°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (21,380¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (15,750¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (18,000¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

PyTorch·Î ½ÃÀÛÇÏ´Â µö·¯´× : µö·¯´× ±âÃÊ¿¡¼­ ÃֽŠ¸ð´ø ¾ÆÅ°ÅØó±îÁö

¿øÁ¦ : Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

ÆǸÅÁö¼ö 10
?
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¤°¡

25,000¿ø

  • 22,500¿ø (10%ÇÒÀÎ)

    1,250P (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¸
  • 3/29(±Ý) 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

ÀÌ Ã¥Àº ÆÄÀÌÅäÄ¡¸¦ ÀÌ¿ëÇÑ µö·¯´× ÀÔ¹®¼­´Ù. ÆÄÀÌÅäÄ¡´Â ÃÖ±Ù ±Û·Î¹úÇÏ°Ô °¡Àå Å« ÁÖ¸ñÀ» ¹Þ´Â ¸Ó½Å ·¯´×/µö·¯´× ÇÁ·¹ÀÓ¿öÅ©´Ù. µö·¯´× ÀÔ¹®ÀÚ¸¦ ´ë»óÀ¸·Î ±âº»ÀûÀÎ ¼±Çü/ȸ±Í ¸ðµ¨ºÎÅÍ CNN, RNN, GAN°ú °°Àº °í±Þ ³×Æ®¿öÅ©±îÁö ´Ù·ç¸ç, ´õ ³ª¾Æ°¡ ÀüÀÌÇнÀ(Transfer Learning)°ú VGG16, ResNet, Inception, DeseNet µî ÃֽŠ¸ð´ø ¾ÆÅ°ÅØó¸¦ È°¿ëÇÏ´Â ±â¹ý±îÁö ü°èÀûÀ¸·Î ÇнÀÇÏ°í üÇèÇÒ ¼ö ÀÖµµ·Ï ±¸¼ºµÅ ÀÖ´Ù. ÀÌ Ã¥À» ÅëÇØ µö·¯´× ±âº» °³³ä, µ¥ÀÌÅÍ Àüó¸®, ½Å°æ¸Á °í±Þ ¸ðµ¨ ¹× µö·¯´× ÀÀ¿ë ±â¹ýÀ» ÀÌÇØÇÒ ¼ö ÀÖ´Ù.

ÃâÆÇ»ç ¼­Æò

¡Ú ÀÌ Ã¥ÀÌ ´Ù·ç´Â ³»¿ë ¡Ú
¡á ÆÄÀÌÅäÄ¡¸¦ ÀÌ¿ëÇÑ GPU °¡¼Ó ÅÙ¼­ ¿¬»ê
¡á torchvision¿Í torchtext¸¦ »ç¿ëÇØ À̹ÌÁö¿ë »ç¿ëÀÚ Á¤ÀÇ µ¥ÀÌÅͼ°ú µ¥ÀÌÅÍ ·Î´õ¸¦ ¸¸µé°í ¸ðµ¨À» Å×½ºÆ®ÇÏ´Â ±â¹ý
¡á ÆÄÀÌÅäÄ¡·Î CNN ¾ÆÅ°ÅØó¸¦ ±¸ÇöÇØ À̹ÌÁö ºÐ·ù±â Á¦ÀÛ
¡á RNN, LSTM ¹× GRU¸¦ ÀÌ¿ëÇØ ÅؽºÆ® ºÐ·ù ¹× ¾ð¾î ¸ðµ¨¸µ ½Ã½ºÅÛ ±¸Ãà
¡á ResNet, Inception, Densenet °°Àº °í±Þ CNN ¾ÆÅ°ÅØó¸¦ ¼Ò°³ÇÏ°í, ÀüÀÌ ÇнÀÀ» ÀÌ¿ëÇØ °í±Þ ¾ÆÅ°ÅØó »ç¿ë
¡á ¿©·¯ ¸ðµ¨À» È¥ÇÕÇØ °­·ÂÇÑ ¾Ó»óºí ¸ðµ¨ ±¸Ãà
¡á GANÀ» »ç¿ëÇØ »õ À̹ÌÁö¸¦ »ý¼ºÇÏ°í ½ºÅ¸ÀÏ Æ®·£½ºÆÛ¸¦ »ç¿ëÇØ ¿¹¼úÀû À̹ÌÁö »ý¼º

¡Ú ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¡Ú

µö·¯´×¿¡ °ü½ÉÀÌ ÀÖ´Â ¿£Áö´Ï¾î, µ¥ÀÌÅÍ ºÐ¼®°¡ ¹× µ¥ÀÌÅÍ °úÇÐÀÚ ±×¸®°í ÆÄÀÌÅäÄ¡¸¦ »ç¿ëÇØ °í±Þ ¾Ë°í¸®ÁòÀ» Ž»öÇÏ°í ±¸ÇöÇÏ·Á´Â »ç¿ëÀÚ¸¦ ´ë»óÀ¸·Î ÇÑ´Ù. ÀÌ Ã¥À» Àд µ¥ ¸Ó½Å ·¯´×¿¡ ´ëÇÑ Áö½ÄÀº µµ¿òÀÌ µÇÁö¸¸ Çʼö´Â ¾Æ´Ï´Ù. ±×·¯³ª ÆÄÀ̽ã ÇÁ·Î±×·¡¹ÖÀº ´Ù·ê ÁÙ ¾Ë¾Æ¾ß ÇÑ´Ù.

