본문 바로가기

추천 검색어

실시간 인기 검색어

파이썬을 활용한 머신러닝 쿡북

전처리에서 딥러닝까지, 판다스와 사이킷런 중심의 실전 문제 해결 200선
크리스 알본 저자(글) · 박해선 번역
한빛미디어 · 2019년 09월 01일 출시
9.1 (11개의 리뷰)
집중돼요 (43%의 구매자)
  • 파이썬을 활용한 머신러닝 쿡북 대표 이미지
    파이썬을 활용한 머신러닝 쿡북 대표 이미지
  • A4
    사이즈 비교
    210x297
    182x234
    단위 : mm
MD의 선택 무료배송 사은품 이벤트 소득공제
10% 29,700 33,000
적립/혜택
1,650P

기본적립

5% 적립 1,650P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 1,650P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송
배송비 안내
국내도서 / 외국도서
도서만 1만 원 이상 구매 시 무료배송
도서 + 잡지 / 만화 / :K컬렉션을 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

잡지 / 만화 / :K컬렉션 (교보배송)
각각 구매하거나 함께 2만 원 이상 구매 시 무료배송

2만원 미만 시 2,000원 배송비 부과

해외주문 서양도서 / 해외주문 일본도서 (교보배송)
각각 구매하거나 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

업체배송 상품 (전집, GIFT, 음반 / DVD 등)
중고장터 상품
해당 상품 상세페이지 "배송비" 참고 (업체 별/판매자 별 무료배송 기준 다름)
바로드림 오늘배송
업체에서 별도 배송하여 1Box당 배송비 2,500원 부과

1Box 기준 : 도서 10권

그 외 무료배송 기준
바로드림, eBook 상품을 주문한 경우, 플래티넘/골드/실버회원 무료배송쿠폰 이용하여 주문한 경우, 무료배송 등록 상품을 주문한 경우
주문정보를 불러오는 중입니다.
서울시 종로구 종로 1

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

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.

파이썬을 활용한 머신러닝 쿡북 상세 이미지
200개 비법 레시피로 실무 머신러닝 문제를 쉽고 빠르게 해결하기
200여 개의 비법 레시피를 제공하는 이 책은 실무에서 접하는 다양한 머신러닝 문제를 해결하도록 도와준다. 판다스나 사이킷런 같은 파이썬 라이브러리로 데이터 적재, 텍스트나 수치형 데이터 다루기, 모델 선택, 차원 축소 등 다양한 문제를 해결할 수 있다.

레시피의 코드를 샘플 데이터셋에 적용하며 실제로 코드가 어떻게 동작하는지 확인해본다. 문제 해결에 대한 설명과 유용한 배경지식도 제공한다. 이 책은 이론과 개념 설명을 넘어서 머신러닝 애플리케이션 제작에 필요한 구체적인 도구를 제시한다. 실무에서 레시피를 그대로 적용하거나 적절히 수정하여 쉽고 빠르게 문제를 해결하기 바란다.

작가정보

저자(글) 크리스 알본

(Chris Albon)
선거 모니터링에서부터 재난 구조에 이르기까지 십여 년간 통계학습과 인공지능, 소프트웨
어 공학을 정치, 사회, 인도주의 활동에 적용해온 데이터 과학자이자 정치학자입니다. 현재 크
리스는 프런티어 마켓(frontier market)의 인터넷 사용자를 위해 와이파이 네트워크를 구축하는 케냐의 스타트업인 BRCK의 최고데이터과학자(CDS)입니다.

번역 박해선

구글 ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. 텐서플로 블로그(tensorflow.blog)에 글을 쓰고 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다.
『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『파이썬 라이브러리를 활
용한 머신러닝』(한빛미디어, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈
온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼습
니다.

