°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (42,750¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (31,500¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (36,000¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

ÆÄÀ̽ã°ú ¼öÄ¡ Çؼ® : ÆÄÀ̽㠼öÄ¡ Çؼ® ·¹½ÃÇÇ

¿øÁ¦ : Numerical Python
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

°øÀ¯Çϱâ
Á¤°¡

50,000¿ø

  • 45,000¿ø (10%ÇÒÀÎ)

    2,500P (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¸
  • 3/28(¸ñ) 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

PythonÀ» »ç¿ëÇØ °úÇаú °øÇÐ ºÐ¾ß¿¡ ºó¹øÈ÷ µîÀåÇÏ´Â ¿¬»ê ¹®Á¦¸¦ ÇØ°áÇÏ´Â ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. Python °úÇÐ ¿¬»ê ¸ðµâÀÎ Scipy, ¹è¿­Ã³¸® ±âº» ¸ðµâÀÎ NumPy, µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ ±âº» ¸ðµâÀÎ Pandas, ¸Ó½Å ·¯´×À» À§ÇÑ Scikit-learnÀ» Áß½ÉÀ¸·Î °úÇÐ ¿¬»êÀ» ó¸®ÇÒ ¼ö ÀÖ´Â µÎ °¡Áö Áß¿äÇÑ ±â¹ýÀÎ ±âÈ£Àû, ¼öÄ¡Àû ó¸® ±â¹ýÀ» »ç¿ëÇÏ´Â µ¥ PythonÀ» ¾î¶»°Ô È°¿ëÇÒ ¼ö ÀÖ´ÂÁö ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù.
Çà·Ä ¹× Èñ¼Ò Çà·Ä, º¤ÅÍ, »ó¹ÌºÐ°ú Æí¹ÌºÐ, ÀûºÐ, ÀμöºÐÇØ, ½Ã°è¿­, ¼±Çü ´ë¼ö, Åë°è ¸ðµ¨¸µ, ¸Ó½Å ·¯´×, ½Åȣó¸® µî ÀÌ°ø°èÀÇ ´ëÇ¥Àû ¹®Á¦µéÀ» ÇØ°áÇÏ´Â µ¥ PythonÀ» ¾î¶»°Ô È°¿ëÇÒ ¼ö ÀÖ´ÂÁö dzºÎÇÑ ¿¹Á¦¸¦ ÅëÇØ »ó¼¼È÷ ¼³¸íÇÑ´Ù.
Ã¥ ÈĹݺδ HDF5¸¦ Æ÷ÇÔÇØ µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ ´Ù¾çÇÑ ÆÄÀÏ ÀÔÃâ·Â Çü½ÄÀ» ¾Ë¾Æº¸°í, ÄÚµåÀÇ ½ÇÇà ¼º´É Çâ»óÀ» À§ÇÑ ÄÚµå ÃÖÀûÈ­¿Í ÇÔ²² ¸ðµâ ¼³Ä¡¹ýµµ »ó¼¼È÷ ¼³¸íÇÑ´Ù.

ÃâÆÇ»ç ¼­Æò

¡Ú ÀÌ Ã¥¿¡¼­ ´Ù·ç´Â ³»¿ë ¡Ú

¡á Numpy¸¦ »ç¿ëÇÑ º¤ÅÍ¿Í Çà·Ä ÀÛ¾÷
¡á Matplotlib¸¦ »ç¿ëÇÑ µµ½ÄÈ­¿Í ½Ã°¢È­
¡á Pandas and SciPy¸¦ »ç¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® °úÁ¦
¡á statsmodels°ú scikit-learn¸¦ »ç¿ëÇÑ Åë°è ¸ðµ¨¸µ°ú ¸Ó½Å ·¯´× ¸®ºä
¡á Numba¿Í CythonÀ» »ç¿ëÇÑ ÆÄÀ̽ã ÄÚµå ÃÖÀûÈ­

