본문내용 바로가기
MD의선택 무료배송 이벤트 소득공제

백견불여일타 딥러닝 입문 with 텐서플로우 2.x 초급자용 실습 165개 수록 | 강의자료 제공 | 초급 탈출 실력 점핑 15개의 실전 연습문제 제공

조휘용 지음 | 로드북 | 2020년 06월 08일 출간
클로버 리뷰쓰기

이 책의 다른 상품 정보

  • 정가 : 22,000원
    판매가 : 19,800 [10%↓ 2,200원 할인]
  • 통합포인트 :
    [기본적립] 1,100원 적립 [5% 적립] [추가적립] 5만원 이상 구매 시 2천원 추가적립 안내 [회원혜택] 실버등급 이상, 3만원 이상 구매 시 2~4% 추가적립 안내
  • 추가혜택 : 포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    지금 주문하면 내일(11일,화) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내 바로드림 혜택
    휴일에는 바로드림 픽업으로 더 빨리 받아 보세요. 바로드림 혜택받고 이용하기

이 책의 이벤트 해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

  • 개발자님, 인터넷교보 IT분야 부캐 '리드잇'..
    2017.06.22 ~ 2025.07.31
상품상세정보
ISBN 9788997924585(8997924583)
쪽수 320쪽
크기 189 * 258 * 16 mm /669g 판형알림

책소개

이 책이 속한 분야

이 책의 주제어

텐서플로우 2.x 기반의 실습형 딥러닝 입문서다. 초급자용 실습예제 165개를 수록했고 실전 연습문제 15개를 스스로 풀어본다면 딥러닝 초급을 탈출하여 스스로 학습할 줄 아는 독자로 거듭날 수 있을 것이다. 다른 프로그래밍 입문서와 같이 딥러닝 학습 또한 반복 실습만이 입문 단계를 벗어나기 위한 가장 빠른 방법이다. 이 책이 제시하는 학습 방법인, 데이터를 수집하고 모델을 만들며 학습을 시키는 패턴을 꾸준하게 반복 학습하다 보면 다음 단계로 나아가는 길을 찾을 수 있을 것이다.

[샘플원고] www.roadbook.co.kr/234

_대상 독자
딥러닝을 처음 공부하고자 하는 학생이나 개발자
선수지식: 파이썬 문법을 이해할 수 있어야 함

상세이미지

백견불여일타 딥러닝 입문 with 텐서플로우 2.x 도서 상세이미지

저자소개

저자 : 조휘용

https://github.com/airplane2230

대학원 진학 전부터 신경망에 관심을 가지고 이를 공부하기 시작했다. 신경망 기술이 많은 사회적 문제를 해결할 수 있다는 매력에 끌려 지금까지 공부하고 있으며, 대학원 과정에서 신경망 기술을 활용하여 수작업을 자동화하는 문제를 다루면서 그 믿음이 굳어졌다. 정보 격차에 관심이 많으며, 이를 해결하기 위해 개인 블로그 운영, 오픈소스 참여 등의 활동을 하고 있고, 집필까지 하게 되었다.

목차

지은이의 글
편집자이자 베타테스터의 글
일러두기

1장 준비하기
1.1 시작하며
1.2 케라스란
1.3 케라스 준비하기
1.4 무료 클라우드 사용하기
1.5 API 문서 활용하기
정리해봅시다

[함께 해봐요] 텐서플로우를 설치할 가상환경 만들어 보기
[함께 해봐요] 텐서플로우 CPU 버전 설치하기
[함께 해봐요] 텐서플로우 GPU 버전 설치와 테스트
[함께 해봐요] 구글 드라이브 연동하기
[함께 해봐요] 캐글 노트북에서 결과물 얻는 방법

2장 살펴보기
2.1 머신러닝 프로세스 간략히 살펴보기
2.2 용어 살펴보기
2.3 데이터셋 살펴보기
2.4 커뮤니티 살펴보기
정리해봅시다

[함께 해봐요] 임의로 클래스 확률을 지정하여 그린 ROC 곡선 (chapter02/roccurve.py)

