- ÁÖ¹®»óǰ¼ö·®
- °³
- ¿¹»óÀû¸³±Ý
P - »óǰÇÒÀαÝ
- ¿ø
- ¹è¼Û·á
- ¿ø
- ÁÖ¹®ÇÕ°è
- ¿ø


| ¹Ýµð¾Ø·ç´Ï½º ·Ôµ¥Ä«µå | °áÁ¦±Ý¾× ÃÖ´ë 25% û±¸ÇÒÀÎ (1¸¸¿ø ÀÌ»ó °áÁ¦°Ç¿¡ ÇÑÇØ ¿ù 2ȸ, °Ç´ç ÃÖ´ë 1¸¸¿ø ÇÒÀÎ) |
|---|---|
| ¹Ýµð¾Ø·ç´Ï½º ¿ì¸®VÄ«µå | °áÁ¦±Ý¾× 10% û±¸ÇÒÀÎ |
| OKij½¬¹é Æ÷ÀÎÆ® | ÃÖ¼Ò 10¿øºÎÅÍ Àü¾× »ç¿ë or 1% Àû¸³ |
|---|---|
| Çö´ëÄ«µå MÆ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 10% »ç¿ë °¡´É |
| ½ÅÇÑÄ«µå Æ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 10% »ç¿ë °¡´É(ÀϺÎÄ«µå) |
| Çϳª(±¸.¿Üȯ) Æ÷ÀÎÆ® | º¸À¯ Çѵµ ³»¿¡¼ 100% »ç¿ë °¡´É |
| ¾¾Æ¼Ä«µå Æ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 50% »ç¿ë °¡´É |
| NH³óÇù TAKE5Ä«µå | 20% û±¸ÇÒÀÎ(Edu Pack) |
|---|---|
| ä¿ò Ç÷¡Æ¼´½ ¸ÖƼīµå | 20% û±¸ÇÒÀÎ |
| ¸ð¹ÙÀÏ Tmoney ½ÅÇÑÄ«µå | 10% û±¸ÇÒÀÎ |
| ½ÅÇÑÄ«µå Shopping | 10% û±¸ÇÒÀÎ |
| NH³óÇù üũīµå | 10% û±¸ÇÒÀÎ |
| NH20 ÇØº½ ½Å¿ëÄ«µå | 10% û±¸ÇÒÀÎ |
| ¾¾Æ¼ Ŭ¸®¾î Ä«µå | 7% û±¸ÇÒÀÎ |
| NH20 ÇØº½ üũīµå | 5% û±¸ÇÒÀÎ |
| NH³óÇù LADY´Ù¼ØÄ«µå | 5% û±¸ÇÒÀÎ |
| ½ÅÇÑÄ«µå Å¥ºê | 5% û±¸ÇÒÀÎ |
| ½ÅÇÑÄ«µå Å¥ºê PLATINUM# | 5% û±¸ÇÒÀÎ |


NAVER Pay °áÁ¦ ½Ã ³×À̹öÆäÀÌ Æ÷ÀÎÆ® 5% Àû¸³ ?
[2õ¿ø Ãß°¡ Àû¸³]
ÃÑ ÁÖ¹®±Ý¾× 5¸¸¿ø ÀÌ»ó ±¸¸Å ½Ã 2,000¿ø Ãß°¡ Àû¸³
[¸â¹ö½Ê Ãß°¡ Àû¸³]
½´ÆÛ·ç´Ï : 3% Ãß°¡ Àû¸³
°ñµå·ç´Ï : 2% Ãß°¡ Àû¸³
½Ç¹ö·ç´Ï : 1% Ãß°¡ Àû¸³
´Ü, ±¹³»µµ¼, eBook¸¸ ±¸¸Å ½Ã Àû¸³ ºÒ°¡

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

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

¡°µµ·Î¸íÁÖ¼Ò¡±¸¦ ½±°Ô ã¾Æº¸¼¼¿ä
1. µµ·Î¸íÀ¸·Î °Ë»öÇϱâ (¿¹, ¡°Á÷Áö±æ¡± or ¡°Á÷Áö±æ+322¡±)
2. °Ç¹°¸íÀ¸·Î °Ë»öÇϱâ (¿¹, ¡°¹Ýµð¾Ø·ç´Ï½ººôµù¡±)
3. µ¿(À¾/¸é/¸®) À¸·Î °Ë»ö (¿¹, ¡°Àλ絿¡± or ¡°Àλ絿+43¡±)
4. µµ·Î¸íÁÖ¼Ò¸¦ ¸ð¸£½Ç °æ¿ì µµ·Î¸íÁÖ¼Ò ¾È³»½Ã½ºÅÛ(http://www.juso.go.kr)¿¡¼ È®ÀÎÇØÁÖ¼¼¿ä.
