°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (29,930¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (22,050¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (25,200¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

ÅÙ¼­Ç÷θ¦ ÀÌ¿ëÇÑ °í±Þ µö·¯´× : ¼öÇÐÀÇ ±âÃÊ¿Í ÇÔ²² ÀÌÇØÇÏ´Â ÆÄÀ̽㠵ö·¯´×

¿øÁ¦ : Pro Deep Learning with TensorFlow: A Mathematical Approach to Advanced Artificial Intelligence in Py
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

ÆǸÅÁö¼ö 12
?
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¤°¡

35,000¿ø

  • 31,500¿ø (10%ÇÒÀÎ)

    1,750P (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(86)

  • »óÇ°±Ç

AD

Ã¥¼Ò°³

µö·¯´×¿¡ ÇÊ¿äÇÑ ¼öÇÐÀû ±âÃʺÎÅÍ µö·¯´×ÀÇ ±âº» ÀÌ·Ð, CNN, RNN, RBM ¹× GAN±îÁö ¸ðµÎ ´Ù·ç°í Àִ åÀÌ´Ù. ¸ÕÀú, µö·¯´×¿¡ ÇÊ¿äÇÑ ¼±Çü´ë¼ö, È®·ü, ¹ÌÀûºÐ, ÃÖÀûÈ­¿Í °°Àº ±âº»ÀûÀÎ ¼öÇÐÀûÀÎ ±âÃʸ¦ źźÈ÷ ´ÙÁø´Ù. À̸¦ ±â¹ÝÀ¸·Î µö·¯´×ÀÇ ±âº» °³³äÀ» ½±°Ô ¼³¸íÇÑ´Ù. ¶ÇÇÑ ÅÙ¼­Ç÷ÎÀÇ ±âº» ±¸¹®À» ¼³¸íÇØ ÅÙ¼­Ç÷ο¡ Àͼ÷ÇÒ ¼ö ÀÖµµ·Ï µ½´Â´Ù.
CNNÀ» ¼Ò°³Çϸ鼭 ±âº»ÀûÀÎ ½Å°æ¸ÁÀÇ ±¸Á¶¸¦ »ó¼¼È÷ ¼³¸íÇÏ°í, RNN, LSTM, ¾ç¹æÇâ RNN ¹× GRU¿Í °°Àº °í±Þ ÁÖÁ¦¸¦ ´Ù·é´Ù. ±×¸®°í RBM ¹× ÀÎÄÚ´õ¸¦ ´Ù·ç¸é¼­ ¼¼ºÎ ÁÖÁ¦ÀÎ ±é½º »ùÇøµ, º£ÀÌÁö¾È Ãß·Ð, ¸¶¸£ÄÚÇÁ üÀÎ ¸óÅ× Ä«¸¦·Î ¹æ¹ý ¹× PCA, ZCA È­ÀÌÆ®´×°ú °°Àº °°Àº ±â¹ý¿¡ »ó¼¼È÷ ¼³¸íÇÑ´Ù. ÀÌ¿Í ´õºÒ¾î DBN¿¡ ´ëÇؼ­µµ ÀÚ¼¼È÷ ´Ù·é´Ù.
¸¶Áö¸·À¸·Î ½Å°æ¸ÁÀÇ °í±Þ ÁÖÁ¦ÀÎ R-CNN, Fast R-CNN ¹× GAN¿¡ ´ëÇØ °ü·ÃµÈ ¿¹Á¦¿Í ÇÔ²² »ó¼¼È÷ ¼³¸íÇÏ°í ÀÖ´Ù. ÀÌ Ã¥ ÇÑ ±ÇÀ¸·Î µö·¯´×ÀÇ ¼öÇÐÀûÀÎ ±âÃÊ ¹× °í±Þ ÁÖÁ¦±îÁö ¸ðµÎ ¹è¿ï ¼ö ÀÖ´Ù.

ÃâÆÇ»ç ¼­Æò

¡á ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ µö·¯´×ÀÇ Àüü ½ºÅÃÀ» ÀÌÇØÇÏ°í µö·¯´×À» À§ÇÑ °ß°íÇÑ ¼öÇÐÀû Åä´ë ¸¶·ÃÇϱâ
¡á ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ ½Ç¹«¿¡ Àû¿ëÇÒ ¼ö ÀÖ´Â º¹ÀâÇÑ µö·¯´× ¼Ö·ç¼Ç ±¸ÃàÇϱâ
¡á ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ µö·¯´×¿¡ ´ëÇÑ ¿¬±¸ ¹× ½ÇÇè ¼öÇàÇϱâ

