본문 바로가기

추천 검색어

실시간 인기 검색어

실무자를 위한 딥러닝

데이터 과학
로널드 크누젤 저자(글) · 백성복 번역
에이콘출판 · 2022년 06월 30일 출시
10.0 (1개의 리뷰)
도움돼요 (100%의 구매자)
  • 실무자를 위한 딥러닝 대표 이미지
    실무자를 위한 딥러닝 대표 이미지
  • A4
    사이즈 비교
    210x297
    188x236
    단위 : mm
MD의 선택 무료배송 사은품 이벤트 소득공제
10% 36,000 40,000
적립/혜택
2,000P

기본적립

5% 적립 2,000P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 2,000P
  • 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.

실무자를 위한 딥러닝 상세 이미지

책 소개

이 책이 속한 분야

딥러닝과 머신러닝의 초보 실무자나 실무 관리자를 위한 책이다. 딥러닝과 머신러닝은 데이터가 가장 중요하며, 데이터에서 모든 것이 시작된다. 데이터를 어떻게 다듬고, 구성하고, 사용해야 하는지를 상세히 설명한다. 모델 산출도 중요하지만 그다음이 더 중요하다. 모델의 성능을 어떻게 평가해야 하는지, 각 성능치가 의미하는 바가 무엇인지, 산출된 모델을 어떤 방식으로 개선해 나가야 하는지를 명료하게 해설한다. 언어 모델이나, 상담 챗봇, 이미지 생성/합성 등 화려한 최신 모델에 대한 책은 아니다. 기본에 충실해 독자가 실무 수행 중에 채워 넣어야 할 항목들을 담백하게 설명한다.

작가정보

저자(글) 로널드 크누젤

(Ronald T. Kneusel)
2003년부터 산업 현장에서 머신러닝 기술을 활용해 왔으며 2016년 볼더에 있는 콜로라도 대학교에서 머신러닝 분야의 박사 학위를 받았다. 현재는 L3Harris Technologies Inc.에서 근무하고 있다. 스프링거 출판사에서 『Numbers and Computers』(2015)와 『Random Numbers and Computers』(2018)를 출판하기도 했다.

번역 백성복

1992년, 한국개발연구원에서 주임 연구원으로 근무하면서 처음으로 신경망을 접했다. 1995년, KT 융합기술원으로 자리를 옮겨 다양한 통신망 기술을 연구하다가 2016년부터 딥러닝과 강화학습 기반의 네트워크 지능화 연구에 매진하고 있다. 컴퓨터 과학 전공으로 강원대 학사, 숭실대 석사를 거쳐 일리노이 공대에서 박사 학위를 취득했으며, ITU-T FG-ML5GFocus Group on Machine Learning for Future Networks including 5G 부의장, TTA 표준화위원회 인공지능 기반 기술 프로젝트 그룹(PG1005) 부의장 등을 역임했고, 국가 ICT 표준화 전략 수립에도 참여하고 있다.

작가의 말

이 책을 쓰던 2020년에 참석한 머신러닝 콘퍼런스에는 13,000명 이상이 참석했다. 머신러닝 분야는 폭발적으로 성장했다. 유행처럼 쉽게 사라질 주제는 아니다. 머신러닝은 우리 삶에 지대한 영향을 미쳤으며 앞으로도 그럴 것이다. 머신러닝 기술은 종종 과장된 광고의 형태로 발표되는 경우가 많기 때문에 핵심 개념을 제대로 파악해둘 필요가 있다. 이 책의 목적은 머신러닝의 핵심적인 내용을 알려주는 것이다. 특히 딥러닝 접근 방식에 초점을 맞출 것이다.

