°£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

À¥ ºê¶ó¿ìÀú ¼Ó ¸Ó½Å·¯´× TensorFlow.js : ½ÇÀü ¿¹Á¦·Î ¹è¿ì´Â ÅÙ¼­Ç÷Π¸Ó½Å·¯´× ¸ðµ¨

¿øÁ¦ : Hands-On Machine Learning with TensorFlow.js
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

°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¸
  • 4/25(¸ñ) 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

À¥ ºê¶ó¿ìÀú¿¡¼­ ¸Ó½Å·¯´× ¸ðµ¨À» ±¸ÃàÇϱâ À§ÇÑ
ÅÙ¼­ÇÃ·Î¿Í ÀÚ¹Ù½ºÅ©¸³Æ®ÀÇ ¿î¸íÀû ¸¸³²

TensorFlow.js´Â À¥¿¡¼­ ¸Ó½Å·¯´× ¸ðµ¨À» °³¹ß ¹× ÇнÀ½ÃÅ°°í, ºê¶ó¿ìÀú³ª Node.js¿¡ ¹èÆ÷ÇÏ´Â ¶óÀ̺귯¸®´Ù. ÀÌ Ã¥Àº ¹Ø¹Ù´ÚºÎÅÍ À¥ ±â¹Ý ¾ÖÇø®ÄÉÀ̼ǿ¡ ¸Ó½Å·¯´× ±â¼úÀ» ±¸ÇöÇÏ·Á´Â ÇÁ·±Æ®¿£µå À¥ °³¹ßÀÚ¿¡°Ô TensorFlow.js ¿¡ÄڽýºÅÛ, ȸ±Í, ±ºÁýÈ­, °í¼Ó Ǫ¸®¿¡ º¯È¯, Â÷¿ø Ãà¼Ò µî ¸Ó½Å·¯´× °ü·Ã ±â¼ú ¹× ¾Ë°í¸®ÁòÀ» ´Ù·ç´Â ¹æ¹ýÀ» Ä£ÀýÈ÷ ¼³¸íÇÑ´Ù. °¢ ÀåÀÇ ¸¶Áö¸·¿¡´Â ¿¬½À ¹®Á¦¿Í ´õ ÀÐÀ»°Å¸®¸¦ Á¦°øÇØ ´Ù¾çÇÑ ½Ç½ÀÀ» ÇÒ ¼ö ÀÖ°í, ¸Ó½Å·¯´× Áö½Äµµ È®ÀåÇÒ ¼ö ÀÖ´Ù. À¥ ȯ°æ¿¡¼­ ¸Ó½Å·¯´×À» ¹Ù·Î ½ÇÇàÇØ »ç¿ëÀÚ ¸ÂÃãÇü ÄÜÅÙÃ÷¸¦ ¸¸µé¾îº¸ÀÚ.