¡Ú ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¡Ú

ÀÌ Ã¥Àº º¹ÀâÇÑ ºñÁî´Ï½º ¹®Á¦¸¦ ÇØ°áÇϱâ À§ÇÑ µö·¯´× ¼Ö·ç¼ÇÀ» ã°í ÀÖ´Â µ¥ÀÌÅÍ °úÇÐÀÚ¿Í ¸Ó½Å ·¯´× Àü¹®°¡¸¦ ´ë»óÀ¸·Î ÇÑ´Ù. ÅÙ¼­Ç÷θ¦ ÅëÇØ µö·¯´× ¼Ö·ç¼ÇÀ» ¿¬±¸ÇÏ´Â ¼ÒÇÁÆ®¿þ¾î °³¹ßÀڵ鿡°Ôµµ ÀûÇÕÇÏ´Ù. ¶ÇÇÑ ´ëÇпø»ýÀ» À§ÇÑ Àú¼úÇÑ Ã¥À̸ç, ²÷ÀÓ¾øÀÌ ¹è¿ì°íÀÚ ÇÏ´Â ¿ÀǼҽº ¸¶´Ï¾ÆµéÀ» À§ÇØ Àú¼úµÆ´Ù.

¡Ú ÀÌ Ã¥ÀÇ ±¸¼º ¡Ú

1Àå. ¡®¼öÇÐ ±âÃÊ¡¯¿¡¼­´Â ¼±Çü´ë¼ö, È®·ü, ¹ÌÀûºÐ, ÃÖÀûÈ­, ¸Ó½Å ·¯´× ¼ö½Ä°ú °ü·ÃµÈ ¸ðµç ¼öÇÐ °³³äÀ» ÀÚ¼¼È÷ ¼³¸íÇϸç, µö·¯´×À» À§ÇØ ÇÊ¿äÇÑ ¼öÇÐÀû ±âÃʸ¦ ´Ù·é´Ù. ¿©±â¼­ ´Ù·é ´Ù¾çÇÑ ¼öÇÐ °³³äµéÀº ¸Ó½Å ·¯´×°ú µö·¯´× ºÐ¾ß¿¡¼­ »ç¿ëÇÏ´Â µ¥ ÃÊÁ¡À» ¸ÂÃç ¼³¸íÇÑ´Ù.
2Àå. ¡®µö·¯´× °³³ä°ú ÅÙ¼­Ç÷Π¼Ò°³¡¯¿¡¼­´Â µö·¯´× ¼¼°è¸¦ ¼Ò°³ÇÏ°í Áö³­ ¸î ³â µ¿¾ÈÀÇ ¹ßÀü °úÁ¤À» ³íÀÇÇÑ´Ù. ÆÛ¼ÁÆ®·Ð ÇнÀ ±ÔÄ¢°ú ¿ªÀüÆÄ(backpropagation) ¹æ¹ý °°Àº ¸î °¡Áö ÇнÀ ¹æ¹ý°ú ÇÔ²² ½Å°æ¸ÁÀÇ ÁÖ¿ä ±¸¼º ¿ä¼Ò¸¦ »ó¼¼È÷ ¼³¸íÇÑ´Ù. ¶ÇÇÑ µ¶ÀÚµéÀÌ ÅÙ¼­Ç÷θ¦ ´õ ¸¹ÀÌ »ç¿ëÇϱâ Àü¿¡ ÅÙ¼­Ç÷ο¡ ´ëÇÑ ±âº» ±¸¹®¿¡ Àͼ÷ÇØÁú ¼ö ÀÖµµ·Ï ÅÙ¼­Ç÷ΠÄÚµùÀÇ Æз¯´ÙÀÓÀ» ¼Ò°³ÇÑ´Ù.
3Àå. ¡®ÄÁº¼·ç¼Ç ½Å°æ¸Á¡¯¿¡¼­´Â À̹ÌÁö 󸮿¡ »ç¿ëµÇ´Â ÄÁº¼·ç¼Ç ½Å°æ¸Á(Convolutional Neural Network)À» ´Ù·é´Ù. À̹ÌÁö 󸮴 ÄÄÇ»ÅÍ ºñÀü ºÐ¾ß¿¡¼­ ÁÖ·Î »ç¿ëµÇ¸ç, ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀ» »ç¿ëÇØ °³Ã¼ ÀÎ½Ä ¹× ŽÁö, °³Ã¼ ºÐ·ù, Áö¿ªÈ­(localization), ºÐÇÒ(segmentation) ºÐ¾ß¿¡¼­ ¼º´ÉÀÌ Å©°Ô Çâ»óµÆ´Ù. ÀÌ ÀåÀº ÄÁº¼·ç¼ÇÀÇ µ¿ÀÛÀ» ÀÚ¼¼È÷ ¼³¸íÇÏ´Â °ÍºÎÅÍ ½ÃÀÛÇؼ­ ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ÀÛµ¿ ¿ø¸®¸¦ ´Ù·é´Ù. ½Å°æ¸ÁÀ» ½ÇÇèÇÏ°í È®ÀåÇÏ´Â µ¥ ÇÊ¿äÇÑ µµ±¸¸¦ µ¶ÀÚ¿¡°Ô Á¦°øÇϱâ À§ÇØ ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ °¢ ÄÄÆ÷³ÍÆ® ºí·ÏÀ» ±¸ÃàÇÏ´Â µ¥ ÁßÁ¡À» µÐ´Ù. ¶ÇÇÑ ÄÁº¼·ç¼Ç(convolutional) ¹× Ç®¸µ(pooling) °èÃþÀ» ÅëÇÑ ¿ªÀüÆĸ¦ ÀÚ¼¼È÷ ³íÀÇÇØ µ¶ÀÚ°¡ ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ÈÆ·Ã ÇÁ·Î¼¼½º¿¡ ´ëÇØ Á¾ÇÕÀûÀÎ ½Ã°¢À» °®µµ·Ï µµ¿ÍÁØ´Ù. ¸¶Áö¸·À¸·Î ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ÇÙ½ÉÀûÀÎ ¼º°ø ¿ä¼ÒÀÎ µî°¡¼º(equivariance)°ú º¯È¯ ºÒº¯(translation invariance)ÀÇ ¼Ó¼º¿¡ ´ëÇؼ­µµ ´Ù·é´Ù.
4Àå. ¡®¼øȯ ½Å°æ¸ÁÀ» ÀÌ¿ëÇÑ ÀÚ¿¬¾î 󸮡¯¿¡¼­´Â µö·¯´×À» ÀÌ¿ëÇÑ ÀÚ¿¬¾î 󸮸¦ ´Ù·é´Ù. ¿¬¼ÓÀûÀÎ ´Ü¾î ¸ðÀ½°ú ½ºÅµ±×·¥(skip-gram) µîÀÇ ´Ü¾î ´ë º¤ÅÍ »ðÀÔ ¸ðµ¨°ú °°Àº ÅؽºÆ® 󸮸¦ À§ÇÑ º¤ÅÍ °ø°£ ¸ðµ¨À» ³íÀÇÇÏ°í, ¼øȯ ½Å°æ¸Á(RNN), LSTM, ¾ç¹æÇâ RNN, GRU¿Í °°Àº °í±Þ ÁÖÁ¦¸¦ ¼³¸íÇÑ´Ù. ÀÌ Àå¿¡¼­´Â ¾ð¾î ¸ðµ¨¸µÀ» ÀÚ¼¼È÷ ¼³¸íÇÔÀ¸·Î½á µ¶ÀÚ°¡ ÀÌ·¯ÇÑ ³×Æ®¿öÅ©¿Í °ü·ÃµÈ ½ÇÁ¦ ¹®Á¦¸¦ ´Ù·ê ¶§, ÀÌ ³×Æ®¿öÅ©¸¦ È°¿ëÇÒ ¼ö ÀÖµµ·Ï µµ¿ÍÁØ´Ù. ¶ÇÇÑ RNN ¹× LSTMÀÇ °æ¿ì ¼Ò½Ç ±â¿ï±â ¹®Á¦ ¿ªÀüÆÄ ¸ÞÄ¿´ÏÁòÀ» ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù.
5Àå. ¡®Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å°ú ÀÚµ¿ ÀÎÄÚ´õ¸¦ »ç¿ëÇÑ ÀÚÀ² ÇнÀ¡¯¿¡¼­´Â Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å(RBM)°ú ÀÚµ¿ ÀÎÄÚ´õ¸¦ »ç¿ëÇØ µö·¯´×ÀÇ ºñÁöµµ ÇнÀ ¹æ¹ýÀ» ³íÀÇÇÑ´Ù. ¶ÇÇÑ RBM ÈÆ·Ã °úÁ¤ÀÇ °æ¿ì, »ùÇøµ¿¡ ´ëÇÑ Áö½ÄÀÌ ÇÊ¿äÇϱ⠶§¹®¿¡ ¸ÞÆ®·ÎÆú¸®½º ¾Ë°í¸®Áò°ú ±é½º »ùÇøµ °°Àº º£ÀÌÁö¾È Ã߷аú ¸¶¸£ÄÚÇÁ üÀÎ ¸óÅ× Ä«¸¦·Î(MCMC) ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. ¶ÇÇÑ ÀÌ Àå¿¡¼­´Â RBMÀÇ ½ÇÁ¦ ÈÆ·ÃÀ» Çã¿ëÇÏ´Â ±é½º »ùÇøµÀÇ Ä¿½ºÅ͸¶ÀÌÁî ¹öÀüÀÎ ´ëÁ¶ ¹ß»ê(contrastive divergence)À» ¼³¸íÇÑ´Ù. Ãßõ ½Ã½ºÅÛ¿¡¼­ÀÇ Çù¾÷ ÇÊÅ͸µ»Ó¸¸ ¾Æ´Ï¶ó µö ºô¸®ÇÁ ³×Æ®¿öÅ©(DBN)ÀÇ ºñÁöµµ ÇнÀ¿¡ RBMÀÌ ¾î¶»°Ô »ç¿ëµÉ ¼ö ÀÖ´ÂÁö¸¦ ´õ ³íÀÇÇÒ °ÍÀÌ´Ù.
±×¸®°í 5Àå¿¡¼­´Â Èñ¼Ò ÀÎÄÚ´õ, ÀâÀ½ Á¦°Å ÀÚµ¿ ÀÎÄÚ´õ¿Í °°Àº ´Ù¾çÇÑ Á¾·ùÀÇ ÀÚµ¿ ÀÎÄÚ´õ¸¦ ´Ù·é´Ù. ¶ÇÇÑ ÀÚµ¿ ÀÎÄÚ´õ¿¡¼­ ÇнÀÇÑ ³»ºÎ ÇÇó¸¦ Áöµµ ÇнÀ»Ó¸¸ ¾Æ´Ï¶ó Â÷¿ø °¨¼Ò¿¡µµ È°¿ëÇÒ ¼ö ÀÖ´Â ¹æ¹ýÀ» ÇнÀÇÒ ¼ö ÀÖ´Ù. ¸¶Áö¸·À¸·Î, PCA È­ÀÌÆ®´×°ú ZCA È­ÀÌÆ®´× °°Àº µ¥ÀÌÅÍ »çÀü ó¸® ±â¼úµµ °£´ÜÈ÷ ¼³¸íÇÑ´Ù.
6Àå. ¡®°í±Þ ½Å°æ¸Á¡¯¿¡¼­ µ¶ÀÚ´Â ¿ÏÀü ÄÁº¼·ç¼Ç ½Å°æ¸Á, R-CNN, Fast R-CNN, Faster, U-Net µî°ú °°Àº °í±Þ ½Å°æ¸Á(Advanced Neural Network)À» »ìÆ캸¸ç À̹ÌÁöÀÇ Àǹ̷ÐÀû ºÐÇÒ, °´Ã¼ °¨Áö, Áö¿ªÈ­¸¦ ´Ù·é´Ù. ÀüÅëÀûÀÎ À̹ÌÁö ºÐÇÒ ¹æ¹ýÀ» ¼Ò°³ÇÏ°í, µÎ ¼¼°èÀÇ ÀåÁ¡À» ÀûÀýÇÏ°Ô °áÇÕÇÒ ¼ö ÀÖµµ·Ï µ½´Â´Ù. ÀÌ ÀåÀÇ ÈĹݺο¡¼­´Â ÁÖ¾îÁø ºÐÆ÷¿¡ ÀÇÇØ »ý¼ºµÈ µ¥ÀÌÅÍÀÎ ÇÕ¼º µ¥ÀÌÅ͸¦ »ý¼ºÇÏ´Â µ¥ »ç¿ëµÇ´Â »ý¼º ¸ðµ¨ÀÇ »õ·Î¿î ÅäÇÈÀÎ GAN(Generative Adversarial Network)¿¡ ´ëÇØ ¹è¿î´Ù. GANÀº À̹ÌÁö »ý¼º, À̹ÌÁö ¼ö¸®, Ãß»óÀû Ãß·Ð, Àǹ̷ÐÀû ¼¼ºÐÈ­, ºñµð¿À »ý¼º, ÇÑ µµ¸ÞÀο¡¼­ ´Ù¸¥ µµ¸ÞÀÎÀ¸·ÎÀÇ ½ºÅ¸ÀÏ ÀÌÀü, ÅؽºÆ®-À̹ÌÁö »ý¼º ¾ÖÇø®ÄÉÀ̼ǰú °°Àº ¿©·¯ ºÐ¾ß¿¡¼­ »ç¿ëµÉ ¼ö ÀÖ´Ù.

