°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (17,100¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (12,600¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (14,400¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

µö·¯´× ÀÎ ´õ ºê¶ó¿ìÀú : ÀÚ¹Ù½ºÅ©¸³Æ® ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ µö·¯´× À¥ °³¹ß

¿øÁ¦ : Deep Learning In The Browser
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

°øÀ¯Çϱâ
Á¤°¡

20,000¿ø

  • 18,000¿ø (10%ÇÒÀÎ)

    1,000P (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(7)

  • »óÇ°±Ç

AD

Ã¥¼Ò°³

µö·¯´×À» È°¿ëÇÑ À¥ ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ßÀÇ ±âÃÊ¿Í ÀÀ¿ë!

ÀÌ Ã¥Àº ±âº»ÀûÀÎ À¥ ÇÁ·Î±×·¡¹Ö°ú ´õºÒ¾î WebGL µîÀ» »ç¿ëÇÑ ÀÚ¹Ù½ºÅ©¸³Æ® µö·¯´× ÇÁ·¹ÀÓ¿öÅ© »ç¿ë¹ýÀ» ¼³¸íÇÕ´Ï´Ù. ºê¶ó¿ìÀú¿Í µö·¯´×ÀÇ ¸¸³²Àº ¾ÆÁ÷ °ÉÀ½¸¶ ¼öÁØ¿¡ ºÒ°úÇÏÁö¸¸, ÇÏ·ç°¡ ´Ù¸£°Ô ´«ºÎ½Ã°Ô ¹ßÀüÇÏ°í ÀÖ½À´Ï´Ù. Áö±ÝÀ̾߸»·Î ½ÃÀÛÇϱ⠰¡Àå ÁÁÀ» ¶§ÀÔ´Ï´Ù. ÀÌ Ã¥°ú ÇÔ²² ³î¶ó¿î µö·¯´×ÀÇ ¼¼°è¸¦ ´À²¸º¸±â¸¦ ¹Ù¶ø´Ï´Ù.

ÃâÆÇ»ç ¼­Æò

µö·¯´×À» È°¿ëÇÑ À¥ ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ßÀÇ ±âÃÊ¿Í ÀÀ¿ë!
À¥ ÇÁ·Î±×·¡¹Ö°ú ÀΰøÁö´ÉÀÇ ¸¸³²ÀÌ ½ÃÀ۵Ǵ å!

ÀÌ Ã¥Àº µö·¯´×°ú À¥ °³¹ßÀÇ ±³Â÷Á¡¿¡ ÀÖ½À´Ï´Ù. µÎ ±â¼ú ¸ðµÎ ¼º¼÷ ´Ü°è¿¡ Á¢¾îµé¾ú°í, À̵éÀÌ ¸¸³­´Ù¸é ´©±¸µµ »ó»óÇÏÁö ¸øÇÑ È¯»óÀûÀÎ ¾ÖÇø®ÄÉÀ̼ÇÀ» ¸¸µé ¼ö ÀÖ½À´Ï´Ù.

ÀÌ Ã¥Àº ±âº»ÀûÀÎ À¥ ÇÁ·Î±×·¡¹Ö°ú ´õºÒ¾î WebGL µîÀ» »ç¿ëÇÑ ÀÚ¹Ù½ºÅ©¸³Æ® µö·¯´× ÇÁ·¹ÀÓ¿öÅ© »ç¿ë¹ýÀ» ¼³¸íÇÕ´Ï´Ù. ºê¶ó¿ìÀú¿Í µö·¯´×ÀÇ ¸¸³²Àº ¾ÆÁ÷ °ÉÀ½¸¶ ¼öÁØ¿¡ ºÒ°úÇÏÁö¸¸, ÇÏ·ç°¡ ´Ù¸£°Ô ´«ºÎ½Ã°Ô ¹ßÀüÇÏ°í ÀÖ½À´Ï´Ù. Áö±ÝÀ̾߸»·Î ½ÃÀÛÇϱ⠰¡Àå ÁÁÀ» ¶§ÀÔ´Ï´Ù. ÀÌ Ã¥°ú ÇÔ²² ³î¶ó¿î µö·¯´×ÀÇ ¼¼°è¸¦ ´À²¸º¸±â¸¦ ¹Ù¶ø´Ï´Ù. ÀÚ, »õ·Î¿î ¿©ÇàÀ» ¶°³ª º¼±î¿ä?

ÀÌ Ã¥ÀÇ ÁÖ¿ä ³»¿ë
¤ý ÁÖ¿ä µö·¯´× ¸ðµ¨
¤ý µö·¯´×À» À§ÇÑ ±âÃÊ ¼öÇÐ
¤ý µö·¯´× ¸ðµ¨À» È°¿ëÇÑ À¥ ¾ÖÇø®ÄÉÀÌ¼Ç Á¦ÀÛ¹ý
¤ý TensorFlow, WebDNN, Keras µî ÃֽŠµö·¯´× ÇÁ·¹ÀÓ¿öÅ© »ç¿ë¹ý
¤ý WebGL »ç¿ë¹ý

¸ñÂ÷

CHAPTER 1 µö·¯´× ¼Ò°³ 1
1.1 ½Å°æ¸ÁÀ» À§ÇÑ ±âÃÊ ¼öÇÐ 3
1.1.1 ´ÜÃþ ÆÛ¼ÁÆ®·Ð 3
1.1.2 ´ÙÃþ ÆÛ¼ÁÆ®·Ð 8
1.1.3 ÇÕ¼º°ö °èÃþ°ú Ç®¸µÃþ 9
1.1.4 È°¼ºÈ­ ÇÔ¼ö 12
1.2 ´º·² ³×Æ®¿öÅ© 17
1.2.1 ¼Õ½Ç ÇÔ¼öÀÇ Á߿伺 17
1.2.2 Á¤±ÔÈ­ 18
1.2.3 ¿ªÀüÆÄ ¾Ë°í¸®Áò 19
1.2.4 ÃÖÀûÈ­ ¹æ¹ý 19
1.3 Á¤¸® 21

CHAPTER 2 ½Å°æ¸Á ±¸Á¶ 23
2.1 ÇÕ¼º°ö ½Å°æ¸Á 24
2.1.1 AlexNet 25
2.1.2 GoogLeNet 26
2.1.3 ResNet 27
2.1.4 SqueezeNet 29
2.2 ¼øȯ ½Å°æ¸Á 31
2.2.1 LSTM 33
2.2.2 GRU 34
2.3 °­È­ ÇнÀ 35
2.3.1 DQN 38
2.4 Á¤¸® 39

CHAPTER 3 ÀÚ¹Ù½ºÅ©¸³Æ® µö·¯´× ÇÁ·¹ÀÓ¿öÅ© 41
3.1 TensorFlow.js 42
3.1.1 TensorFlow.js ½ÃÀÛÇϱâ 42
3.1.2 XOR ¹®Á¦ 43
3.1.3 XOR ¹®Á¦ ÇØ°á 44
3.1.4 ³×Æ®¿öÅ© ±¸Á¶ 49
3.1.5 ÅÙ¼­ 50
3.1.6 ¿¬»ê 52
3.1.7 ÇнÀ 55
3.1.8 TensorFlow.js »ýÅ°è 58
3.2 WebDNN 61
3.3 Keras.js 63
3.4 Á¤¸® 65

CHAPTER 4 µö·¯´×À» À§ÇÑ ÀÚ¹Ù½ºÅ©¸³Æ® ±âÃÊ 67
4.1 ÀÚ¹Ù½ºÅ©¸³Æ® Çü½ÄÈ­ ¹è¿­ 68
4.1.1 ArrayBuffer 69
4.1.2 DataView 71
4.2 ÀÚ¹Ù½ºÅ©¸³Æ® µ¿½Ã¼º 73
4.2.1 ÀÚ¹Ù½ºÅ©¸³Æ® À̺¥Æ® ·çÇÁ 73
4.2.2 Promise ºñµ¿±â ÇÔ¼ö 75
4.2.3 async/await ºñµ¿±â ÇÔ¼ö 77
4.2.4 À¥¿öÄ¿¸¦ »ç¿ëÇÑ ¸ÖƼ½º·¹µù 79
4.2.5 µö·¯´× ¾ÖÇø®ÄÉÀ̼ÇÀ» À§ÇÑ ÇÁ·Î¼¼½Ì ¹Ýº¹ ó¸® 81
4.3 CPU/GPU¿¡¼­ ¸®¼Ò½º ·ÎµåÇϱâ 81
4.3.1 Fetch API 82
4.3.2 ·¹À̺í ÀÎÄÚµù 84
4.3.3 ¿ø-ÇÖ ÀÎÄÚµù 85
4.4 Á¤¸® 86