목차

  • 1장. 시작하기
    __프로그램 실행 환경
    ____넘파이
    ____싸이킷런
    ____케라스와 텐서플로
    __툴킷 설치
    __선형 대수 기초
    ____벡터
    ____행렬
    ____행렬과 벡터의 곱
    __통계와 확률
    ____서술 통계
    ____확률 분포
    ____통계적 검정
    __그래픽 처리 장치
    __요약

    2장. 파이썬 사용
    __파이썬 인터프리터
    __문장과 공백
    __변수와 기본적인 자료 구조
    ____수의 표현
    ____변수
    ____문자열
    ____리스트
    ____딕셔너리
    __제어 구조
    ____if-elif-else문
    ____for 반복문
    ____while 반복문
    ____break문과 continue문
    ____with문
    ____try-except문으로 에러 처리
    __함수
    __모듈
    __요약


    3장. 넘파이 사용
    __왜 넘파이인가?
    ____배열과 리스트
    ____배열과 리스트 간의 처리 속도 비교
    __기본 배열
    ____np.array로 배열 정의
    ____0과 1로 구성된 배열 정의
    __배열 원소에 접근
    ____배열 인덱싱
    ____배열 슬라이싱
    ____말 줄임 기호
    __연산자와 브로드캐스팅
    __배열 입력과 출력
    __난수
    __넘파이와 이미지
    __요약

    4장. 데이터 작업
    __클래스와 레이블
    __피처와 피처 벡터
    ____피처의 유형
    ____피처 선택과 차원의 저주
    __좋은 데이터 세트의 특징
    ____내삽법과 외삽법
    ____모분포
    ____사전 클래스 확률
    ____컨퓨저
    ____데이터 세트의 크기
    __데이터 준비
    ____피처의 범위 조정
    ____누락된 피처 값
    __학습, 검증, 테스트 데이터
    ____3개의 부분 데이터
    ____데이터 세트의 분할
    ____k-Fold 교차 검증
    __데이터 검토
    ____데이터 점검
    ____주의할 사항
    __요약


    5장. 데이터 세트 구축
    __아이리스 꽃 데이터
    __유방암 데이터 세트
    __MNIST 숫자
    __CIFAR-10
    __데이터 증강
    ____학습 데이터를 증강시키는 이유
    ____학습 데이터 증강법
    ____아이리스 꽃 데이터 세트 증강시키기
    ____CIFAR-10 데이터 세트 증강시키기
    __요약

    6장. 고전적인 머신러닝
    __최근접 센트로이드
    __k-최근접 이웃
    __나이브 베이즈
    __의사결정 트리와 랜덤 포레스트
    ____재귀의 개념
    ____의사결정 트리 만들기
    ____랜덤 포레스트
    __서포트 벡터 머신 (Support Vector Machines)
    ____마진
    ____서포트 벡터
    ____최적화
    ____커널
    __요약


    7장. 고전 모델 실습
    __아이리스 꽃 데이터 세트 실험
    ____고전 모델 테스팅
    ____최근접 센트로이드 분류기의 구현
    __유방암 데이터 세트 실험
    ____두 개의 초기 테스트 실행
    ____랜덤 분할의 효과
    ____k-폴드 검증 추가
    ____하이퍼파라미터 분석
    __MNIST 데이터 세트 실험
    ____고전 모델 테스팅
    ____실행 시간 분석
    ____PCA 구성 요소 실험
    ____데이터 세트 스크램블링
    __고전 모델 요약
    ____최근접 센트로이드
    ____k-최근접 이웃
    ____나이브 베이즈
    ____의사결정 트리
    ____랜덤 포레스트
    ____서포트 벡터 머신(SVM)
    __고전 모델의 사용
    ____데이터 세트가 소규모인 경우
    ____컴퓨팅 자원의 제약이 심한 경우
    ____판정 결과를 설명할 수 있는 모델이 필요한 경우
    ____벡터 입력 작업
    __요약


    8장. 신경망 소개
    __신경망의 구조
    ____뉴런
    ____활성화 함수
    ____네트워크의 구조
    ____출력 계층
    ____가중치와 편향 표현법
    __간단한 신경망의 구현
    ____데이터 세트 구축
    ____신경망의 구현
    ____신경망 학습과 테스팅
    __요약


