- ÁÖ¹®»óÇ°¼ö·®
- °³
- ¿¹»óÀû¸³±Ý
P - »óÇ°ÇÒÀαÝ
- ¿ø
- ¹è¼Û·á
- ¿ø
- ÁÖ¹®ÇÕ°è
- ¿ø
¹Ýµð¾Ø·ç´Ï½º ·Ôµ¥Ä«µå | °áÁ¦±Ý¾× ÃÖ´ë 25% û±¸ÇÒÀÎ (1¸¸¿ø ÀÌ»ó °áÁ¦°Ç¿¡ ÇÑÇØ ¿ù 2ȸ, °Ç´ç ÃÖ´ë 1¸¸¿ø ÇÒÀÎ) |
---|---|
¹Ýµð¾Ø·ç´Ï½º ¿ì¸®VÄ«µå | °áÁ¦±Ý¾× 10% û±¸ÇÒÀÎ |
OKij½¬¹é Æ÷ÀÎÆ® | ÃÖ¼Ò 10¿øºÎÅÍ Àü¾× »ç¿ë or 1% Àû¸³ |
---|---|
Çö´ëÄ«µå MÆ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 10% »ç¿ë °¡´É |
½ÅÇÑÄ«µå Æ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 10% »ç¿ë °¡´É(ÀϺÎÄ«µå) |
Çϳª(±¸.¿Üȯ) Æ÷ÀÎÆ® | º¸À¯ Çѵµ ³»¿¡¼ 100% »ç¿ë °¡´É |
¾¾Æ¼Ä«µå Æ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 50% »ç¿ë °¡´É |
NH³óÇù TAKE5Ä«µå | 20% û±¸ÇÒÀÎ(Edu Pack) |
---|---|
ä¿ò Ç÷¡Æ¼´½ ¸ÖƼīµå | 20% û±¸ÇÒÀÎ |
¸ð¹ÙÀÏ Tmoney ½ÅÇÑÄ«µå | 10% û±¸ÇÒÀÎ |
½ÅÇÑÄ«µå Shopping | 10% û±¸ÇÒÀÎ |
NH³óÇù üũīµå | 10% û±¸ÇÒÀÎ |
NH20 Çغ½ ½Å¿ëÄ«µå | 10% û±¸ÇÒÀÎ |
¾¾Æ¼ Ŭ¸®¾î Ä«µå | 7% û±¸ÇÒÀÎ |
NH20 Çغ½ üũīµå | 5% û±¸ÇÒÀÎ |
NH³óÇù LADY´Ù¼ØÄ«µå | 5% û±¸ÇÒÀÎ |
½ÅÇÑÄ«µå Å¥ºê | 5% û±¸ÇÒÀÎ |
½ÅÇÑÄ«µå Å¥ºê PLATINUM# | 5% û±¸ÇÒÀÎ |
NAVER Pay °áÁ¦ ½Ã ³×À̹öÆäÀÌ Æ÷ÀÎÆ® 5% Àû¸³ ?
[2õ¿ø Ãß°¡ Àû¸³]
ÃÑ ÁÖ¹®±Ý¾× 5¸¸¿ø ÀÌ»ó ±¸¸Å ½Ã 2,000¿ø Ãß°¡ Àû¸³
[¸â¹ö½Ê Ãß°¡ Àû¸³]
½´ÆÛ·ç´Ï : 3% Ãß°¡ Àû¸³
°ñµå·ç´Ï : 2% Ãß°¡ Àû¸³
½Ç¹ö·ç´Ï : 1% Ãß°¡ Àû¸³
´Ü, ±¹³»µµ¼, eBook¸¸ ±¸¸Å ½Ã Àû¸³ ºÒ°¡
¡Ø Ãâ°í¿¹Á¤ÀÏÀº µµ¼ Àç°í»óȲ¿¡ µû¶ó º¯µ¿µÉ ¼ö ÀÖ½À´Ï´Ù.
¡Ø Ãâ°í¿¹Á¤ÀÏÀº µµ¼ Àç°í»óȲ¿¡ µû¶ó º¯µ¿µÉ ¼ö ÀÖ½À´Ï´Ù.