CHAPTER 5 WebGLÀ» ÀÌ¿ëÇÑ GPU °¡¼ÓÈ­ 89
5.1 WebGL ±âÃÊ 91
5.1.1 WebGL ÀÛ¾÷ È帧 93
5.1.2 ÇÁ·¡±×¸ÕÆ® ¼ÎÀÌ´õ ·»´õ¸µ 96
5.2 ÀϹÝÀûÀÎ WebGL »ç¿ë 102
5.2.1 WebGL µð¹ö±ë 103
5.2.2 ÅؽºÃ³ ·»´õ¸µ 104
5.2.3 Á¤¹Ðµµ 109
5.2.4 ÃÖÀûÈ­ 112
5.2.5 ºÎµ¿¼Ò¼öÁ¡ ½ºÆä¼È 113
5.2.6 CPU¿¡¼­ GPU·Î ¶Ç´Â GPU¿¡¼­ CPU·Î 118
5.3 Çà·Ä ¿¬»êÀ» À§ÇÑ ÅؽºÃ³¿Í ¼ÎÀÌ´õ 119
5.3.1 Çà·ÄÀÇ µ¡¼À 120
5.3.2 Çà·ÄÀÇ °ö¼À 120
5.3.3 È°¼ºÈ­ ÇÔ¼ö 122
5.3.4 WGLMatrix ¸Þ¼­µå 122
5.4 ¼Õ±Û¾¾ ÀÎ½Ä ¾ÖÇø®ÄÉÀÌ¼Ç 123
5.4.1 µ¥ÀÌÅÍ ÀÎÄÚµù 123
5.4.2 ¸Þ¸ð¸® ÃÖÀûÈ­ 124
5.4.3 ÇǵåÆ÷¿öµå 126
5.4.4 ù ¹ø° ½Ãµµ 126
5.4.5 ¼º´É Çâ»ó 127
5.5 Á¤¸® 129

CHAPTER 6 À¥ºê¶ó¿ìÀú¿¡¼­ÀÇ µ¥ÀÌÅÍ ÃßÃâ 131
6.1 À̹ÌÁö µ¥ÀÌÅÍ ·Îµù 132
6.1.1 À̹ÌÁö¿¡¼­ Çȼ¿ ÃßÃâÇϱâ 132
6.1.2 ¿ø°Ý ¸®¼Ò½º ·ÎµåÇϱâ 134
6.1.3 ÀÌÁø ºí¶ø °¡Á®¿À±â 136
6.2 Çȼ¿ µ¥ÀÌÅ͸¦ È­¸é¿¡ ·»´õ¸µÇϱâ 137
6.2.1 À̹ÌÁö º¸¿©ÁÖ±â 138
6.2.2 Çȼ¿ µ¥ÀÌÅ͸¦ ĵ¹ö½º¿¡ ·»´õ¸µÇϱâ 139
6.2.3 À̹ÌÁö µ¥ÀÌÅÍ º¸°£ 141
6.2.4 ĵ¹ö½º¿¡ µµÇü ±×¸®±â 143
6.3 Ä«¸Þ¶ó, ¸¶ÀÌÅ©, ½ºÇÇÄ¿ »ç¿ëÇϱâ 144
6.3.1 À¥Ä·¿¡¼­ À̹ÌÁö ĸóÇϱâ 145
6.3.2 ¸¶ÀÌÅ©·Î ¿Àµð¿À ·¹ÄÚµùÇϱâ 146
6.3.3 »ç¿îµå ÆÄÀÏÀÇ ·Îµù, µðÄÚµù, Ãâ·Â 148
6.4 µö·¯´× ÇÁ·¹ÀÓ¿öÅ©ÀÇ À¯Æ¿¸®Æ¼ µµ±¸ 149
6.4.1 TensorFlow.js 150
6.4.2 Keras.js 151
6.4.3 WebDNN 152
6.5 Á¤¸® 153