3장 기본기 다지기
3.1 기본 연산 해보기
3.2 신경망
3.3 케라스에서의 개발 과정
정리해봅시다
실습해봅시다

[함께 해봐요] 텐서의 차원과 기본 연산 (basic_calc.ipynb)
[함께 해봐요] 즉시 실행 모드를 통한 연산 (basic_calc.ipynb)
[함께 해봐요] 텐서에서 넘파이로, 넘파이에서 텐서로 (basic_calc.ipynb)
[함께 해봐요] @tf.function (basic_calc.ipynb)
[함께 해봐요] OR 게이트 구현해보기 (perceptron.ipynb)
[함께 해봐요] 벡터의 내적 (perceptron.ipynb)
[함께 해봐요] XOR 게이트 구현해보기 + 다층 퍼셉트론 (perceptron.ipynb)
[함께 해봐요] 여러 가지 활성화 함수 (perceptron.ipynb)
[함께 해봐요] 경사하강법 실험해보기 (perceptron.ipynb)

4장 신경망 적용해보기
4.1 MNIST와 Fashion-MNIST
4.2 보스턴 주택 가격 예측
4.3 빙산인가? 선박인가?-1
‘나의 이해도를 측정하자’ 3번 문제
4.4 무슨 옷과 무슨 색?-1
정리해봅시다
실습해봅시다
번외_캐글을 통해 능력 향상시키기

[함께 해봐요] MNIST 데이터셋 다운받기 (mnist.ipynb)
[함께 해봐요] 데이터의 형태 확인하기 (mnist.ipynb)
[함께 해봐요] 데이터 그려보기 (mnist.ipynb)
[함께 해봐요] 검증 데이터 만들기 (mnist.ipynb)
[함께 해봐요] 모델 입력을 위한 데이터 전처리 (mnist.ipynb)
[함께 해봐요] 모델 입력을 위한 레이블 전처리 (mnist.ipynb)
[함께 해봐요] 모델 구성하기 (mnist.ipynb)
[함께 해봐요] 소프트맥스와 시그모이드 값의 비교 (mnist.ipynb)
[함께 해봐요] 학습과정 설정하기 (mnist.pynb)
[함께 해봐요] 모델 학습하기 (mnist.ipynb)
[함께 해봐요] history를 통해 확인해볼 수 있는 값 출력하기 (mnist.ipynb)
[함께 해봐요] 학습 결과 그려보기 (mnist.ipynb)
[함께 해봐요] 모델 평가하기 (mnist.ipynb)
[함께 해봐요] 학습된 모델을 통해 값 예측하기 (mnist.ipynb)
[함께 해봐요] 예측값 그려서 확인해보기 (mnist.ipynb)
[함께 해봐요] 모델 평가 방법 1?혼동행렬 (mnist.ipynb)
[함께 해봐요] 모델 평가 방법?2 분류 보고서 (mnist.ipynb)
[함께 해봐요] MNIST 데이터셋 다루기: 전체 코드 (mnist.ipynb)
[함께 해봐요] Fashion-MNIST 데이터셋 다운받기 (fashion-mnist.ipynb)
[함께 해봐요] 데이터 그려보기 (fashion-mnist.ipynb)
[함께 해봐요] 전처리 및 검증 데이터셋 만들기 (fashion-mnist.ipynb)
[함께 해봐요] 첫 번째 모델 구성하기 (fashion-mnist.ipynb)
[함께 해봐요] 학습 과정 설정 및 학습하기 (fashion-mnist.ipynb)
[함께 해봐요] 두 번째 모델 구성하기 (fashion-mnist.ipynb)
[함께 해봐요] 두 모델의 학습 과정 그려보기 (fashion-mnist.ipynb)
[함께 해봐요] 보스턴 주택 가격 데이터셋 다운받기 (boston.ipynb)
[함께 해봐요] 데이터 형태 확인하기 (boston.ipynb)
[함께 해봐요] 데이터 전처리 및 검증 데이터셋 만들기 (boston.ipynb)
[함께 해봐요] 모델 구성하기 (boston.ipynb)
[함께 해봐요] 학습하고 평가하기 (boston.ipynb)
[함께 해봐요] K-폴드 사용하기 (boston.ipynb)
[함께 해봐요] K-폴드 결과 확인하기 (boston.ipynb)
[함께 해봐요] 데이터 불러오기 (clothes1.ipynb)
[함께 해봐요] 이미지 제네레이터 정의 및 모델 구성하기 (clothes1.ipynb)
[함께 해봐요] 데이터 제네레이터 정의하기 (clothes1.ipynb)
[함께 해봐요] 제네레이터를 통해 모델 학습시키기 (clothes1.ipynb)
[함께 해봐요] 테스트 데이터 예측하기 (clothes1.ipynb)