¡Ú ÀÌ Ã¥ÀÇ ±¸¼º ¡Ú

1Àå, ¡®ÆÄÀÌÅäÄ¡ µö·¯´× ù°ÉÀ½¡¯¿¡¼­´Â ÀΰøÁö´É(AI, Artificial Intellligence)°ú ¸Ó½Å ·¯´×ÀÇ ¿ª»ç¸¦ »ìÆ캸°í ÃÖ±ÙÀÇ µö·¯´× ¼ºÀå¿¡ ´ëÇØ ¾Ë¾Æº»´Ù. Çϵå¿þ¾î¿Í ¾Ë°í¸®ÁòÀÇ ´Ù¾çÇÑ °³¼±ÀÌ ¿©·¯ ¾ÖÇø®ÄÉÀÌ¼Ç ºÐ¾ß¿¡¼­ µö·¯´×À» ±¸ÇöÇÏ´Â µ¥ ¾ó¸¶³ª Å« ¼º°øÀ» °¡Á®¿Ô´ÂÁö¿¡ °üÇؼ­µµ ¼³¸íÇÑ´Ù. ¸¶Áö¸·À¸·Î ÆäÀ̽ººÏ(Facebook)¿¡¼­ ÅäÄ¡(Torch) À§¿¡ ±¸ÃàÇÑ ¾Æ¸§´Ù¿î ÆÄÀÌÅäÄ¡ ÆÄÀ̽㠶óÀ̺귯¸®¸¦ ¼Ò°³ÇÑ´Ù.
2Àå, ¡®½Å°æ¸Á ±¸¼º ¿ä¼Ò¡¯¿¡¼­´Â º¯¼ö, ÅÙ¼­ ¹× nn.module°ú °°Àº ÆÄÀÌÅäÄ¡ÀÇ ±¸¼º ¿ä¼Ò¸¦ ¼Ò°³ÇÑ´Ù. ½Å°æ¸ÁÀ» °³¹ßÇÏ´Â µ¥ ÀÌ ±¸¼º ¿ä¼Ò¸¦ ¾î¶»°Ô »ç¿ëÇÏ´ÂÁö ¾Ë¾Æº»´Ù.
3Àå, ¡®½Å°æ¸Á ÆÄÇìÄ¡±â¡¯¿¡¼­´Â µ¥ÀÌÅÍ Áغñ, ÅÙ¼­¸¦ ¹èÄ¡ ó¸®Çϱâ À§ÇÑ µ¥ÀÌÅÍ ·Î´õ, ³×Æ®¿öÅ© ¾ÆÅ°ÅØó »ý¼ºÀ» À§ÇÑ torch.nn ÆÐÅ°Áö, ÆÄÀÌÅäÄ¡ ¼Õ½Ç ÇÔ¼ö ¹× ¿ÉƼ¸¶ÀÌÀú »ç¿ë°ú °°Àº ½Å°æ¸ÁÀ» ÇнÀ½ÃÅ°´Â µ¥ ÇÊ¿äÇÑ ¿©·¯ ÇÁ·Î¼¼½º¸¦ ´Ù·é´Ù.
4Àå, ¡®¸Ó½Å ·¯´× ÀÔ¹®¡¯¿¡¼­´Â °ú´ëÀûÇÕ, °ú¼ÒÀûÇÕ°ú °°Àº ¿©·¯ °¡Áö À¯ÇüÀÇ ¸Ó½Å ·¯´× ¹®Á¦¿¡ ´ëÇØ ¾Ë¾Æº»´Ù. ¶ÇÇÑ µ¥ÀÌÅÍ Áõ½Ä, µå·Ó¾Æ¿ô, °ú´ëÀûÇÕÀ» ¹æÁöÇÏ´Â ¹èÄ¡ Á¤±ÔÈ­(batch normalization)¿Í °°Àº ´Ù¾çÇÑ ±â¹ýÀ» ¼Ò°³ÇÑ´Ù.