CHAPTER 7 °í±Þ µ¥ÀÌÅÍ Á¶ÀÛÀ» À§ÇÑ ·¹½ÃÇÇ 155
7.1 Protobuf Á÷·ÄÈ­ 156
7.1.1 Caffe ¸ðµ¨ ÆĶó¹ÌÅÍ ÆĽÌÇϱâ 158
7.1.2 ÅÙ¼­Ç÷Π±×·¡ÇÁ ÆÄ½Ì 159
7.1.3 ºÎµ¿¼Ò¼öÁ¡ Á¤¹Ðµµ 161
7.2 Chart.js Â÷Æ® ±¸Çö 162
7.2.1 Â÷Æ® À¯Çü »ìÆ캸±â 163
7.2.2 µ¥ÀÌÅÍ ¼¼Æ® ±¸¼º 165
7.2.3 µ¥ÀÌÅÍ ¾÷µ¥ÀÌÆ® 166
7.2.4 ¿É¼Ç°ú ±¸¼º ¼³Á¤ 168
7.3 ĵ¹ö½º¸¦ È°¿ëÇÑ ½ºÄÉÄ¡ 171
7.3.1 ĵ¹ö½º¿¡ ±×¸² ±×¸®±â 172
7.3.2 Ææ ½ºÆ®·ÎÅ© ÃßÃâÇϱâ 175
7.4 ¸¶ÀÌÅ©¿¡¼­ ½ºÆåÅä±×·¥ °è»êÇϱâ 177
7.5 ¾ó±¼ °¨Áö ¹× ÃßÀû 179
7.5.1 Jeeliz FaceFilter¸¦ »ç¿ëÇÑ ¾ó±¼ ÃßÀû 179
7.5.2 Tracking.js·Î ¾ó±¼ ÃßÀûÇϱâ 180
7.5.3 Å©·Ò ¾ó±¼ ÀÎ½Ä API 182
7.6 Á¤¸® 184

CHAPTER 8 TensorFlow.js ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ß 185
8.1 TensorFlow.js¸¦ È°¿ëÇÑ µ¿ÀÛ ºÐ·ù 185
8.1.1 ¾Ë°í¸®Áò 186
8.1.2 TensorFlow.js ÇÁ·ÎÁ§Æ® ½ÃÀÛÇϱâ 188
8.1.3 KNN ºÐ·ù±â ¼³Á¤ 189
8.1.4 TensorFlow.js ÇÁ·Î¼¼½Ì ·çÇÁ 190
8.1.5 Á¤¸® 193
8.2 TensorFlow.js¸¦ È°¿ëÇÑ ÅؽºÆ® »ý¼º ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ß 193
8.2.1 ¾Ë°í¸®Áò 193
8.2.2 ÄÉ¶ó½º ¸ðµ¨ 194
8.2.3 ÄÉ¶ó½º ¸ðµ¨À» TensorFlow.js ¸ðµ¨·Î º¯È¯Çϱâ 195
8.2.4 ÇÁ·ÎÁ§Æ® ¼³Ä¡Çϱâ 196
8.2.5 TensorFlow.js·Î ÄÉ¶ó½º ¸ðµ¨ °¡Á®¿À±â 196
8.2.6 TensorFlow.js ÇÁ·Î¼¼½Ì ¹Ýº¹¹® 197
8.2.7 ¸ðµ¨ ÀÔ·Â ±¸¼ºÇϱâ 198
8.2.8 ¿¹Ãø ±¸Çö 200
8.2.9 ¸ðµ¨ Ãâ·Â »ùÇøµ 201
8.2.10 ¸¶Ä¡¸ç 203
8.3 TensorFlow.js¸¦ È°¿ëÇÑ À̹ÌÁö ³ëÀÌÁî Á¦°Å 204
8.3.1 ¾Ë°í¸®Áò 204
8.3.2 ÄÉ¶ó½º ¸ðµ¨À» TensorFlow.js ¸ðµ¨·Î º¯È¯Çϱâ 206
8.3.3 ÇÁ·ÎÁ§Æ® ¼³Ä¡ 207
8.3.4 ÃʱâÈ­ 207
8.3.5 ¾ÖÇø®ÄÉÀÌ¼Ç µ¿ÀÛ È帧 208
8.3.6 Å×½ºÆ® À̹ÌÁö ºÒ·¯¿À±â 209
8.3.7 ³ëÀÌÁî ¾÷µ¥ÀÌÆ® 211
8.3.8 À̹ÌÁö ³ëÀÌÁî°¡ Á¦°ÅµÈ À̹ÌÁö »ý¼ºÇϱâ 211
8.3.9 À̹ÌÁö ³ëÀÌÁî Á¦°Å 212
8.3.10 ÃʱâÈ­ ÇÔ¼ö 213
8.3.11 ¸¶Ä¡¸ç 214
8.4 Á¤¸® 214
8.5 ¸ÎÀ½¸» 216

