¹Ýµð¾Ø·ç´Ï½º ÀÎÅͳݼ­Á¡

³×ºñ°ÔÀÌ¼Ç ½Ç½Ã°£ Àαâ Ã¥

    Á¤¼®À¸·Î ¹è¿ì´Â µö·¯´× ÅÙ¼­ÇÃ·Î¿Í Äɶ󽺷Π¹è¿ì´Â ½Ã°è¿­ µ¥ÀÌÅÍ Ã³¸® ¾Ë°í¸®Áò

    ½Ã¸®Áî : À§Å°ºÏ½º µ¥ÀÌÅÍ »çÀ̾𽺠½Ã¸®Áî [23]

    ¿øÁ¦ : ßÙú° «Ç«£ー«×«éー«Ë«ó«° ~TensorFlow・KerasªËªèªëãÁ֪ͧ«Çー«¿処×â

    • ½º°í¸ð¸® À¯¿ì½ºÄÉ Àú
    • ±è¹üÁØ ¿ª
    • À§Å°ºÏ½º
    • 2018³â 08¿ù 07ÀÏ
    • Á¤°¡
      27,000¿ø
    • ÆǸŰ¡
      24,300¿ø [10% ÇÒÀÎ]
    • °áÁ¦ ÇýÅÃ
      ¹«ÀÌÀÚ
    • Àû¸³±Ý
      1,350¿ø Àû¸³ [5%P]

      NAVER Pay °áÁ¦ ½Ã ³×À̹öÆäÀÌ Æ÷ÀÎÆ® 5% Àû¸³ ?

    • ¹è¼Û±¸ºÐ
      ¾÷ü¹è¼Û(¹ÝµðºÏ)
    • ¹è¼Û·á
      ¹«·á¹è¼Û
    • Ãâ°í¿¹Á¤ÀÏ

      Ãâ°í¿¹Á¤ÀÏ ¾È³»

      ¡Ø Ãâ°í¿¹Á¤ÀÏÀº µµ¼­ Àç°í»óȲ¿¡ µû¶ó º¯µ¿µÉ ¼ö ÀÖ½À´Ï´Ù.

      close

      2024³â 07¿ù 01ÀÏ(¿ù)

      ¡Ø Ãâ°í¿¹Á¤ÀÏÀº µµ¼­ Àç°í»óȲ¿¡ µû¶ó º¯µ¿µÉ ¼ö ÀÖ½À´Ï´Ù.

    ¼ö·®
    ȸ¿ø¸®ºä
    - [0]
    ISBN: 9791158390822 332ÂÊ 186 x 240 (§®)