¡Ú ¿Å±äÀÌÀÇ ¸» ¡Ú

2018³â¿¡ °¡Àå ¶ß°Å¿ü´ø Å°¿öµå´Â ¾Æ¸¶µµ ÀΰøÁö´É, ¸Ó½Å ·¯´×, µö·¯´×À̶ó°í »ý°¢ÇÑ´Ù. ÀÌ Å°¿öµåÀÇ ¿­±â´Â 2019³â¿¡µµ °è¼ÓµÉ °ÍÀÌ´Ù. ÀÌ Å°¿öµå°¡ Å« °ü½ÉÀ» ¹Þ´Â ÀÌÀ¯´Â ¸Ó½Å ·¯´×¿¡ ´ëÇÑ »çȸÀûÀÎ °ü½É, µö·¯´×ÀÇ ¾öû³­ ¹ßÀü ¼Óµµ ±×¸®°í ½Å±âÇÑ ´É·Â ¶§¹®ÀÏ °ÍÀÌ´Ù. ¾Æ¸¶µµ ÀÀ¿ë ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ßÀÚµéÀº µö·¯´×ÀÌ ±¸ÇöÇÑ »ç·Ê¸¦ º¸¸é¼­ ±× ¸Å·Â¿¡ ²ø·Á ´©±¸³ª µö·¯´× Ã¥ ÇѵΠ±ÇÂëÀº »òÀ» °Å¶ó »ý°¢ÇÑ´Ù.
µö·¯´× ¼öÇÐ, Åë°èÇÐ, ¸Ó½Å ·¯´×, µö·¯´× ÇÁ·¹ÀÓ¿öÅ© ¹× ÀÎÇÁ¶ó µî ¿©·¯ ºÐ¾ßÀÇ ±â¼ú°ú Çй®¿¡ °ÉÃÄ ÀÖ´Ù. ÀÌ·± ÀÌÀ¯·Î µö·¯´× ±â¼úÀÇ Àü¹ÝÀûÀÎ È帧À» ´Ù·ç´Â ÀÔ¹®¼­¸¦ °í¸£±â¶õ ¾î·Æ´Ù.
ÀÌ·± Àǹ̿¡¼­ ÀÌ Ã¥Àº µö·¯´× ÀÔ¹®¼­·Î ÀûÇÕÇÑ Ã¥ÀÌ´Ù. ¿ì¼± ¿¹Á¦°¡ °£°áÇÏ°í ÀÌÇØÇϱ⠽±´Ù. ÆÄÀÌÅäÄ¡ ³×Æ®¿öÅ©ÀÇ ±¸¼º ¿ä¼Ò¸¦ ºí·Ï ´ÜÀ§·Î ó¸®Çϱ⠶§¹®¿¡ ÀÌÇØÇϱ⠽±°í È®ÀåÇϱâ Æí¸®ÇÏ´Ù. ¶ÇÇÑ ¼ö½Ä¿¡ Ä¡ÁßÇÏÁö ¾Ê°í Á÷°üÀûÀÎ °³³äÀ¸·Î ½±°Ô ¼³¸íÇÏ°í, µö·¯´× ±¸Çö¿¡ ÇÊ¿äÇÑ ¸Ó½Å ·¯´× °³³äÀ» ¿ä¾àÇØ È¿°úÀûÀ¸·Î Àü´ÞÇÑ´Ù. ÀÌ·¯ÇÑ ±¸¼ºÀ¸·Î ÀÎÇØ µö·¯´× ÀÔ¹®ÀÚ¿¡°Ô ºÎ´ãÀ» ÁÙÀÌ°í, ¹Ýº¹ÀûÀÎ ¿¹Á¦·Î ÆÄÀÌÅäÄ¡ Äڵ忡 Àͼ÷ÇØÁöµµ·Ï À¯µµÇÑ´Ù.
óÀ½¿¡´Â ´Ü¼øÇÑ ¼±Çü ¸ðµ¨°ú ȸ±Í ¸ðµ¨·Î µö·¯´× ³×Æ®¿öÅ©¸¦ ±¸¼ºÇÏ´Â ¿¹Á¦·Î ½ÃÀÛÇÏÁö¸¸, ÆÄÀÌÅäÄ¡ÀÇ ºôµù ºí·Ï °³³äÀ» ÀÌ¿ëÇØ °£´ÜÇÑ ¸ðµ¨¿¡¼­ CNN, RNN, LSTM ¹× GAN ¸ðµ¨ µî ´Ù¾çÇÑ À¯ÇüÀÇ È®ÀåµÈ ¸ðµ¨À» ¹ßÀü½ÃÄÑ ³ª°£´Ù. ¶ÇÇÑ ÀüÀÌ ÇнÀ(Transfer Learning)À» ÀÌ¿ëÇØ CNN°ú RNNÀ» ´õ ºü¸£°Ô ÇнÀ½ÃÅ°´Â ¹æ¹ý°ú VGG, ResNet, Inception, DenseNet µî ÃֽŠ¸ð´ø ¾ÆÅ°ÅØó¸¦ »ç¿ëÇÏ°í ÀüÀÌ ÇнÀ ¹× ¾Ó»óºí ¸ðµ¨·Î ÀÀ¿ëÇÏ´Â ¹æ¹ý±îÁöµµ ´Ù·é´Ù.
ÇÑ ±ÇÀÇ ÀÔ¹®¼­¿¡ ´Ù¾çÇÑ ³»¿ëÀ» ´ãÀ» ¼ö ÀÖ´Â °ÍÀº ÆÄÀÌÅäÄ¡ÀÇ ÈûÀÌ´Ù. ÆÄÀÌÅäÄ¡´Â °ø°³µÈ Áö 2³â¹Û¿¡ ¾È µÈ µö·¯´× ÇÁ·¹ÀÓ¿öÅ©Áö¸¸, °£°á¼º°ú À¯¿¬¼º ´öºÐ¿¡ µö·¯´× ºÐ¾ß¿¡¼­ Å« ÁÖ¸ñÀ» ¹Þ°í ÀÖ´Ù. ÀÌ·¯ÇÑ Æ¯Â¡°ú ÇÔ²² º¹ÀâÇÑ °³³äÀ» ºôµù ºí·ÏÀ¸·Î Ãß»óÈ­ÇÏ°í, ´Ù¾çÇÑ À¯Æ¿¸®Æ¼ ±â´ÉÀ» Á¦°øÇÏ´Â ÆÄÀÌÅäÄ¡´Â µö·¯´× ÀÔ¹®ÀÚ¿¡°Ô °¡Àå ÀûÇÕÇÑ µö·¯´× ÇÁ·¹ÀÓ¿öÅ©¶ó°í »ý°¢ÇÑ´Ù.
µö·¯´×¿¡ ÀÔ¹®ÇÏ´Â ºÐµé¿¡°Ô ÀÌ Ã¥ÀÌ Á¶±ÝÀ̳ª¸¶ µµ¿òÀÌ µÆÀ¸¸é ÇÏ´Â ¹Ù¶÷À¸·Î ÀÌ Ã¥À» ¹ø¿ªÇß´Ù.