¡°µµ·Î¸íÁÖ¼Ò¡±¸¦ ½±°Ô ã¾Æº¸¼¼¿ä
1. µµ·Î¸íÀ¸·Î °Ë»öÇϱâ (¿¹, ¡°Á÷Áö±æ¡± or ¡°Á÷Áö±æ+322¡±)
2. °Ç¹°¸íÀ¸·Î °Ë»öÇϱâ (¿¹, ¡°¹Ýµð¾Ø·ç´Ï½ººôµù¡±)
3. µ¿(À¾/¸é/¸®) À¸·Î °Ë»ö (¿¹, ¡°Àλ絿¡± or ¡°Àλ絿+43¡±)
4. µµ·Î¸íÁÖ¼Ò¸¦ ¸ð¸£½Ç °æ¿ì µµ·Î¸íÁÖ¼Ò ¾È³»½Ã½ºÅÛ(http://www.juso.go.kr)¿¡¼ È®ÀÎÇØÁÖ¼¼¿ä.
ÁÖ¼ÒÀÇ µ¿(À¾/¸®/¸é) ¶Ç´Â ¸¶Áö¸· ºÎºÐÀ» ÀÔ·ÂÇϽŠÈÄ °Ë»öÀ» ´©¸£¼¼¿ä.
ÃÑ 0°Ç, °Ë»ö°á°ú ÁÖ¼Ò¸¦ Ŭ¸¯ÇϽøé ÀÚµ¿ÀÔ·Â µË´Ï´Ù.
¿ìÆí¹øÈ£ | ÁÖ¼Ò |
---|
°Ë»öµÈ ÁÖ¼Ò°¡ ¾ø½À´Ï´Ù. |
³×À̹öID·Î º°µµ ¾Û ¼³Ä¡ ¾øÀÌ ½Å¿ëÄ«µå ¶Ç´Â ÀºÇà°èÁ Á¤º¸¸¦ µî·ÏÇÏ¿© ³×À̹öÆäÀÌ ºñ¹Ð¹øÈ£·Î °áÁ¦ÇÒ ¼ö ÀÖ´Â °£Æí°áÁ¦ ¼ºñ½º ÀÔ´Ï´Ù.
½ÃÀÛÇϼ¼¿ä! ÅÙ¼Ç÷Π2.0 ÇÁ·Î±×·¡¹Ö ±èȯÈñ 27,000¿ø
ÇÙ½ÉÀÌ º¸ÀÌ´Â ÀüÀÚȸ·Î with PSPICE[°³Á¤ÆÇ] - IT CookBook 373 ½Å°æ¿í 32,000¿ø
´Ü´ÜÇÑ °ÈÇнÀ ¸®Ã³µå ¼Æ°, ¾Øµå·ù ¹Ù¸£Åä 35,000¿ø
´Þ·¯±¸Æ® ²Þ ¹éÈÁ¡ À̹̿¹ 12,420¿ø
½Å°æ¸Á°ú ½ÉÃþ ÇнÀ Â÷·ç C. ¾Æ°¡¸£¿Ð 39,000¿ø
ÀúÀÚ : Á¶¿ìÂêÈ
- ³Â¡´ëÇб³ ÄÄÇ»ÅÍ°úÇаú ±³¼ö
- ¹Ì±¹ ÄÄÇ»ÅÍÇÐȸ(ACM) ¼±Á¤ ¿ì¼ö°úÇÐÀÚ
- AAAI, IEEE, IAPR, IET/IEE Æç·Î¿ì
- ±¹°¡ ¿ì¼öû³âÀåÇÐ±Ý ¼ö»óÀÚ
- Chang Jiang Scholars Ưº° ÃÊû ±³¼ö
- Çö) Áß±¹ ÀΰøÁö´ÉÇÐȸ ¸Ó½Å·¯´× Àü¹®À§¿øȸ ȸÀå, Áß±¹ ÄÄÇ»ÅÍÇÐȸ ÀΰøÁö´É ¹× ÆÐÅÏÀÎ½Ä Àü¹®À§¿øȸ ºÎȸÀå, IEEE ÄÄÇ»ÅÍÇÐȸ ³Â¡ÁöºÎ ÀÇÀå
¿ªÀÚ : ±èÅÂÇå
Çϳª±ÝÀ¶À¶ÇÕ±â¼ú¿ø¿¡¼ µ¥ÀÌÅÍ °úÇÐÀÚ·Î ÀÏÇÏ¸é¼ ·Îº¸¾îµå¹ÙÀÌÀú, ½Å¿ëÆò°¡ ½Ã½ºÅÛ °³¹ß µîÀÇ ÇÁ·ÎÁ§Æ®¿¡ Âü¿©ÇÏ°í ÀÖ´Ù. ÁßÇлý ½ÃÀýºÎÅÍ 10¿©³â°£À» Áß±¹¿¡¼ º¸³ÂÀ¸¸ç, º£ÀÌ¡ ´ëÇб³¸¦ Á¹¾÷ÇÏ°í ¹Ì±¹ Ķ¸®Æ÷´Ï¾Æ ´ëÇб³ »÷µð¿¡ÀÌ°í Ä·ÆÛ½º¿¡¼ ±¹Á¦°æÁ¦ ¼®»ç ÇÐÀ§¸¦ ¹Þ¾Ò´Ù.