¿ä¾àÇϸé, µ¶ÀÚ°¡ ÀÌ Ã¥¿¡¼­ ¹è¿ï ¼ö ÀÖ´Â ÁÖ¿ä ÇнÀ ³»¿ëÀº ´ÙÀ½°ú °°´Ù.
¡á ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ Ç®½ºÅà µö·¯´×À» ÀÌÇØÇÏ°í, µö·¯´×À» À§ÇÑ ÅºÅºÇÑ ¼öÇÐÀû ±âÃʸ¦ ½×´Â´Ù.
¡á ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ º¹ÀâÇÑ µö·¯´× ¼Ö·ç¼ÇÀ» ÇÁ·Î´ö¼Ç ȯ°æ¿¡ ¹èÆ÷ÇÑ´Ù.
¡á µö·¯´×¿¡ ´ëÇÑ ¿¬±¸¸¦ ¼öÇàÇÏ°í ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ ½ÇÇèÀ» ¼öÇàÇÑ´Ù.

¸ñÂ÷

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

1Àå. ¼öÇÐÀû ±âÃÊ
__¼±Çü´ë¼öÇÐ
____º¤ÅÍ
____½ºÄ®¶ó
____Çà·Ä
____ÅÙ¼­
____Çà·Ä ¿¬»ê ¹× Á¶ÀÛ
____º¤ÅÍÀÇ ÀÏÂ÷µ¶¸³
____Çà·ÄÀÇ ·©Å©
____´ÜÀ§ Çà·Ä ¹× ¿¬»êÀÚ
____Çà·Ä½Ä
____¿ªÇà·Ä
____º¤ÅÍÀÇ ³ë¸§
____ÀÇ»ç ¿ªÇà·Ä
____ƯÁ¤ º¤ÅÍ ¹æÇâÀÇ ´ÜÀ§ º¤ÅÍ
____ƯÁ¤ º¤ÅÍ ¹æÇâÀÇ ÇÁ·ÎÁ§¼Ç º¤ÅÍ
____°íÀ¯º¤ÅÍ
__¹ÌÀûºÐÇÐ
____¹ÌºÐ
____ÇÔ¼öÀÇ ±â¿ï±â
____¿¬¼Ó Æí¹ÌºÐ
____ÇÔ¼öÀÇ Çì¼¼ Çà·Ä
____ÇÔ¼öÀÇ ÃÖ´ë ¹× ÃÖ¼Ò
____·ÎÄà ¹Ì´Ï¸¶¿Í ±Û·Î¹ú ¹Ì´Ï¸¶
____¾ç¹ÝÁ¤Ä¡ Çà·Ä ¹× Á¤Ä¡ Çà·Ä
____º¼·Ï ÁýÇÕ
____º¼·Ï ÇÔ¼ö
____¿À¸ñ ÇÔ¼ö
____´Ùº¯¼ö º¼·Ï ¹× ¿À¸ñ ÇÔ¼ö ¿¹Á¦
____Å×ÀÏ·¯ ±Þ¼ö
__È®·ü
____ÇÕÁýÇÕ, ±³ÁýÇÕ, Á¶°ÇºÎ È®·ü
____À̺¥Æ® ±³Â÷Á¡¿¡ ´ëÇÑ È®·üÀÇ Ã¼ÀÎ ±ÔÄ¢
____»óÈ£ ¹èŸÀûÀÎ À̺¥Æ®
____À̺¥Æ®ÀÇ µ¶¸³
____À̺¥Æ®ÀÇ Á¶°ÇºÎ µ¶¸³
____º£ÀÌÁî ±ÔÄ¢
____È®·ü Áú·® ÇÔ¼ö
____È®·ü ¹Ðµµ ÇÔ¼ö
____È®·ü º¯¼öÀÇ ±â´ñ°ª
____È®·ü º¯¼öÀÇ ºÐ»ê
____¿Öµµ ¹× ÷µµ
____°øºÐ»ê
____»ó°ü°è¼ö
____¸î °¡Áö °øÅë È®·üºÐÆ÷
____¿ìµµ ÇÔ¼ö
____ÃÖ´ë ¿ìµµ ÃßÁ¤
____°¡¼³°ËÁ¤ ¹× p °ª
__¸Ó½Å ·¯´× ¾Ë°í¸®Áò ¹× ÃÖÀûÈ­ ±â¹ýÀÇ °ø½ÄÈ­
____Áöµµ ÇнÀ
____ºñÁöµµ ÇнÀ
____¸Ó½Å ·¯´×À» À§ÇÑ ÃÖÀûÈ­ ±â¹ý
____Á¦¾à Á¶°ÇÀÌ ÀÖ´Â ÃÖÀûÈ­ ¹®Á¦
__¸Ó½Å ·¯´×¿¡ Áß¿äÇÑ ¸î °¡Áö ÁÖÁ¦µé
____Â÷¿ø °¨¼Ò ¹æ¹ý
____Á¤±ÔÈ­
____Á¦¾à Á¶°ÇÀÌ ÀÖ´Â ¹®Á¦ÀÇ ÃÖÀûÈ­¸¦ À§ÇÑ Á¤±ÔÈ­
__¿ä¾à