¡Ú ÀÌ Ã¥ÀÇ ±¸¼º ¡Ú

1Àå, ¡®PythonÀ» ÀÌ¿ëÇÑ ÄÄÇ»Æà ¼Ò°³¡¯¿¡¼­´Â °úÇÐ ÄÄÇ»Æÿ¡ ´ëÇÑ ÀϹÝÀûÀÎ ¿øÄ¢°ú Python °è»ê ÀÛ¾÷¿¡ »ç¿ëÇÒ ¼ö ÀÖ´Â ÁÖ¿ä °³¹ß ȯ°æÀ» ¼Ò°³ÇÑ´Ù. Áï IPython°ú ´ëÈ­Çü Python ÇÁ·ÒÇÁÆ®, ¶Ù¾î³­ Jupyter Notebook ÀÀ¿ë°ú Spyder ÅëÇÕ °³¹ß ȯ°æ(Spyder IDE, Spyder Integrated Development Environment)¿¡ ÃÊÁ¡À» ¸ÂÃß°í ÀÖ´Ù.
2Àå, ¡®º¤ÅÍ, Çà·Ä, ´ÙÂ÷¿ø ¹è¿­¡¯¿¡¼­´Â NumPy ¶óÀ̺귯¸®¸¦ ¼Ò°³ÇÏ°í Á» ´õ ÀϹÝÀûÀÎ ¹è¿­ ±â¹Ý ¿¬»ê°ú ÀåÁ¡À» ¾Ë¾Æº»´Ù.
3Àå, ¡®±âÈ£ ¿¬»ê¡¯¿¡¼­´Â SymPy ¶óÀ̺귯¸®¸¦ »ç¿ëÇÑ ±âÈ£ ¿¬»ê¿¡ ´ëÇØ ¾Ë¾Æº»´Ù. ÀÌ ¹æ¹ýÀº ¹è¿­ ±â¹Ý ¿¬»êÀ» º¸¿ÏÇØÁØ´Ù.
4Àå, ¡®µµ½ÄÈ­¿Í ½Ã°¢È­¡¯¿¡¼­´Â Matplotlib ¶óÀ̺귯¸®¸¦ ÀÌ¿ëÇÑ µµ½ÄÈ­¿Í ½Ã°¢È­¸¦ ´Ù·é´Ù. 2Àå¿¡¼­ 4Àå±îÁö´Â Àü¹ÝÀûÀ¸·Î Ã¥ ³ª¸ÓÁö ºÎºÐÀÇ ¿µ¿ªº° ¹®Á¦¿¡ »ç¿ëµÉ ±âº» °è»ê µµ±¸ÀÎ ¼öÄ¡ ¿¬»ê, ±âÈ£ ¿¬»ê, ½Ã°¢È­¿¡ ´ëÇØ ¾Ë¾Æº»´Ù.
5Àå, ¡®¹æÁ¤½Ä Ç®ÀÌ¡¯¿¡¼­´Â ¹æÁ¤½Ä ÇØ°á·Î Scipy¿Í SymPy ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ ¼öÄ¡Àû?±âÈ£Àû ¹æ¹ýÀ» ¸ðµÎ »ìÆ캻´Ù.
6Àå, ¡®ÃÖÀûÈ­¡¯¿¡¼­´Â ¹æÁ¤½Ä ÇØ°á °úÁ¦ÀÇ ÀÚ¿¬½º·¯¿î ¿¬ÀåÀÎ ÃÖÀûÈ­¸¦ Ž±¸ÇÑ´Ù. ÁÖ·Î Scipy ¶óÀ̺귯¸®¿Í cvxopt ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ ÀÛ¾÷ÇÑ´Ù.
7Àå, ¡®º¸°£¹ý¡¯¿¡¼­´Â ±× ÀÚü·Î ¸¹Àº ÀÀ¿ëÀ» °¡Áø ¶Ç ´Ù¸¥ ±âº»ÀûÀÎ ¼öÇÐÀû ¹æ¹ýÀÎ º¸°£¹ý, °í±Þ ¾Ë°í¸®Áò°ú ±â¹ý¿¡¼­ÀÇ ÁÖ¿ä ¿ªÇÒÀ» ´Ù·é´Ù.
8Àå, ¡®ÀûºÐ¡¯¿¡¼­´Â ¼öÄ¡Àû, ±âÈ£Àû ÀûºÐÀ» »ìÆ캻´Ù. 5ÀåºÎÅÍ 8Àå±îÁö´Â ¸ðµç Á¾·ùÀÇ ÄÄÇ»ÅÍ ÀÛ¾÷¿¡ ¸¸¿¬ÇÑ ÇÙ½É ÄÄÇ»ÅÍ ±â¼úÀ» ´Ù·é´Ù. 8Àå¿¡¼­ ´Ù·ç´Â ¹æ¹ýÀº ´ëºÎºÐ Scipy ¶óÀ̺귯¸®¿¡¼­ Á¦°øµÈ´Ù.
9Àå, ¡®ODE¡¯¿¡¼­´Â »ó¹ÌºÐ ¹æÁ¤½ÄÀ» ´Ù·é´Ù.
10Àå, ¡®Èñ¼Ò Çà·Ä°ú ±×·¡ÇÁ¡¯¿¡¼­´Â 11ÀåÀ» ¼³¸íÇϱâ À§ÇØ Èñ¼Ò Çà·Ä°ú ±×·¡ÇÁ ±â¹ýÀ» »ìÆ캻´Ù.