ã¾Æº¸±â 218

º»¹®Áß¿¡¼­

Àúó·³ ÀÌÁ¦ ¸· µö·¯´×ÀÇ ¼¼°è·Î ¶Ù¾îµç À¥ °³¹ßÀÚ¶ó¸é, À̷аú ½ÇÁ¦¶ó´Â ¾öû³­ °£±ØÀ» ¸Þ¿ï ¼ö ÀÖ´Â ÃÖ°íÀÇ Ã¥ÀÌ µÉ °ÍÀÔ´Ï´Ù. ÀÌ Ã¥À» ÅëÇØ ¼öÇÐÀûÀÎ À̷п¡ ±×Ä¡Áö ¾Ê°í ´Ù¾çÇÑ µö·¯´× ¸ðµ¨À» »ç¿ëÇÑ µ¥¸ð¸¦ ½ÇÁ¦·Î °³¹ßÇØ º¸¸ç µö·¯´×ÀÇ ¼¼°è¸¦ Á÷Á¢ ¸Àº¼ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù. ƯÈ÷, ÀúÀÚµéÀÇ ½ÇÁ¦ µö·¯´× ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ß °æÇèÀ» ÅëÇØ ¾ò¾ú´ø ÆÁ¿¡¼­ ÀÌ Ã¥ÀÇ Á¤¼ö¸¦ ´À³¥ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù.
_XÆäÀÌÁö(¿Å±äÀÌ ¸Ó¸®¸» Áß¿¡¼­)

ÆÛ¼ÁÆ®·Ð ¹æÁ¤½Ä¿¡¼­ °è´Ü ÇÔ¼ö(step function)°¡ ¼Ò°³µÈ ÀÌÈÄ, ½Ã±×¸ðÀ̵å ÇÔ¼ö(sigmoid function)´Â 1980³â´ë °¡Àå Àαâ ÀÖ´Â È°¼ºÈ­ ÇÔ¼ö¿´½À´Ï´Ù. ±× ÀÌÀ¯´Â °è´Ü ÇÔ¼ö¿Í ´Þ¸® ½Ã±×¸ðÀ̵å´Â ÇÔ¼ö°¡ ¸ðµç °ªÀ» 0°ú 1ÀÇ ¹üÀ§·Î ºÎµå·´°Ô º¯°æÇÏ°í ¿¬¼ÓÀûÀÎ °ªÀ» ¾òÀ» ¼ö Àֱ⠶§¹®ÀÔ´Ï´Ù.
_12ÆäÀÌÁö