5Àå, ¡®ÄÄÇ»ÅÍ ºñÀü µö·¯´×¡¯¿¡¼­´Â 1Â÷¿ø°ú 2Â÷¿ø ÄÁº¼·ç¼Ç, ¸Æ½º Ç®¸µ, Æò±Õ Ç®¸µ, ±âº» CNN ¾ÆÅ°ÅØó¿Í °°Àº Convolutional Neural Network(CNN)ÀÇ ±¸¼º ¿ä¼Ò¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. »çÀü¿¡ ÇнÀµÈ ¸ðµ¨À» ÀÌ¿ëÇÏ´Â ÀüÀÌ ÇнÀ¿¡ ´ëÇØ ¾Ë¾Æº¸°í, ¸¶Áö¸·À¸·Î »çÀü °è»êµÈ ÄÁº¼·ç¼Ç ÇÇó¸¦ ÀÌ¿ëÇØ ÀüÀÌ ÇнÀÀ» ´õ ºü¸£°Ô ÁøÇàÇÏ´Â ±â¹ýÀ» ¼Ò°³ÇÑ´Ù.
6Àå, ¡®½ÃÄö½º µ¥ÀÌÅÍ¿Í ÅؽºÆ® µö·¯´×¡¯¿¡¼­´Â IMDB µ¥ÀÌÅͼÂÀ» ÅؽºÆ® ºÐ·ùÇÏ´Â ´Ù¾çÇÑ ¾ÆÅ°ÅØó¸¦ ¼Ò°³ÇÑ´Ù. ¿öµå ÀÓº£µù, »çÀü ÇнÀµÈ ¿öµå ÀÓº£µù »ç¿ë ¹æ¹ý, RNN, LSTM°ú 1Â÷¿ø ÄÁº¼·ç¼Ç¿¡ ´ëÇØ »ìÆ캻´Ù.
7Àå, ¡®»ý¼ºÀû ½Å°æ¸Á¡¯¿¡¼­´Â µö·¯´×À» ÀÌ¿ëÇØ ¿¹¼úÀû À̹ÌÁö¸¦ »ý¼ºÇÏ´Â ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. ¶ÇÇÑ DCGANÀ» »ç¿ëÇØ »õ·Î¿î À̹ÌÁö¸¦ »ý¼ºÇغ¸°í, ¾ð¾î ¸ðµ¨À» ÀÌ¿ëÇØ ÅؽºÆ®¸¦ »ý¼ºÇÏ´Â ¹æ¹ýÀ» ¾Ë¾Æº»´Ù.
8Àå, ¡®¸ð´ø ³×Æ®¿öÅ© ¾ÆÅ°ÅØ󡯿¡¼­´Â ÃֽŠÄÄÇ»ÅÍ ºñÀü ¾ÖÇø®ÄÉÀ̼ÇÀ» Áö¿øÇÏ´Â ResNet, Inception ¹× DenseNet°ú °°Àº ¾ÆÅ°ÅØó¿¡ ´ëÇØ ¾Ë¾Æº»´Ù. ¾ð¾î ¹ø¿ª ¹× À̹ÌÁö ĸ¼Ç°ú °°Àº ÃֽŠ½Ã½ºÅÛÀ» Áö¿øÇÏ´Â ÀÎÄÚ´õ-µðÄÚ´õ ¾ÆÅ°ÅØó¿¡ ´ëÇØ °£·«ÇÏ°Ô »ìÆ캻´Ù.
9Àå, ¡®¸¶Ä§Ç¥ ±×¸®°í »õ·Î¿î ½ÃÀÛ¡¯¿¡¼­´Â ¾Õ¿¡¼­ ¹«¾ùÀ» ¹è¿ü´ÂÁö ¿ä¾àÇÏ°í µö·¯´× ºÐ¾ß¿¡¼­ Áö¼ÓÀûÀ¸·Î ÃֽŠÁ¤º¸¿Í »óŸ¦ À¯ÁöÇÏ´Â ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù.

