본문 바로가기

추천 검색어

실시간 인기 검색어

연합학습

치앙 양 , 양 리우 , 용 청 , 옌 캉 , 텐젠 첸 , 한 유 저자(글) · 이태휘 번역
에이콘출판 · 2022년 08월 22일
10.0 (1개의 리뷰)
추천해요 (100%의 구매자)
  • 연합학습 대표 이미지
    연합학습 대표 이미지
  • A4
    사이즈 비교
    210x297
    188x236
    단위 : mm
MD의 선택 무료배송 이벤트 소득공제
10% 31,500 35,000
적립/혜택
1,750P

기본적립

5% 적립 1,750P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 1,750P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송
배송비 안내
국내도서/외국도서
도서만 15,000원 이상 구매 시 무료배송
도서+교보Only(교보배송)을 함께 15,000원 이상 구매 시 무료배송

15,000원 미만 시 2,500원 배송비 부과

교보Only(교보배송)
각각 구매하거나 함께 20,000원 이상 구매 시 무료배송

20,000원 미만 시 2,500원 배송비 부과

해외주문 서양도서/해외주문 일본도서(교보배송)
각각 구매하거나 함께 15,000원 이상 구매 시 무료배송

15,000원 미만 시 2,500원 배송비 부과

업체배송 상품(전집, GIFT, 음반/DVD 등)
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.

연합학습(연합 머신러닝)이란 훈련 데이터를 한데 모으지 않고 협력적으로 수행하는 머신러닝 기술이다. 기존 머신러닝 기술이 갖고 있던 한계를 넘어 컴퓨팅 자원 소모의 분산, 프라이버시 보호, 개인 맞춤형 학습 등을 실현할 수 있는 대안으로 주목받아 구글, 애플, IBM 등 많은 테크 기업에서 연구가 이뤄지고 있다. 이 책은 기존의 머신러닝 기술에 익숙한 개발자, 연구자들에게 연합학습 분야의 연구 동향을 두루 정리해서 알려준다. 우리말로는 처음으로 연합학습을 소개하는 책이다.

작가정보

저자(글) 치앙 양

Qiang Yang
위뱅크(WeBank)의 AI 부서장(AI 최고 책임자)이자 홍콩 과학기술대학교 컴퓨터공학과 석좌교수다. 그 전에 학과장을 맡은 바 있으며, 빅데이터 인스티튜트(Big Data Institute)의 설립이사(2015~2018)이기도 했다. 관심 분야는 AI, 머신러닝, 데이터 마이닝 등이며 특히 전이학습, 자동 계획 수립, 연합학습, 사례 기반 추론에 관심을 갖고 있다. ACM, AAAI, IEEE, IAPR, AAAS 등 여러 국제 협회의 회원이다. 메릴랜드대학교 칼리지 파크 캠퍼스에서 1989년에 컴퓨터공학 박사학위를, 1985년에 천체물리학 석사학위를 받았다. 학사학위는 천체물리학으로 1982년에 베이징대학교에서 받았다. 워털루대학교(1989~1995)와 사이먼프레이저대학교(1995~2001)의 교수를 역임했다. 「ACM TISTACM Transactions on Intelligent Systems and Technology」와 「IEEE TBDIEEE Transactions on Big Data」 저널의 초대 편집장을 지냈다. IJCAIInternational Joint Conference on AI의 대회장(2017~2019)과 AAAI(Association for the Advancement of AI)의 집행 이사회 멤버(2016~2020)로 봉사했다. 수상 경력으로는 ‘2004/2005 ACM KDDCUP 챔피언십’, ‘ACM SIGKDD 특별 공로상(Distinguished Service Award)’(2017), ‘AAAI 혁신적인 AI 애플리케이션 상(Innovative AI Applications Award)’(2016) 등이 있다. 화웨이(Huawei)의 ‘노아의 방주 연구소(Noah’s Ark Lab)’ 초대 연구소장(2012~2014)을 지냈으며, AI 플랫폼 회사인 포패러다임(4Paradigm)의 공동 설립자이기도 하다. 지은 책으로는 『Intelligent Planning』(Springer, 1997), 『Crafting Your Research Future』(Morgan & Claypool, 2012), 『Constraint-based Design Recovery for Software Engineering』(Springer, 1997) 등이 있다.