    Áö±Ý ÀÌÃ¥Àº

    ÀÌ ºÐ¾ßÀÇ º£½ºÆ®¼¿·¯

    ÀÌ Ã¥°ú ÇÔ²² ±¸¸ÅÇÑ Ã¥

    ÀÌ Ã¥ÀÇ ½Ã¸®Áî

    Àüü ¼±Åà ¼îÇÎÄ«Æ® ´ã±â

    ÃâÆÇ»ç ¸®ºä

    ±âÃʺÎÅÍ ÀÀ¿ë±îÁö, À̷п¡¼­ ±¸Çö±îÁö!
    ÀÌ Ã¥Àº µö·¯´×°ú ½Å°æ¸Á¿¡ °üÇÑ ¿¹ºñ Áö½Ä ¾øÀ̵µ ÇнÀÇØ ³ª¾Æ°¥ ¼ö ÀÖµµ·Ï ±âº»ÀûÀÎ ³»¿ëºÎÅÍ À̷аú ±¸Çö¿¡ °üÇØ »ó¼¼ÇÏ°Ô ¼³¸íÇÕ´Ï´Ù. ±¸Çö¿¡´Â ÆÄÀ̽ãÀÇ µö·¯´×¿ë ¶óÀ̺귯¸®ÀÎ ÅÙ¼­Ç÷Î(1.0)¿Í Äɶó½º(2.0)¸¦ »ç¿ëÇÕ´Ï´Ù.
    ÀÌ Ã¥Àº ´Ü¼ø ÆÛ¼ÁÆ®·ÐºÎÅÍ ½ÃÀÛÇؼ­ ´ÙÃþ ÆÛ¼ÁÆ®·Ð, ½ÉÃþ ½Å°æ¸Á, ¼øȯ ½Å°æ¸Á µî ´Ù¾çÇÑ ±â¹ý¿¡ °üÇØ ¼³¸íÇÕ´Ï´Ù. Ãë±ÞÇÒ µ¥ÀÌÅÍÀÇ Á¾·ù¿¡ µû¶ó »ý°¢ÇØ¾ß ÇÒ °úÁ¦µµ ´Ù¸£¹Ç·Î ÀÌ¿¡ ¸ÂÃç ³×Æ®¿öÅ©¸¦ º¯È­½ÃÅ°¸ç ÇнÀÀ» ÁøÇàÇÕ´Ï´Ù. ÀÌ Ã¥¿¡¼­ ¹è¿î À̷и¸ Àß ¾Ë°í ÀÖÀ¸¸é...
    ±âÃʺÎÅÍ ÀÀ¿ë±îÁö, À̷п¡¼­ ±¸Çö±îÁö!
    ÀÌ Ã¥Àº µö·¯´×°ú ½Å°æ¸Á¿¡ °üÇÑ ¿¹ºñ Áö½Ä ¾øÀ̵µ ÇнÀÇØ ³ª¾Æ°¥ ¼ö ÀÖµµ·Ï ±âº»ÀûÀÎ ³»¿ëºÎÅÍ À̷аú ±¸Çö¿¡ °üÇØ »ó¼¼ÇÏ°Ô ¼³¸íÇÕ´Ï´Ù. ±¸Çö¿¡´Â ÆÄÀ̽ãÀÇ µö·¯´×¿ë ¶óÀ̺귯¸®ÀÎ ÅÙ¼­Ç÷Î(1.0)¿Í Äɶó½º(2.0)¸¦ »ç¿ëÇÕ´Ï´Ù.
    ÀÌ Ã¥Àº ´Ü¼ø ÆÛ¼ÁÆ®·ÐºÎÅÍ ½ÃÀÛÇؼ­ ´ÙÃþ ÆÛ¼ÁÆ®·Ð, ½ÉÃþ ½Å°æ¸Á, ¼øȯ ½Å°æ¸Á µî ´Ù¾çÇÑ ±â¹ý¿¡ °üÇØ ¼³¸íÇÕ´Ï´Ù. Ãë±ÞÇÒ µ¥ÀÌÅÍÀÇ Á¾·ù¿¡ µû¶ó »ý°¢ÇØ¾ß ÇÒ °úÁ¦µµ ´Ù¸£¹Ç·Î ÀÌ¿¡ ¸ÂÃç ³×Æ®¿öÅ©¸¦ º¯È­½ÃÅ°¸ç ÇнÀÀ» ÁøÇàÇÕ´Ï´Ù. ÀÌ Ã¥¿¡¼­ ¹è¿î À̷и¸ Àß ¾Ë°í ÀÖÀ¸¸é ¾ÕÀ¸·Î ¾î¶² µö·¯´× ±â¹ýÀÌ ³ª¿Íµµ ±Ý¹æ ÀÌÇØÇÏ°í ´É¼÷ÇÏ°Ô »ç¿ëÇÒ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù. ±×¸®°í ÀÚ½ÅÀÌ Á÷Á¢ »õ·Î¿î ¸ðµ¨À» °í¾ÈÇØ ³¾ ¼öµµ ÀÖÀ» °ÍÀÔ´Ï´Ù.
    ¡Ú ÀÌ Ã¥¿¡¼­ ´Ù·ç´Â ³»¿ë ¡Ú
    ¡Ý ½Å°æ¸ÁÀÇ ÀÌ·ÐÀ» ÇнÀÇÏ´Â µ¥ ÇÊ¿äÇÑ ¼öÇÐ Áö½Ä
    ¡Ý ÆÄÀ̽㠰³¹ß ȯ°æÀ» ±¸Ãà ¹× ÆÄÀ̽㠶óÀ̺귯¸®¸¦ »ç¿ë¹ý
    ¡Ý ½Å°æ¸Á ±âº»Çü°ú ½ÉÃþ ½Å°æ¸Á(µö·¯´×) ÇнÀ
    ¡Ý ½Ã°è¿­ µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ RNN ÇнÀ°ú ÀÀ¿ë