¸ñÂ÷

¼­¹®
ÁöÀºÀÌ ¼Ò°³
±â¼ú °¨¼öÀÚ ¼Ò°³
¿Å±äÀÌ ¼Ò°³
¿Å±äÀÌÀÇ ¸»
µé¾î°¡¸ç

1Àå. ÆÄÀÌÅäÄ¡·Î µö·¯´× ½ÃÀÛÇϱâ

__ÀΰøÁö´É
____ÀΰøÁö´ÉÀÇ ¿ª»ç
__¸Ó½Å ·¯´×
____½Ç»ýÈ° ¸Ó½Å ·¯´× »ç·Ê
__µö·¯´×
____µö·¯´× ¾ÖÇø®ÄÉÀ̼Ç
____µö·¯´×ÀÇ °úÀåµÈ ¹Ì·¡
____µö·¯´× ¿ª»ç
____¿Ö Áö±ÝÀΰ¡?
____Çϵå¿þ¾î °¡¿ë¼º
____µ¥ÀÌÅÍ¿Í ¾Ë°í¸®Áò
____µö·¯´× ÇÁ·¹ÀÓ¿öÅ©
________ÆÄÀÌÅäÄ¡
__¿ä¾à

2Àå. ½Å°æ¸Á ±¸¼º ¿ä¼Ò

__ÆÄÀÌÅäÄ¡ ¼³Ä¡
__ù ¹ø° ½Å°æ¸Á
____µ¥ÀÌÅÍ Áغñ
________½ºÄ®¶ó(0Â÷¿ø ÅÙ¼­)
________º¤ÅÍ(1Â÷¿ø ÅÙ¼­)
________Çà·Ä(2Â÷¿ø ÅÙ¼­)
________3Â÷¿ø ÅÙ¼­
________ÅÙ¼­ ½½¶óÀ̽Ì(ÅÙ¼­ ÀÚ¸£±â)
________4Â÷¿ø ÅÙ¼­
________5Â÷¿ø ÅÙ¼­
________GPU Áö¿ø Tensor
________Variable
____½Å°æ¸Á¿¡ »ç¿ëÇÒ µ¥ÀÌÅÍ »ý¼ºÇϱâ
________ÇнÀ ÆĶó¹ÌÅÍ »ý¼º
________½Å°æ¸Á ¸ðµ¨
________³×Æ®¿öÅ© ±¸Çö
________¿ÀÂ÷ ÇÔ¼ö
________½Å°æ¸Á ÃÖÀûÈ­
____µ¥ÀÌÅÍ ·Îµù
________µ¥ÀÌÅͼ Ŭ·¡½º
________µ¥ÀÌÅͷδõ Ŭ·¡½º
__¿ä¾à