저자(글) 양 리우

Yang Liu
위뱅크의 AI 부서 선임 연구원이다. 연구 관심 분야는 머신러닝, 연합학습, 전이학습, 다중 에이전트 시스템, 통계 역학 등이며, 이러한 기술들을 금융업에 적용하는 연구에 관심을 갖고 있다. 2012년에 프린스턴대학교에서 박사학위를 받았으며, 2007년에 칭화대학교에서 학사학위를 받았다. 다수의 특허를 보유하고 있으며, 「ACM TIST」와 「Nature」를 비롯한 최우수 과학 저널에 논문을 출간한 바 있다.

저자(글) 용 청

Yong Cheng
위뱅크의 AI 부서 선임 연구원이다. 그 전에는 화웨이 테크놀로지스(Huawei Technologies Co., Ltd.)에서 선임 엔지니어, 벨 연구소(Bell Labs) 독일 지사에서 선임 연구원으로 일했다. 홍콩에 있는 화웨이-HKUST 이노베이션 연구소에서 연구원으로 일하기도 했다. 주요 연구 분야는 심층학습, 연합학습, 컴퓨터 비전 및 OCR, 수학적 최적화 및 알고리듬, 분산 컴퓨팅, 혼합 정수 프로그래밍(Mixed-Integer Programming) 등이다. 20편 이상의 저널 및 콘퍼런스 논문을 출간했으며, 40건 이상의 특허를 출원했다. 중국 항저우에 있는 저장대학교에서 2006년에 학사(최우수 졸업) 학위를, 홍콩 과학기술대학교와 독일 다름슈타트 공과대학교에서 각각 2010년과 2013년에 석사, 박사(최우수 졸업)학위를 받았다. 다름슈타트 공과대학교에서 2014년에 최우수 박사학위 논문상을, 2006년에 저장대학교에서 최우수 학사학위 논문상을 받았다. ICASSP’15에서 ‘혼합 정수 원뿔 프로그래밍(Mixed-Integer Conic Programming)’에 관한 튜토리얼을 진행했으며, (IJCAI’19와 함께 열린) FML’19의 프로그램 위원이었다.

저자(글) 옌 캉

Yan Kang
위뱅크의 AI 부서 선임 연구원이다. 주로 프라이버시 보전 머신러닝과 연합 전이학습 기법들을 연구 개발하고 있다. 미국 메릴랜드대학교 볼티모어 카운티에서 석사, 박사학위를 받았다. 이종 데이터 통합(heterogeneous data integration)을 위한 머신러닝과 시맨틱 웹(semantic web)을 주제로 한 박사 연구로 박사 펠로우십을 지원받았다. 박사 과정 동안 미국 국립표준기술원(NIST, National Institute of Standards and Technology)과 미국 국립과학재단(National Science Foundation)과 협동으로 수행하는 여러 프로젝트에 참여하며 온톨로지(ontology) 통합 시스템을 설계하고 개발했다. 상용 소프트웨어 프로젝트 경험도 충분히 갖고 있다. 위뱅크에 합류하기 전에는 4년여 동안 스타독 유니언(Stardog Union Inc.)과 서너 코퍼레이션(Cerner Corporation)에 근무하며 시스템을 설계하고 개발하는 일을 했다.

저자(글) 텐젠 첸

Tianjian Chen
위뱅크의 AI 부서 부(副)부서장이다. 연합학습 기술에 기반한 Banking Intelligence Ecosystem을 구축하는 책임을 맡고 있다. 위뱅크에 합류하기 전에는 바이두 파이낸스(Baidu Finance)의 최고 아키텍트, 바이두의 수석 아키텍트였다. 대규모 분산 시스템 설계 분야에 12년 이상의 경험을 보유하고 있으며, 웹 검색 엔진, P2P 스토리지, 유전체학, 추천 시스템, 디지털 뱅킹, 머신러닝 등 다양한 응용 분야에 기술 혁신을 가져왔다.

저자(글) 한 유

Han Yu
싱가포르 난양기술대학교 컴퓨터공학과의 조교수다. 2015년부터 2018년까지 최고 권위의 리콴유 포스트닥 펠로우십(Lee Kuan Yew Post-Doctoral Fellowship)을 받았다. 난양기술대학교에 합류하기 전에는 휴렛팩커드(HP)에서 임베디드 소프트웨어 엔지니어로 일했다. 난양기술대학교에서 컴퓨터공학으로 박사학위를 받았다. 주로 온라인 볼록 최적화(convex optimization), 윤리적 AI, 연합학습 그리고 이러한 기술들을 크라우드소싱(crowdsourcing) 같은 복잡한 협업 시스템에 적용하는 연구를 한다. 120편 이상의 연구 논문을 최우수 국제 콘퍼런스 및 저널에 출간했으며 수상 경력도 다수 보유하고 있다