Çϳª±ÝÀ¶À¶ÇÕ±â¼ú¿ø¿¡¼ µ¥ÀÌÅÍ °úÇÐÀÚ·Î ÀÏÇÏ¸é¼ ·Îº¸¾îµå¹ÙÀÌÀú, ½Å¿ëÆò°¡ ½Ã½ºÅÛ °³¹ß µîÀÇ ÇÁ·ÎÁ§Æ®¿¡ Âü¿©ÇÏ°í ÀÖ´Ù. ÁßÇлý ½ÃÀýºÎÅÍ 10¿©³â°£À» Áß±¹¿¡¼ º¸³ÂÀ¸¸ç, º£ÀÌ¡ ´ëÇб³¸¦ Á¹¾÷ÇÏ°í ¹Ì±¹ Ķ¸®Æ÷´Ï¾Æ ´ëÇб³ »÷µð¿¡ÀÌ°í Ä·ÆÛ½º¿¡¼ ±¹Á¦°æÁ¦ ¼®»ç ÇÐÀ§¸¦ ¹Þ¾Ò´Ù.
ÀÌ Ã¥Àº ¸Ó½Å·¯´× ±³°ú¼ÀÔ´Ï´Ù. ÃÖ´ëÇÑ ¸¹Àº µ¶ÀÚ¿¡°Ô ¸Ó½Å·¯´×À» ¼Ò°³ÇÏ°í ½ÍÀº ¸¶À½¿¡ ¼öÇÐÀû Áö½ÄÀÇ »ç¿ëÀº ÃÖ´ëÇÑ ¹èÁ¦ÇÏ·Á ³ë·ÂÇß½À´Ï´Ù. ÇÏÁö¸¸ ÃÖ¼ÒÇÑÀÇ È®·ü, Åë°è, ´ë¼ö, ÃÖÀûÈ, ³í¸® °ü·Ã ¼öÇÐ ÀÌ·ÐÀº Æ÷ÇԵǾî ÀÖ½À´Ï´Ù. µû¶ó¼ ´ëÇб³ 4Çгâ ÀÌ»óÀÇ ÀÌ°ø°è¿ ÇлýÀ̳ª ´ëÇпø»ý, ±×¸®°í ºñ½ÁÇÑ ¹è°æÀ» °¡Áø ¸Ó½Å·¯´×¿¡ °ü½É ÀÖ´Â µ¶Àڵ鲲 ÀûÇÕÇÒ °Í °°½À´Ï´Ù. µ¶ÀÚµéÀÇ ÆíÀǸ¦ À§ÇØ Ã¥ ¸»¹Ì¿¡´Â ¼öÇÐ ±âÃÊ Áö½Ä¿¡ °üÇÑ °£·«ÇÑ ¼Ò°³µµ ÇÔ²² ´Ù·ç°í ÀÖ½À´Ï´Ù.
_ ¸Ó¸®¸» Áß¿¡¼
P. 30 °úÀûÇÕÀ» ÀÏÀ¸Å°´Â ¿øÀÎÀº ´Ù¾çÇÕ´Ï´Ù. ±×Áß¿¡¼µµ ÇнÀ´É·ÂÀÌ ³Ê¹« ¶Ù¾î³ª ÈÆ·Ã µ¥ÀÌÅ͵éÀÌ °¡Áø ÀϹÝÀûÀÌÁö ¾ÊÀº Ư¼º±îÁö ÇнÀÇÏ´Â °æ¿ì°¡ °¡Àå ÈçÇÑ ¿øÀÎÀÔ´Ï´Ù. ¹Ý´ë·Î, °ú¼ÒÀûÇÕÀº ÀϹÝÀûÀ¸·Î ÇнÀ´É·ÂÀÌ ÁÁÁö ¸øÇؼÀÎ °æ¿ì°¡ ¸¹½À´Ï´Ù. °ú¼ÒÀûÇÕÀº ±Øº¹Çϱ⠽±½À´Ï´Ù.