3Àå. ½Å°æ¸Á ÆÄÇìÄ¡±â

__½Å°æ¸Á ±¸¼º ¿ä¼Ò
____·¹À̾î - ½Å°æ¸Á ±âº» ºí·Ï
____ºñ¼±Çü È°¼º ÇÔ¼ö
________½Ã±×¸ðÀ̵å
________Tanh
________ReLU
________Leakly ReLU
____ÆÄÀÌÅäÄ¡ ºñ¼±Çü È°¼ºÈ­ ÇÔ¼ö
________ÆÄÀÌÅäÄ¡ µö·¯´× ¾Ë°í¸®Áò ±¸ÇöÇϱâ
________´Ù¾çÇÑ ¸Ó½Å ·¯´× ¹®Á¦¸¦ À§ÇÑ ¸ðµ¨ ¾ÆÅ°ÅØó
________¼Õ½Ç ÇÔ¼ö
________³×Æ®¿öÅ© ¾ÆÅ°ÅØó ÃÖÀûÈ­
____µö·¯´×À» ÀÌ¿ëÇÑ À̹ÌÁö ºÐ·ù
________ÆÄÀÌÅäÄ¡ Tensor·Î µ¥ÀÌÅÍ ·Îµù
________ÀÏ°ý ó¸® ÇüÅ·ΠÆÄÀÌÅäÄ¡ Tensor·Î ·ÎµùÇϱâ
__³×Æ®¿öÅ© ¾ÆÅ°ÅØó ±¸Ãà
________¸ðµ¨ ÇнÀ
__¿ä¾à

4Àå. ¸Ó½Å ·¯´× ÀÔ¹®

__¸Ó½Å ·¯´×ÀÇ ¼¼ °¡Áö À¯Çü
____ÁöµµÇнÀ
____ºñÁöµµÇнÀ
____°­È­ÇнÀ
__¸Ó½Å ·¯´× ¿ë¾î
__¸Ó½Å ·¯´× ¸ðµ¨ Æò°¡
____ÇнÀ, °ËÁõ ¹× Å×½ºÆ® ºÐÇÒ
__´Ü¼ø Ȧµå¾Æ¿ô °ËÁõ
__K-°ã °ËÁõ
__µ¥ÀÌÅÍ È¥ÇÕÀÌ Àû¿ëµÈ K-°ã °ËÁõ
__µ¥ÀÌÅÍ Àüó¸®¿Í Ư¼º °øÇÐ
____º¤ÅÍÈ­
____¼öÄ¡ Á¤±ÔÈ­
____´©¶ô µ¥ÀÌÅÍ Ã³¸®
____Ư¼º °øÇÐ
__°ú´ëÀûÇÕ°ú °ú¼ÒÀûÇÕ
____´õ ¸¹Àº µ¥ÀÌÅÍ È®º¸
____³×Æ®¿öÅ© Å©±â ÁÙÀ̱â
____°¡ÁßÄ¡ ±ÔÁ¦ Àû¿ë
____µå·Ó¾Æ¿ô
____°ú¼ÒÀûÇÕ
__¸Ó½Å ·¯´× ÇÁ·ÎÁ§Æ® ¿öÅ©Ç÷Î
____¹®Á¦ Á¤ÀÇ¿Í µ¥ÀÌÅͼ ¸¸µé±â
____¸ðµ¨ Æò°¡ ±âÁØ
____Æò°¡ ÇÁ·ÎÅäÄÝ
____µ¥ÀÌÅÍ Áغñ
____±âÁØ ¸ðµ¨
____°ú´ëÀûÇÕ µÉ Á¤µµÀÇ ¸ðµ¨
____°¡ÁßÄ¡ ±ÔÁ¦ Àû¿ë
____ÇнÀ·ü ¼±Á¤ Àü·«
__¿ä¾à

5Àå. ÄÄÇ»ÅÍ ºñÀü µö·¯´×

__½Å°æ¸Á ù°ÉÀ½
____MNIST - µ¥ÀÌÅÍ °¡Á®¿À±â
__CNN ¸ðµ¨ ±¸Ãà
CONV2D
____Ç®¸µ
____ºñ¼±Çü È°¼ºÈ­ ·¹À̾î- RELU
____ºä
________¼±Çü ·¹À̾î
____¸ðµ¨ ÇнÀ
____CNNÀ» ÀÌ¿ë1°³¿Í °í¾çÀÌ ºÐ·ù
____ÀüÀÌ ÇнÀÀ» ÀÌ¿ëÇÑ °³¿Í °í¾çÀÌ ºÐ·ù
__VGG16 ¸ðµ¨ »ý¼º°ú Ž»ö
____·¹ÀÌ¾î °íÁ¤
____¼¼ºÎ Á¶Á¤: VGG16
____VGG16 ¸ðµ¨ ÇнÀ
__»çÀü °è»êµÈ ÄÁº¼·ç¼Ç ÇÇó »ç¿ë
__CNN ÇнÀ¿¡ ´ëÇÑ ÀÌÇØ
____Áß°£ ·¹À̾îÀÇ Ãâ·Â ½Ã°¢È­
__Áß°£ ·¹À̾îÀÇ °¡ÁßÄ¡ ½Ã°¢È­
__¿ä¾à