    ÀúÀÚ ¼Ò°³

    ½º°í¸ð¸® À¯¿ì½ºÄÉ

    • ±¸ºÐ : Àú¼­
    • ±¹Àû : ÀϺ»
    • ºÐ·ù : ±âŸ
    • ÀαâÁö¼ö : 30

    Gunosy¿Í READYFORÀÇ Ã¢¾÷ ¸â¹öÀÌ´Ù. µ§Ã÷¿Í ±¸±ÛÀÇ ´º¿å Áö»ç¿¡¼­ ±Ù¹«Çß°í ÁÖ½Äȸ»ç Á¤º¸ÀÇ·áÀÇ Ã¢¾÷¿¡ Âü°¡Çß´Ù. ÀÇ·á ºÐ¾ß¿¡¼­ ÀΰøÁö´ÉÀÌ Å©°Ô È°¿ëµÇµµ·Ï ³ë·ÂÇÏ°í ÀÖÀ¸¸ç, µ¿°æ´ë Ãʺù °­»ç¸¦ ¿ªÀÓÇÏ°í ÀÖ´Ù. 'Deep Learning Java ÇÁ·Î±×·¡¹Ö ½ÉÃþÇнÀÀÇ À̷аú ±¸Çö'(ÀÓÇÁ·¹½º ÃâÆÇ»ç, Packt Publishing: Java Deep Learning Essentials)ÀÇ ÀúÀÚÀÌ´Ù.

    ¼Õ¹Î±Ô

    • ±¸ºÐ : °¨¼ö
    • ±¹Àû : ´ëÇѹα¹
    • ºÐ·ù : °úÇÐ/°øÇÐ ÀúÀÚ , ±âŸ
    • ÀαâÁö¼ö : 36

    ¼Ò´Ï ¹ÝµµÃ¼¿¡¼­ µ¥ÀÌÅÍ ºÐ¼®À» È°¿ëÇÑ ¾Ë°í¸®Áò ¹× ½Ã½ºÅÛ °³¹ß ¾÷¹«¸¦ ´ã´çÇß´Ù. »ç¿øÀ» ´ë»óÀ¸·Î Åë°è ¾Ë°í¸®Áò °­ÀǸ¦ ÁøÇàÇÑ °æÇèÀÌ ÀÖÀ¸¸ç, ÇöÀç´Â »ï¼ºÀüÀÚ¿¡¼­ °ü·Ã µ¥ÀÌÅÍ ºÐ¼® ¾÷¹«¸¦ ´ã´çÇÏ°í ÀÖ´Ù. ÀϺ» Å¥½´´ëÇб³¿¡¼­ ÀΰøÁö´ÉÀÇ ÇÑ ºÐ¾ßÀÎ Reinforcement Learning ¾Ë°í¸®Áò °³¹ß·Î ¹Ú»çÇÐÀ§¸¦ ¹Þ¾ÒÀ¸¸ç °ü½ÉºÐ¾ß´Â Reinforcement Learning, Neural Network, Genetic Algorithm µî Machine Learning AlgorithmÀ» È°¿ëÇÑ ½Ã½ºÅÛ°³¹ßÀÌ´Ù.