    9장. 신경망 학습
    __개요
    __경사 하강법
    ____최솟값 찾기
    ____가중치 갱신
    __확률적 경사 하강법
    ____배치와 미니배치
    ____콘벡스 함수와 비콘벡스 함수
    ____학습 종료
    ____학습률 갱신
    ____모멘텀
    __역전파
    ____역전파, 첫 번째 설명
    ____역전파, 두 번째 설명
    __손실 함수
    ____절대 손실과 평균 제곱 오차 손실
    ____교차 엔트로피 손실
    __가중치 초기화
    __과적합과 정규화
    ____과적합의 이해
    ____정규화의 이해
    ____L2 정규화
    ____드롭아웃
    __요약

    10장. 실용적인 신경망 예제
    __데이터 세트
    __sklearn의 MLPClassifier 클래스
    __네트워크 구조와 활성화 함수
    ____소스코드
    ____실행 결과
    __배치 크기
    __기본 학습률
    __학습 데이터 세트의 크기
    __L2 정규화
    __모멘텀
    __가중치 초기화
    __피처 간의 순서
    __요약

    11장. 모델 평가
    __정의와 가정
    __정확도만으로 충분하지 않은 이유
    __2 × 2 혼동 행렬
    __2 × 2 혼동 행렬에서 파생된 메트릭
    ____2 × 2 행렬에서 메트릭 도출
    ____메트릭으로 모델 해석
    __고급 메트릭
    ____정보도와 표식도
    ____F1 점수
    ____코헨 카파 계수
    ____매튜 상관 계수
    ____메트릭 구현
    __수신자 조작 특성(ROC) 곡선
    ____모델 수집
    ____그래프로 메트릭 출력
    ____ROC 곡선 해석
    ____ROC 분석을 통한 모델 비교
    ____ROC 곡선 그리기
    ____정밀도-재현율 곡선
    __다중 클래스 다루기
    ____혼동 행렬의 확장
    ____가중치를 고려한 정확도 계산
    ____다중 클래스 매튜 상관 계수
    __요약

    12장. 컨볼루션 신경망 소개
    __컨볼루션 신경망을 사용하는 이유
    __컨볼루션
    ____커널을 이용한 스캐닝
    ____이미지 처리에 사용하는 컨볼루션
    __컨볼루션 신경망의 해부학
    ____다양한 유형의 계층
    ____CNN을 통한 데이터 처리 과정
    __컨볼루션 계층
    ____컨볼루션 계층의 작동 방식
    ____컨볼루션 계층의 사용
    ____다중 컨볼루션 계층
    ____컨볼루션 계층 초기화
    __풀링 계층
    __완전 연결 계층
    __완전 컨볼루션 계층
    __단계별 분석
    __요약


    13장. 케라스와 MNIST를 활용한 CNN 분석
    __케라스로 CNN 구축
    ____MNIST 데이터 로드
    ____모델 구축
    ____모델 학습과 평가
    ____오차 플로팅
    __기본 실험
    ____아키텍처 실험
    ____학습 세트 크기, 미니배치, 에폭
    ____옵티마이저
    __완전 컨볼루션 네트워크
    ____모델의 구축과 학습
    ____테스트 이미지 만들기
    ____모델 테스트
    __스크램블된 MNIST 숫자
    __요약

    14장. CIFAR-10 데이터 세트 실습
    __CIFAR-10 복습
    __전체 CIFAR-10 데이터 세트를 이용한 실습
    ____모델 구축
    ____모델 분석
    __동물과 교통수단 구분
    __이진 클래스와 다중 클래스
    __전이학습
    __모델 미세 조정
    ____데이터 세트 구축
    ____미세 조정을 위한 모델 수정
    ____모델 테스트
    __요약

    15장. 사례 연구: 오디오 샘플 분류
    __데이터 세트 구축
    ____데이터 세트 증강
    ____데이터 전처리
    __오디오 피처 분류
    ____클래식 모델 사용
    ____전통적인 신경망 사용
    ____컨볼루션 신경망 사용
    __스펙트로그램
    __스펙트로그램 분류
    ____초기화, 정규화, 배치 정규화
    ____혼동 행렬 조사
    __앙상블
    __요약