ÁÖ¼ÒÀÇ µ¿(À¾/¸®/¸é) ¶Ç´Â ¸¶Áö¸· ºÎºÐÀ» ÀÔ·ÂÇϽŠÈÄ °Ë»öÀ» ´©¸£¼¼¿ä.
ÃÑ 0°Ç, °Ë»ö°á°ú ÁÖ¼Ò¸¦ Ŭ¸¯ÇϽøé ÀÚµ¿ÀÔ·Â µË´Ï´Ù.
| ¿ìÆí¹øÈ£ | ÁÖ¼Ò |
|---|
| °Ë»öµÈ ÁÖ¼Ò°¡ ¾ø½À´Ï´Ù. |
?
³×À̹öID·Î º°µµ ¾Û ¼³Ä¡ ¾øÀÌ ½Å¿ëÄ«µå ¶Ç´Â ÀºÇà°èÁ Á¤º¸¸¦ µî·ÏÇÏ¿© ³×À̹öÆäÀÌ ºñ¹Ð¹øÈ£·Î °áÁ¦ÇÒ ¼ö ÀÖ´Â °£Æí°áÁ¦ ¼ºñ½º ÀÔ´Ï´Ù.

À̰ÍÀÌ Ãë¾÷À» À§ÇÑ ÄÚµù Å×½ºÆ®´Ù with ÆÄÀ̽ã
³ªµ¿ºó
30,600¿ø
Áö´Ï¾î½ºÅ°Æ®·Î ¹è¿ì´Â ¸¶ÀÌÅ©·ÎºñÆ®
¾ÆÀ̾¾¹ðÅ¥
18,000¿ø
Do it! Á¡ÇÁ Åõ ÆÄÀ̽ã [°³Á¤ÆÇ]
¹ÚÀÀ¿ë
16,920¿ø
¿¹Á¦·Î ¹è¿ì´Â CUDA ÇÁ·Î±×·¡¹Ö Á¦À̽¼ »÷´õ½º, ¿¡µå¿öµå ĵµå·Ô 25,000¿ø
±úħ°ú »ç¶û ¾Ø¼Ò´Ï µå ¸á·Î 9,000¿ø
´ë±Ô¸ð º´·Ä ÇÁ·Î¼¼¼ ÇÁ·Î±×·¡¹Ö µ¥À̺ñµåBĿũ, ¿ø¸ÞÀÌW.ÈÄ 20,000¿ø
Áß±¹ °í´ë»ç»ó°ú Á¦Àڹ鰡 ¼ÕÈïö 19,800¿ø
Á¤º¸ °Ë»öÀÇ À̷аú ½ÇÁ¦ 40,500¿ø (10%¡é+5%P)
ÇÇó ¿£Áö´Ï¾î¸µ, Á¦´ë·Î ½ÃÀÛÇϱâ 22,500¿ø (10%¡é+5%P)
½ºÄ®¶ó¿Í ¸Ó½Å ·¯´× [2ÆÇ] 40,500¿ø (10%¡é+5%P)
°³¹ßÀÚ¸¦ À§ÇÑ ¸Ó½Å ·¯´× 22,500¿ø (10%¡é+5%P)
Pandas·Î ÇÏ´Â µ¥ÀÌÅÍ °úÇÐ [2ÆÇ] 31,500¿ø (10%¡é+5%P)
Python Machine Learning by Example 22,500¿ø (10%¡é+5%P)
±ÝÀ¶°øÇÐÀ¸·Î R ¸¶½ºÅÍÇϱâ 27,000¿ø (10%¡é+5%P)
´ë¿ë·® ¸Ó½Å ·¯´×°ú ½ºÆÄÅ© 31,500¿ø (10%¡é+5%P)
ÆÄÀ̽ã ÀÚ¿¬¾î ó¸®ÀÇ À̷аú ½ÇÁ¦ 31,500¿ø (10%¡é+5%P)
ÆÄ¿ö BI¿Í ¿¢¼¿ ÆÄ¿ö ÇǺ¿À» »ç¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® 27,000¿ø (10%¡é+5%P)
R µö·¯´× ÄîºÏ 27,000¿ø (10%¡é+5%P)
µö·¯´× µ¥ÀÌÅÍ Àüó¸® ÀÔ¹® 18,000¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ °úÇÐ ÀÔ¹®ÀÚ¸¦ À§ÇÑ R 36,000¿ø (10%¡é+5%P)
4Â÷ »ê¾÷Çõ¸í ±â¼ú ¿ø¸® 12,420¿ø (10%¡é+5%P)