11Àå, ¡®PDE¡¯¿¡¼­´Â °³³äÀûÀ¸·Î »ó¹ÌºÐ ¹æÁ¤½Ä°ú ¹ÐÁ¢ÇÑ °ü°è°¡ ÀÖÁö¸¸ 10ÀåÀÇ ÁÖÁ¦ÀÎ Èñ¼Ò Çà·ÄÀÇ µµÀÔÀÌ ÇÊ¿äÇÑ PDE¸¦ »ìÆ캻´Ù.
12Àå, ¡®µ¥ÀÌÅÍ Ã³¸® ¹× ºÐ¼®¡¯¿¡¼­´Â µ¥ÀÌÅÍ ºÐ¼®°ú Åë°è Á¶»ç¸¦ »ìÆ캻´Ù. Pandas ¶óÀ̺귯¸®¿Í µ¥ÀÌÅÍ ºÐ¼® ÇÁ·¹ÀÓ¿öÅ©¸¦ ¼Ò°³ÇÑ´Ù.
13Àå, ¡®Åë°èÇС¯¿¡¼­´Â SciPy stats ÆÐÅ°ÁöÀÇ ±âº»ÀûÀÎ Åë°è ºÐ¼®°ú ±â¹ýÀ» ´Ù·é´Ù.
14Àå, ¡®Åë°è ¸ðµ¨¸µ¡¯¿¡¼­´Â statsmodels ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ Åë°è ¸ðµ¨¸µÀ» ¾Ë¾Æº»´Ù.
15Àå, ¡®¸Ó½Å ·¯´×¡¯¿¡¼­´Â scikit-learn ¶óÀ̺귯¸®¸¦ ÀÌ¿ëÇÑ ¸Ó½Å ·¯´×À» ¾Ë¾Æº¸°í Åë°è¿Í µ¥ÀÌÅÍ ºÐ¼®ÀÇ ÁÖÁ¦¸¦ »ìÆ캻´Ù.
16Àå, ¡®º£ÀÌÁî Åë°è¡¯´Â º£ÀÌÁî Åë°è¿Í PyMC ¶óÀ̺귯¸®¸¦ ¾Ë¾Æº¸¸é¼­ ÀÌ¿Í °ü·ÃµÈ ÀåÀ» Á¤¸®ÇÑ´Ù. 12ÀåºÎÅÍ 16Àå±îÁö´Â Åë°è¿Í µ¥ÀÌÅÍ ºÐ¼®ÀÇ ±¤¹üÀ§ÇÑ ºÐ¾ß¸¦ ¼Ò°³ÇÑ´Ù. ÀÌ´Â ÃÖ±Ù ¸î ³â µ¿¾È °úÇÐ Python Ä¿¹Â´ÏƼ ¾ÈÆÆ¿¡¼­ ±Þ¼ÓÈ÷ ¹ßÀüÇØ¿Â ºÐ¾ßÀ̱⵵ ÇÏ´Ù.
17Àå, ¡®½ÅÈ£ 󸮡¯¿¡¼­´Â Àá½Ã °úÇÐ ÄÄÇ»ÆÃÀÇ ÇÙ½É ÁÖÁ¦ÀÎ ½ÅÈ£ 󸮷Πµ¹¾Æ°£´Ù.
18Àå, ¡®µ¥ÀÌÅÍ ÀÔÃâ·Â¡¯¿¡¼­´Â µ¥ÀÌÅÍ ÀÔÃâ·Â ±×¸®°í ÆÄÀÏ¿¡ ¼öÄ¡ µ¥ÀÌÅ͸¦ ÀÐ°í ¾²´Â ¸î °¡Áö ¹æ¹ýÀ» »ìÆ캻´Ù. ÀÌ´Â ´ëºÎºÐÀÇ ÄÄÇ»ÅÍ ÀÛ¾÷¿¡ ÇÊ¿äÇÑ ±âº»ÀûÀÎ ÁÖÁ¦´Ù.
19Àå, ¡®ÄÚµå ÃÖÀûÈ­¡¯´Â Numba¿Í Cython ¶óÀ̺귯¸®¸¦ ÀÌ¿ëÇØ Python ÄÚµåÀÇ ¼Óµµ¸¦ ³ôÀÌ´Â µÎ °¡Áö ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù.
ºÎ·Ï¿¡´Â ÀÌ Ã¥¿¡¼­ »ç¿ëÇÑ ¼ÒÇÁÆ®¿þ¾î ¼³Ä¡ ¹æ¹ýÀÌ ¼ö·ÏµÅ ÀÖ´Ù. ÇÊ¿äÇÑ ¼ÒÇÁÆ®¿þ¾î(´ëºÎºÐÀÇ Python ¶óÀ̺귯¸®)¸¦ ¼³Ä¡Çϱâ À§ÇØ Conda ÆÐÅ°Áö ¸Å´ÏÀú¸¦ ÀÌ¿ëÇÑ´Ù. Conda´Â ¾ÈÁ¤ÀûÀÌ°í ÀçÇö °¡´ÉÇÑ ÄÄÇ»ÅÍ È¯°æÀ» ¸¸µé±â À§ÇÑ Áß¿äÇÑ ÁÖÁ¦·Î, °¡»óÀûÀÌ¸ç °Ý¸®µÈ Python ȯ°æÀ» ¸¸µå´Â µ¥µµ »ç¿ëµÉ ¼ö ÀÖ´Ù. ¶ÇÇÑ Conda ÆÐÅ°Áö ¸Å´ÏÀú¸¦ »ç¿ëÇØ ÀÌ·± ȯ°æÀ» ¼³Á¤ÇÏ´Â ¹æ¹ýµµ »ìÆ캻´Ù.

¡Ú ¿Å±äÀÌÀÇ ¸» ¡Ú

¼öÄ¡ Çؼ® ¾Ë°í¸®ÁòÀ» °øºÎÇغ» »ç¶÷À̶ó¸é ¡ºNumerical Recipes¡»(William Press, 2007)¸¦ Àß ¾Ë°í ÀÖÀ» °ÍÀÌ´Ù. ÀÌ Ã¥Àº ¡®Numerical Recipes in Python¡¯À̶ó´Â º°¸íÀ» ºÙ¿©µµ µÉ ¸¸Å­ PythonÀ» »ç¿ëÇÑ °úÇÐ ÄÄÇ»Æÿ¡ ÀÖ¾î ÀÌ¿Í À¯»çÇÑ ¼öÁØÀÇ Á¤±³ÇÏ°í ±íÀÌ ÀÖ´Â ¼³¸íÀÌ ´ã°Ü ÀÖ´Ù.
SciPy, NumPy¸¦ ±â¹ÝÀ¸·Î ¼ö¸¹Àº °úÇÐ ¹× °øÇÐ ¹®Á¦¸¦ PythonÀ» ÀÌ¿ëÇØ ±âÈ£Àû ±â¹ý°ú ¼öÄ¡Àû ±â¹ýÀ¸·Î ó¸®ÇÏ´Â ¹æ¹ý, scikit-learnÀ» ÀÌ¿ëÇÑ ¸Ó½Å ·¯´×À» ¼³¸íÇÏ°í ÀÖ´Ù. °¢ ¸ðµâ ¼³¸íÀº »ç¿ë¹ý¿¡¸¸ ±×Ä¡Áö ¾Ê°í ¸ðµâÀÇ Á¾¼Ó¼º ¹× ±¸Çö öÇеµ ÀÚ¼¼È÷ ¼³¸íÇÏ°í ÀÖ´Ù. Çà·Ä ¹× Èñ¼Ò Çà·Ä, º¤ÅÍ, »ó¹ÌºÐ°ú Æí¹ÌºÐ, ÀûºÐ, ÀμöºÐÇØ, ½Ã°è¿­, ¼±Çü ´ë¼ö, Åë°è ¸ðµ¨¸µ, ¸Ó½Å ·¯´×, ½ÅÈ£ ó¸® µî°ú °°Àº ÀÌ°ø°èÀÇ ´ëÇ¥ÀûÀÎ ¹®Á¦ ÇØ°á¿¡ ÀÖ¾î PythonÀ» ¾î¶»°Ô È°¿ëÇÒ ¼ö ÀÖ´ÂÁö ¿¹Á¦¸¦ ÅëÇØ »ó¼¼È÷ ¼³¸íÇØÁØ´Ù. ÀÌ Ã¥¿¡¼­ Á¦°øÇϴ dzºÎÇÑ ¿¹Á¦¸¦ µû¶ó ÇÏ´Ù º¸¸é PythonÀ» ÅëÇÑ °úÇÐÀû ¿¬»êÀ» È¿°úÀûÀ¸·Î ÀÍÈ÷°Ô µÉ °ÍÀÌ´Ù.