    ¿ªÀÚ ¼Ò°³

    ±è¹üÁØ

    • ±¹Àû : ´ëÇѹα¹
    • ºÐ·ù : °úÇÐ/°øÇÐ ÀúÀÚ , ±âŸ
    • ÀαâÁö¼ö : 481

    ÀϺ» È£¼¼ÀÌ´ëÇÐ °æ¿µÇкθ¦ Á¹¾÷Çß´Ù. ´ëÇÐ ½ÃÀý Ãë¹Ì·Î ÇÁ·Î±×·¡¹ÖÀ» ½ÃÀÛÇÑ °ÍÀ» °è±â·Î ÀÌ ¾÷°è¿¡ ¹ßÀ» µé¿©³õ°Ô µÆÀ¸¸ç, Çѱ¹°ú ÀϺ»¿¡¼­ ÀÓº£µðµå ½Ã½ºÅÛ°ú °ÔÀÓ °ü·Ã ȸ»ç¿¡¼­ °³¹ß ÇÁ·ÎÁ§Æ®¸¦ ÁøÇàÇß´Ù. ¡¶¹ø¿ª¼­·Î´Â ¸ð´ø C ¾ð¾î ÇÁ·Î±×·¡¹Ö¡·¡¶µû¶ó Çϸ鼭 ¹è¿ì´Â À¯´ÏƼ 3D ÀÔ¹®¡·ÀÌ ÀÖÀ¸¸ç, Àú¼­·Î´Â ¡¶¸¸µé¸é¼­ ¹è¿ì´Â OSÄ¿³ÎÀÇ ±¸Á¶¿Í ¿ø¸®¡·¡¶³ú¸¦ ÀÚ±ØÇÏ´Â Çϵå¿þ¾î ÀÔ¹®¡·ÀÌ ÀÖ´Ù.

    Ã¥ ¼Ó¿¡¼­

     