C++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.2 25,200¿ø (10%¡é+5%P)
R·Î ÇÏ´Â ½¬¿î µö·¯´× 18,000¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ ¿¹ÃøÀ» À§ÇÑ ¸Ó½Å ·¯´× 40,500¿ø (10%¡é+5%P)
Åë°è ºÐ¼® ³Ê¸Ó RÀÇ ¹«±Ã¹«ÁøÇÑ È°¿ë 36,000¿ø (10%¡é+5%P)
C++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.3 25,200¿ø (10%¡é+5%P)
Å©·Ñ¸®ÀÇ Åë°èÇÐ °ÀÇ 27,000¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ ½ºÅ丮ÅÚ¸µ 22,500¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ ½Ã°¢È Visualizing Data 31,500¿ø (10%¡é+5%P)
C++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.1 27,000¿ø (10%¡é+5%P)
[ǰÀý] ¿£ÅÍÇÁ¶óÀÌÁî µ¥ÀÌÅÍ ·¹ÀÌÅ© ±¸Ãà 36,000¿ø (10%¡é+5%P)
[ǰÀý] ¼öÇÐ ¾øÀÌ ¹è¿ì´Â µ¥ÀÌÅÍ °úÇаú ¾Ë°í¸®Áò 12,420¿ø (10%¡é+5%P)
[ǰÀý] R·Î ÇÏ´Â ÄöÆ® Æ®·¹À̵ù 29,700¿ø (10%¡é+5%P)
[ÀýÆÇ] ¸ÞÀÌÀú¸®±× ¾ß±¸ Åë°èÇÐ 27,000¿ø (10%¡é+5%P)
[ÀýÆÇ] µ¥ÀÌÅÍ ½Ã°¢È ¿ø¸® 31,500¿ø (10%¡é+5%P)
[ÀýÆÇ] ºòµ¥ÀÌÅÍ ¸¶ÀÌ´× 36,000¿ø (10%¡é+5%P)
Visualize This ºñÁÖ¾ó¶óÀÌÁî µð½º 27,000¿ø (10%¡é+5%P)
Building Machine Learning Systems ... 27,000¿ø (10%¡é+5%P)
Machine Learning ¸Ó½Å ·¯´× 54,000¿ø (10%¡é+5%P)
ÀÚ¿¬¾î ÅØ½ºÆ® 󸮸¦ ÅëÇÑ °Ë»ö ½Ã½ºÅÛ ±¸Ãà 36,000¿ø (10%¡é+5%P)
¿¹Ãø ºÐ¼® ¸ðµ¨¸µ ½Ç¹« ±â¹ý 36,000¿ø (10%¡é+5%P)
ºòµ¥ÀÌÅÍ ºñÁî´Ï½º ¼º°ø Áöµµ 22,500¿ø (10%¡é+5%P)
ºòµ¥ÀÌÅÍ Ã³¸®¿Í ºÐ¼®À» À§ÇÑ ÇÏµÓ ¸Ê¸®µà½º ÇÁ·Î±×·¡¹Ö - ac... 35,000¿ø (0%¡é+3%P)
ºòµ¥ÀÌÅÍ ºÐ¼® µµ±¸ R ÇÁ·Î±×·¡¹Ö 31,500¿ø (10%¡é+5%P)
[ǰÀý] R°ú Knitr¸¦ Ȱ¿ëÇÑ µ¥ÀÌÅÍ ¿¬µ¿Çü ¹®¼ ¸¸µé±â 36,000¿ø (10%¡é+5%P)
[ǰÀý] µ¥ÀÌÅÍ ½Ã°¢È ÀÎÁö°úÇÐÀ» ¸¸³ª´Ù 45,000¿ø (10%¡é+5%P)
[ÀýÆÇ] RStudio µû¶óÀâ±â 13,500¿ø (10%¡é+5%P)
Ƽ¸ð½Ã ¸¶½ºÅÍÁî
¼ö¸® Åë°èÇÐ ºÐ¾ß¿¡¼ ¼öÄ¡ °è»ê(numerical computing) Àü°øÀ¸·Î ¹Ú»ç ÇÐÀ§¸¦ ¹Þ¾Ò´Ù. ±× ÀÌÈÄ µ¶¸³ÀûÀÎ ÄÁ¼³ÅÏÆ®·Î¼ Á¤ºÎ ¹× »ê¾÷ ±â°ü°ú ÇÔ²² Áö¼ÓÀûÀÎ ¾÷¹« °æ·ÂÀ» ½×¾Ò´Ù. Ãʱ⠿¬±¸ ºÐ¾ß´Â °í°íµµ(high-altitude) ÃÔ¿µ »çÁø¿¡¼ ÀÚµ¿À¸·Î Ư¡(feature)À» ÃßÃâÇÏ´Â ±â´É°ú °ü·ÃµÈ °ÍµéÀ̸ç, È«¼ö¿Í °¡¹³ ¿¹Ãø, ¼û°ÜÁø ¹Ì»çÀÏ ÀúÀåž ŽÁö, À§ÇùÀûÀÎ ±º»ç¿ë Â÷·® È®ÀÎ µîÀÇ ´Ù¾çÇÑ ¾ÖÇø®ÄÉÀ̼ǵéÀ» °³¹ßÇß´Ù. ±× ÈÄ¿¡´Â ħ»ý°Ë(needle biopsies)»ó¿¡¼ À¯ÀÍÇÑ ¼¼Æ÷¿Í À¯ÇØÇÑ ¼¼Æ÷¸¦ ±¸º°Çس»´Â ¾Ë°í¸®Áò °³¹ßÀ» À§ÇØ ÀÇ·á ¿¬±¸¿øÀ¸·Î ±Ù¹«Çß´Ù. ÀÌÈÄ 12³â µ¿¾È ÁÖ·Î ÀÚµ¿ÈµÈ ±ÝÀ¶ °Å·¡ ½Ã½ºÅÛÀ» Æò°¡Çϱâ À§ÇÑ ¾Ë°í¸®ÁòÀ» °³¹ßÇß´Ù.
Áö±Ý±îÁö ¿¹Ãø ¸ðµ¨À» ½Ç¹«¿¡ Àû¿ëÇÏ´Â ¹æ¹ý¿¡ ´ëÇÑ ³»¿ëÀ¸·Î ¡ºPractical Neural Network Recipes in C++¡»(Academic Press, 1993), ¡ºSignal and Image Processing with Neural Networks¡»(Wiley, 1994), ¡ºAdvanced Algorithms for Neural Networks¡»(Wiley, 1995), ¡ºNeural, Novel, and Hybrid Algorithms for Time Series Prediction¡»(Wiley, 1995), ¡ºAssessing and Improving Prediction and Classification¡»(CreateSpace, 2013), ¡ºC++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.1¡»(¿¡ÀÌÄÜ, 2016), ¡ºC++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.3¡»(¿¡ÀÌÄÜ, 2016) µîÀ» Àú¼úÇß´Ù. ÀÌ Ã¥¿¡¼ Ȱ¿ëÇÏ´Â ÄÚµå´Â ±×ÀÇ È¨ÆäÀÌÁö (TimothyMasters.info)¿¡¼ ´Ù¿î·ÎµåÇÒ ¼ö ÀÖ´Ù.
À̽ÂÇö
Çѱ¹ Ç×°ø´ëÇб³ ±â°è°øÇкθ¦ Á¹¾÷Çϰí, »ï¼º ¼ÒÇÁÆ®¿þ¾î ¸â¹ö½Ê°ú »ê¾÷Åë»óÀÚ¿øºÎ ¼ÒÇÁÆ®¿þ¾î ¸¶¿¡½ºÆ®·Î¸¦ ¼ö·áÇß´Ù. MDS Å×Å©³î·ÎÁö¿¡¼ ÀÚµ¿Â÷ÀÇ ISO26262 ±¹Á¦ ¾ÈÀü Ç¥Áذú AUTOSAR °ü·Ã ±â¼ú Áö¿øÀ» ´ã´çÇßÀ¸¸ç, ÇöÀç ½Ã¾î½º·¦¿¡¼ ¸ð¹ÙÀÏ È¯°æ¿¡¼ÀÇ DCNN ±¸µ¿À» À§ÇÑ ¾ÐÃà ¾Ë°í¸®Áò ¿¬±¸¿¡ ¸ÅÁøÇϰí ÀÖ´Ù. ÇѾç´ëÇб³ ÄÄÇ»ÅͰøÇаú¿¡¼ ¼®»ç °úÁ¤À» ¹â°í ÀÖÀ¸¸ç, µö·¯´× ±â¹Ý ½Ç½Ã°£ ¿µ»óó¸® ±â¼úÀ» ´Ù¾çÇÑ µµ¸ÞÀÎÀÇ ¼ÒÇÁÆ®¿þ¾î¿¡ Àû¿ëÇÏ´Â ¿¬±¸¸¦ Çϰí ÀÖ´Ù. ¾çÁúÀÇ ¿ø¼¸¦ ÇÏ·ç¶óµµ »¡¸® ¿ì¸®±Û·Î ¿Å°Ü ±¹³» °³¹ßÀڵ鿡°Ô µµ¿òÀ» ÁÖ°íÀÚ ¹ø¿ª°è¿¡ ¹ßÀ» µé¿´´Ù. ¿¡ÀÌÄÜÃâÆÇ»ç¿¡¼ Æì³½ ¡ºÀ©µµ¿ìÆù 7 °ÔÀÓ ÇÁ·Î±×·¡¹Ö¡»(2012), ¡º¾Èµå·ÎÀÌµå ¾Û Àκ¥ÅÍ¡»(2013), ¡ºµ¥ÀÌÅÍ ¸¶ÀÌ´× Data Mining¡»(2013), ¡ºC++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.1¡»(¿¡ÀÌÄÜ, 2016), ¡ºC++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.3¡»(¿¡ÀÌÄÜ, 2016)¸¦ ¹ø¿ªÇß´Ù.
¡Ú ¿Å±äÀÌÀÇ ¸» ¡Ú
4³â Àü, ¿ì¿¬È÷ óÀ½ µ¥ÀÌÅÍ ¸¶ÀÌ´× ºÐ¾ß¸¦ Á¢ÇÏ°Ô µÈ ÀÌÈÄ ÁÙ°ð µ¥ÀÌÅÍ ¼Ó¿¡¼ ƯÁ¤ÇÑ ÆÐÅÏÀ» ã¾Æ³»´Â ±â¹ýÀÌ ¾ó¸¶³ª ³î¶ó¿î ¼Óµµ·Î ¹ßÀüÇϰí ÀÖ´ÂÁö, ±¸°æÇÏ´Â °Í¸¸À¸·Îµµ »ó´çÈ÷ Àç¹Ì°¡ ÀÖ¾ú´Ù. ¿¹Àü¸¸ ÇØµµ 'ÀΰøÁö´É'À̶õ ¸»ÀÌ ±×Àú ½ºÅ¸Å©·¡ÇÁÆ®¿Í °°Àº °ÔÀÓ ¼ÒÇÁÆ®¿þ¾î¸¦ ¸¸µå´Â µ¥¸¸ ±¹ÇÑµÇ¾î »ç¿ëµÇ´Â °Í °°¾ÒÁö¸¸, ¿äÁò¿£ ºÎ½ ÀÚµ¿Â÷ ¼ÒÇÁÆ®¿þ¾î³ª »ç¿ëÀÚ¿Í ´ëÈÇÏ´Â ¼ÒÇÁÆ®¿þ¾î, ÁÖ½Ä °Å·¡ ÀÚµ¿È ¼ÒÇÁÆ®¿þ¾î, ¹ÙÀÌ¿À ÀÎÆ÷¸Åƽ½º µî¿¡ Ȱ¹ßÇÏ°Ô Àû¿ëµÇ¸é¼, ¿ØÁö ¸ð¸¦ º¸¶÷À» ´À³¢°í ÀÖ´Ù. ÀÌ Ã¥Àº ÀÌ·¯ÇÑ ÀΰøÁö´É ±â¼ú¿¡¼ °¡Àå Á߽ɿ¡ ÇØ´çÇÏ´Â 'µö·¯´×' ¾Ë°í¸®ÁòÀÇ ÇÙ½ÉÀÎ "Deep Belief Network"¸¦, "CUDA"¾î ´õºÒ¾î ´Ù·ëÀ¸·Î½á µö·¯´×ÀÇ ±¸Á¶¿Í ¿ø¸®¸¦ ÀÌÇØÇϰí, ÀÌ·¯ÇÑ ¾Ë°í¸®ÁòÀÌ GPGPU¿¡¼ µ¿ÀÛÇϱâ À§ÇØ ¾î¶°ÇÑ °³³ä°ú ±â¹ýµéÀÌ Àû¿ëµÇ°í ÀÖ´ÂÁö È®ÀÎÇØº¼ ¼ö ÀÖ´Â ÁÁÀº ÁøÀÔ Á¡À̶ó ÇÒ ¼ö ÀÖ´Ù. ³» Á¼Àº ½Ã°¢À¸·Î º¸¸é, ¾ËÆÄ°í³ª ±¸±ÛÄ«ÀÇ ÀÚÀ² ÁÖÇà ±â¼ú¿¡ µö·¯´×ÀÌ Àû¿ëµÇ´Â °ÍÀº ±×¾ß¸»·Î ½ÃÀÛ¿¡ ºÒ°úÇÑ °Í °°´Ù. µö·¯´×ÀÌ ºòµ¥ÀÌÅÍÀÇ ¾î±ú À§¿¡ ¼¼ ¼¼»óÀÌ µ¹¾Æ°¡´Â ¿ªÇÐÀû ¿ø¸®¸¦ ÇнÀÇϱ⠽ÃÀÛÇÑ´Ù¸é ÀÌ ¾Ë°í¸®ÁòÀÇ º» ¸é¸ð°¡ Á¦´ë·Î µå·¯³¯ °ÍÀÌ´Ù. ¿äÁò¿£ '±¸±Û ¶óÀÌÇÁ'¶ó´Â ¸»À» Á¾Á¾ µè°ï Çϴµ¥, ÀÌ·¯ÇÑ ±â¼úÀ» ¿ì¸®³ª¶ó ¿£Áö´Ï¾îµéµµ ºü¸£°Ô ½ÀµæÇÏ¿© ÀÌ·± º¼ ¸¸ÇÑ ±¸°æ°Å¸®¸¦ ±×Àú ¹Ù¶óº¸°í¸¸ ÀÖÁö ¸»°í Á÷Á¢ ±× ¹«´ë¿¡ ¿Ã¶ó¼¼ °°ÀÌ ÆÛÆ÷¸Õ½º¸¦ º¸¿©ÁáÀ¸¸é ÇÑ´Ù. ³ªµµ ¾ÆÁ÷ µö·¯´×ÀÇ ¸ðµç °ÍÀ» ÀÌÇØÇϰí ÀÖ´Â °ÍÀº ¾Æ´Ï±â ¶§¹®¿¡ ¹ø¿ª¿¡ ¾î·Á¿òÀÌ ¸¹¾ÒÁö¸¸, ÀÌ·¸°Ô 1±ÇºÎÅÍ 3±Ç±îÁö À̾îÁö´Â ½Ã¸®Á ¸ðµÎ ¸¶Ä¡°í ³ª´Ï ÇѼûÀ» µ¹¸± ¼ö ÀÖ°Ô µÇ¾ú´Ù. Ȥ½Ã³ª ÀÌ Ã¥À» Àаí, µö·¯´× ±â¼úÀ» ½Ç½Ã°£ ¿µ»ó󸮿¡ Àû¿ëÇÏ´Â µ¥(µÇµµ·Ï ÀÚµ¿Â÷ ºÐ¾ß¿¡ ±¹ÇÑÇÏ¿©) °ü½ÉÀÌ ÀÖ´Â µ¶ÀÚ°¡ ÀÖ´Ù¸é ±â²¨ÀÌ °°ÀÌ ±³·ùÇÏ°í ½Í´Ù´Â »ý°¢À» ¹àÈù´Ù. ¾Æ¹«ÂÉ·Ï ½Ã¸®ÁîÀÇ ¸¶Áö¸· 3±ÇÀ¸·Î »õ·Ó°Ô Àλçµå¸®°Ô µÇ¾î Å« ¿µ±¤À̸ç, ÀÌÈÄ¿¡µµ µö·¯´×°ú °ü·ÃµÈ ¼ÀûµéÀ» ÅëÇØ Áö¼ÓÀûÀ¸·Î Àλçµå¸± ¼ö ÀÖ¾úÀ¸¸é ÇÑ´Ù.
- ¹Ýµð¾Ø·ç´Ï½º¿¡¼ ±¸¸ÅÇϽеµ¼´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 »óǰÀÇ 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 ǰÀý ¶Ç´Â ÀýÆÇ µÇ¾î »óǰ ±¸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.
»óǰ ¼³¸í¿¡ ¹Ýǰ/ ±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)
| ¹Ýǰ/±³È¯ ¹æ¹ý | Ȩ > °í°´¼¾ÅÍ > ÀÚÁÖã´ÂÁú¹® ¡°¹Ýǰ/±³È¯/ȯºÒ¡± ¾È³» Âü°í ¶Ç´Â 1:1»ó´ã°Ô½ÃÆÇ |
|---|---|
| ¹Ýǰ/±³È¯ °¡´É ±â°£ | ¹Ýǰ,±³È¯Àº ¹è¼Û¿Ï·á ÈÄ 7ÀÏ À̳», »óǰÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦¹ß°ß ÈÄ 30ÀÏ À̳»¿¡ ½Åû°¡´É |
| ¹Ýǰ/±³È¯ ºñ¿ë | º¯½É ȤÀº ±¸¸ÅÂø¿ÀÀÇ °æ¿ì¿¡¸¸ ¹Ý¼Û·á °í°´ ºÎ´ã(º°µµ ÁöÁ¤ Åùè»ç ¾øÀ½) |
| ¹Ýǰ/±³È¯ ºÒ°¡ »çÀ¯ |
|
| ¼ÒºñÀÚ ÇÇÇØº¸»ó ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó |
|
| ¹Ýǰ/±³È¯ ÁÖ¼Ò | °æ±âµµ ÆÄÁֽà ¹®¹ß·Î 77, ¿õÁøºÏ¼¾(¹Ýµð¾Ø·ç´Ï½º) |