAE¸¦ »ç¿ëÇÏ¿© ¾ÆÀÌÄÜ »ý¼ºÇϱâ
____14.4 µ¥ÀÌÅÍ Áõ°À» ÀÌ¿ëÇØ AutoencoderÀÇ ¼º´É Çâ»ó ½ÃÅ°±â
____14.5 GAN(»ý»êÀû Àû´ë ½Å°æ¸Á) ¸¸µé±â
____14.6 GAN ÇнÀÇϱâ
____14.7 GANÀÌ »ý¼ºÇÑ ¾ÆÀÌÄÜ Ç¥½Ã
____14.8 ±×¸®±â ¸í·É¾î·Î ¾ÆÀÌÄÜ ÀÎÄÚµùÇϱâ
____14.9 RNN¿¡ ±×¸®±â ¸í·É¾î ÇнÀ½ÃÅ°±â
____14.10 RNNÀ» »ç¿ëÇÏ¿© ¾ÆÀÌÄÜ »ý¼ºÇϱâ
Chapter_15 À½¾Ç°ú µö·¯´×
____15.1 À½¾Ç ºÐ·ù±â¸¦ À§ÇÑ ÈÆ·Ã ¼¼Æ® ¸¸µé±â
____15.2 À½¾Ç À帣 °¨Áö±â ÈÆ·Ã
____15.3 È¥µ¿(Confusion) ½Ã°¢È
____15.4 ±âÁ¸ À½¾Ç À妽Ì
____15.5 Spotify API »ç¿ëÇϱâ
____15.6 Spotify¿¡¼ Àç»ý ¸ñ·Ï ¹× ³ë·¡ ¼öÁýÇϱâ
____15.7 À½¾Ç Ãßõ½Ã½ºÅÛ ÈÆ·Ã
____15.8 word2vec ¸ðµ¨À» »ç¿ëÇÑ ³ë·¡ Ãßõ
Chapter_16 ¸Ó½Å ·¯´× ½Ã½ºÅÛ Á¦Ç°ÈÇϱâ
____16.1. ÀÓº£µùÀ» À§ÇØ Scikit-LearnÀÇ ÃÖ±ÙÁ¢ ÀÌ¿ô Ž»ö ±â´É »ç¿ëÇϱâ
____16.2. ÀÓº£µù ÀúÀåÀ» À§ÇØ PostgreSQL »ç¿ëÇϱâ
____16.3. ÀÓº£µùÀ» PostgreSQL¿¡ ÀúÀåÇÏ°í Äõ¸®Çϱâ
____16.4 PostgreSQL¿¡ °íÂ÷¿ø ¸ðµ¨ ÀúÀåÇϱâ
____16.5 PythonÀ¸·Î ¸¶ÀÌÅ©·Î ¼ºñ½º ¸¸µé±â
____16.6 Keras ¸ðµ¨À» ¸¶ÀÌÅ©·Î ¼ºñ½º·Î ¹èÆ÷Çϱâ
____16.7 À¥ ÇÁ·¹ÀÓ¿öÅ©¿¡¼ ¸¶ÀÌÅ©·Î ¼ºñ½º È£ÃâÇϱâ
____16.8 TensorFlowÀÇ seq2seq ¸ðµ¨ Á¦Ç°ÈÇϱâ
____16.9 ºê¶ó¿ìÀú¿¡¼ µö·¯´× ¸ðµ¨ ½ÇÇàÇϱâ
____16.10 TensorFlow ServingÀ» »ç¿ëÇÏ¿© Keras ¸ðµ¨
____16.11 iOS¿¡¼ Keras ¸ðµ¨ »ç¿ëÇϱâ
°ü·ÃÀ̹ÌÁö
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
»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.