6Àå. ½ÃÄö½º µ¥ÀÌÅÍ¿Í ÅؽºÆ® µö·¯´×

__ÅؽºÆ® µ¥ÀÌÅÍ ºÐ¼®
____ÅäÅ«È­
________ÅؽºÆ®¸¦ ¹®ÀÚ·Î º¯È¯
________ÅؽºÆ®¸¦ ´Ü¾î·Î º¯È¯
________N-±×·¥ Ç¥Çö
____º¤ÅÍÈ­
________¿ø-ÇÖ ÀÎÄÚµù
____¿öµå ÀÓº£µù
__°¨¼º ºÐ·ù±â·Î ¿öµå ÀÓº£µù ÇнÀ½ÃÅ°±â
____IMDB ´Ù¿î·Îµå¿Í ÅؽºÆ® ÅäÅ«È­
________torchtext
________torchtext
____¾îÈÖ ±¸Ãà
____º¤ÅÍ ¹èÄ¡ »ý¼º
____ÀÓº£µùÀ¸·Î ³×Æ®¿öÅ© ¸ðµ¨ ¸¸µé±â
____¸ðµ¨ ÇнÀ½ÃÅ°±â
__»çÀü ÇнÀ ¿öµå ÀÓº£µù
____ÀÓº£µù ´Ù¿î·Îµå
____¸ðµ¨¿¡ ÀÓº£µù ·ÎµùÇϱâ
____ÀÓº£µù ·¹ÀÌ¾î °¡ÁßÄ¡ °íÁ¤
__RNN
____RNN ÀÛµ¿ ¹æ½Ä ÀÌÇØ
__LSTM
____Àå±â Á¾¼Ó¼º
____LSTM ³×Æ®¿öÅ©
________µ¥ÀÌÅÍ ÁغñÇϱâ
________¹èÄ¡ 󸮱⠻ý¼ºÇϱâ
________³×Æ®¿öÅ© »ý¼ºÇϱâ
________¸ðµ¨ ÇнÀ½ÃÅ°±â
__½ÃÄö½º µ¥ÀÌÅÍ¿Í CNN
____½ÃÄö½º µ¥ÀÌÅ͸¦ À§ÇÑ 1Â÷¿ø ÄÁº¼·ç¼Ç ÀÌÇØ
________³×Æ®¿öÅ© ¸¸µé±â
________¸ðµ¨ ÇнÀ½ÃÅ°±â
__¿ä¾à

7Àå. »ý¼ºÀû ½Å°æ¸Á

__½Å°æ¸Á ½ºÅ¸ÀÏ Æ®·£½ºÆÛ
____µ¥ÀÌÅÍ ·Îµù
____VGG ¸ðµ¨ »ý¼º
____ÄÜÅÙÃ÷ ¼Õ½Ç
____½ºÅ¸ÀÏ ¼Õ½Ç
____VGG ¸ðµ¨ ·¹À̾îÀÇ ¼Õ½Ç ÃßÃâ
____°¢ ·¹À̾îÀÇ ¼Õ½Ç ÇÔ¼ö ¸¸µé±â
____¿ÉƼ¸¶ÀÌÀú ¸¸µé±â
____ÇнÀ
__»ý»êÀû Àû´ë ½Å°æ¸Á
____½ÉÃþ ÄÁº¼·ç¼Ç GAN
____»ý¼º±â ³×Æ®¿öÅ© Á¤ÀÇ
________ÀüÄ¡ ÄÁº¼·ç¼Ç
________¹èÄ¡ Á¤±ÔÈ­
________»ý¼º±â ³×Æ®¿öÅ© Á¤ÀÇ
____ÆǺ°±â ³×Æ®¿öÅ© Á¤ÀÇ
____¿ÀÂ÷¿Í ¿ÉƼ¸¶ÀÌÀú Á¤ÀÇ
____ÆǺ°±â ³×Æ®¿öÅ© ÇнÀ
________½ÇÁ¦ À̹ÌÁö·Î ÆǺ°±â ÇнÀ½ÃÅ°±â
________°¡Â¥ À̹ÌÁö·Î ÆǺ°±â ÇнÀ½ÃÅ°±â
____»ý¼º±â ³×Æ®¿öÅ© ÇнÀ
____Àüü ³×Æ®¿öÅ© ÇнÀ ½ÃÅ°±â
____»ý¼º À̹ÌÁö °ËÅä
__¾ð¾î ¸ðµ¨
____µ¥ÀÌÅÍ Áغñ
____¹èÄ¡ 󸮱⠻ý¼º
________¹èÄ¡
________Backpropagation through time
____LSTM¿¡ ±â¹ÝÇÑ ¸ðµ¨ Á¤ÀÇ
____ÇнÀ°ú Æò°¡ ÇÔ¼ö Á¤ÀÇ
____¸ðµ¨ ÇнÀ
__¿ä¾à