    ¸ñÂ÷

    ¢Ã 01Àå: ¼öÇÐ Áö½Ä Áغñ
    1.1 Æí¹ÌºÐ
    __1.1.1 µµÇÔ¼ö¿Í ÆíµµÇÔ¼ö
    __1.1.2 ¹ÌºÐ °è¼ö¿Í Æí¹ÌºÐ °è¼ö
    __1.1.3 Æí¹ÌºÐÀÇ ±âº» °ø½Ä
    __1.1.4 ÇÕ¼ºÇÔ¼öÀÇ Æí¹ÌºÐ
    __1.1.5 ·¹º§ ¾÷ Àü¹ÌºÐ
    1.2 ¼±Çü´ë¼ö
    __1.2.1 º¤ÅÍ
    __1.2.2 Çà·Ä
    1.3 Á¤¸®
    ¢Ã 02Àå: ÆÄÀ̽ã Áغñ
    2.1 ÆÄÀ̽ã 2¿Í ÆÄÀ̽ã 3
    2.2 ¾Æ³ªÄÜ´Ù ¹èÆ÷ÆÇ
    2.3 ÆÄÀ̽㠱âÃÊ
    __2.3.1 ÆÄÀ̽ã ÇÁ·Î±×·¥ ½ÇÇà
    __2.3.2 µ¥ÀÌÅÍÇü
    __2.3.3 º¯¼ö
    __2.3.4 µ¥ÀÌÅÍ ±¸Á¶
    __2.3.5 ¿¬»ê
    __2.3.6 ±âº» ±¸¹®
    __2.3.7 ÇÔ¼ö
    __2.3.8 Ŭ·¡½º
    __2.3.9 ¶óÀ̺귯¸®
    2.4 NumPy
    __2.4.1 NumPy ¹è¿­
    __2.4.2 NumPy·Î º¤ÅÍ, Çà·Ä °è»ê
    __2.4.3 ¹è¿­°ú ´ÙÂ÷¿ø ¹è¿­ »ý¼º
    __2.4.4 ½½¶óÀ̽º
    __2.4.5 ºê·Îµåij½ºÆ®
    2.5 µö·¯´×À» À§ÇÑ ¶óÀ̺귯¸®
    __2.5.1 TensorFlow
    __2.5.2 Äɶó½º(Keras)
    __2.5.3 ¾¾¾Æ³ë(Theano)
    2.6 Á¤¸®
    ¢Ã 03Àå: ½Å°æ¸Á
    3.1 ½Å°æ¸ÁÀ̶õ?
    __3.1.1 ³ú¿Í ½Å°æ¸Á
    __3.1.2 µö·¯´×°ú ½Å°æ¸Á
    3.2 ½Å°æ¸ÁÀ̶ó´Â ȸ·Î
    __3.2.1 ´Ü¼øÇÑ ¸ðµ¨È­
    __3.2.2 ³í¸®È¸·Î
    3.3 ´Ü¼ø ÆÛ¼ÁÆ®·Ð
    __3.3.1 ¸ðµ¨È­
    __3.3.2 ±¸Çö
    3.4 ·ÎÁö½ºÆ½ ȸ±Í
    __3.4.1 °è´ÜÇÔ¼ö¿Í ½Ã±×¸ðÀ̵å ÇÔ¼ö
    __3.4.2 ¸ðµ¨È­
    __3.4.3 ±¸Çö
    __3.4.4 (·¹º§¾÷) ½Ã±×¸ðÀ̵å ÇÔ¼ö¿Í È®·ü¹ÐµµÇÔ¼ö, ´©ÀûºÐÆ÷ÇÔ¼ö
    __3.4.5 (·¹º§¾÷) °æ»çÇÏ°­¹ý°ú ±¹¼ÒÃÖÀûÇØ
    3.5 ´ÙÁß Å¬·¡½º ·ÎÁö½ºÆ½ ȸ±Í
    __3.5.1 ¼ÒÇÁÆ®¸Æ½º ÇÔ¼ö
    __3.5.2 ¸ðµ¨È­
    __3.5.3 ±¸Çö
    3.6 ´ÙÃþ ÆÛ¼ÁÆ®·Ð
    __3.6.1 ºñ¼±Çü ºÐ·ù
    __3.6.2 ¸ðµ¨È­
    __3.6.3 ±¸Çö
    3.7 ¸ðµ¨ Æò°¡
    __3.7.1 ºÐ·ù¿¡¼­ ¿¹ÃøÀ¸·Î
    __3.3.2 ¿¹ÃøÀ» Æò°¡