2Àå. µö·¯´× °³³ä°ú ÅÙ¼­Ç÷Π¼Ò°³
__µö·¯´×°ú ±× ÁøÈ­
__ÆÛ¼ÁÆ®·Ð°ú ÆÛ¼ÁÆ®·Ð ÇнÀ ¾Ë°í¸®Áò
____ÆÛ¼ÁÆ®·Ð ÇнÀÀÇ ±âÇÏÇÐÀû Çؼ®
____ÆÛ¼ÁÆ®·Ð ÇнÀÀÇ ÇÑ°è
____ºñ¼±Çü¿¡ ´ëÇÑ Çʿ伺
____Àº´ÐÃþ ÆÛ¼ÁÆ®·ÐÀÇ ºñ¼±Çü¼º È°¼ºÈ­ ÇÔ¼ö
____´º·±/ÆÛ¼ÁÆ®·Ð¿¡ ´ëÇÑ ´Ù¾çÇÑ È°¼ºÈ­ ÇÔ¼ö
____´ÙÃþ ÆÛ¼ÁÆ®·Ð ³×Æ®¿öÅ©¿¡ ´ëÇÑ ÇнÀ ±ÔÄ¢
____±â¿ï±â °è»êÀ» À§ÇÑ ¿ªÀüÆÄ
____±â¿ï±â °è»êÀ» À§ÇÑ ¿ªÀüÆÄ ÀϹÝÈ­
__ÅÙ¼­Ç÷Î
____ÀϹÝÀûÀÎ µö·¯´× ÆÐÅ°Áö
____ÅÙ¼­Ç÷Π¼³Ä¡
____°³¹ßÀ» À§ÇÑ ÅÙ¼­Ç÷Π±âº»
____µö·¯´× °üÁ¡¿¡¼­ÀÇ ±â¿ï±â ÇÏ°­ ÃÖÀûÈ­
____È®·üÀû ±â¿ï±â ÇÏ°­¿¡ ´ëÇÑ ¹Ì´Ï ¹èÄ¡ Á¢±Ù¹ýÀÇ ÇнÀ ¼Óµµ
____ÅÙ¼­Ç÷ΠÃÖÀûÈ­ µµ±¸
____ÅÙ¼­Ç÷θ¦ ÀÌ¿ëÇÑ XOR ±¸Çö
____ÅÙ¼­Ç÷ÎÀÇ ¼±Çü ȸ±Í
____Àüü ¹èÄ¡ ±â¿ï±â ÇÏ°­À» ÀÌ¿ëÇÑ ¼ÒÇÁÆ®¸Æ½º ÇÔ¼ö·Î ´ÙÁß Å¬·¡½º ºÐ·ù
____È®·üÀû ±â¿ï±â ÇÏ°­À» ÀÌ¿ëÇÑ ¼ÒÇÁÆ®¸Æ½º ÇÔ¼öÀÇ ´ÙÁß Å¬·¡½º ºÐ·ù
__GPU
__¿ä¾à