번역 이태휘

산업체와 학교, 연구기관을 거치며 여러 시스템 소프트웨어 개발 프로젝트를 수행했다. 2007년부터 2010년까지 티맥스소프트에서 근무하며 티베로 관계형 데이터베이스 개발에 참여했다. 2014년에 서울대학교 컴퓨터공학부에서 박사학위를 받았으며, 현재 한국전자통신연구원에서 선임연구원으로 재직하며 머신러닝 모델을 이용한 근사 질의 처리 엔진을 개발하는 TrainDB 프로젝트를 이끌고 있다. 에이콘출판사에서 펴낸 『퀄리티 코드』(2017), 『양자 컴퓨팅 입문』(2020), 『양자 컴퓨팅: 이론에서 응용까지』(2020)를 우리말로 옮겼다.

작가의 말

이 책에서는 데이터가 여러 사이트에 흩어져 있고 소유하고 있는 개인이나 조직이 서로 달라서 데이터를 한데 모으기가 쉽지 않을 때, 어떻게 인공지능 애플리케이션에서 머신러닝 모델을 만들고 사용하는지 알려준다. 근래 들어 빅데이터 시대에 살고 있다는 얘기를 많이 들었을 텐데, 물론 빅데이터는 오늘날의 사회에서 AI의 발전에 불을 지피는 중요한 요소다. 하지만 진실은 이 시대가 서로 조각조각 분리돼 있는 스몰 데이터 사일로의 시대라는 것이다. 데이터는 휴대전화와 같은 에지 디바이스에서 수집되고 그곳에 저장된다. 병원 같은 조직에서는 특성상 제한된 사용자의 데이터밖에 보지 못하는 경우가 많다. 그러나 개인 프라이버시 및 보안 요구사항으로 인해 단순하게 서로 다른 조직에 있는 데이터를 합치는 것은 갈수록 더 어려워지고 있다. 이러한 상황에서, 연합 머신러닝이 실제적인 해결책으로 떠오르고 있다. 연합학습으로 사용자 프라이버시와 데이터 기밀 유지에 관한 요구사항을 준수하면서 여러 당사자가 공유하는 고성능 모델을 만들 수 있다. 연합학습 시스템을 개발하려면 ML 알고리듬, 분산 머신러닝, 암호화 및 보안, 프라이버시 보전 데이터 마이닝, 게임 이론 및 경제 원칙, 인센티브 메커니즘 설계, 법률 및 규제 요구사항 등 여러 분야의 기술이 필요하다. 이렇게 다양한 분야에 정통하기란 매우 어려운 일이며, 현재 이 분야를 연구하기 위한 자료는 여기저기 흩어져 있는 갖가지 연구 논문과 블로그 글뿐이다. 그렇기에 연합학습이라는 주제를 하나로 묶어서 종합적으로 소개하는 텍스트가 절실히 필요해 이 책을 내게 됐다.

목차

  • 1장. 서론
    1.1 동기
    1.2 해결책으로서의 연합학습
    1.2.1 연합학습의 정의
    1.2.2 연합학습의 범주
    1.3 연합학습의 발전 현황
    1.3.1 연합학습 분야의 연구 이슈
    1.3.2 오픈소스 프로젝트
    1.3.3 표준화 활동
    1.3.4 FedAI 생태계
    1.4 이 책의 구성

    2장. 배경지식
    2.1 프라이버시 보전 머신러닝
    2.2 프라이버시 보전 머신러닝과 보안 머신러닝
    2.3 프라이버시 위협 모델과 보안 모델
    2.3.1 프라이버시 위협 모델
    2.3.2 적대자 모델과 보안 모델
    2.4 프라이버시 보전 기법
    2.4.1 다자간 보안 계산
    2.4.2 동형 암호
    2.4.3 차분 프라이버시

    3장. 분산 머신러닝
    3.1 분산 머신러닝 소개
    3.1.1 분산 머신러닝의 정의
    3.1.2 분산 머신러닝 플랫폼
    3.2 확장성 지향 분산 머신러닝
    3.2.1 대규모 머신러닝
    3.2.2 확장성 지향 분산 머신러닝 기법
    3.3 프라이버시 지향 분산 머신러닝
    3.3.1 프라이버시 보전 의사 결정 트리
    3.3.2 프라이버시 보전 기법
    3.3.3 프라이버시 보전 분산 머신러닝 기법
    3.4 프라이버시 보전 경사 하강법
    3.4.1 순수 연합학습
    3.4.2 프라이버시 보전 방식
    3.5 요약