ÇöÀç TensorFlow.js´Â 0Â÷¿ø(0D ÅÙ¼­) ¹è¿­(½ºÄ®¶ó)ºÎÅÍ 4Â÷¿ø(4D ÅÙ¼­) ¹è¿­±îÁö Áö¿øÇÕ´Ï´Ù. ÇнÀ µ¥ÀÌÅÍ, Å×½ºÆ® µ¥ÀÌÅÍ, ³×Æ®¿öÅ© °¡ÁßÄ¡ µî°ú °°ÀÌ ½Å°æ¸Á¿¡¼­ ó¸®ÇÏ´Â ¸ðµç µ¥ÀÌÅÍ´Â ¹Ýµå½Ã ÅÙ¼­·Î Ç¥½ÃÇØ¾ß ÇÕ´Ï´Ù. TensorFlow.js´Â »ç¿ëÀڷκÎÅÍ ÅÙ¼­¸¦ ÅëÇØ WebGL ¼ÎÀÌ´õ(shaders) »ç¿ëÀ» ¼û±é´Ï´Ù. ³»ºÎÀûÀ¸·Î TensorFlow.js´Â CPU(ÀÚ¹Ù½ºÅ©¸³Æ® ½º·¹µå)¿¡¼­ GPU(WebGL ¼ÎÀÌ´õ)·Î, (°á°ú¸¦ °Ë»öÇϱâ À§ÇØ) ÅÙ¼­ µ¥ÀÌÅ͸¦ ¾ÕµÚ·Î Àü¼ÛÇÕ´Ï´Ù.
_50ÆäÀÌÁö

°íÁ¤¹Ð ¼ÎÀÌ´õ¿¡¼­´Â ºÎµ¿¼Ò¼öÁ¡ ¼ýÀÚ°¡ GPU¿¡ µû¶ó 16~32bit¸¦ »ç¿ëÇÏ¿© ÀúÀåµË´Ï´Ù. ù ¹ø° ºñÆ®¿¡ ºÎÈ£°¡ °áÁ¤µÇ¸é ºÎµ¿¼Ò¼öÁ¡À¸·Î ³Ñ¾î°©´Ï´Ù. 32bit ºÎµ¿¼Ò¼öÁ¡ÀÇ °æ¿ì, 8bit°¡ Áö¼ö¸¦ ÀÎÄÚµùÇÏ°í 23bit°¡ ¼Ò¼ö¸¦ ÀÎÄÚµùÇÕ´Ï´Ù. ÀúÀå Çü½ÄÀº 32bit ÀÎÄÚµùµÈ ºÎµ¿¼Ò¼öÁ¡ °ªÀÇ ÃÖ´ñ°ªÀº3.4e38ÀÌ°í ÃÖ¼Ú°ªÀº-3.4e38ÀÔ´Ï´Ù. 16bit ºÎµ¿¼Ò¼öÁ¡Àº À̺¸´Ù ¹üÀ§°¡ ´õ Á¼À» °ÍÀÔ´Ï´Ù.
_113ÆäÀÌÁö

protobuf.js´Â ¸ðµâ·Î¼­ ES6 ¹× Typescript Ŭ·¡½º¸¦ ³»º¸³¾ ¼öµµ ÀÖ½À´Ï´Ù. ¸ðµâ¿¡¼­ Äڵ带 ±¸¼ºÇϸé ȯ»óÀûÀÔ´Ï´Ù. ±×·¯³ª ºê¶ó¿ìÀú¿¡¼­ ÀÌ·¯ÇÑ ¸ðµâÀ» »ç¿ëÇÏ·Á¸é Browserify ¶Ç´Â Typescript¿Í °°Àº ÆÐŰ¡ ½Ã½ºÅÛÀ» »ç¿ëÇÏ¿© ºê¶ó¿ìÀú¿ëÀ¸·Î ÄÄÆÄÀÏÇÏ°í ÆÐÅ°ÁöÈ­ÇØ¾ß ÇÕ´Ï´Ù. °¡µ¶¼º°ú ÀçÇö¼ºÀ» À§ÇØ ÀÌ ¼½¼Ç¿¡¼­´Â JSON Çü½ÄÀ» »ç¿ëÇÕ´Ï´Ù.
_157ÆäÀÌÁö

ÀúÀÚ¼Ò°³

Ä«ÀÌ »ç»çÅ°, Å©¸®½ºÅäÇÁ ÄÚ³Ê, ·¹ÀÌÀÌÄ¡·Î ³ªÄ«³ë [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

À̼öÁø [¿ª] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

ÀÌ »óÇ°ÀÇ ½Ã¸®Áî

(ÃÑ 29±Ç / ÇöÀ籸¸Å °¡´Éµµ¼­ 29±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