    __3.7.3 °£´ÜÇÑ ½ÇÇè
    3.8 Á¤¸®
    ¢Ã 04Àå: ½ÉÃþ ½Å°æ¸Á
    4.1 µö·¯´× Áغñ
    4.2 ÇнÀ½Ãų ¶§ ¹ß»ýÇÏ´Â ¹®Á¦Á¡
    __4.2.1 °æ»ç ¼Ò½Ç ¹®Á¦
    __4.2.2 ¿À¹öÇÇÆà ¹®Á¦
    4.3 È¿À²ÀûÀÎ ÇнÀÀ» À§ÇØ
    __4.3.1 È°¼ºÈ­ ÇÔ¼ö
    __4.3.2 µå·Ó¾Æ¿ô
    4.4 ±¸Çö ¼³°è
    __4.4.1 ±âº» ¼³°è
    __4.4.2 ÇнÀÀ» °¡½ÃÈ­ÇÑ´Ù
    4.5 °í±Þ ±â¼ú
    __4.5.1 µ¥ÀÌÅ͸¦ Á¤±ÔÈ­ÇÏ°í ¿þÀÌÆ®¸¦ ÃʱâÈ­ÇÑ´Ù
    __4.5.2 ÇнÀ·ü ¼³Á¤
    __4.5.3 ¾ó¸® ½ºÅ¾ÇÎ(Á¶±â Á¾·á)
    __4.5.4 ¹èÄ¡ Á¤±ÔÈ­
    4.6 Á¤¸®
    ¢Ã 05Àå: ¼øȯ ½Å°æ¸Á
    5.1 ±âº» »çÇ×
    __5.1.1 ½Ã°è¿­ µ¥ÀÌÅÍ
    __5.1.2 °ú°ÅÀÇ Àº´ÐÃþ
    __5.1.3 Backpropagation Through Time
    __5.1.4 ±¸Çö
    5.2 LSTM
    __5.2.1 LSTM ºí·Ï
    __5.2.2 CEC?ÀÔ·Â °ÔÀÌÆ®?Ãâ·Â °ÔÀÌÆ®
    __5.2.3 ¸Á°¢ °ÔÀÌÆ®
    __5.2.4 ÇÌȦ °áÇÕ
    __5.2.5 ¸ðµ¨È­
    __5.2.6 ±¸Çö
    __5.2.7 Àå±â ÀÇÁ¸¼º ÇнÀ Æò°¡ - Adding Problem
    5.3 GRU
    __5.3.1 ¸ðµ¨È­
    __5.3.2 ±¸Çö
    5.4 Á¤¸®
    ¢Ã 06Àå: ¼øȯ ½Å°æ¸Á ÀÀ¿ë
    6.1 Bidirectional RNN
    __6.1.1 ¹Ì·¡ÀÇ Àº´ÐÃþ
    __6.1.2 Àü¹æÇâ?ÈĹæÇâ ÀüÆÄ
    __6.1.3 MNIST¸¦ »ç¿ëÇÑ ¿¹Ãø
    6.2 RNN Encoder-Decoder
    __6.2.1 Sequence-to-Sequence ¸ðµ¨
    __6.2.2 °£´ÜÇÑ Q&A ¹®Á¦
    6.3 Attention
    __6.3.1 ½Ã°£ÀÇ ¿þÀÌÆ®
    __6.3.2 LSTM¿¡¼­ÀÇ Attention
    6.4 Memory Networks
    __6.4.1 ±â¾ïÀÇ ¿ÜºÎÈ­
    __6.4.2 Q&A ¹®Á¦¿¡ Àû¿ë
    __6.4.3 ±¸Çö
    6.5 Á¤¸®
    ¢Ã ºÎ·Ï
    A.1 ¸ðµ¨À» ÀúÀåÇÏ°í ÀÐ¾î µéÀδÙ
    __A.1.1 ÅÙ¼­Ç÷ο¡¼­ÀÇ Ã³¸®
    __A.1.2 Äɶ󽺿¡¼­ÀÇ Ã³¸®
    A.2 ÅÙ¼­º¸µå(TensorBoard)
    A.3 tf.contrib.learn