¸ñÂ÷

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

1Àå. PythonÀ» ÀÌ¿ëÇÑ ÄÄÇ»Æà ¼Ò°³
__PythonÀ» ÀÌ¿ëÇÑ ÄÄÇ»Æà ȯ°æ
__Python
____ÀÎÅÍÇÁ¸®ÅÍ
__IPython ÄܼÖ
____ÀÔÃâ·Â ij½Ì
____ÀÚµ¿ ¿Ï¼º ¹× °´Ã¼ ÀÎÆ®·Î½ºÆå¼Ç
____¹®¼­
____½Ã½ºÅÛ ¼Ð°úÀÇ »óÈ£ ÀÛ¿ë
____IPython È®Àå
__Jupyter
____Jupyter QtConsole
____Jupyter Notebook
____Jupyter ·¦
____¼¿ À¯Çü
____¼¿ ÆíÁýÇϱâ
____¸¶Å©´Ù¿î ¼¿
____¸®Ä¡ Ãâ·Â µð½ºÇ÷¹ÀÌ
____nbconvert
__Spyder ÅëÇÕ °³¹ß ȯ°æ
____¼Ò½º ÄÚµå ÆíÁý±â
____Spyder¿¡ ÀÖ´Â ÄܼÖ
____°´Ã¼ °Ë»ç±â
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

2Àå. º¤ÅÍ, Çà·Ä, ´ÙÂ÷¿ø ¹è¿­
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__NumPy ¹è¿­ °´Ã¼
____µ¥ÀÌÅÍ À¯Çü
____¸Þ¸ð¸® ³» ¹è¿­ µ¥ÀÌÅÍ ¼ø¼­
__¹è¿­ ¸¸µé±â
____¸®½ºÆ®³ª ´Ù¸¥ À¯»ç-¹è¿­ °´Ã¼¿¡¼­ »ý¼ºµÈ ¹è¿­
____ÀÏÁ¤ÇÑ °ªÀ¸·Î ä¿î ¹è¿­
____ÁõºÐ ½ÃÄö½º·Î ä¿î ¹è¿­
____·Î±× ½ÃÄö½º·Î ä¿öÁø ¹è¿­
____Meshgrid ¹è¿­
____ÃʱâÈ­µÇÁö ¾ÊÀº ¹è¿­ ¸¸µé±â
____´Ù¸¥ ¹è¿­ÀÇ Æ¯¼ºÀ¸·Î ¹è¿­ ¸¸µé±â
____Çà·Ä ¸¸µé±â
__Àε¦½Ì ¹× ½½¶óÀ̽Ì
____1Â÷¿ø ¹è¿­
____´ÙÂ÷¿ø ¹è¿­
____ºä
____Æҽà Àε¦½Ì°ú ºÎ¿ï °ª À妽Ì
__ÀçÇü»ó°ú Å©±â º¯°æ
__º¤ÅÍÈ­ ½Ä
____»ê¼ú ¿¬»ê
____¿ø¼Òº° ÇÔ¼ö
____Áý°è ÇÔ¼ö
____ºÎ¿ï ¹è¿­°ú Á¶°ÇºÎ ½Ä
____ÁýÇÕ ¿¬»ê
____¹è¿­ ¿¬»ê
__Çà·Ä°ú º¤ÅÍ ¿¬»ê
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