    4장. 수평 연합학습
    4.1 수평 연합학습의 정의
    4.2 수평 연합학습 아키텍처
    4.2.1 클라이언트-서버 아키텍처
    4.2.2 피어 투 피어 아키텍처
    4.2.3 글로벌 모델 평가
    4.3 연합 평균 알고리듬
    4.3.1 연합 최적화
    4.3.2 FedAvg 알고리듬
    4.3.3 보안 FedAvg 알고리듬
    4.4 FedAvg 알고리듬의 개선
    4.4.1 통신 효율성
    4.4.2 클라이언트 선택
    4.5 관련 연구
    4.6 도전 과제와 향후 전망

    5장. 수직 연합학습
    5.1 수직 연합학습의 정의
    5.2 수직 연합학습의 아키텍처
    5.3 수직 연합학습 알고리듬
    5.3.1 보안 연합 선형 회귀
    5.3.2 보안 연합 트리 부스팅
    5.4 도전 과제와 향후 전망

    6장. 연합 전이학습
    6.1 이종 연합학습
    6.2 연합 전이학습
    6.3 연합 전이학습 프레임워크
    6.3.1 덧셈 동형 암호
    6.3.2 연합 전이학습의 훈련 과정
    6.3.3 연합 전이학습의 예측 과정
    6.3.4 보안 분석
    6.3.5 비밀 공유 기반 FTL
    6.4 도전 과제와 향후 전망

    7장. 연합학습을 위한 인센티브 메커니즘 설계
    7.1 기여자 보상
    7.1.1 이익 배분 게임
    7.1.2 역경매
    7.2 공정성 인지형 이익 배분 프레임워크
    7.2.1 기여 모델링
    7.2.2 비용 모델링
    7.2.3 불만도 모델링
    7.2.4 시간적 불만도 모델링
    7.2.5 정책 조정자
    7.2.6 보상 비중 계산
    7.3 토의

    8장. 컴퓨터 비전, 자연어 처리, 추천 시스템을 위한 연합학습
    8.1 컴퓨터 비전을 위한 연합학습
    8.1.1 연합 컴퓨터 비전
    8.1.2 관련 연구
    8.1.3 도전 과제와 향후 전망
    8.2 자연어 처리를 위한 연합학습
    8.2.1 연합 자연어 처리
    8.2.2 관련 연구
    8.2.3 도전 과제와 향후 전망
    8.3 추천 시스템을 위한 연합학습
    8.3.1 추천 모델
    8.3.2 연합 추천 시스템
    8.3.3 관련 연구
    8.3.4 도전 과제와 향후 전망

    9장. 연합 강화 학습
    9.1 강화 학습 소개
    9.1.1 정책
    9.1.2 보상
    9.1.3 가치 함수
    9.1.4 환경 모델
    9.1.5 강화 학습 사례
    9.2 강화 학습 알고리듬
    9.3 분산 강화 학습
    9.3.1 비동기 분산 강화 학습
    9.3.2 동기 분산 강화 학습
    9.4 연합 강화 학습
    9.5 도전 과제와 향후 전망

    10장. 응용 분야
    10.1 금융
    10.2 헬스케어
    10.3 교육
    10.4 어반 컴퓨팅과 스마트 시티
    10.5 에지 컴퓨팅과 사물 인터넷
    10.6 블록체인
    10.7 5G 모바일 네트워크

    11장. 요약과 전망

    부록 A 데이터 보호에 관한 법률
    A.1 유럽 연합에서의 데이터 보호
    A.2 미국에서의 데이터 보호
    A.3 중국에서의 데이터 보호

출판사 서평

◈ 이 책에서 다루는 내용 ◈

여러 데이터 소유자가 모두 훈련에 사용할 각자의 로컬 데이터를 비공개로 유지하며 함께 협력해 서로 공유하는 예측 모델을 훈련시키고 이용하려면 어떻게 해야 할까? 전통적인 머신러닝 방식에서는 모든 데이터를 한곳에, 보통 데이터 센터에 모아야 한다. 그러면 자연히 사용자의 개인 정보 보호와 데이터 기밀 유지에 관한 법률을 위반할 소지가 다분하다. 오늘날 세계 곳곳에서는 테크 기업들에게 사용자 데이터를 개인 정보 보호법에 따라 신중하게 취급할 것을 요구한다. 유럽 연합의 일반 데이터 보호 규정(GDPR, General Data Protection Regulation)이 대표적인 예다.
이 책에서는 연합 머신러닝을 이용해 이러한 문제를 어떻게 해결하는지 설명한다. 분산 머신러닝, 암호화 및 보안, 경제 원리와 게임 이론에 근거한 인센티브 메커니즘 설계를 결합한 새로운 해결책을 제시한다. 여러 유형의 프라이버시 보전 머신러닝 솔루션과 각각의 기술 배경을 설명하고, 대표적인 실제 적용 사례를 살펴본다. 연합학습이 어떻게 책임 있는 AI 개발 및 응용에 대한 기술적, 사회적 요구에 부응하는 차세대 머신러닝의 밑거름이 될 수 있는지 알아본다.