    ¹è¼Û ½Ã À¯ÀÇ»çÇ×

    - ¹Ýµð¾Ø·ç´Ï½º¿¡¼­ ±¸¸ÅÇϽŠµµ¼­´Â ¹°·ù ´ëÇà À§Å¹¾÷ü ¿õÁø ºÏ¼¾À» ÅëÇØ ¹è¼ÛµË´Ï´Ù.
     (¹è¼Û Æ÷Àå¿¡ "¿õÁø ºÏ¼¾"À¸·Î Ç¥±âµÉ ¼ö ÀÖ½À´Ï´Ù.)

    - ±¸¸ÅÇÑ »óÇ°ÀÇ Ç°Áú°ú ¹è¼Û °ü·Ã ¹®ÀÇ´Â ¹Ýµð¾Ø·ç´Ï½º·Î ¹®ÀÇ ¹Ù¶ø´Ï´Ù.

    - õÀçÁöº¯ ¹× Åùè»çÀÇ »çÁ¤¿¡ µû¶ó ¹è¼ÛÀÌ Áö¿¬µÉ ¼ö ÀÖ½À´Ï´Ù.

    - °áÁ¦(ÀÔ±Ý) ¿Ï·á ÈÄ ÃâÆÇ»ç ¹× À¯Åë»çÀÇ »çÁ¤À¸·Î Ç°Àý ¶Ç´Â ÀýÆÇ µÇ¾î »óÇ° ±¸ÀÔÀÌ ¾î·Á¿ï ¼ö ÀÖ½À´Ï´Ù. (º°µµ ¾È³» ¿¹Á¤)

    - µµ¼­»ê°£Áö¿ªÀÇ °æ¿ì Ãß°¡ ¹è¼Ûºñ°¡ ¹ß»ýµÉ ¼ö ÀÖ½À´Ï´Ù.

    ¹ÝÇ°/±³È¯

    »óÇ° ¼³¸í¿¡ ¹ÝÇ°/ ±³È¯ °ü·ÃÇÑ ¾È³»°¡ ÀÖ´Â °æ¿ì ±× ³»¿ëÀ» ¿ì¼±À¸·Î ÇÕ´Ï´Ù. (¾÷ü »çÁ¤¿¡ µû¶ó ´Þ¶óÁú ¼ö ÀÖ½À´Ï´Ù)

    ¹ÝÇ°/±³È¯

    ¹ÝÇ°/±³È¯
    ¹ÝÇ°/±³È¯ ¹æ¹ý Ȩ > °í°´¼¾ÅÍ > ÀÚÁÖã´ÂÁú¹® ¡°¹ÝÇ°/±³È¯/ȯºÒ¡± ¾È³» Âü°í ¶Ç´Â 1:1»ó´ã°Ô½ÃÆÇ
    ¹ÝÇ°/±³È¯ °¡´É ±â°£ ¹ÝÇ°,±³È¯Àº ¹è¼Û¿Ï·á ÈÄ 7ÀÏ À̳», »óÇ°ÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦¹ß°ß ÈÄ 30ÀÏ À̳»¿¡ ½Åû°¡´É
    ¹ÝÇ°/±³È¯ ºñ¿ë º¯½É ȤÀº ±¸¸ÅÂø¿ÀÀÇ °æ¿ì¿¡¸¸ ¹Ý¼Û·á °í°´ ºÎ´ã(º°µµ ÁöÁ¤ Åùè»ç ¾øÀ½)
    ¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯
    • ¼ÒºñÀÚÀÇ Ã¥ÀÓ »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
    • ¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì
    • º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì : ¿¹)¸¸È­Ã¥, ÀâÁö, È­º¸Áý µî
    • 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
    • ÇØ¿ÜÁÖ¹® »óÇ°(ÇØ¿Ü ¿ø¼­)ÀÇ °æ¿ì(Æĺ»/ÈѼÕ/¿À¹ß¼Û »óÇ°À» Á¦¿Ü)
    ¼ÒºñÀÚ ÇÇÇغ¸»ó
    ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó
    • »óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ¹ÝÇ°, ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº
      ¼ÒºñÀÚ ºÐÀïÇØ°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
    ¹ÝÇ°/±³È¯ ÁÖ¼Ò °æ±âµµ ÆÄÁֽà ¹®¹ß·Î 77, ¿õÁøºÏ¼¾(¹Ýµð¾Ø·ç´Ï½º)
    • ȸ»ç¸í : (ÁÖ)¼­¿ï¹®°í
    • ´ëÇ¥ÀÌ»ç : ±èÈ«±¸
    • °³ÀÎÁ¤º¸ º¸È£Ã¥ÀÓÀÚ : ±èÈ«±¸
    • E-mail : bandi_cs@bnl.co.kr
    • ¼ÒÀçÁö : (06168) ¼­¿ï °­³²±¸ »ï¼º·Î 96±æ 6
    • »ç¾÷ÀÚ µî·Ï¹øÈ£ : 120-81-02543
    • Åë½ÅÆǸž÷ ½Å°í¹øÈ£ : Á¦2023-¼­¿ï°­³²-03728È£
    • ¹°·ù¼¾ÅÍ : (10881) °æ±âµµ ÆÄÁֽà ¹®¹ß·Î 77 ¹Ýµð¾Ø·ç´Ï½º
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved