본문내용 바로가기
무료배송 이벤트 경품 소득공제

파이썬 머신러닝 최신 예측 분석 기반으로 깊은 통찰력을 얻는 머신러닝 필수 가이드

세바스티안 라슈카 지음 | 이혜연 옮김 | 지앤선 | 2017년 01월 25일 출간

이 책의 다른 상품 정보

  • 정가 : 32,000원
    판매가 : 28,800 [10%↓ 3,200원 할인]
  • 통합포인트 :
    [기본적립] 1,600원 적립 [5% 적립] 안내 [추가적립] 5만원 이상 구매 시 2천원 추가적립 [회원혜택] 우수회원 5만원 이상 구매 시 2~3% 추가적립
  • 추가혜택 : 카드/포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    당일배송 지금 주문하면 오늘(20일,화) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내
장바구니 담기 바로구매

책 그리고 꽃 서비스
책 그리고 꽃 | 책과 꽃을 함께 선물하세요 자세히보기

닫기

바로드림 주문 선물하기 보관함 담기

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

  • 리드잇 IT칼럼 및 예약판매중인 책을 한 곳에서 보실 수 있습니..
    2017.11.22 ~ 2018.12.31
  • 웹개발 입문자를 위한 아주 약간의 가이드
    2017.07.11 ~ 2020.12.31
  • #리드잇 페이스북 페이지 팔로우 하시고, 신간소식 빠르게 받아보..
    2017.06.22 ~ 2025.07.31
  • 파이썬 도서 다 모였다!
    2016.08.11 ~ 2019.12.31
  • MANNING, O'REILLY, PACKT, WILE..
    2016.03.07 ~ 2020.12.31
  • 설문참여 시 매월 5명 추첨통해 선물을 드립니다.
    10. 14 ~ 12. 31
상품상세정보
ISBN 9791187497035(1187497037)
쪽수 452쪽
크기 173 * 230 * 30 mm /1009g 판형알림
이 책의 원서/번역서 Python Machine Learning/Raschka, Sebastian

책소개

이 책이 속한 분야

머신러닝과 예측 분석은 비지니스 및 여러 기관의 운영 방식을 변화시키고 있다. 이 책 [파이썬 머신러닝]은 독자들이 예측 분석 세계에 접근할 수 있도록 해주며 파이썬이 데이터 과학과 관련된 세계적으로 주요 언어 중 하나인 이유를 설명하고 있다. 여러분이 데이터에 대해 더 좋은 질문을 하고자 한다면 혹은 머신러닝 시스템을 개선하여 시스템 능력을 확대하고 싶다면, 이 책이 매우 유용할 것이다. 사이킷런(scikit-learn) 시애노(Theano), 케라스(Keras), 감성분석에서 신경망에 이르는 모든 것들에 대한 피쳐링 안내 및 팁을 포함하여 강력한 파이썬 라이브러리의 광범위한 영역을 다루고 있기 때문에 여러분 스스로 마주하고 있는 가장 중요한 질문들에 스스로 곧 대답할 수 있게 될 것이다.

저자소개

저자 : 세바스티안 라슈카

저자 세바스티안 라슈카는 미시간 주립대학교의 박사 과정을 진행 중이며 컴퓨터 생명공학 영역에서 새로운 계산법을 발전시켰다. 그는 유명한 분석 관련 커뮤니티인 Analytics Vidhya의 깃허브(GitHub by Analytics Vidhya)에서 가장 영향력 있는 데이터 과학자로 손꼽히며 1년간의 파이썬 프로그래밍 경험으로 데이터 사이언스와 머신 러닝을 실제에 응용하는 내용에 관한 세미나를 수차례 진행했다.

역자 : 이혜연

역자 이혜연은 수년간 대기업 데이터 마이닝 시스템과 머신러닝 시스템 컨설팅 및 고급 분석을 기반으로 한 전략 컨설팅 경력을 보유하고 있다. 현재도 해당 분야의 컨설턴트로활약 중이며, 기업과 공공기관, 대학교에서 관련된 강의를 진행하고 있다. 기술 콘텐츠의 저술/번역 공동체 GoDev 의 가족이다.