5장 컨볼루션 신경망
5.1 일단 사용해보기
5.2 컨볼루션층과 풀링층
5.3 CIFAR-10 살펴보기
5.4 빙산인가? 선박인가??2
‘나의 이해도를 측정하자’ 3번 문제
5.5 전이 학습
정리해봅시다
실습해봅시다

[함께 해봐요] 데이터 살펴보기 (fashion_mnist_cnn.ipynb)
[함께 해봐요] 모델 구성하기 (fashion_mnist_cnn.ipynb)
[함께 해봐요] 모델 학습시키기 (fashion_mnist_cnn.ipynb)
[함께 해봐요] 이미지 필터 사용해보기 (use_image_filter.ipynb)
[함께 해봐요] 이미지 필터 정의하기 (use_image_filter.ipynb)
[함께 해봐요] 이미지 필터 적용하기 (use_image_filter.ipynb)
[함께 해봐요] 이미지 필터를 적용한 최종 결과 (use_image_filter.ipynb)
[함께 해봐요] 풀링 연산 구현하기 (use_image_filter.ipynb)
[함께 해봐요] model.summary( ) 함수 사용하기
[함께 해봐요] plot_model( ) 함수 사용하기
[함께 해봐요] CIFAR-10 데이터셋 다운받기 (cifar10_cnn.ipynb)
[함께 해봐요] CIFAR-10 데이터 그려보기 (cifar10_cnn.ipynb)
[함께 해봐요] CIFAR-10 데이터셋 전처리 과정 (cifar10_cnn.ipynb)
[함께 해봐요] CIFAR-10 모델 구성하기 (cifar10_cnn.ipynb)
[함께 해봐요] CIFAR-10 모델 학습하기 (cifar10_cnn.ipynb)
[함께 해봐요] CIFAR-10 학습 과정 그려보기 (cifar10_cnn.ipynb)
[함께 해봐요] 신경망 시각화해보기 (cifar10_cnn.ipynb)
[함께 해봐요] CIFAR-10 규제화 함수 사용해보기 (drop_the_overfitting_regularizer.ipynb)
[함께 해봐요] CIFAR-10 드롭아웃 사용해보기 (drop_the_overfitting_dropout.ipynb)
[함께 해봐요] CIFAR-10 배치 정규화 사용해보기 (drop_the_overfitting_BN.ipynb)
[함께 해봐요] 이미지 제네레이터를 사용하여 이미지 그려보기 (basic_image_generator.ipynb)
[함께 해봐요] 이미지 제네레이터를 사용하여 모델 학습하기 (basic_image_generator.ipynb)
[함께 해봐요] 전이 학습 사용해보기 (basic_transfer_learning.ipynb)
[함께 해봐요] 모델 동결 해제하기
[함께 해봐요] 전이 학습을 통해 학습하기 (basic_transfer_learning.ipynb)

6장 순환 신경망
6.1 Embedding
6.2 RNN
6.3 LSTM
6.4 Conv1D
6.5 BERT 가볍게 알아보기
정리해봅시다
실습해봅시다

[함께 해봐요] 토큰화 작업 수행하기 (use_embedding_layer.ipynb)
[함께 해봐요] 데이터셋 다운받기 (use_embedding_layer.ipynb)
[함께 해봐요] 데이터 형태 확인하기 (use_embedding_layer.ipynb)
[함께 해봐요] 첫 번째 데이터 확인하기 (use_embedding_layer.ipynb)
[함께 해봐요] IMDB 데이터셋에서 가장 빈번하게 사용되는 세 개의 단어
[함께 해봐요] 데이터를 동일한 길이로 맞추기 (use_embedding_layer.ipynb)
[함께 해봐요] Embedding층을 사용하여 모델 구성하기 (use_embedding_layer.ipynb)
[함께 해봐요] 모델 학습시키기 (use_embedding_layer.ipynb)
[함께 해봐요] 모델 평가하기 (use_embedding_layer.ipynb)
[함께 해봐요] 학습 과정 확인하기 (use_embedding_layer.ipynb)
[함께 해봐요] cos 함수를 이용하여 데이터 만들기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] 전처리 과정 수행하기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] 데이터 형태 확인하기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] SimpleRNN을 사용하여 모델 구성하기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] 모델 학습시키기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] 예측 결과 그려보기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] IMDB 데이터셋 사용하기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] SimpleRNN층의 출력값 변화 확인하기 (use_SimpleRNN_layer.ipynb)
[함께 해봐요] reuters 데이터셋 다뤄보기 (use_LSTM_layer.ipynb)
[함께 해봐요] 데이터셋 전처리 과정
[함께 해봐요] LSTM 층을 사용하여 모델 구성하기 (use_LSTM_layer.ipynb)
[함께 해봐요] 모델 학습시키기 (use_LSTM_layer.ipynb)
[함께 해봐요] Conv1D 층을 사용하여 모델 구성하기 (use_Conv1D_layer.ipynb)
[함께 해봐요] 모델 학습시키기 (use_Conv1D_layer.ipynb)
[함께 해봐요] 데이터 생성하기 (use_Conv1D_layer.ipynb)
[함께 해봐요] 모델 구성 및 결과 확인하기 (use_Conv1D_layer.ipynb)

7장 초급을 향해서-1
7.1 케라스의 모델 구성 방법
7.2 함수형 API
7.3 빙산인가? 선박인가?-3
‘나의 이해도를 측정하자’ 1번 문제
7.4 무슨 옷과 무슨 색?-2
7.5 케라스 콜백
정리해봅시다
실습해봅시다

[함께 해봐요] Sequential( ) 모델 구성 (make_model_three_ways.ipynb)
[함께 해봐요] 서브클래싱 모델 구성 (make_model_three_ways.ipynb)
[함께 해봐요] 함수형 API 모델 구성하기 (make_model_three_ways.ipynb)
[함께 해봐요] MNIST 데이터셋 불러오기 및 전처리 (functional_api_MNIST.ipynb)
[함께 해봐요] 함수형 API를 활용한 모델 구성 및 학습 (functional_api_MNIST.ipynb)
[함께 해봐요] 다중 입출력을 위한 데이터 생성하기 (functional_api_multi_io.ipynb)
[함께 해봐요] 다중 입출력 모델 구성하기 (functional_api_multi_io.ipynb)
[함께 해봐요] 모델 구조 그려보기 (functional_api_multi_io.ipynb)
[함께 해봐요] 모델 구조 확인하기 (functional_api_multi_io.ipynb)
[함께 해봐요] 다중 입출력 모델에서 학습 과정 설정하기 (functional_api_multi_io.ipynb)
[함께 해봐요] 다중 입출력 모델 학습하기 (functional_api_multi_io.ipynb)
[함께 해봐요] 잔차 연결을 사용하여 모델 구성하기 (residual_and_inception_module.ipynb)
[함께 해봐요] 인셉션 모듈을 사용하여 모델 구성하기 (residual_and_inception_module.ipynb)
[함께 해봐요] ResNet을 활용하여 모델 구성하기 (resnet_transfer.ipynb)
[함께 해봐요] 텐서플로우 허브 설치하기
[함께 해봐요] CIFAR-10 데이터셋 불러오기 (use_tensorflow_hub.ipynb)
[함께 해봐요] 전체 모델 구성하기 (use_tensorflow_hub.ipynb)
[함께 해봐요] 모델 학습시키기 (use_tensorflow_hub.ipynb)
[함께 해봐요] (clothes_classification/clothes3.csv)
[함께 해봐요] (clothes_classification/clothes3.csv)
[함께 해봐요] (clothes_classification/clothes3.csv)
[함께 해봐요] 케라스 콜백 사용 준비하기 (use_keras_callbacks.ipynb)
[함께 해봐요] ModelCheckpoint 콜백 사용하기 (use_keras_callbacks.ipynb)
[함께 해봐요] EarlyStopping 콜백 사용하기 (use_keras_callbacks.ipynb)
[함께 해봐요] ReduceLROnPlateau 콜백 사용하기 (use_keras_callbacks.ipynb)
[함께 해봐요] TensorBoard 콜백 사용하기 (use_keras_callbacks.ipynb)
[함께 해봐요] 텐서보드 실행하기 - 1
[함께 해봐요] 텐서보드 실행하기- 2