목차

  • CHAPTER 1 벡터, 행렬, 배열
    __1.0 소개
    __1.1 벡터 만들기
    __1.2 행렬 만들기
    __1.3 희소행렬 만들기
    __1.4 원소 선택하기
    __1.5 행렬 정보 확인하기
    __1.6 벡터화 연산 적용하기
    __1.7 최댓값, 최솟값 찾기
    __1.8 평균, 분산, 표준편차 계산하기
    __1.9 배열 크기 바꾸기
    __1.10 벡터나 행렬 전치하기
    __1.11 행렬 펼치기
    __1.12 행렬의 랭크 구하기
    __1.13 행렬식 계산하기
    __1.14 행렬의 대각원소 추출하기
    __1.15 행렬의 대각합 계산하기
    __1.16 고윳값과 고유벡터 찾기
    __1.17 점곱 계산하기
    __1.18 행렬 덧셈과 뺄셈
    __1.19 행렬 곱셈
    __1.20 역행렬
    __1.21 난수 생성하기

    CHAPTER 2 데이터 적재
    __2.0 소개
    __2.1 샘플 데이터셋 적재하기
    __2.2 모의 데이터셋 만들기
    __2.3 CSV 파일 적재하기
    __2.4 엑셀 파일 적재하기
    __2.5 JSON 파일 적재하기
    __2.6 SQL 데이터베이스로부터 적재하기

    CHAPTER 3 데이터 랭글링
    __3.0 소개
    __3.1 데이터프레임 만들기
    __3.2 데이터 설명하기
    __3.3 데이터프레임 탐색하기
    __3.4 조건에 따라 행 선택하기
    __3.5 값 치환하기
    __3.6 열 이름 바꾸기
    __3.7 최솟값, 최댓값, 합, 평균 계산 및 개수 세기
    __3.8 고유한 값 찾기
    __3.9 누락된 값 다루기
    __3.10 열 삭제하기
    __3.11 행 삭제하기
    __3.12 중복된 행 삭제하기
    __3.13 값에 따라 행을 그룹핑하기
    __3.14 시간에 따라 행을 그룹핑하기
    __3.15 열 원소 순회하기
    __3.16 모든 열 원소에 함수 적용하기
    __3.17 그룹에 함수 적용하기
    __3.18 데이터프레임 연결하기
    __3.19 데이터프레임 병합하기

    CHAPTER 4 수치형 데이터 다루기
    __4.0 소개
    __4.1 특성 스케일 바꾸기
    __4.2 특성을 표준화하기
    __4.3 정규화하기
    __4.4 다항 특성과 교차항 특성 생성하기
    __4.5 특성 변환하기
    __4.6 이상치 감지하기
    __4.7 이상치 다루기
    __4.8 특성 이산화하기
    __4.9 군집으로 샘플을 그룹으로 묶기
    __4.10 누락된 값을 가진 샘플을 삭제하기
    __4.11 누락된 값 채우기

    CHAPTER 5 범주형 데이터 다루기
    __5.0 소개
    __5.1 순서가 없는 범주형 특성 인코딩하기
    __5.2 순서가 있는 범주형 특성 인코딩하기
    __5.3 특성 딕셔너리를 인코딩하기
    __5.4 누락된 클래스 값 대체하기
    __5.5 불균형한 클래스 다루기

    CHAPTER 6 텍스트 다루기
    __6.0 소개
    __6.1 텍스트 정제하기
    __6.2 HTML 파싱과 정제하기
    __6.3 구두점 삭제하기
    __6.4 텍스트 토큰화하기
    __6.5 불용어 삭제하기
    __6.6 어간 추출하기
    __6.7 품사 태깅하기
    __6.8 텍스트를 BoW로 인코딩하기
    __6.9 단어 중요도에 가중치 부여하기

    CHAPTER 7 날짜와 시간 다루기
    __7.0 소개
    __7.1 문자열을 날짜로 변환하기
    __7.2 시간대 다루기
    __7.3 날짜와 시간 선택하기
    __7.4 날짜 데이터를 여러 특성으로 나누기
    __7.5 날짜 간의 차이를 계산하기
    __7.6 요일을 인코딩하기
    __7.7 시차 특성 만들기
    __7.8 이동 시간 윈도 사용하기
    __7.9 시계열 데이터에서 누락된 값 다루기