ÃâÆÇ»ç ¼­Æò

´Ù¾çÇÑ ºÐ¾ßÀÇ °³¹ßÀÚ°¡ ½±°Ô Á¢±ÙÇÒ ¼ö ÀÖ´Â ¸Ó½Å·¯´×
ÀÌ Ã¥Àº À¥ °³¹ßÀÚ»Ó ¾Æ´Ï¶ó ¸Ó½Å·¯´×, µö·¯´×, µ¥ÀÌÅÍ ºÐ¼® Á¾»çÀÚ µî À¥¿¡¼­ ¸Ó½Å·¯´× ¸ðµ¨À» ½ÇÇàÇÏ·Á´Â ¸ðµç À̸¦ ´ë»óÀ¸·Î ¾²¿´´Ù. ¸Ó½Å·¯´× °ü·Ã ´Ù¾çÇÑ ÀÌ·ÐÀ» ½±°Ô ¼³¸íÇÏ¿© ÀÌÇØÇϱ⵵ ½±°í, ¸Ó½Å·¯´× ±â¼úÀ» À¥¿¡¼­ ±¸ÃàÇϱâ À§ÇØ ¹Ù·Î È°¿ëÇÒ ¼ö ÀÖ´Â ½ÇÀü ¿¹Á¦¸¦ °¡µæ ´ã¾Ò´Ù. ¶ÇÇÑ, À¥¿¡¼­ ¸Ó½Å·¯´× ±â¼úÀ» Á÷Á¢ ½Ç½ÀÇغ¸¸ç °³³äÀ» ´õ ½±°í, ¸íÈ®ÇÏ°í, źźÇÏ°Ô ÀâÀ» ¼öµµ ÀÖ´Ù. ±â¼ú ÀÌÇØ¿¡ µµ¿òÀÌ µÇ´Â ¸¹Àº Âü°í ÀÚ·á¿Í ±×¸², ¼ö½ÄÀ» ÅëÇØ ¸Ó½Å·¯´× ±â¼úÀÌ ¾î¶»°Ô ÇÁ·±Æ®±îÁö ´ê°Ô µÇ´ÂÁö ½±°í ºü¸£°Ô ÀÌÇØÇÏ±æ ¹Ù¶õ´Ù.
ÁÖ¿ä ³»¿ë
¡Ü TensorFlow.js ¼³Ä¡ ¹æ¹ý°ú ȯ°æ ±¸Ãà ¹æ¹ý
¡Ü ÄÉ¶ó½º ¸ðµ¨À» TensorFlow.js·Î °¡Á®¿À´Â ¹æ¹ý
¡Ü TensorFlow.js ÇÁ·¹ÀÓ¿öÅ©¿Í ¶óÀ̺귯¸® »ç¿ë¹ý
¡Ü ´ÙÇ× È¸±Í, ·ÎÁö½ºÆ½ ȸ±Í µî ´Ù¾çÇÑ ¸ðµ¨ »ç¿ë¹ý
¡Ü ±ºÁýÈ­ ¾Ë°í¸®Áò°ú ºñÁöµµ ÇнÀ¹ý
¡Ü Â÷¿ø Ãà¼Ò¿Í t-ºÐÆ÷ È®·üÀû ÀÓº£µù
¡Ü ¸Ó½Å·¯´× ¾ÖÇø®ÄÉÀÌ¼Ç ¹èÆ÷ ¹æ¹ý
¡Ü ¸Ó½Å·¯´× ¼º´É Çâ»óÀ» À§ÇÑ Æ©´×¹ý°ú TensorFlow.jsÀÇ Àü¸Á

¸ñÂ÷

1ºÎ ¸Ó½Å·¯´×ÀÇ ¿ø¸®¿Í TensorFlow.js »ç¿ë¹ý

CHAPTER 1 À¥¿¡¼­ÀÇ ¸Ó½Å·¯´×
_1.1 °³¹ß ȯ°æ
_1.2 ¸Ó½Å·¯´×À» À¥¿¡¼­ µ¹¸®´Â ÀÌÀ¯
_1.3 ¿¬»ê ±×·¡ÇÁ
_1.3 ¿¬»ê ±×·¡ÇÁ ½Ã°¢È­Çϱâ
_1.4 TensorFlow.js¶õ?
_1.5 TensorFlow.js ¼³Ä¡Çϱâ
_1.6 Àú¼öÁØ API
_1.7 Layers API
_1.8 ¸¶Ä¡¸ç
_1.9 ¿¬½À ¹®Á¦
_1.10 ´õ ÀÐÀ»°Å¸®

CHAPTER 2 »çÀü ÇнÀµÈ ¸ðµ¨À» TensorFlow.js·Î °¡Á®¿À±â
_2.1 °³¹ß ȯ°æ
_2.2 Æ÷ÅÍºí ¸ðµ¨ Çü½Ä
_2.3 ÅÙ¼­Ç÷ο¡¼­ ¸ðµ¨ ³»º¸³»±â
_2.4 tfjs-converter¸¦ »ç¿ëÇÏ¿© ¸ðµ¨ º¯È¯Çϱâ
_2.5 TensorFlow.js¿¡¼­ ¸ðµ¨ ºÒ·¯¿À±â
_2.6 ¸¶Ä¡¸ç
_2.7 ¿¬½À ¹®Á¦
_2.8 ´õ ÀÐÀ»°Å¸®

CHAPTER 3 TensorFlow.js ¿¡ÄڽýºÅÛ
_3.1 °³¹ß ȯ°æ
_3.2 ¿Ö °í¼öÁØ ¶óÀ̺귯¸®°¡ ÇÊ¿äÇÑ°¡?
_3.3 ±âÁ¸ ¸ðµ¨ »ç¿ëÇϱâ
_3.4 ´Ù¾çÇÑ Á¾·ùÀÇ ½ºÅ丮Áö¿¡¼­ µ¥ÀÌÅÍ ºÒ·¯¿À±â
_3.5 ML_5.js¸¦ ÀÌ¿ëÇÑ ÀÚ¼¼ ÃßÁ¤
_3.6 Magenta.js·Î °í¾çÀÌ ±×¸®±â
_3.7 machinelearn_.js¸¦ »ç¿ëÇÑ XOR ºÐ·ù
_3.8 ¸¶Ä¡¸ç
_3.9 ¿¬½À ¹®Á¦
_3.10 ´õ ÀÐÀ»°Å¸®