목차

CHAPTER 1 컴퓨터에 데이터를 학습할 수 있는 능력 부여하기
1.1 데이터를 지식으로 변환하기 위한 지능형기계 구성
1.2 머신러닝의 세 가지 유형
1.2.1 지도 학습(Supervised Learning)으로 미래에 관한 예측 만들기
1.2.2 강화학습을 활용한 상호작용문제 해결
1.2.3 비지도 학습(unsupervised learning)으로 은닉구조 발견
1.3 기초 용어와 표기 소개
1.4 머신러닝 시스템 구축을 위한 로드맵
1.4.1 전처리 데이터 갖추기
1.4.2 예측모델의 훈련 및 선택
1.4.3 모델 평가와 경험하지 않은 데이터 인스턴스 예측
1.5 머신러닝을 위한 파이썬의 사용
1.5.1 파이썬 패키지 설치
1.6 요약

CHAPTER 2 분류를 위한 머신러닝 알고리즘 훈련
2.1 인공뉴런 - 머신러닝의 초기 역사 들여다보기
2.2 파이썬에서 퍼셉트론 학습 알고리즘 구현하기
2.3 아이리스 데이터에 퍼셉트론 모델 훈련하기
2.3 에이다라인과 학습의 수렴
2.3.1 그래디언트 디센트가 있는 비용함수 최소화
2.3.2 파이썬으로 에이다라인 구현하기
2.3.3 큰 스케일의 머신러닝과 확률적 그래디언트 디센트
2.4 요약

CHAPTER 3 사이킷런을 사용한 머신러닝분류기
3.1 분류 알고리즘의 선택
3.2 사이킷런의 첫 번째 단계
3.2.1 사이킷런을 사용한 퍼셉트론의 훈련
3.3 로지스틱 회귀를 통한 모델링 분류 확률
3.3.1 로지스틱 회귀 직관력과 조건부 확률
3.3.2 로지스틱 비용함수의 가중치 학습
3.3.3 사이킷런으로 로지스틱 회귀 모델 훈련하기
3.3.4 정규화를 사용한 오버피팅 방지
3.4 서포트 벡터 머신의 마진 분류 최대화
3.4.1 최대 마진 직관력
3.4.2 여유 변수를 사용하여 비선형의 분리 가능 사례 처리
3.4.3 사이킷런 내의 다른 구현들
3.5 커널 SVM을 사용한비선형 문제의 해결
3.5.1 고차원 공간에서 분리 하이퍼 평면을 찾기 위한 커널 트릭의 사용
3.6 의사결정나무 학습
3.6.1 IG 최대화 - 투자 대비 최대 효과를 얻는 것
3.6.2 의사결정나무 만들기
3.6.3 랜덤 포레스트를사용해서 약한 학습기들(weak learners)을 결합하여 강한 학습기(strong learners) 만들기
3.7 KNN - 레이지러닝 알고리즘
3.8 요약

CHAPTER 4 좋은 훈련 데이터의구성 - 데이터 전처리
4.1 결측 데이터 다루기
4.1.1 결측값을 가진 샘플이나 피처 제거하기
4.1.2 결측값의 보정
4.1.3 사이킷런 에스티메이터API 이해하기
4.2 범주형 데이터 다루기
4.2.1 순위형 피처 매핑
4.2.2 분류 레이블 인코딩
4.2.3 명목형 피처에 원 핫 인코딩 수행하기
4.3 데이터를 훈련용과 테스트용으로 분할하기
4.4 피처들을 동일한 스케일로 가져오기
4.5 의미 있는 피처 선택
4.5.1 L1 정규화가 있는 희소 솔루션
4.5.2 연속형 피처 선택 알고리즘
4.6 랜덤 포레스트를 활용한 피처 중요도의평가
4.7 요약

CHAPTER 5 차원축소를 이용한 데이터 압축
5.1 주성분 분석을 활용한 비지도적 차원축소
5.1.1 전체분산과 설명분산
5.1.2 피처 변환
5.1.3 사이킷런에서 주성분 분석
5.2 선형 판별 분석을 활용한 지도적 데이터 압축
5.2.1 이산행렬 계산
5.2.2 새로운 피처 부분공간에 대한 선형 판별선택
5.2.3 샘플을 새 피처 공간에 투영하기
5.2.4 사이킷런을 활용한 LDA
5.3 비선형 매핑을 위한 커널 주성분 분석의 사용
5.3.1 커널 함수와 커널 트릭
5.3.2 파이썬에서커널 주성분 분석의 구현
5.3.3 새로운 관측치의 투영
5.3.4 사이킷런에서의 커널 주성분 분석
5.4 요약

CHAPTER 6 모델 평가와 하이퍼파라미터 튜닝에 관한 사례학습
6.1 파이프라인을 가진 스트리밍 워크플로우
6.1.1 Breast Cancer Wisconsin 데이터 로딩
6.1.2 파이프라인 내의 변환기와 에스티메이터 결합하기
6.2 k-fold 교차검증을 사용하여 모델 성능 평가하기
6.2.1 홀드아웃 메서드
6.2.2 K-fold 교차검증
6.3 학습곡선과 검증곡선에 의한 알고리즘 디버깅
6.3.1 학습곡선에 의한 바이어스와 분산 문제진단
6.3.2 검증곡선으로오버피팅과 언더피팅 다루기
6.4 그리드 검색을 사용한 머신러닝 모델의 미세 튜닝
6.4.1 그리드 검색을 사용한 하이퍼파라미터 튜닝
6.4.2 중첩 교차검증으로 알고리즘 선택하기
6.5 여러 가지 성능 평가 메트릭 살펴보기
6.5.1 컨퓨젼 매트릭스 읽기
6.5.2 분류 모델의정밀도와 리콜 최적화
6.5.3 Receiver Operating Characteristic 플로팅
6.5.4 다중 분류 분석을 위한 스코어링 메트릭
6.6 요약

CHAPTER 7 앙상블 학습을 위한 여러 가지 모델 결합
7.1 앙상블 학습
7.2 간단한 다수결 투표 분류기 구현하기
7.2.1 다수결 투표 분류를 위한 여러 가지알고리즘의 결합
7.3 앙상블 분류기의 평가 및 튜닝
7.4 배깅, 부트스트랩 샘플로부터 분류기 앙상블 만들기
7.5 어댑티브 부스팅을 활용한 약한 학습기 레버리징
7.6 요약

CHAPTER 8 머신러닝을 감성분석에 적용하기
8.1 IMDb 영화 리뷰 데이터 획득
8.2 백 오브 워드 모델 소개
8.2.1 단어를 피처 벡터로 변환
8.2.2 용어 빈도수-문서 빈도수의 역수를 이용한 단어의 관련성 평가
8.2.3 텍스트 데이터 정제
8.2.4 문서를 토큰으로 처리하기
8.3 문서 분류를 위한 로지스틱 회귀 모델 훈련
8.4 ?더 큰 데이터로 작업하기 -온라인 알고리즘과 아웃 오브 코어 학습
8.5 요약

CHAPTER 9 머신러닝 모델의 웹 애플리케이션 임베딩
9.1 피팅된 사이킷런 에스티메이터 직렬화
9.2 데이터 스토리지를 위한 SQLite 데이터베이스 구성
9.3 플라스크로웹 애플리케이션 개발하기
9.3.1 첫 번째 플라스크 웹 애플리케이션
9.3.2 형식 검증 및 렌더링
9.4 영화 분류기를 웹 애플리케이션으로 변환하기
9.5 공용 서버로 웹 애플리케이션 디플로잉
9.5.1 영화 리뷰 분류기 업데이트하기
9.6 요약

CHAPTER 10 회귀분석에 의한 연속형 목표변수 예측
10.1 심플 선형회귀 모델 소개
10.2 하우징데이터 탐색
10.2.1 데이터의 주요 특성 시각화
10.3 순위형 최소 제곱 선형회귀 모델 구현
10.3.1 그래디언트 디센트를 갖는 회귀 파라미터를 위해 회귀 모델 풀기
10.3.2 사이킷런을 활용한회귀 모델 계수 추정
10.4 RANSAC을 사용하는 강건한 회귀 모델 피팅
10.5 선형회귀 모델의 성능 평가
10.6 회귀를위한 정규화 메서드 사용
10.7 선형회귀 모델을 곡선의 다항 회귀로 변환하기
10.7.1 하우징 데이터 내의 비선형관계 모델링
10.7.2 랜덤 포레스트를 사용하여 비선형관계 처리하기
10.8 요약

CHAPTER 11 레이블 없는 데이터로 작업하기 - 군집분석
11.1 케이민즈를 활용한 유사도에 의한 개체 그룹핑
11.1.1 K-means++
11.1.2 하드 클러스터링과 소프트 클러스터링
11.1.3 엘보우 메서드를 사용하여 최적의 군집 개수 찾아내기
11.1.4 실루엣플롯을 활용한 클러스터링 품질의 수량화
11.2 계층 나무(hierarchical tree)로 군집 구성하기
11.2.1 거리 행렬에 기반한 계층적 클러스터링 수행하기
11.2.2 계층도를 열지도에 첨부하기
11.3 사이킷런을 활용하여 응집성 클러스터링 적용하기
11.4 DBSCAN을 활용하여 고밀도 영역 찾아내기
11.5 요약

CHAPTER 12 이미지 인식을 위한 인공신경망 훈련
12.1 인공신경망에 의한 복잡한 함수들의 모델링
12.1.1 단일레이어 신경망recap
12.1.2 다중 레이어 신경망 아키텍처의 소개
12.1.3 순전파를 사용한 신경망의 활성화
12.2 손으로 작성된 숫자들의 분류
12.2.1 MNIST 데이터의 획득
12.2.2 다중 레이어 퍼셉트론 구현
12.3 인공신경망 훈련
12.3.1 로지스틱 비용함수계산
12.3.2 역전파를 활용한 신경망 훈련
12.4 역전파에 관한 직관 개발하기
12.5 그래디언트 체킹을 가진 디버깅 신경망
12.6 신경망에서의 수렴
12.7 다른 신경망 아키텍처
12.7.1 컨볼루션 신경망
12.7.2 순환형 신경망
12.8 신경망 구현에 관한 몇 가지 최종 단어
12.9 요약

CHAPTER 13 시애노 병렬 신경망 훈련
13.1 시애노를 사용하여 만들고, 컴파일링하고, 구동하기
13.1.1 시애노란 무엇인가
13.1.2 시애노의 첫 번째 단계
13.1.3 시애노 설정
13.1.4 배열 구조로작업하기
13.1.5 마감하기 - 선형회귀의 사례
13.2 피드포워드 신경망에 대한 활성함수 선택
13.2.1 로지스틱 함수 다시보기
13.2.2 소프트맥스 함수를 사용하여 다중분류 내의 확률 추정하기
13.2.3 하이퍼볼릭 탄젠트를 사용함으로써 출력 스펙트럼 확장하기
13.3 케라스를 사용한 효율적인 신경망의 훈련
13.4 요약

추천사

안광종(㈜데이터엔지니어스랩 대표)

"음, 괜찮구만." 정독을 마치고 첫 느낌이었습니다. 데이터 사이언스와 알고리즘의 참고서로, 파이썬을 공부하는실습서로 모두 완벽한 책입니다. 약간은 도전적이겠지만 데이터사이언스를 공부하는 학생들에게 적극 추천하고 싶은 책입니... 더보기

조원경(기획재정부 국제금융심의관)

머신러닝의 시대가 열리고 있는 시점에 데이터 사이언스의 참고서로 가장 핵심이 되는 깊은 노하우를 담은 책의 한국어판 출간을 축하합니다. 통계 분석과 머신러닝의 관점들을 총 망라하여 원론부터 현장의 노하우까지 담고 있을 뿐만 ... 더보기

책 속으로

서문 중에서

우리는 데이터 홍수 시대에 살고 있습니다. 최근 조사에 따르면 매일 생성되는 데이터의 양은 약250경 바이트에 이른다고 합니다. 이는 지난 10년간 생성되어 저장된 정보량의 90퍼센트 이상에 해당하는 상당히 많은 양의 데이터입니다. 하지만 이 정보의 대부분은 우리가 사용할 수 없으며 표준 분석 방법의 수단으로도, 혹은 우리의 제한된 마음을 이해하는 데 사용하기에도 너무나 방대하다 할 수 있습니다. 우리는 머신러닝을 통해서 컴퓨터로 하여금 데이터를 처리하고 학습하게 하여 빅데이터의 불가사의한 장벽으로부터 실행 가능한... 더보기

출판사 서평

이 책의 내용

- 자신의 데이터에 관한 여러가지 질문에 답을 얻기 위해 머신러닝 모델의 여러가지 사용법 탐색해보기
- 시애노(Theano)와 케라스(Keras)를 사용하여 신경망을 구축할 수 있는 방법 학습해보기
- 파이썬 코드를 깨끗하고 명쾌하게 적을 수 있는 방법을 알아보고, 이를 통해 알고리즘의 힘이 최적화되도록 해보기
- 여러분의 머신러닝 모델을 웹 애플리케이션에 임베딩하는 방법을 알아보고, 이를 통해 접근성을 증가시켜보기
- 회귀분석을 사용하여 연속형 목표의 출력을 예측해보기
- 군집분석을 통해 데이터내의 숨... 더보기

북로그 리뷰 (5) 전체보기 쓰러가기

도서 구매 후 리뷰를 작성하시면 통합포인트를 드립니다.
결제 90일 이내 작성 시 300원 / 발송 후 5일 이내 작성시 400원 / 이 상품의 첫 리뷰 작성 시 500원
(포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외)
안내
  • 파이썬 머신러닝 kd**dm | 2017-03-01 | 추천: 0 | 5점 만점에 5점
    해당 리뷰는 지앤선에서 도서를 제공해주셔서 진행하였습니다. 머신러닝이라는 것은 용어가 예전의 클라우드, 빅데이터를 처럼 버즈워드로 시작했다가 어느 순간부터는 대부분의 사람이 알아야 하는 필수가 되어 버렸다. 알파고를 넘어서 “딥러닝”, “강화학습”, 어느 순간 GAN이라는 게 나와서, 스스로 대결해서 스스로 학습해버리는…. 스카이넷이 얼마 남지 않은… 사실 말하기 부끄럽지만, 나름 꽤 많은 머신 러닝 책을 표지만 보고 지나간 사람으로… 내가 공부하기엔 너무 어려운게 아닌가 라는 생각을 여전히 가지고 있습니다. 나름 쉽게 설명하는... 더보기
  • 파이썬 머신러닝 북리뷰 ra**ound | 2017-03-01 | 추천: 0 | 5점 만점에 4점
    알파고 이후로 한국에서도 AI(인공지능)에 대한 관심이 아주 높아졌다.  머신 러닝 로드맵을 간단하게 나눠보면 4단계로 구분할 수 있는데   Preprocessing -> Learning -> Evaluation -> Prediction 이번에 지앤선에서 나온 파이썬 머신러닝에서는 Preprocessing(데이터 전처리), Learning 에 대한 기본에 대해서 설명하고 있다. 1. 지도 학습 2. 비지도 학습 3. 강화 학습 이 책은 머신러닝을 하기 위해서 기본이 되... 더보기
  • [ 지앤선(志&嬋)]파이썬 머신러닝 이 책을 리뷰하기전에 지금 내가 사용하고 있는 스마트폰은 NASA에서 1969년에 사용된 컴퓨터들보다 성능이 몇백배는 더 좋다(링크). 그런데도 이런 성능조차도 부족함을 느끼는 산업이 있다. 이세돌과 알파고의 대국을 통해 엄청난 인기를 끌게 된 머신러닝이 그것이다. 이를 두고 4차 산업혁명이라고도 부른다. '4차 산업혁명'이란 무엇인가? 개념부터 예시, 보충설명까지!! [명견만리 웹티비 4화]4차 산업혁명, 소프트웨어] -윤종록 정보통신산업진흥 원장- "202... 더보기
  • 책을 처음 넘겨보며 상당히 당황했다. 뭔가 기호가 들어간 수학 수식이 꽤 있었기 때문이다. 개인적으로 프로그래밍에도 익숙하지 않지만, 수학/과학과는 더더욱 담을 쌓아왔던 지라 약간 두렵기까지 했다. 부담감을 느끼며 3주간 공부한 지금도 사실 책 내용이 모두 이해가 되지는 않는다. 그렇지만 아마 나와 비슷한 상태에서 책을 구매하는 사람들 - 특히 IT기획자/개발자- 이 많지 않을까 생각해서 리뷰를 적어보기로 했다. 이 책의 원서 출판사는 PACKT이다. 이 출판사는 번잡한 내용을 최대한 생략하고 핵심만 추려서 빠르게 책을 출간하는 ... 더보기
  • 파이썬 머신러닝 리뷰 mi**tock | 2017-02-22 | 추천: 0 | 5점 만점에 4점
    프로그래밍 중에 가장 핫한 분야인 머신러닝. 그 분야를 다루는 책이다.  책을 처음 받고서 가볍게 훑어 보았는데 많은 수학공식이 있어서 처음부터 지레 겁먹었다. 수알못인 나로서 이 책을 리뷰하는게 쉽진 않지만 오히려 수알못 개발자 분들에게 이 책은 어떤 책일지 가늠할 수 있는 좋은 기회라고 생각해서 열심히 읽어보았다. 수학자나 과학자들에게 이 책은 훌륭한 머신러닝 입문책이라 생각된다. 하지만 대다수 수알못인 사람들에게 머리가 아픈 책으로 느껴질거라 생각된다. 하지만 ... 더보기

Klover 평점/리뷰 (0)

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

이 책의 원서번역서

안내

이 분야의 베스트

더보기+

이 분야의 신간

  • 프랑소와 숄레
    29,700원
  • 길벗알앤디(강윤석, 김용갑,...
    31,500원
  • 길벗알앤디
    15,300원
  • 이안 굿펠로
    37,800원
  • 조슈아 블로크
    32,400원
더보기+

이 책의 연관도서

  • ALEX J. CHAMPAN...
    34,200원
  • 양지헌
    26,100원
  • 다케이 히로마사
    18,000원
  • 야마시타 타카요시
    20,700원
  • 나카이 에츠지
    21,600원
더보기+

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품