3Àå. ±âÈ£ ¿¬»ê
__SymPy ÀÓÆ÷Æ®Çϱâ
__±âÈ£µé
____¼ýÀÚµé
__½Ä
__½Ä ´Ù·ç±â
____´Ü¼øÈ­
____È®Àå
____ÀμöºÐÇØ ¸ðÀ½ ¹× º´ÇÕ
____ºÐ¸®, ¹­±â, Á¦°Å
____ġȯ
__¼öÄ¡ °è»ê
____¹ÌÀûºÐ
____µµÇÔ¼ö
____ÀûºÐ
____°è¿­
____±ØÇÑ
____ÇÕ°ú °ö
__¹æÁ¤½Ä
__¼±Çü ´ë¼öÇÐ
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

4Àå. µµ½ÄÈ­¿Í ½Ã°¢È­3
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__½ÃÀÛÇϱâ
____´ëÈ­Çü ¹× ºñ´ëÈ­Çü ¸ðµå
__Figure
__Axes
____µµ½Ä À¯Çü
____¼± ¼Ó¼º
____¹ü·Ê
____ÅؽºÆ® ¼­½Ä ¹× ÁÖ¼®
____Ãà Ư¼º
__°í±Þ Axes ·¹À̾ƿô
____ÀμÂ
____ºÎµµ¸é
____Subplot2grid
____GridSpec
__Ä÷¯ ¸Ê µµ½ÄÈ­
__3D µµ¸é
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

5Àå. ¹æÁ¤½Ä Ç®ÀÌ
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__¼±Çü ¿¬¸³ ¹æÁ¤½Ä
____Á¤¹æ ½Ã½ºÅÛ
____ºñÁ¤¹æ ¹æÁ¤½Ä
__°íÀµ°ª ¹®Á¦
__ºñ¼±Çü ¹æÁ¤½Ä
____´Üº¯·® ¹æÁ¤½Ä
____ºñ¼±Çü ¿¬¸³ ¹æÁ¤½Ä
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

6Àå. ÃÖÀûÈ­
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__ÃÖÀûÈ­ ¹®Á¦ ºÐ·ù
__ÀϺ¯·® ÃÖÀûÈ­
__Á¦¾à ¾ø´Â ´Ùº¯·® ÃÖÀûÈ­
__ºñ¼±Çü ÃÖ¼Ò Àڽ ¹®Á¦
__Á¦¾à Á¶°Ç ÃÖÀûÈ­
____¼±Çü ÇÁ·Î±×·¡¹Ö
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

7Àå. º¸°£¹ý
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__º¸°£¹ý
__´ÙÇ×½Ä
__´ÙÇ×½Ä º¸°£
__½ºÇöóÀÎ º¸°£
__´Ùº¯·® º¸°£¹ý
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

8Àå. ÀûºÐ
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__¼öÄ¡Àû ÀûºÐ¹ý
__Scipy¿ÍÀÇ ¼öÄ¡Àû ÀûºÐ
____Ç¥·Î µÈ ÇÇÀûºÐ ÇÔ¼ö
__´ÙÁß ÀûºÐ
__±âÈ£¿Í ÀÓÀÇ-Á¤¹Ðµµ ÀûºÐ
____¼± ÀûºÐ
__ÀûºÐ º¯È¯
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

9Àå. ODE
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__ODE
__ODEÀÇ ±âÈ£Àû Çعý
____¹æÇâÀå
____¶óÇÃ¶ó½º º¯È¯À» ÀÌ¿ëÇÑ ODE ÇØ°á
__ODE ÇØ°áÀ» À§ÇÑ ¼öÄ¡ÀûÀÎ ¹æ¹ý
__Scipy¸¦ ÀÌ¿ëÇÑ ODEÀÇ ¼öÄ¡Àû ÀûºÐ
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

10Àå. Èñ¼Ò Çà·Ä°ú ±×·¡ÇÁ
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__ScipyÀÇ Èñ¼Ò Çà·Ä
____Èñ¼Ò Çà·Ä »ý¼º ÇÔ¼ö
____Èñ¼Ò ¼±Çü ´ë¼ö ÇÔ¼ö
____¼±Çü ¿¬¸³ ¹æÁ¤½Ä
____±×·¡ÇÁ¿Í ³×Æ®¿öÅ©
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

11Àå. PDE
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__PDE
__FDMs
__FEM
____FEM ¶óÀ̺귯¸® Á¶»ç
__FENiCS¸¦ ÀÌ¿ëÇØ PDE ÇØ°áÇϱâ
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

12Àå. µ¥ÀÌÅÍ Ã³¸® ¹× ºÐ¼®
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__Pandas ¼Ò°³
____Series
____DataFrame
____½Ã°è¿­
__Seaborn ±×·¡ÇÈ ¶óÀ̺귯¸®
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

13Àå. Åë°èÇÐ
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__Åë°è ¹× È®·ü ¸®ºä
__·£´ý ¼ö
__È®·ü º¯¼ö ¹× ºÐÆ÷
__°¡¼³ °ËÁ¤
__ºñ¸Å°³º¯¼ö ±â¹ý
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

14Àå. Åë°è ¸ðµ¨¸µ
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__Åë°è ¸ðµ¨¸µ ¼Ò°³
__Patsy¸¦ ÀÌ¿ëÇÑ Åë°è ¸ðµ¨ Á¤ÀÇ
__¼±Çü ȸ±Í
____¿¹Á¦ µ¥ÀÌÅͼÂ
__ÀÌ»ê ȸ±Í ºÐ¼®
____·ÎÁö½ºÆ½ ȸ±Í
____Ǫ¾Æ¼Û ¸ðµ¨
__½Ã°è¿­
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

15Àå. ¸Ó½Å ·¯´×
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__¸Ó½Å ·¯´×¿¡ ´ëÇÑ °£·«ÇÑ ¸®ºä
__ȸ±Í
__ºÐ·ù
__Ŭ·¯½ºÅ͸µ
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

16Àå. º£ÀÌÁî Åë°è
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__º£ÀÌÁî Åë°è ¼Ò°³
__¸ðµ¨ Á¤ÀÇ
____»çÈÄ ºÐÆ÷ Ç¥º» ÃßÃâ
____¼±Çü ȸ±Í
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

17Àå. ½ÅÈ£ ó¸®
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__½ºÆåÆ®·³ ºÐ¼®
____Ǫ¸®¿¡ º¯È¯
____À©µµ¿ì
____½ºÆåÆ®·Î±×·¥
__½ÅÈ£ ÇÊÅÍ
____ÄÁ¹ú·ç¼Ç ÇÊÅÍ
____FIR ¹× IIR ÇÊÅÍ
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

18Àå. µ¥ÀÌÅÍ ÀÔÃâ·Â
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__½°Ç¥-±¸ºÐ °ª
__HDF5
____h5py
____PyTables
____Pandas HDFStore
__JSON
__Á÷·ÄÈ­
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

19Àå. ÄÚµå ÃÖÀûÈ­
__¸ðµâ ÀÓÆ÷Æ®Çϱâ
__Numba
__Cython
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï
__Âü°í ¹®Çå

ºÎ·Ï. ÄÚµå ÃÖÀûÈ­
__¼³Ä¡
__Miniconda¿Í Conda
__¿Ïº®ÇÑ È¯°æ
__¿ä¾à
__Ãß°¡ Âü°í µµ¼­ ¸ñ·Ï

ã¾Æº¸±â

°ü·ÃÀ̹ÌÁö

ÀúÀÚ¼Ò°³

·Î¹öÆ® ¿äÇѽ¼ [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

Å©¶ó½º·¦ [¿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

    9.0
    (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