2ºÎ TensorFlow.js¸¦ È°¿ëÇÑ ½ÇÁ¦ ¾ÖÇø®ÄÉÀÌ¼Ç »ç·Ê

CHAPTER 4 ´ÙÇ× È¸±Í
_4.1 °³¹ß ȯ°æ
_4.2 ´ÙÇ× È¸±Í¶õ?
_4.3 2Â÷¿ø °î¼± ÇÇÆÃ
_4.4 ¸¶Ä¡¸ç
_4.5 ¿¬½À ¹®Á¦
_4.6 ´õ ÀÐÀ»°Å¸®

CHAPTER 5 ·ÎÁö½ºÆ½ ȸ±Í¸¦ »ç¿ëÇÑ ºÐ·ù
_5.1 °³¹ß ȯ°æ
_5.2 ÀÌÁø ºÐ·ùÀÇ ¹è°æ
_5.3 ·ÎÁö½ºÆ½ ȸ±Í¶õ?
_5.4 2Â÷¿ø ±ºÁý ºÐ·ùÇϱâ
_5.5 ¸¶Ä¡¸ç
_5.6 ¿¬½À ¹®Á¦
_5.7 ´õ ÀÐÀ»°Å¸®

CHAPTER 6 ºñÁöµµÇнÀ
_6.1 °³¹ß ȯ°æ
_6.2 ºñÁöµµÇнÀÀ̶õ?
_6.3 k-Æò±Õ ¾Ë°í¸®Áò µ¿ÀÛ ¿ø¸®
_6.4 ±â´ñ°ª-ÃÖ´ëÈ­ ¾Ë°í¸®ÁòÀ» »ç¿ëÇÑ k-Æò±Õ ¾Ë°í¸®ÁòÀÇ ÀϹÝÈ­
_6.5 2Â÷¿ø °ø°£¿¡¼­ µÎ ±×·ìÀ» ±ºÁýÈ­Çϱâ
_6.6 ¸¶Ä¡¸ç
_6.7 ¿¬½À ¹®Á¦
_6.8 ´õ ÀÐÀ»°Å¸®

CHAPTER 7 ¼øÂ÷ µ¥ÀÌÅÍ ºÐ¼®
_7.1 °³¹ß ȯ°æ
_7.2 Ǫ¸®¿¡ º¯È¯À̶õ?
_7.3 ÄÚ»çÀÎ °î¼± ºÐÇØ
_7.4 ¸¶Ä¡¸ç
_7.5 ¿¬½À ¹®Á¦
_7.6 ´õ ÀÐÀ»°Å¸®

CHAPTER 8 Â÷¿ø Ãà¼Ò
_8.1 °³¹ß ȯ°æ
_8.2 ¿Ö Â÷¿ø Ãà¼Ò¸¦ ÇØ¾ß Çϴ°¡?
_8.3 ÁÖ¼ººÐ ºÐ¼®ÀÇ ÀÌÇØ
_8.4 ÁÖ¼ººÐ ºÐ¼®À» ÀÌ¿ëÇÏ¿© 3Â÷¿ø ÁÂÇ¥¸¦ 2Â÷¿ø °ø°£À¸·Î Åõ¿µÇϱâ
_8.5 ´Ü¾î ÀÓº£µù
_8.6 ¸¶Ä¡¸ç
_8.7 ¿¬½À ¹®Á¦
_8.8 ´õ ÀÐÀ»°Å¸®

CHAPTER 9 ¸¶¸£ÄÚÇÁ °áÁ¤ ¹®Á¦ Ç®±â
_9.1 °³¹ß ȯ°æ
_9.2 °­È­ÇнÀ
_9.3 4°³ »óÅ ¹®Á¦ ÇØ°áÇϱâ
_9.4 ¸¶Ä¡¸ç
_9.5 ¿¬½À ¹®Á¦
_9.6 ´õ ÀÐÀ»°Å¸®