3Àå. ÄÁº¼·ç¼Ç ½Å°æ¸Á
__ÄÁº¼·ç¼Ç ¿¬»ê
____¼±Çü ½Ã°£ ºÒº¯ ½Ã½ºÅÛ/¼±Çü ½ÃÇÁÆ® ºÒº¯ ½Ã½ºÅÛ
____ÇÑ Â÷¿øÀÇ ½ÅÈ£¸¦ À§ÇÑ ÄÁº¼·ç¼Ç
__¾Æ³¯·Î±× ¹× µðÁöÅÐ ½ÅÈ£
____2D ¹× 3D ½ÅÈ£
__2D ÄÁº¼·ç¼Ç
____2Â÷¿ø ´ÜÀ§ ½ºÅÜ ÇÔ¼ö
____LSI ½Ã½ºÅÛ ´ÜÀ§ ½ºÅÜ ÀÀ´äÀÌ ÀÖ´Â ½ÅÈ£ÀÇ 2D º¯È¯
____´Ù¸¥ LSI ½Ã½ºÅÛ ÀÀ´ä¿¡ ´ëÇÑ À̹ÌÁöÀÇ 2D ÄÁº¼·ç¼Ç
__ÀϹÝÀûÀÎ À̹ÌÁö ó¸® ÇÊÅÍ
____Æò±Õ°ª ÇÊÅÍ
____Áß¾Ó°ª ÇÊÅÍ
____°¡¿ì½Ã¾È ÇÊÅÍ
____±â¿ï±â ±â¹Ý ÇÊÅÍ
____¼Òº§ ¿¡Áö °¨Áö ÇÊÅÍ
____Ç×µî º¯È¯
__ÄÁº¼·ç¼Ç ½Å°æ¸Á
__ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ±¸¼º ¿ä¼Ò
____ÀÔ·ÂÃþ
____ÄÁº¼·ç¼Ç °èÃþ
____Ç®¸µ °èÃþ
__ÄÁº¼·ç¼Ç °èÃþÀ» ÅëÇÑ ¿ªÀüÆÄ
__Ç®¸µ °èÃþÀ» ÅëÇÑ ¿ªÀüÆÄ
__ÄÁº¼·ç¼ÇÀ» ÅëÇÑ °¡ÁßÄ¡ °øÀ¯¿Í ±× ÀåÁ¡
__º¯È¯ ÆòÇü
__Ç®¸µÀ¸·Î ÀÎÇÑ º¯È¯ ºÒº¯
__µå·Ó¾Æ¿ô °èÃþ ¹× Á¤±ÔÈ­
__MNIST µ¥ÀÌÅͼ¿¡¼­ ¼ýÀÚ ÀνÄÀ» À§ÇÑ ÄÁº¼·ç¼Ç ½Å°æ¸Á
__Çö½Ç ¹®Á¦ ÇØ°áÀ» À§ÇÑ ÄÁº¼·ç¼Ç ½Å°æ¸Á
__¹èÄ¡ Á¤±ÔÈ­
__ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ¶Ç ´Ù¸¥ ¾ÆÅ°ÅØó
____LeNet
____¾Ë·º½º³Ý
____VGG16
____ResNet
__ÀüÀÌ ÇнÀ
____ÀüÀÌ ÇнÀ °¡À̵å¶óÀÎ
____±¸±ÛÀÇ ÀμÁ¼Çv3¸¦ ÅëÇÑ ÀüÀÌ ÇнÀ
____»çÀü ÈÆ·ÃµÈ VGG16À» ÀÌ¿ëÇÑ ÀüÀÌ ÇнÀ
__¿ä¾à


4Àå. RNNÀ» È°¿ëÇÑ ÀÚ¿¬¾î ó¸®
__º¤ÅÍ °ø°£ ¸ðµ¨(VSM)
__´Ü¾îÀÇ º¤ÅÍ Ç¥Çö
__Word2Vec
____CBOW
____ÅÙ¼­Ç÷ο¡¼­ CBOW ±¸Çö
____´Ü¾î ÀÓº£µùÀ» À§ÇÑ ½ºÅµ±×·¥ ¸ðµ¨
____ÅÙ¼­Ç÷ηΠ½ºÅµ±×·¥ ¸ðµ¨ ±¸Çö
____±Û·Î¹ú µ¿½Ã ¹ß»ý Åë°è ±â¹ÝÀÇ ´Ü¾î º¤ÅÍ
____GloVe
____´Ü¾î º¤Å͸¦ ÀÌ¿ëÇÑ ´Ü¾î À¯Ãß
__¼øȯ ½Å°æ¸ÁÀÇ ¼Ò°³
____¾ð¾î ¸ðµ¨¸µ
____RNNÀ» ÅëÇÑ ¹®Àå¿¡¼­ÀÇ ´ÙÀ½ ´Ü¾î ¿¹Ãø°ú ÀüÅëÀûÀÎ ¹æ¹ýÀÇ ºñ±³
____½Ã°£¿¡ µû¸¥ ¿ªÀüÆÄ(BPTT)
____RNN¿¡¼­ ±â¿ï±âÀÇ ¼Ò½Ç ¹× ¹ß»ê ¹®Á¦
____RNNÀÇ ¼Ò½Ç ¹× ¹ß»ê ±â¿ï±â ¹®Á¦ ÇØ°á ¹æ¹ý
____LSTM
____¹ß»ê ¹× ¼Ò½Ç ±â¿ï±â¸¦ ÁÙÀ̱â À§ÇÑ LSTM
____¼øȯ ½Å°æ¸ÁÀ» ÀÌ¿ëÇÑ ÅÙ¼­Ç÷ÎÀÇ MNIST ¼ýÀÚ ½Äº°
____GRU
____¾ç¹æÇâ RNN
__¿ä¾à