    16장. 추가 학습
    __CNN 추가 연구
    __강화학습과 비지도학습
    __생성적 적대 신경망(GAN) 모델
    __순환 신경망
    __온라인 리소스
    __학술대회
    __서적
    __맺음말, So Long and Thanks for All the Fish

추천사

  • 견고한 개념적 기초를 제공할 뿐만 아니라 독자가 자신의 프로젝트와 솔루션을 설계하는 데 적용할 실용적인 지침을 제공한다. 현재 이 분야에서 표준으로 인정되는 모델 평가 방식을 소개하면서 이를 이용해 머신러닝 모델의 성능을 조정하고 평가하는 방법을 설명한다.
    어떤 책도 완벽하지 않으며 이 책은 입문서일 뿐이다. 이 책의 마지막 장은 딥러닝 혁명으로의 여정을 계속하면서 다음으로 살펴볼 만한 주제가 무엇인지 제시한다. 즐거운 탐험이 되길 바란다.

출판사 서평

◈ 이 책에서 다루는 내용 ◈

◆ k-최근접 이웃 알고리듬, 랜덤 포레스트, 서포트 벡터 머신 등의 고전적인 머신러닝 모델 사용 방법
◆ 신경망의 작동 원리와 학습 방법
◆ 컨볼루션 신경망의 사용 방법
◆ 성공적인 딥러닝 모델을 바닥부터 개발하는 방법

◈ 이 책의 대상 독자 ◈

머신러닝에 대한 배경 지식이 없지만 머신러닝에 관심이 많아 여러 가지 실습을 해보고 싶은 독자를 위한 책으로, 수학적인 내용은 최소한으로 설명한다. 이 책의 목표는 머신러닝의 핵심 개념을 이해하고 이 분야에서 일할 때 도움될 직관을 구축할 수 있도록 돕는 것이다.컴퓨터 프로그래밍 언어 중 어떤 언어이든 어느 정도 익숙하다고 가정한다. 또한 학생이든 대기업이든 머신러닝 분야에서 많이 사용하는 언어인 파이썬을 사용한다. 고등학교 저학년 수학에는 익숙하지만 미적분학에는 익숙하지 않다고 가정할 것이다. 약간의 미적분학은 언급하겠지만, 자세한 내용을 몰라도 기본적인 아이디어를 이해할 수 있다. 또한 약간의 통계 지식과 기본적인 확률론은 알고 있다고 가정한다. 고등학교 졸업 후 완전히 잊어버렸더라도 괜찮다. 내용을 따라가기에 충분한 배경 지식은 설명할 것이다.