3ºÎ TensorFlow.js·Î ¸Ó½Å·¯´× ¾ÖÇø®ÄÉÀÌ¼Ç ¹èÆ÷Çϱâ

CHAPTER 10 ¸Ó½Å·¯´× ¾ÖÇø®ÄÉÀÌ¼Ç ¹èÆ÷Çϱâ
_10.1 °³¹ß ȯ°æ
_10.2 ÀÚ¹Ù½ºÅ©¸³Æ® Ç÷§ÆûÀÇ ¿¡ÄڽýºÅÛ
_10.3 ¸ðµâ ¹øµé·¯
_10.4 ±êÇãºê ÆäÀÌÁö·Î ¸ðµâ ¹èÆ÷Çϱâ
_10.5 ¸¶Ä¡¸ç
_10.6 ¿¬½À ¹®Á¦
_10.7 ´õ ÀÐÀ»°Å¸®

CHAPTER 11 ¼º´É Çâ»óÀ» À§ÇÑ ¾ÖÇø®ÄÉÀÌ¼Ç Æ©´×Çϱâ
_11.1 °³¹ß ȯ°æ
_11.2 TensorFlow.js ¹é¿£µå API
_11.3 ÅÙ¼­ °ü¸®
_11.4 ºñµ¿±â µ¥ÀÌÅÍ Á¢±Ù
_11.5 ÇÁ·ÎÆÄÀϸµ
_11.6 ¸ðµ¨ ½Ã°¢È­
_11.7 ¸¶Ä¡¸ç
_11.8 ¿¬½À ¹®Á¦
_11.9 ´õ ÀÐÀ»°Å¸®

CHAPTER 12 TensorFlow.jsÀÇ Àü¸Á
_12.1 °³¹ß ȯ°æ
_12.2 ½ÇÇèÀû ¹é¿£µå ÇÁ·ÎÁ§Æ®
_12.3 AutoML ¿¡Áö ÇïÆÛ
_12.4 ¸¶Ä¡¸ç
_12.5 ¿¬½À ¹®Á¦
_12.6 ´õ ÀÐÀ»°Å¸®

ÀúÀÚ¼Ò°³

Ä«ÀÌ »ç»çÅ° [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

Kai Sasaki
Treasure DataÀÇ ¼ÒÇÁÆ®¿þ¾î ¿£Áö´Ï¾î. µ¥ÀÌÅ͸¦ °¡Ä¡ ÀÖ°Ô ¸¸µé±â À§ÇØ ´ë±Ô¸ðÀÇ ºÐ»ê ½Ã½ºÅÛÀ» °³¹ßÇÏ´Â ¾÷¹«¸¦ ¸Ã°í ÀÖ´Ù. ´ë±Ô¸ð µ¥ÀÌÅ͸¦ ó¸®ÇÏ¿© ÀΰøÁö´ÉÀ» ¸¸µå´Â ÀÏ¿¡ ´ëÇÑ ¿­Á¤ÀÌ ±×¸¦ ¸Ó½Å·¯´× ºÐ¾ß·Î À̲ø¾ú´Ù. TensorFlow.js Ãʱ⠰³¹ßÁø Áß ÇÑ ¸íÀ̱⵵ Çϸç, »õ·Î¿î Á¾·ùÀÇ ¸Ó½Å·¯´× ¸ðµ¨¿¡¼­ ¿ä±¸µÇ´Â »õ·Î¿î ¿¬»êÀÚ¸¦ Ãß°¡ÇÏ´Â ¾÷¹«¸¦ °è¼ÓÇؼ­ ¸Ã°í ÀÖ´Ù. 2018³â¿¡ Google Open Source Peer Bonus¸¦ ¹Þ±âµµ Çß´Ù.

À¯¼ö¿¬ [¿ª] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

ÄÄÇ»ÅÍ/ÀÎÅÍ³Ý ºÐ¾ß¿¡¼­ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥

    ¸®ºä

    0.0 (ÃÑ 0°Ç)

    100ÀÚÆò

    ÀÛ¼º½Ã À¯ÀÇ»çÇ×

    ÆòÁ¡
    0/100ÀÚ
    µî·ÏÇϱâ

    100ÀÚÆò

    0.0
    (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 ±¸¸Å¾ÈÀü¼­ºñ½º¼­ºñ½º °¡ÀÔ»ç½Ç È®ÀÎ

    (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.

    • - 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