본문 바로가기

추천 검색어

실시간 인기 검색어

파이썬 머신러닝 완벽 가이드

데이터 사이언스 시리즈 31
권철민 저자(글)
위키북스 · 2019년 02월 28일
새로 출시된 개정판이 있습니다. 개정판보기
9.1 (14개의 리뷰)
추천해요 (58%의 구매자)
  • 파이썬 머신러닝 완벽 가이드 대표 이미지
    파이썬 머신러닝 완벽 가이드 대표 이미지
  • A4
    사이즈 비교
    210x297
    파이썬 머신러닝 완벽 가이드 사이즈 비교 188x241
    단위 : mm
MD의 선택 무료배송 이벤트 소득공제
10% 34,200 38,000
적립/혜택
1,900P

기본적립

5% 적립 1,900P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 1,900P
  • 리뷰 작성 시, e교환권 추가 최대 300원
절판되었습니다.

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

패키지

북카드

키워드 Pick

키워드 Pick 안내

관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.

파이썬 머신러닝 완벽 가이드 상세 이미지
자세한 이론 설명과 파이썬 실습을 통해 머신러닝을 완벽하게 배울 수 있습니다!

《파이썬 머신러닝 완벽 가이드》는 이론 위주의 머신러닝 책에서 탈피해 다양한 실전 예제를 직접 구현해 보면서 머신러닝을 체득할 수 있도록 만들었습니다. 캐글과 UCI 머신러닝 리포지토리에서 난이도가 있는 실습 데이터를 기반으로 실전 예제를 구성했고, XGBoost, LightGBM, 스태킹 기법 등 캐글의 많은 데이터 사이언스에서 애용하는 최신 알고리즘과 기법에 대해 매우 상세하게 설명했습니다.

작가정보

저자(글) 권철민

엔코아 컨설팅, 한국 오라클을 거쳐 현재 kx systems에서 고성능 인메모리 DB인 kdb+의 Machine Learning 컨설턴트로 근무 중이다. 지난 20년간 50여 개 이상의 주요 고객사에서 데이터컨설팅 분야에 매진해 왔으며, 최근 몇 년간은 AI 기반의 Advanced Analytics 분야에 집중하고 있다. 직접 구현해 보지 않으면 절대 이해하지 못하는 평범한 두뇌의 소유자이며, 절망적인 프로젝트에 참여해 자기학대적인 노력으로 문제를 해결하는 이상한 성격의 소유자이기도 하다.

목차

  • ▣ 1장: 파이썬 기반의 머신러닝과 생태계 이해
    1.1. 머신러닝의 개념
    __머신러닝의 분류
    __데이터 전쟁
    __파이썬과 R 기반의 머신러닝 비교
    1.2. 파이썬 머신러닝 생태계를 구성하는 주요 패키지
    __파이썬 머신러닝을 위한 S/W 설치
    1.3. 넘파이
    __넘파이 ndarray 개요
    __ndarray의 데이터 타입
    __ndarray를 편리하게 생성하기 - arange, zeros, ones
    __ndarray의 차원과 크기를 변경하는 reshape( )
    __넘파이의 ndarray의 데이터 세트 선택하기 ? 인덱싱(Indexing)
    __행렬의 정렬 - sort( )와 argsort( )
    __선형대수 연산 - 행렬 내적과 전치 행렬 구하기
    1.4. 데이터 핸들링 - 판다스
    __판다스 시작 - 파일을 DataFrame으로 로딩, 기본 API
    __DataFrame과 리스트, 딕셔너리, 넘파이 ndarray 상호 변환
    __DataFrame의 컬럼 데이터 세트 생성과 수정
    __DataFrame 데이터 삭제
    __Index 객체
    __데이터 셀렉션 및 필터링
    __정렬, Aggregation 함수, GroupBy 적용
    __결손 데이터 처리하기
    __apply lambda 식으로 데이터 가공
    1.5. 정리

    ▣ 2장: 사이킷런으로 시작하는 머신러닝
    2.1. 사이킷런 소개와 특징
    2.2. 첫 번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기
    2.3. 사이킷런의 기반 프레임워크 익히기
    __Estimator 이해 및 fit( ), predict( ) 메서드
    __사이킷런의 주요 모듈
    __내장된 예제 데이터 세트
    2.4. Model Selection 모듈 소개
    __학습/테스트 데이터 세트 분리 - train_test_split()
    __교차 검증
    __GridSearchCV - 교차 검증과 최적 하이퍼 파라미터 튜닝을 한 번에
    2.5. 데이터 전처리
    __데이터 인코딩
    __피처 스케일링과 정규화
    __StandardScaler
    __MinMaxScaler
    2.6. 사이킷런으로 수행하는 타이타닉 생존자 예측
    2.7. 정리

    ▣ 3장: 평가
    3.1. 정확도(Accuracy)
    3.2. 오차 행렬
    3.3. 정밀도와 재현율
    __정밀도/재현율 트레이드오프
    __정밀도와 재현율의 맹점
    3.4. F1 스코어
    3.5. ROC 곡선과 AUC
    3.6. 피마 인디언 당뇨병 예측
    3.7. 정리

    ▣ 4장: 분류
    4.1. 분류(Classification)의 개요
    4.2. 결정 트리
    __결정 트리 모델의 특징
    __결정 트리 파라미터
    __결정 트리 모델의 시각화
    __결정 트리 과적합(Overfitting)
    __결정 트리 실습 - 사용자 행동 인식 데이터 세트
    4.3. 앙상블 학습
    __앙상블 학습 개요
    __보팅 유형 ? 하드 보팅(Hard Voting)과 소프트 보팅(Soft Voting)
    __보팅 분류기(Voting Classifier)
    4.4. 랜덤 포레스트
    __랜덤 포레스트의 개요 및 실습
    __랜덤 포레스트 하이퍼 파라미터 및 튜닝
    4.5. GBM(Gradient Boosting Machine)
    __GBM의 개요 및 실습
    __GBM 하이퍼 파라미터 및 튜닝
    4.6. XGBoost(eXtra Gradient Boost)
    __XGBoost 개요
    __XGBoost 설치하기
    __파이썬 래퍼 XGBoost 하이퍼 파라미터
    __파이썬 래퍼 XGBoost 적용 ? 위스콘신 유방암 예측
    __사이킷런 래퍼 XGBoost의 개요 및 적용
    4.7. LightGBM
    __LightGBM 설치
    __LightGBM 하이퍼 파라미터
    __하이퍼 파라미터 튜닝 방안
    __파이썬 래퍼 LightGBM과 사이킷런 래퍼 XGBoost,
    __LightGBM 하이퍼 파라미터 비교
    __LightGBM 적용 - 위스콘신 유방암 예측
    4.8. 분류 실습 - 캐글 산탄데르 고객 만족 예측
    __데이터 전처리
    __XGBoost 모델 학습과 하이퍼 파라미터 튜닝
    __LightGBM 모델 학습과 하이퍼 파라미터 튜닝
    4.9. 분류 실습 - 캐글 신용카드 사기 검출
    __언더 샘플링과 오버 샘플링의 이해
    __데이터 일차 가공 및 모델 학습/예측/평가
    __데이터 분포도 변환 후 모델 학습/예측/평가
    __이상치 데이터 제거 후 모델 학습/예측/평가
    __SMOTE 오버 샘플링 적용 후 모델 학습/예측/평가
    4.10. 스태킹 앙상블
    __기본 스태킹 모델
    __CV 세트 기반의 스태킹
    4.11. 정리

    ▣ 5장: 회귀
    5.1. 회귀 소개
    5.2. 단순 선형 회귀를 통한 회귀 이해
    5.3. 비용 최소화하기 - 경사 하강법(Gradient Descent) 소개
    5.4. 사이킷런 LinearRegression을 이용한 보스턴 주택 가격 예측
    __LinearRegression 클래스 - Ordinary Least Squares
    __회귀 평가 지표
    __LinearRegression을 이용해 보스턴 주택 가격 회귀 구현
    5.5. 다항 회귀와 과(대)적합/과소적합 이해
    __다항 회귀 이해
    __다항 회귀를 이용한 과소적합 및 과적합 이해
    __편향-분산 트레이드오프(Bias-Variance Trade off)
    5.6. 규제 선형 모델 - 릿지, 라쏘, 엘라스틱넷
    __규제 선형 모델의 개요
    __릿지 회귀
    __라쏘 회귀
    __엘라스틱넷 회귀
    __선형 회귀 모델을 위한 데이터 변환
    5.7. 로지스틱 회귀
    5.8. 회귀 트리
    5.9. 회귀 실습 - 자전거 대여 수요 예측
    __데이터 클렌징 및 가공
    __로그 변환, 피처 인코딩과 모델 학습/예측/평가
    5.10. 회귀 실습 ? 캐글 주택 가격: 고급 회귀 기법
    __데이터 사전 처리(Preprocessing)
    __선형 회귀 모델 학습/예측/평가
    __회귀 트리 모델 학습/예측/평가
    __회귀 모델의 예측 결과 혼합을 통한 최종 예측
    __스태킹 앙상블 모델을 통한 회귀 예측
    5.11. 정리

    ▣ 6장: 차원 축소
    6.1. 차원 축소(Dimension Reduction) 개요
    6.2. PCA(Principal Component Analysis)
    __PCA 개요
    6.3. LDA(Linear Discriminant Analysis)
    __LDA 개요
    __붓꽃 데이터 세트에 LDA 적용하기
    6.4. SVD(Singular Value Decomposition)
    __SVD 개요
    __사이킷런 TruncatedSVD 클래스를 이용한 변환
    6.5. NMF(Non-Negative Matrix Factorization)
    __NMF 개요
    6.6. 정리

    ▣ 7장: 군집화
    7.1. K-평균 알고리즘 이해
    __사이킷런 KMeans 클래스 소개
    __K-평균을 이용한 붓꽃 데이터 세트 군집화
    __군집화 알고리즘 테스트를 위한 데이터 생성
    7.2. 군집 평가(Cluster Evaluation)
    __실루엣 분석의 개요
    __붓꽃 데이터 세트를 이용한 군집 평가
    __군집별 평균 실루엣 계수의 시각화를 통한 군집 개수 최적화 방법
    7.3. 평균 이동
    __평균 이동(Mean Shift)의 개요
    7.4. GMM(Gaussian Mixture Model)
    __GMM(Gaussian Mixture Model) 소개
    __GMM을 이용한 붓꽃 데이터 세트 군집화
    __GMM과 K-평균의 비교
    7.5. DBSCAN
    __DBSCAN 개요
    __DBSCAN 적용하기 - 붓꽃 데이터 세트
    __DBSCAN 적용하기 - make_circles( ) 데이터 세트
    7.6. 군집화 실습 - 고객 세그먼테이션
    __고객 세그먼테이션의 정의와 기법
    __데이터 세트 로딩과 데이터 클렌징
    __RFM 기반 데이터 가공
    __RFM 기반 고객 세그먼테이션
    7.7. 정리

    ▣ 8장: 텍스트 분석
    NLP이냐 텍스트 분석이냐?
    8.1. 텍스트 분석 이해
    __텍스트 분석 수행 프로세스
    __파이썬 기반의 NLP, 텍스트 분석 패키지
    8.2. 텍스트 사전 준비 작업(텍스트 전처리) - 텍스트 정규화
    __클렌징
    __텍스트 토큰화
    __스톱 워드 제거
    __Stemming과 Lemmatization
    8.3. Bag of Words - BOW
    __BOW 피처 벡터화
    __사이킷런의 Count 및 TF-IDF 벡터화 구현: CountVectorizer, TfidfVectorizer __BOW 벡터화를 위한 희소 행렬
    __희소 행렬 - COO 형식
    __희소 행렬 - CSR 형식
    8.4. 텍스트 분류 실습 - 20 뉴스그룹 분류
    __텍스트 정규화
    __피처 벡터화 변환과 머신러닝 모델 학습/예측/평가
    __사이킷런 파이프라인(Pipeline) 사용 및 GridSearchCV와의 결합
    8.5. 감성 분석
    __감성 분석 소개
    __지도학습 기반 감성 분석 실습 - IMDB 영화평
    __비지도학습 기반 감성 분석 소개
    __SentiWordNet을 이용한 감성 분석
    __VADER를 이용한 감성 분석
    8.6. 토픽 모델링(Topic Modeling) - 20 뉴스그룹
    8.7. 문서 군집화 소개와 실습(Opinion Review 데이터 세트)
    __문서 군집화 개념
    __Opinion Review 데이터 세트를 이용한 문서 군집화 수행하기
    __군집별 핵심 단어 추출하기
    8.8. 문서 유사도
    __문서 유사도 측정 방법 - 코사인 유사도
    __두 벡터 사잇각
    __Opinion Review 데이터 세트를 이용한 문서 유사도 측정
    8.9. 한글 텍스트 처리 - 네이버 영화 평점 감성 분석
    __한글 NLP 처리의 어려움
    __KoNLPy 소개
    __데이터 로딩
    8.10. 텍스트 분석 실습ㆍ캐글 Mercari Price Suggestion Challenge
    __데이터 전처리
    __피처 인코딩과 피처 벡터화
    __릿지 회귀 모델 구축 및 평가
    __LightGBM 회귀 모델 구축과 앙상블을 이용한 최종 예측 평가
    8.11. 정리

    ▣ 9장: 추천 시스템
    9.1. 추천 시스템의 개요와 배경
    __추천 시스템의 개요
    __온라인 스토어의 필수 요소, 추천 시스템
    __추천 시스템의 유형
    9.2. 콘텐츠 기반 필터링 추천 시스템
    9.3. 최근접 이웃 협업 필터링
    9.4. 잠재 요인 협업 필터링
    __잠재 요인 협업 필터링의 이해
    __행렬 분해의 이해
    __확률적 경사 하강법을 이용한 행렬 분해
    9.5. 콘텐츠 기반 필터링 실습 - TMDB 5000 영화 데이터 세트
    __장르 속성을 이용한 영화 콘텐츠 기반 필터링
    __데이터 로딩 및 가공
    __장르 콘텐츠 유사도 측정
    __장르 콘텐츠 필터링을 이용한 영화 추천
    9.6. 아이템 기반 최근접 이웃 협업 필터링 실습
    __데이터 가공 및 변환
    __영화 간 유사도 산출
    __아이템 기반 최근접 이웃 협업 필터링으로 개인화된 영화 추천
    9.7. 행렬 분해를 이용한 잠재 요인 협업 필터링 실습
    9.8. 파이썬 추천 시스템 패키지 - Surprise
    __Surprise 패키지 소개
    __Surprise를 이용한 추천 시스템 구축
    __Surprise 주요 모듈 소개
    __Surprise 추천 알고리즘 클래스
    __베이스라인 평점
    __교차 검증과 하이퍼 파라미터 튜닝
    __Surprise를 이용한 개인화 영화 추천 시스템 구축
    9.9. 정리

출판사 서평

★ 이 책의 특징 ★

◎ 분류, 회귀, 차원 축소, 클러스터링 등 핵심 머신러닝 알고리즘에 대한 깊이 있는 설명
◎ 데이터 전처리, 머신러닝 알고리즘 적용, 하이퍼 파라미터 튜닝, 성능 평가 등 최적 머신러닝 모델 구성 방안 제시
◎ XGBoost, LightGBM, 스태킹 등 머신러닝 최신 기법에 대한 상세한 설명과 활용법
◎ 난이도 높은 캐글 문제를 직접 따라 해 보면서 실무 머신러닝 애플리케이션 개발 방법 체득(산탄테르 은행 고객 만족 예측, 신용카드 사기 검출, 부동산 가격 예측 고급 회귀 기법, Mercari 쇼핑몰 가격 예측 등)
◎ 텍스트 분석과 NLP를 위한 기반 이론과 다양한 실습 예제 제공(텍스트 분류, 감성 분석, 토픽 모델링, 문서 유사도, 문서 군집화와 유사도, KoNLPy를 이용한 네이버 영화 감성 분석 등)
◎ 다양한 추천 시스템을 직접 파이썬 코드로 구축하는 법을 제공

기본정보

상품정보
ISBN 9791158391386
발행(출시)일자 2019년 02월 28일
쪽수 644쪽
크기
188 * 241 * 38 mm / 1251 g
총권수 1권
시리즈명
데이터 사이언스 시리즈
이 책의 개정정보
새로 출시된 개정판이 있습니다. 개정판보기

Klover

Klover 리뷰 안내
교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
1.리워드 안내
구매 후 90일 이내에 평점과 10자 이상의 리뷰 작성 시 e교환권 200원을 적립해 드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
판매가 1,000원 미만 도서의 경우 리워드 지급 대상에서 제외됩니다.
한달 후 리뷰
구매 후 30일~ 120일 이내에 작성된 두 번째 구매리뷰에 대해 한 달 후 리뷰로 인지하고 e교환권 100원을 추가 제공합니다.

* 강연, 공연, 여행, 동영상, 사은품, 기프트카드 상품은 지급 제외
2.운영 원칙 안내
Klover 리뷰를 통한 리뷰를 작성해 주셔서 감사합니다. 자유로운 의사 표현의 공간인 만큼 타인에 대한 배려를 부탁합니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
  • 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
  • 도서와 무관한 내용의 리뷰
  • 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
  • 의성어나 의태어 등 내용의 의미가 없는 리뷰

리뷰는 1인이 중복으로 작성하실 수는 있지만, 평점계산은 가장 최근에 남긴 1건의 리뷰만 반영됩니다.
3.신고하기
다른 고객이 작성리뷰에 대해 불쾌함을 느끼는 경우 신고를 할 수 있으며, 신고 자가 일정수준 이상 누적되면 작성하신 리뷰가 노출되지 않을 수 있습니다.

구매 후 리뷰 작성 시, e교환권 200원 적립

문장수집

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.

구매 후 리뷰 작성 시, e교환권 100원 적립

이 책의 첫 기록을 남겨주세요

교환/반품/품절 안내

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

이벤트
TOP

저자 모두보기

저자(글)

매장별 재고 및 도서위치

할인쿠폰 다운로드

  • 쿠폰은 주문결제화면에서 사용 가능합니다.
  • 다운로드한 쿠폰은 마이 > 나의 통장 에서 확인 가능합니다.
  • 도서정가제 적용 대상 상품에 대해서는 정가의 10%까지 쿠폰 할인이 가능합니다.
  • 도서정가제 적용 대상 상품에 10% 할인이 되었다면, 해당 상품에는 사용하실 수
    없습니다.

적립예정포인트 안내

  • 통합포인트 안내

    • 통합포인트는 교보문고(인터넷, 매장), 핫트랙스(인터넷, 매장), 모바일 교보문고 등 다양한 곳에서 사용하실 수 있습니다.
    • 상품 주문 시, 해당 상품의 적립률에 따라 적립 예정 포인트가 자동 합산되고 주문하신 상품이 발송완료 된 후에 자동으로 적립됩니다.
    • 단, 쿠폰 및 마일리지, 통합포인트, e교환권 사용 시 적립 예정 통합포인트가 변동될 수 있으며 주문취소나 반품시에는 적립된 통합포인트가 다시 차감됩니다.
  • 통합포인트 적립 안내

    • 통합포인트는 도서정가제 범위 내에서 적용됩니다.
    • 추가적립 및 회원 혜택은 도서정가제 대상상품(국내도서, eBook등)으로만 주문시는 해당되지 않습니다.
  • 기본적립) 상품별 적립금액

    • 온라인교보문고에서 상품 구매시 상품의 적립률에 따라 적립됩니다.
    • 단 도서정가제 적용 대상인 국내도서,eBook은 15%내에서 할인율을 제외한 금액내로 적립됩니다.
  • 추가적립) 5만원 이상 구매시 통합포인트 2천원 추가적립

    • 5만원 이상 구매시 통합포인트 2천원 적립됩니다.
    • 도서정가제 예외상품(외서,음반,DVD,잡지(일부),기프트) 2천원 이상 포함시 적립 가능합니다.
    • 주문하신 상품이 전체 품절인 경우 적립되지 않습니다.
  • 회원혜택) 3만원이상 구매시 회원등급별 2~4% 추가적립

    • 회원등급이 플래티넘, 골드, 실버 등급의 경우 추가적립 됩니다.
    • 추가적립은 실결제액 기준(쿠폰 및 마일리지, 통합포인트, e교환권 사용액 제외) 3만원 이상일 경우 적립됩니다.
    • 주문 후 취소,반품분의 통합포인트는 단품별로 회수되며, 반품으로 인해 결제잔액이 3만원 미만으로 변경될 경우 추가 통합포인트는 전액 회수될 수 있습니다.

제휴 포인트 안내

제휴 포인트 사용

  • OK CASHBAG 10원 단위사용 (사용금액 제한없음)
  • GS&POINT 최대 10만 원 사용
더보기

구매방법 별 배송안내

지역별 도착 예정일

수도권 지역

배송 일정 안내 테이블로 결제 완료 시간, 도착예정일 결제 완료 시간 컬럼의 하위로 평일 0시 ~ 12시 토요일 0시 ~ 11시 평일 12시 ~ 22시 평일 12시 ~ 24시 토요일 11시 ~ 21시 을(를) 나타낸 표입니다.
결제 완료 시간 도착예정일
평일 0시 ~ 12시

토요일 0시 ~ 11시
당일배송 오늘

당일배송 오늘
평일 12시 ~ 22시

평일 12시 ~ 24시

토요일 11시 ~ 21시
새벽배송 내일 07시 이전

내일

일요배송 일요일

수도권 외 (천안, 대전, 울산, 부산, 대구, 창원)

배송 일정 안내 테이블로 결제 완료 시간, 도착예정일 결제 완료 시간 컬럼의 하위로 월~토 0시 ~ 11시 30분 을(를) 나타낸 표입니다.
결제 완료 시간 도착예정일
월~토 0시 ~ 11시 30분
당일배송 오늘

배송 유의사항

  • 새벽배송과 일요배송은 수도권 일부 지역을 대상으로 합니다. 상품 상세페이지에서 도착 예정일을 확인해 주세요.
  • 수도권 외 지역에서 선물포장하기 또는 사은품을 포함하여 주문할 경우 당일배송 불가합니다.
  • 무통장입금 주문 후 당일 배송 가능 시간 이후 입금된 경우 당일 배송 불가합니다.
  • 새벽배송의 경우 공동 현관 출입 번호가 누락 되었거나 틀릴 경우 요청하신 방법으로 출입이 어려워, 부득이하게 공동 현관 또는 경비실 앞에 배송 될 수 있습니다.
  • 학교, 관공서, 회사 등 출입 제한 시간이 있는 곳은 당일배송, 새벽배송, 일요배송이 제공되지 않을 수 있습니다.
  • 공휴일과 겹친 토요일, 일요일은 일요일 배송에서 제외됩니다. 일요배송은 한정 수량에 한해 제공됩니다. 수량 초과 시 일반배송으로 발송되니 주문 시 도착 예정일을 확인해 주세요.
  • 주문 후 배송지 변경 시 변경된 배송지에 따라 익일 배송될 수 있습니다.
  • 수도권 외 지역의 경우 효율적인 배송을 위해 각 지역 매장에서 택배를 발송하므로, 주문 시의 부록과 상이할 수 있습니다.
  • 각 지역 매장에서 재고 부족 시 재고 확보를 위해 당일 배송이 불가할 수 있습니다.
  • 기상악화로 인한 도로 사정으로 일부 지역의 배송 지연이 발생될 수 있습니다.
  • 출고 예정일이 5일 이상인 상품의 경우(결제일로부터 7일 동안 미입고), 출판사 / 유통사 사정으로 품/절판 되어 구입이 어려울 수 있습니다. 이 경우 SMS, 메일로 알려드립니다.
  • 분철상품 주문 시 분철 작업으로 인해 기존 도착 예정일에 2일 정도 추가되며, 당일 배송, 해외 배송이 불가합니다.
  • 해외주문도서는 해외 거래처 사정에 의해 품절/지연될 수 있습니다.
  • 스페셜오더 도서나 일서 해외 주문 도서와 함께 주문 시 배송일이 이에 맞추어 지연되오니, 이점 유의해 주시기 바랍니다.

바로드림존에서 받기

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상 시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함 되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해 주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반 코너에서 수령확인이 가능합니다
  • 선물 받는 분의 휴대폰번호만 입력하신 후 결제하시면 받는 분 휴대폰으로 선물번호가 전달됩니다.
  • 문자를 받은 분께서는 마이 > 주문관리 > 모바일 선물내역 화면에서 선물번호와 배송지 정보를 입력하시면 선물주문이 완료되어 상품준비 및 배송이 진행됩니다.
  • 선물하기 결제하신 후 14일까지 받는 분이 선물번호를 등록하지 않으실 경우 주문은 자동취소 됩니다.
  • 또한 배송 전 상품이 품절 / 절판 될 경우 주문은 자동취소 됩니다.

바로드림 서비스 안내

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.
  1. STEP 01
    픽업박스에서 찾기 주문
  2. STEP 02
    도서준비완료 후 휴대폰으로 인증번호 전송
  3. STEP 03
    매장 방문하여 픽업박스에서 인증번호 입력 후 도서 픽업
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.

도서 소득공제 안내

  • 도서 소득공제란?

    • 2018년 7월 1일 부터 근로소득자가 신용카드 등으로 도서구입 및 공연을 관람하기 위해 사용한 금액이 추가 공제됩니다. (추가 공제한도 100만원까지 인정)
      • 총 급여 7,000만 원 이하 근로소득자 중 신용카드, 직불카드 등 사용액이 총급여의 25%가 넘는 사람에게 적용
      • 현재 ‘신용카드 등 사용금액’의 소득 공제한도는 300만 원이고 신용카드사용액의 공제율은 15%이지만, 도서·공연 사용분은 추가로 100만 원의 소득 공제한도가 인정되고 공제율은 30%로 적용
      • 시행시기 이후 도서·공연 사용액에 대해서는 “2018년 귀속 근로소득 연말 정산”시기(19.1.15~)에 국세청 홈택스 연말정산간소화 서비스 제공
  • 도서 소득공제 대상

    • 도서(내서,외서,해외주문도서), eBook(구매)
    • 도서 소득공제 대상 상품에 수반되는 국내 배송비 (해외 배송비 제외)
      • 제외상품 : 잡지 등 정기 간행물, 음반, DVD, 기프트, eBook(대여,학술논문), 사은품, 선물포장, 책 그리고 꽃
      • 상품정보의 “소득공제” 표기를 참고하시기 바랍니다.
  • 도서 소득공제 가능 결제수단

    • 카드결제 : 신용카드(개인카드에 한함)
    • 현금결제 : 예치금, 교보e캐시(충전에한함), 해피머니상품권, 컬쳐캐쉬, 기프트 카드, 실시간계좌이체, 온라인입금
    • 간편결제 : 교보페이, 네이버페이, 삼성페이, 카카오페이, PAYCO, 토스, CHAI
      • 현금결제는 현금영수증을 개인소득공제용으로 신청 시에만 도서 소득공제 됩니다.
      • 교보e캐시 도서 소득공제 금액은 교보eBook > e캐시 > 충전/사용내역에서 확인 가능합니다.
      • SKpay, 휴대폰 결제, 교보캐시는 도서 소득공제 불가
  • 부분 취소 안내

    • 대상상품+제외상품을 주문하여 신용카드 "2회 결제하기"를 선택 한 경우, 부분취소/반품 시 예치금으로 환원됩니다.

      신용카드 결제 후 예치금으로 환원 된 경우 승인취소 되지 않습니다.

  • 도서 소득공제 불가 안내

    • 법인카드로 결제 한 경우
    • 현금영수증을 사업자증빙용으로 신청 한 경우
    • 분철신청시 발생되는 분철비용

알림 신청

아래의 알림 신청 시 원하시는 소식을 받아 보실 수 있습니다.
알림신청 취소는 마이룸 > 알림신청내역에서 가능합니다.

파이썬 머신러닝 완벽 가이드
다양한 캐글 예제와 함께 기초 알고리즘부터 최신 기법까지 배우는
신고

신고 사유를 선택해주세요.
신고 내용은 이용약관 및 정책에 의해 처리됩니다.

허위 신고일 경우, 신고자의 서비스 활동이 제한될 수 있으니 유의하시어
신중하게 신고해주세요.

판형알림

  • A3 [297×420mm]
  • A4 [210×297mm]
  • A5 [148×210mm]
  • A6 [105×148mm]
  • B4 [257×364mm]
  • B5 [182×257mm]
  • B6 [128×182mm]
  • 8C [8절]
  • 기타 [가로×세로]
EBS X 교보문고 고객님을 위한 5,000원 열공 혜택!
자세히 보기

해외주문양서 배송지연 안내

현재 미국 현지 눈폭풍으로 인해
해외 거래처 출고가 지연되고 있습니다.

해외주문양서 주문 시
예상 출고일보다 배송기간이 더 소요될 수 있으니
고객님의 너그러운 양해 부탁드립니다.

감사합니다.