5Àå. Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å°ú ÀÚµ¿ ÀÎÄÚ´õ¸¦ »ç¿ëÇÑ ºñÁöµµ ÇнÀ
__º¼Ã÷¸¸ ºÐÆ÷
__º£ÀÌÁö¾È Ãß·Ð: ¿ìµµ, »çÀüÈ®·üºÐÆ÷, »çÈÄÈ®·üºÐÆ÷
__»ùÇøµÀ» À§ÇÑ ¸¶¸£ÄÚÇÁ üÀÎ ¸óÅ× Ä«¸¦·Î ¹æ¹ý
____¸ÞÆ®·ÎÆú¸®½º ¾Ë°í¸®Áò
__Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å
____Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å ÈÆ·Ã
____±é½º »ùÇøµ
____ºí·° ±é½º »ùÇøµ
____¹øÀÎ ±â°£°ú ±é½º »ùÇøµÀ¸·Î »ùÇà ¸¸µé±â
____Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å¿¡¼­ ±é½º »ùÇøµ »ç¿ëÇϱâ
____´ëÁ¶ ¹ß»ê
____ÅÙ¼­Ç÷ηΠÁ¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å ±¸Çö
____Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½ÅÀ» »ç¿ëÇÑ Çù¾÷ ÇÊÅ͸µ
____µö ºô¸®ÇÁ ³×Æ®¿öÅ©
__ÀÚµ¿ ÀÎÄÚ´õ
____Áöµµ ÇнÀÀ» À§ÇØ ÀÚµ¿ ÀÎÄÚ´õ¸¦ »ç¿ëÇÑ ÇÇó ÇнÀ
____KL ¹ß»ê
____ÅÙ¼­Ç÷ηΠÈñ¼Ò ÀÚµ¿ ÀÎÄÚ´õ ±¸Çö
____ÀâÀ½ Á¦°Å ÀÚµ¿ ÀÎÄÚ´õ
____ÅÙ¼­Ç÷ο¡¼­ ÀâÀ½ Á¦°Å ÀÚµ¿ ÀÎÄÚ´õ ±¸Çö
__PCA ¹× ZCA È­ÀÌÆ®´×
__¿ä¾à

6Àå. °í±Þ ½Å°æ¸Á ±â¹ý
__À̹ÌÁö ºÐÇÒ
____Çȼ¿ °­µµ È÷½ºÅä±×·¥ ±â¹Ý ÀÌÁø ÀÓ°ì°ª ÁöÁ¤ ±â¹ý
____¿ÀÃ÷ ±â¹ý
____À̹ÌÁö ºÐÇÒÀ» À§ÇÑ ¿öÅͽ¦µå ¾Ë°í¸®Áò
____K-Æò±Õ Ŭ·¯½ºÅ͸µÀ» ÅëÇÑ À̹ÌÁö ºÐÇÒ
____½Ã¸Çƽ ºÐÇÒ
____½½¶óÀ̵ù À©µµ¿ì ¹æ½Ä
____¿ÏÀü ÄÁº¼·ç¼Ç ³×Æ®¿öÅ©
____´Ù¿î»ùÇøµ°ú ¾÷»ùÇøµÀ» °¡Áø ¿ÏÀü ÄÁº¼·ç¼Ç ³×Æ®¿öÅ©
____U-Net
____¿ÏÀü ¿¬°á ½Å°æ¸ÁÀ¸·Î ÅÙ¼­Ç÷ο¡¼­ ½Ã¸Çƽ ºÐÇÒ ÀÛ¾÷Çϱâ
__À̹ÌÁö ºÐ·ù ¹× Áö¿ªÈ­ ³×Æ®¿öÅ©
__°´Ã¼ °¨Áö
____R-CNN
____Fast R-CNN°ú Faster R-CNN
__»ý¼ºÀû Àû´ë ³×Æ®¿öÅ©
____¸Æ½º¹Ì´Ï ¹× ¹Ì´Ï¸Æ½º ¹®Á¦
____Á¦·Î¼¶ °ÔÀÓ
____¹Ì´Ï¸Æ½º¿Í ¾ÈÀåÁ¡
____GAN ºñ¿ë ÇÔ¼ö ¹× ÈÆ·Ã
____»ý¼º±â¸¦ À§ÇÑ ¼Ò½Ç ±â¿ï±â
____ÅÙ¼­Ç÷ηΠGAN ³×Æ®¿öÅ© ±¸ÇöÇϱâ
__ÇÁ·Î´ö¼Ç ȯ°æÀ¸·Î ÅÙ¼­Ç÷Π¸ðµ¨ ¹èÆ÷
__¿ä¾à

ã¾Æº¸±â

ÀúÀÚ¼Ò°³

»êŸ´© ÆÄŸ³ª¾ßÅ© [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

ÀÌÁöÈÆ [¿ª] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

ÀÌ »óÇ°ÀÇ ½Ã¸®Áî

(ÃÑ 88±Ç / ÇöÀ籸¸Å °¡´Éµµ¼­ 87±Ç)

¼±ÅÃÇÑ »óÇ° ºÏÄ«Æ®´ã±â
ÆîÃ帱â

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