◈ 이 책의 구성 ◈

1장, ‘시작하기’에서는 이 책에서 실습을 수행할 때 필요한 작업 환경을 설정하는 방법을 설명한다. 또한 이후에 나오는 설명의 배경 지식으로 사용할 수 있게 벡터, 행렬, 확률, 통계를 주제로 한 절이 포함돼 있다.
2장, ‘파이썬 사용’은 파이썬을 사용할 수 있게 안내한다.
3장, ‘넘파이 사용’에서는 파이썬을 확장한 라이브러리인 넘파이에 관해 이야기한다. 이 라이브러리로 인해 파이썬이 머신러닝에 유용한 언어가 됐다. 넘파이에 익숙해지도록 이 장을 정독할 것을 권장한다.
4장, ‘데이터 작업’에서는 좋은 데이터 세트를 구축하는 방법을 배울 수 있다.
5장, ‘데이터 세트 구축’에서는 책에서 사용될 데이터 세트를 구축한다. 데이터 세트를 증강시키는 방법도 배운다.
6장, ‘고전적인 머신러닝’에서는 머신러닝 초기에 사용됐던 모델 중 일부를 다룬다. 어디를 향해 가고 있는지 이해하고자 때로는 어디에서 왔는지를 알아보는 것이 중요하다.
7장, ‘고전 모델 실습’에서는 머신러닝에 대한 초기 접근 방식의 강점과 약점을 보여준다. 산출된 결과는 이 후의 장에서 비교 목적으로 참조할 것이다.
8장, ‘신경망 소개’에서는 신경망을 자세히 알아본다. 현대의 딥러닝은 신경망을 근간으로 한다.
9장, ‘신경망 학습’에서는 신경망이 학습되는 원리를 이해하는 데 필요한 지식을 소개한다. 몇 가지 기본적인 미적분 개념이 포함돼 있지만 당황할 필요는 없다. 직관을 만들어주는 것이 목적이므로 개념 위주로 내용을 구성했고, 처음에는 표기법이 낯설게 느껴질 수도 있지만 쉽게 이해할 수 있도록 자세히 설명한다.
10장, ‘실용적인 신경망 예제’는 실제로 데이터를 다루는 느낌과 직관을 얻을 수 있게 다양한 실습으로 구성돼 있다.
11장, ’모델 평가’는 모델을 평가하는 과정을 자세히 안내한다. 머신러닝 분야의 논문, 강연, 강의에서 논의되는 결과를 이해하려면 모델을 평가하는 방법을 알아야 한다.
12장, ‘컨볼루션 신경망 소개’에서는 CNN 네트워크의 기본 빌딩 블록을 설명한다. 이 책이 초점을 맞추고 있는 딥러닝 개념은 컨볼루션 신경망(CNN, Convolutional Neural Network)이라는 아이디어를 통해 실현된다.
13장, ‘케라스와 MNIST를 활용한 CNN 분석’에서는 딥러닝 분야의 기본 데이터 세트인 MNIST 데이터 세트를 이용한 실습을 통해 CNN 작동 원리를 살펴본다.
14장, ‘CIFAR-10 데이터 세트 실습’에서는 CIFAR-10이라는 또 다른 기본 데이터 세트를 살펴본다. 이 데이터 세트는 실질적인 이미지로 구성돼 있어 CNN 모델을 실험하기에 적합하다.
15장, ‘사례 연구: 오디오 샘플 분류’에서는 사례 연구로 모든 논의를 마무리한다. 흔치 않은 새로운 데이터 세트로 시작해 이를 분류하기 위한 좋은 모델을 구축하는 과정을 따라가 본다.
16장, ‘추가 학습’에서는 간과했던 몇 가지를 지적하고 다음에 공부해야 할 것에 집중할 수 있게 머신러닝과 관련된 주변의 산더미 같은 리소스를 살펴보는 데 도움이 될 내용을 담았다.

◈ 옮긴이의 말 ◈

기본에 충실한 좋은 책을 번역할 수 있는 과분한 기회를 잡았다. 화려하지는 않지만 딥러닝과 머신러닝 실무자 혹은 실무 관리자가 빠트리기 쉬운 핵심 포인트들을 잘 짚어낸 책이다. 딥러닝과 머신러닝 실무 수행 중 뭔가 부족하다는 불안한 마음이 든다면 이 책에서 직접적인 해결 방법이나 간접적인 실마리를 찾을 수 있을 것이다.
저자의 의도를 전달하는 데 집중하면서 정성을 다해 번역했다. 문장의 본질적인 의미를 살리려다 보니 원문과 거리감이 있는 의역이 다소 있다. 역자의 주관이 개입될 위험을 무릅쓰고 영어 표현을 그대로 옮겼을 때 생길 수 있는 지면 낭비를 없애 보려고 노력한 것이니 너그러운 아량으로 읽어 주기 바란다.

백성복

기본정보

상품정보
ISBN 9791161756523 ( 1161756523 )
쪽수 696쪽
크기
188 * 236 * 37 mm / 1363 g
총권수 1권
시리즈명
데이터 과학
원서명/저자명 Practical Deep Learning/Ron Kneusel

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.

실무자를 위한 딥러닝
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]