    CHAPTER 8 이미지 다루기
    __8.0 소개
    __8.1 이미지 로드하기
    __8.2 이미지 저장하기
    __8.3 이미지 크기 변경하기
    __8.4 이미지 자르기
    __8.5 이미지 흐리게 하기
    __8.6 이미지 선명하게 하기
    __8.7 대비 높이기
    __8.8 색깔 구분하기
    __8.9 이미지 이진화하기
    __8.10 배경 제거하기
    __8.11 경계선 감지하기
    __8.12 모서리 감지하기
    __8.13 머신러닝 특성 만들기
    __8.14 평균 색을 특성으로 인코딩하기
    __8.15 컬러 히스토그램을 특성으로 인코딩하기

    CHAPTER 9 특성 추출을 사용한 차원 축소
    __9.0 소개
    __9.1 주성분을 사용해 특성 줄이기
    __9.2 선형적으로 구분되지 않은 데이터의 차원 축소하기
    __9.3 클래스 분리를 최대화하여 특성 줄이기
    __9.4 행렬 분해를 사용하여 특성 줄이기
    __9.5 희소한 데이터의 특성 줄이기

    CHAPTER 10 특성 선택을 사용한 차원 축소
    __10.0 소개
    __10.1 분산을 기준으로 수치 특성 선택하기
    __10.2 분산을 기준으로 이진 특성 선택하기
    __10.3 상관관계가 큰 특성 다루기
    __10.4 분류 작업에 관련 없는 특성 삭제하기
    __10.5 재귀적 특성 제거하기

    CHAPTER 11 모델 평가
    __11.0 소개
    __11.1 교차검증 모델 만들기
    __11.2 기본 회귀 모델 만들기
    __11.3 기본 분류 모델 만들기
    __11.4 이진 분류기의 예측 평가하기
    __11.5 이진 분류기 임곗값 평가하기
    __11.6 다중클래스 분류기 예측 평가하기
    __11.7 분류기 성능 시각화하기
    __11.8 회귀 모델 평가하기
    __11.9 군집 모델 평가하기
    __11.10 사용자 정의 평가 지표 만들기
    __11.11 훈련 세트 크기에 따른 영향을 시각화하기
    __11.12 평가 지표 리포트 만들기
    __11.13 하이퍼파라미터 값의 영향을 시각화하기

    CHAPTER 12 모델 선택
    __12.0 소개
    __12.1 완전 탐색을 사용해 최선의 모델 선택하기
    __12.2 랜덤 서치를 사용해 최선의 모델 선택하기
    __12.3 여러 학습 알고리즘에서 최선의 모델 선택하기
    __12.4 전처리와 함께 최선의 모델 선택하기
    __12.5 병렬화로 모델 선택 속도 높이기
    __12.6 알고리즘에 특화된 기법을 사용하여 모델 선택 수행 속도 높이기
    __12.7 모델 선택 후 성능 평가하기

    CHAPTER 13 선형회귀
    __13.0 소개
    __13.1 직선 학습하기
    __13.2 교차 특성 다루기
    __13.3 비선형 관계 학습하기
    __13.4 규제로 분산 줄이기
    __13.5 라소 회귀로 특성 줄이기

    CHAPTER 14 트리와 랜덤 포레스트
    __14.0 소개
    __14.1 결정 트리 분류기 훈련하기
    __14.2 결정 트리 회귀 훈련하기
    __14.3 결정 트리 모델 시각화하기
    __14.4 랜덤 포레스트 분류기 훈련하기
    __14.5 랜덤 포레스트 회귀 훈련하기
    __14.6 랜덤 포레스트에서 중요한 특성 구분하기
    __14.7 랜덤 포레스트에서 중요한 특성 선택하기
    __14.8 불균형한 클래스 다루기
    __14.9 트리 크기 제어하기
    __14.10 부스팅을 사용하여 성능 향상하기
    __14.11 OOB 데이터로 랜덤 포레스트 평가하기

    CHAPTER 15 k-최근접 이웃
    __15.0 소개
    __15.1 샘플의 최근접 이웃 찾기
    __15.2 k-최근접 이웃 분류기 만들기
    __15.3 최선의 이웃 개수 결정하기
    __15.4 반지름 기반의 최근접 이웃 분류기 만들기

    CHAPTER 16 로지스틱 회귀
    __16.0 소개
    __16.1 이진 분류기 훈련하기
    __16.2 다중 클래스 분류기 훈련하기
    __16.3 규제로 분산 줄이기
    __16.4 대용량 데이터에서 분류기 훈련하기
    __16.5 불균형한 클래스 다루기

    CHAPTER 17 서포트 벡터 머신
    __17.0 소개
    __17.1 선형 분류기 훈련하기
    __17.2 커널을 사용해 선형적으로 구분되지 않는 클래스 다루기
    __17.3 예측 확률 계산하기
    __17.4 서포트 벡터 식별하기
    __17.5 불균형한 클래스 다루기

    CHAPTER 18 나이브 베이즈
    __18.0 소개
    __18.1 연속적인 특성으로 분류기 훈련하기
    __18.2 이산적인 카운트 특성으로 분류기 훈련하기
    __18.3 이진 특성으로 나이브 베이즈 분류기 훈련하기
    __18.4 예측 확률 보정하기

    CHAPTER 19 군집
    __19.0 소개
    __19.1 k-평균을 사용한 군집
    __19.2 k-평균 군집 속도 향상하기
    __19.3 평균이동을 사용한 군집
    __19.4 DBSCAN을 사용한 군집
    __19.5 계층적 병합을 사용한 군집

    CHAPTER 20 신경망
    __20.0 소개
    __20.1 신경망을 위한 데이터 전처리하기
    __20.2 신경망 구성하기
    __20.3 이진 분류기 훈련하기
    __20.4 다중 분류기 훈련하기
    __20.5 회귀 모델 훈련하기
    __20.6 예측하기
    __20.7 훈련 기록 시각화하기
    __20.8 가중치 규제로 과대적합 줄이기
    __20.9 조기종료로 과대적합 줄이기
    __20.10 드롭아웃으로 과대적합 줄이기
    __20.11 모델 훈련 진행 과정을 저장하기
    __20.12 신경망을 k-폴드 교차검증하기
    __20.13 신경망 튜닝하기
    __20.14 신경망 시각화하기
    __20.15 이미지 분류하기
    __20.16 이미지 증식으로 성능 향상하기
    __20.17 텍스트 분류하기

    CHAPTER 21 훈련된 모델 저장과 복원
    __21.0 소개
    __21.1 사이킷런 모델을 저장하고 복원하기
    __21.2 케라스 모델을 저장하고 복원하기

추천사

  • 전문가가 참고하기에도 초보자가 읽기에도 적절한 분량의 튜토리얼을 쿡북의 특성을 살려 알기 쉽게 잘 엮어냈습니다. 이 책은 면접을 앞둔 데이터 과학자, 배운 것을 복습하고 싶은 사람, 책상에 올려놓을 간결하지만 완벽한 참고서를 찾는 사람에게 안성맞춤입니다.
    (그럽허브(Grubhub)의 수석 데이터 과학자, 『테스트 주도 머신 러닝』 저자)

출판사 서평

머신러닝 시스템 실무 개발자를 위한 본격적인 문제 해결 가이드북
이 책은 일상적인 머신러닝 작업에서 발생하는 문제를 해결하는 데 필요한 각종 세부사항을 다룹니다. 데이터 과학자와 머신러닝 엔지니어가 모델을 만들면서 가장 많이 사용하는 작업에 필요한 거의 200여 개에 달하는 독립적인 해결책을 담았습니다. 역자의 말을 빌리자면 ‘머신러닝 지식을 모아놓은 두꺼운 책이 아니라, 전문가를 위한 스위스 만능칼 같은’ 책입니다. 이 책의 목표는 실제 머신러닝 시스템을 만드는 사람들을 위한 참고 도서가 되는 것입니다.
또한 이 책에는 한국어판만의 특별 팁을 레시피별로 추가 수록했습니다. 원서 자체가 쿡북 스타일이다 보니 하나의 레시피가 특정 메서드나 클래스의 사용 방법을 다루긴 하지만, 레시피가 비교적 짧아 다양한 옵션이나 유사 함수들을 충분히 설명하지는 못합니다. 원서의 이런 미진한 부분을 보완하고자 역자는 대부분의 레시피에 '덧붙임'이라는 항목을 새롭게 만들고 내용을 추가했습니다. 역자가 이처럼 세심하게 추가 보완한 내용을 통해 독자 여러분이 현업에서의 시스템 개발에 필요한 더욱 풍부하고 실용적인 정보를 얻기를 바랍니다.
주요 내용
● 벡터, 행렬, 배열
● 수치형과 범주형 데이터, 텍스트, 이미지, 날짜, 시간 다루기
● 특성 추출과 특성 선택을 사용한 차원 축소
● 모델 평가와 선택
● 선형 회귀, 로지스틱 회귀, 트리, 랜덤 포레스트, k-최근접 이웃
● 서포트 벡터 머신(SVM), 나이브 베이즈, 군집, 신경망
● 훈련된 모델의 저장과 복원

기본정보

상품정보
ISBN 9791162241950 ( 1162241950 )
쪽수 508쪽
크기
182 * 234 * 23 mm / 913 g
총권수 1권
원서명/저자명 Machine Learning with Python Cookbook/Albon, Chris

Klover

Klover 리뷰 안내
교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
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.
한달 후 리뷰
구매 후 30일~ 120일 이내에 작성된 두 번째 구매리뷰에 대해 한 달 후 리뷰로 인지하고 e교환권 100원을 추가 제공합니다.
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
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)

번역

매장별 재고 및 위치

할인쿠폰 다운로드

  • 쿠폰은 주문결제화면에서 사용 가능합니다.
  • 다운로드한 쿠폰은 마이 > 혜택/포인트 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

배송 일정 안내

  • 출고 예정일은 주문상품의 결제(입금)가 확인되는 날 기준으로 상품을 준비하여 상품 포장 후 교보문고 물류센터에서 택배사로 전달하게 되는 예상 일자입니다.
  • 도착 예정일은 출고 예정일에서 택배사의 배송일 (약1~2일)이 더해진 날이며 연휴 및 토, 일, 공휴일을 제외한 근무일 기준입니다.
배송 일정 안내
출고예정일 도착예정일
1일이내 상품주문 후 2~3일 이내
2일이내 상품주문 후 3~4일 이내
3일이내 상품주문 후 4~5일 이내
4일이내 상품주문 후 5~6일 이내

연휴 및 토, 일, 공휴일은 제외됩니다.

당일배송 유의사항

  • 수도권 외 지역에서 선물포장하기 또는 사은품을 포함하여 주문할 경우 당일배송 불가
  • 회사에서 수령할 경우 당일배송 불가 (퇴근시간 이후 도착 또는 익일 배송 될 수 있음)
  • 무통장입금 주문 후 당일 배송 가능 시간 이후 입금된 경우 당일 배송 불가
  • 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.

일반배송 시 유의사항

  • 날씨나 택배사의 사정에 따라 배송이 지연될 수 있습니다.
  • 수도권 외 지역 바로배송 서비스의 경우 경품 수령 선택 여부에 따라 도착 예정일이 변경됩니다.
  • 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.
  • 선물포장 주문 시 합배송 처리되며, 일부상품 품절 시 도착 예정일이 늦어질 수 있습니다.
  • 분철상품 주문 시 분철 작업으로 인해 기존 도착 예정일에 2일 정도 추가되며, 당일 배송, 해외 배송이 불가합니다.

해외주문 시 유의사항

  • 해외주문도서는 해외 거래처 사정에 의해 품절/지연될 수 있습니다.

Special order 주문 시 유의사항

  • 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

  • 도서소득공제란?

    • 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.

파이썬을 활용한 머신러닝 쿡북
전처리에서 딥러닝까지, 판다스와 사이킷런 중심의 실전 문제 해결 200선
한달 후 리뷰
/ 좋았어요
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 올해 주식 투자를 시작했다. 아무것도 모르고 초심자의 행운으로 분유값 정도를 벌고 나니, 조금 더 공부해보고 싶어져서 『초격차 투자법』을 구매했다.
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
기대가됩니다~
기대가됩니다~
기대가됩니다~
이 구매자의 첫 리뷰 보기
/ 좋았어요
하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까 예견해 본다. 책한권으로 등의 근육들이 오그라진 느낌에 아직도 느껴진다. 하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이 처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까..
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
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]