8Àå. ¸ð´ø ³×Æ®¿öÅ© ¾ÆÅ°ÅØó

__ÃֽŠ³×Æ®¿öÅ© ¾ÆÅ°ÅØó
____ResNe
________ÆÄÀÌÅäÄ¡ µ¥ÀÌÅͼ ¸¸µé±â
________ÇнÀ°ú °ËÁõÀ» À§ÇÑ ·Î´õ »ý¼º
________ResNet ¸ðµ¨ ¸¸µé±â
________ÄÁº¼·ç¼Ç ÇÇó ÃßÃâ
________¹Ì¸® °è»êµÈ ÄÁº¼·ç¼Ç ÇÇó¿Í ·Î´õ¸¦ À§ÇÑ »ç¿ëÀÚ Á¤ÀÇ ÆÄÀÌÅäÄ¡ µ¥ÀÌÅͼ Ŭ·¡½º ¸¸µé±â
________´Ü¼øÇÑ ¼±Çü ¸ðµ¨ ¸¸µé±â
________¸ðµ¨ ÇнÀ°ú °ËÁõ
____ÀμÁ¼Ç
________ÀμÁ¼Ç ¸ðµ¨ ¸¸µé±â
________register_forward_hoodÀ» ÀÌ¿ëÇØ ÄÁº¼·ç¼Ç ÇÇó ÃßÃâÇϱâ
________ÄÁº¼·ç¼Ç ÇÇó¸¦ À§ÇÑ »õ·Î¿î µ¥ÀÌÅͼ ¸¸µé±â
________Àü¿¬°á ¸ðµ¨ ¸¸µé±â
________¸ðµ¨ ÇнÀ°ú °ËÁõ
__DenseNet: ÄÁº¼·ç¼Ç ³×Æ®¿öÅ©ÀÇ Àü¿¬°á ¾ÆÅ°ÅØó
____DenseBlock
____DenseLayer
________µ§½º³Ý ¸ðµ¨ »ý¼º
________µ§½º³Ý ÇÇó ÃßÃâ
________µ¥ÀÌÅͼ°ú ·Î´õ ¸¸µé±â
________Àü¿¬°á ¸ðµ¨À» »ý¼ºÇÏ°í ÇнÀ
__¾Ó»óºí ¸ðµ¨
____3°³ ¸ðµ¨ ¸¸µé±â
____Extracting the image features
____µ¥ÀÌÅÍ ·Î´õ¿Í »ç¿ëÀÚ Á¤ÀÇ µ¥ÀÌÅͼ »ý¼º
____¾Ó»óºí ¸ðµ¨ ¸¸µé±â
____¸ðµ¨ ÇнÀ½ÃÅ°°í °ËÁõ
__ÀÎÄÚ´õ-µðÄÚ´õ ¾ÆÅ°ÅØó
____ÀÎÄÚ´õ
____µðÄÚ´õ
__¿ä¾à

9Àå. ¸¶Áö¸· ±×¸®°í »õ·Î¿î ½ÃÀÛ

__´ÙÀ½Àº?
__°³¿ä
__¿¬±¸ °¡Ä¡°¡ ÀÖ´Â Èï¹Ì·Î¿î ¾ÆÀ̵ð¾î
____°´Ã¼ ÀνÄ
____À̹ÌÁö ºÐÇÒ
____ÆÄÀÌÅäÄ¡ OPENNMT
____ALIEN NLP
____FAST
____ONNX
__Áö¼ÓÀûÀÎ Á¤º¸ ¾÷µ¥ÀÌÆ® ¹æ¹ý
__¿ä¾à

ã¾Æº¸±â

ÀúÀÚ¼Ò°³

ºñ½´´© ¼öºê¶ó¸¶´Ï¾È [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

´Ù¼öÀÇ ºòµ¥ÀÌÅÍ ºÐ¼® ÇÁ·ÎÁ§Æ®(ÀΰøÁö´É, ¸Ó½Å ·¯´× ¹× µö·¯´×)¿¡¼­ ÇÁ·ÎÁ§Æ® ¸®µù, ¼³°è ¹× ±¸Çö ¿ªÇÒÀ» ´ã´çÇß´Ù. ¸Ó½Å ·¯´×, µö·¯´×, ºÐ»ê ȯ°æ ¸Ó½Å ·¯´× ¹× ½Ã°¢È­¿¡ Àü¹®¼ºÀ» °®°í ÀÖ´Ù. À¯Åë, ±ÝÀ¶ ¹× ¿©Çà ºÐ¾ß¿¡¼­ °æÇèÀ» ½×¾Ò´Ù. ºñÁö´Ï½º, ÀΰøÁö´É ±×¸®°í ¿£Áö´Ï¾î ÆÀ °£ÀÇ ÀÌÇØ¿Í ¼ÒÅëÀ» µ½°í Á¶Á¤ÇÏ´Â µ¥ ´É¼÷ÇÏ´Ù.

ºñ½´´© ¼öºê¶ó¸¶´Ï¾È [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

±èÅÂ¿Ï [¿ª] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

±èÅÂ¿Ï [¿ª] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´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 °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