8장 초급을 향해서-2
8.1 커스터마이제이션
8.2 1×1 컨볼루션
8.3 초급 단계를 위해 한걸음 더
정리해봅시다
실습해봅시다

[함께 해봐요] Lambda 층 사용하기 (custom_keras_layer.ipynb)
[함께 해봐요] 커스텀 케라스층 사용하기 (custom_keras_layer.ipynb)
[함께 해봐요] Activation 함수에 직접 전달하는 방법 (custom_activation.ipynb)
[함께 해봐요] 커스텀 객체 목록을 사용하는 방법 - 1 (custom_activation.ipynb)
[함께 해봐요] 커스텀 객체 목록을 사용하는 방법 ? 2 (custom_activation.ipynb)
[함께 해봐요] RAdam 설치하기
[함께 해봐요] RAdam의 존재 알기 (custom_activation.ipynb)
[함께 해봐요] 커스텀 손실 함수 정의하기 (custom_loss.ipynb)
[함께 해봐요] 커스텀 손실 함수?MNIST 학습 (custom_loss.ipynb)
[함께 해봐요] 커스텀 평가지표 정의하여 사용하기 (custom_metrics.ipynb)
[함께 해봐요] 특정 시점에 학습률을 조정하는 커스텀 케라스 콜백 (custom_callback.ipynb)
[함께 해봐요] 커스텀 케라스 콜백을 사용하여 모델 학습시키기 (custom_callback.ipynb)
[함께 해봐요] 컨볼루션층만으로 구성한 모델 - 1 (MNIST_1×1_convolution.ipynb)
[함께 해봐요] 컨볼루션층만으로 구성한 모델 - 2 (MNIST_1×1_convolution.ipynb)

9장 케라스 튜너
9.1 탐색해야 할 하이퍼파라미터
9.2 케라스튜너 사용하기
9.3 케라스튜너 더 쉽게 사용하기
정리해봅시다
실습해봅시다

부록 A: 오토케라스(AutoKeras)
부록 B: tf.data
부록 C: 이렇게도 학습할 수 있어요!

[함께 해봐요] 간단한 구조의 CNN 모델 살펴보기 (keras_tuner_example.ipynb)
[함께 해봐요] 케라스 튜너 설치하기
[함께 해봐요] 케라스 튜너 모델 정의하기 (keras_tuner_example.ipynb)
[함께 해봐요] MNIST 데이터셋 준비하기 (keras_tuner_example.ipynb)
[함께 해봐요] RandomSearch 클래스 사용하기 (keras_tuner_example.ipynb)
[함께 해봐요] 탐색할 하이퍼파라미터 살펴보기 (keras_tuner_example.ipynb)
[함께 해봐요] 하이퍼파라미터 탐색하기 (keras_tuner_example.ipynb)
[함께 해봐요] 실험 결과 요약해보기 (keras_tuner_example.ipynb)
[함께 해봐요] 가장 좋은 성능의 모델 불러오기 (keras_tuner_example.ipynb)
[함께 해봐요] 모델 하이퍼파라미터 확인하기 (keras_tuner_example.ipynb)
[함께 해봐요] HyperResNet 사용하기 (keras_tuner_example.ipynb)
[함께 해봐요] (clothes_classification/tf_data_example.py)
[함께 해봐요] 데이터셋 불러오기 ()appendix/training_with_tensorflow2.0.ipynb
[함께 해봐요] 데이터셋 객체 정의하기 ()appendix/training_with_tensorflow2.0.ipynb
[함께 해봐요] 모델 구성하기 (appendix/training_with_tensorflow2.0.ipynb)
[함께 해봐요] 객체 정의하기 (appendix/training_with_tensorflow2.0.ipynb)
[함께 해봐요] 계산 발생 지정하기 (appendix/training_with_tensorflow2.0.ipynb)
[함께 해봐요] 학습 및 검증 스텝 정의하기 (appendix/training_with_tensorflow2.0.ipynb)
[함께 해봐요] 학습 진행하기 (appendix/training_with_tensorflow2.0.ipynb)

찾아보기

_주요 내용

입문 단계에서 포기하지 않고 다음 단계로 넘어갈 수 있게 해주는 책!
이 책을 학습한 후 점차 수학과 이론적 지식이 필요함을 느끼고, 프로세스나 기존에 제공되고 있는 서비스를 보았을 때 “과연 저기에 딥러닝을 적용하면 어떤 결과물이 나올까?”라는 생각을 하게 된다면 본격적으로 딥러닝 엔지니어, 연구자, 서비스 제공자로서의 삶이 시작된 것입니다.

“백견불여일타 공부법의 핵심은 반복입니다.”
딥러닝도 다른 프로그래밍 입문서와 마찬가지로 반복 학습만이 입문 단계를 벗어나기 위한 가장 빠른 방법입니다. 이 책이 제시하는 학습 방법인, 데이터를 수집하고 모델을 만들며 학습을 시키는 패턴을 꾸준하게 반복 학습하다 보면 다음 단계로 나아가는 길을 찾을 수 있을 것입니다.

“연습문제를 직접 풀어보지 않으면 아무리 좋은 입문서라도 백약이 무효입니다.”
직접 해보고 반복해서 학습해보는 것만이 낯설음을 익숙함으로 바꿀 수 있는 유일한 길입니다. 힌트까지 제공되니 반드시 혼자만의 힘으로 풀어보고 저자의 모범답안과 비교해보세요. 점핑업 되는 실력을 느낄 수 있을 것입니다.

출판사 서평

[주요 특징]
초급자용 실습 예제 165개 수록!!
힌트와 미션이 주어지는 초급 탈출 실력 점핑용 연습문제 15개 수록!!
강의자료 제공!!

[이 책을 제대로 활용하는 방법]
이 책은 데이터를 모으고(이 책에서는 데이터가 주어지지만) 모델을 만들어 내며 학습을 시키고 결과를 내는 등의 일정 패턴을 반복적으로 학습합니다. 이러한 학습을 통해 필요한 라이브러리를 찾아내어 활용할 수 있는 능력을 갖추게 될 것입니다. 결국엔 데이터와 모델, 이 두 가지가 핵심입니다. 이 책에서 제시하는 단편적인 예제만으로는 실용적인 예제를 만... 더보기

Klover 리뷰 (0)

북로그 리뷰 (0) 쓰러가기

도서 구매 후 리뷰를 작성하시면
결제 90일 이내 300원, 발송 후 5일 이내 400원, 이 상품의 첫 리뷰 500원의 포인트를 드립니다.

포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
북로그 리뷰는 본인인증을 거친 회원만 작성 가능합니다.
(※ 외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외) 안내
  • 해당도서의 리뷰가 없습니다.

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매도서의 문장수집을 기록하면 통합포인트 적립 안내

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
반품/교환방법 마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 ,
[1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)

※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불]
    또는 고객센터 (1544-1900)
반품/교환가능 기간 변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유
  • 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
  • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
  • 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
  • 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
  • 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우
  • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
  • 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에
    해당되는 경우
(1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①양서-판매정가의 12%, ②일서-판매정가의 7%를 적용)
상품 품절 공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는
이메일과 문자로 안내드리겠습니다.
소비자 피해보상
환불지연에 따른 배상
  • 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
    소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨
  • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
    소비자 보호에 관한 법률에 따라 처리함

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품