◈ 이 책의 대상 독자 ◈

연합학습 입문서로, 컴퓨터 과학과 AI, ML 분야의 학생들, 그리고 빅데이터 및 AI 애플리케이션 개발자들을 대상으로 한다. 학부 고학년부터 대학원 학생들과 교수, 대학 및 연구 기관에 있는 연구자들까지 유용하게 읽을 수 있을 것이다. 법률이나 정책 담당 기관, 정부 부처에서 일하는 이들에게도 빅데이터 및 AI와 관련된 법적 문제에 대한 참고서가 될 수 있다. 강의용으로는 대학원 세미나 과정의 교재나 연합학습 문헌에 대한 참고서로 사용할 만하다.

◈ 옮긴이의 말 ◈

지금 옆에 놓여 있는 스마트폰에서 연합학습이 수행 중일 수도 있겠다. 연합학습이란 훈련 데이터를 한데 모으지 않고 협력적으로 수행하는 머신러닝 기술로, 구글에서 2016년에 「Federated Learning: Strategies for Improving Communication Efficiency」라는 논문을 발표하면서 하나의 용어로 자리 잡혔다. 연합학습은 기존의 머신러닝 기술이 지닌 한계를 넘어 컴퓨팅 자원 소모의 분산, 프라이버시 보호, 개인 맞춤형 학습 등을 실현할 수 있는 대안으로 주목받으며 구글, 애플, IBM 등의 거대 기업을 비롯해 많은 테크 기업에서 연구를 진행 중이다. 이에 발맞춰 국내에서도 네이버, 카카오S, KT 등 여러 기업에서 연구 개발을 진행하고 있으며 학계에서도 연구는 물론이고 학회 강좌 등을 통해 기술 전파에 힘쓰고 있다.
이 책은 직접 연합학습 프레임워크를 개발한 저자들이 기존의 머신러닝 기술에 익숙한 개발자, 연구자에게 연합학습 분야의 연구 동향을 두루 정리해서 알려준다. 연합학습이 발전해온 전반적인 흐름이나 관련 개념을 익히는 데는 알맞으나 실습 위주의 머신러닝 실용서는 아니며 한 분야를 깊이 다루고 있지 않다. 이 책을 시작점으로 삼아 전체적인 지형도를 파악한 다음, 이를 발판으로 좀 더 구체적으로 관심 있는 분야로 나아가면 좋으리라 생각한다. 실제로 연합학습을 구현해보려면 저자들이 참여한 페드(AIFedAI) 그룹의 페이트(FATE)를 비롯해 텐서플로 페더레이티드(Tensorflow Federated), IBM 페더레이티드 러닝(Federated Learning), 인텔의 오픈(FLOpenFL), 엔비디아(NVIDIA)의 클라라(Clara), 오픈마인드(OpenMined)의 파이시프트(PySyft) 등 여러 오픈소스 연합학습 프레임워크가 나와 있으므로 개발 환경이나 성향에 따라 선택해 사용해보길 바란다.
이 책은 우리말로 연합학습을 처음 소개하는 책이라서 그만큼 책임을 느낀다. 기존의 머신러닝 개념에 더해 분산학습까지 고려해야 하는 연합학습의 특성상 일반 개발자나 사용자로서는 연합학습에 접근하기가 더 어려운 것이 사실이다. 아무쪼록 이 책이 독자분들이 연합학습에 다가가는 데 도움이 되기를 소망한다.

기본정보

상품정보
ISBN 9791161756714
발행(출시)일자 2022년 08월 22일
쪽수 296쪽
크기
188 * 236 * 24 mm / 809 g
총권수 1권
원서명/저자명 Federated Learning/Yang, Qiang

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.
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.
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.
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

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

  • 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.

연합학습
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]
EBS X 교보문고 고객님을 위한 5,000원 열공 혜택!
자세히 보기