P. 96 ½ÇÁúÀûÀ¸·Î Á¤º¸ ÀÌµæ ±ÔÄ¢Àº ÃëÇÒ ¼ö ÀÖ´Â °ªÀÇ ¼ö°¡ ºñ±³Àû ¸¹Àº ¼Ó¼º¿¡ À¯¸®ÇÏ°Ô ÀÛ¿ëÇÕ´Ï´Ù. ÀÌ·± ÆíÇâÀº ¸ðµ¨¿¡ ÁÁÁö ¸øÇÑ ¿µÇâÀ» ³¢Ä¥ ¼ö ÀÖ½À´Ï´Ù. ±×·¡¼ À¯¸íÇÑ C4.5 ÀÇ»ç°áÁ¤ Æ®¸® ¹æ¹ý[Quinlan, 1993]Àº Á¤º¸ À̵æÀ» »ç¿ëÇÏ´Â ´ë½Å À̵æÀ²(gain ratio)À̶ó´Â ¹æ¹ýÀ» »ç¿ëÇÏ¿© ÃÖÀûÀÇ ºÐÇÒ ¼Ó¼ºÀ» ¼±ÅÃÇß½À´Ï´Ù. ½Ä 4.2¿Í µ¿ÀÏÇÑ ºÎÈ£·Î ³ªÅ¸³½´Ù¸é, À̵æÀ²Àº ´ÙÀ½°ú °°ÀÌ Á¤ÀÇÇÒ ¼ö ÀÖ½À´Ï´Ù.
P. 171 Ä¿³Î ÇÔ¼ö´Â Á÷Á¢ÀûÀ¸·Î ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å°ú Ä¿³Î ±â¹ýÀÇ ÃÖÁ¾ ¼º´ÉÀ» °áÁ¤ÇÕ´Ï´Ù. ÇÑ °¡Áö ¾ÈŸ±î¿î °ÍÀº Ä¿³Î ÇÔ¼öÀÇ ¼±Åà ¹®Á¦´Â ¿©ÀüÈ÷ ÇØ°áÇØ¾ß ÇÒ ¾î·Á¿î ¹®Á¦ÀÔ´Ï´Ù. ´ÙÁß Ä¿³Î ÇнÀ(multiple kernel learning)Àº ´Ù¼öÀÇ Ä¿³Î ÇÔ¼ö¸¦ »ç¿ëÇÏ°í ÇнÀÀ» ÅëÇØ ¾òÀº ÃÖÀûÀÇ ÄÁº¤½º Á¶ÇÕÀ» ÃÖÁ¾ Ä¿³Î ÇÔ¼ö·Î ¼³Á¤ÇÕ´Ï´Ù[Lanckriet et al., 2004; Bach et al., 2004]. ÀÌ´Â »ç½Ç»ó ¾Ó»óºí ÇнÀ ¸ÞÄ¿´ÏÁòÀ» ºô·Á¿Â °ÍÀÔ´Ï´Ù.
P. 363 Ŭ·¯½ºÅ͸µÀº ÀÏÁ¾ÀÇ ÀüÇüÀûÀÎ ºñÁöµµ ÇнÀ¹ýÀÔ´Ï´Ù. ±×·¯³ª Çö½Ç¿¡¼ ¿ì¸®´Â Ŭ·¯½ºÅ͸µÀ» ÁøÇàÇϸç Áöµµ ÇнÀ Á¤º¸¸¦ ȹµæÇÒ ¶§°¡ ¸¹½À´Ï´Ù. µû¶ó¼ ÁØÁöµµ Ŭ·¯½ºÅ͸µ(semi-supervised clustering) ¹æ¹ýÀ¸·Î Áöµµ Á¤º¸¸¦ È°¿ëÇØ ´õ ÁÁÀº Ŭ·¯½ºÅ͸µ °á°ú¸¦ ¾òÀ» ¼ö ÀÖ½À´Ï´Ù.
- ¹Ýµð¾Ø·ç´Ï½º¿¡¼ ±¸¸ÅÇϽŠµµ¼´Â ¹°·ù ´ëÇà À§Å¹¾÷ü ¿õÁø ºÏ¼¾À» ÅëÇØ ¹è¼ÛµË´Ï´Ù.
(¹è¼Û Æ÷Àå¿¡ "¿õÁø ºÏ¼¾"À¸·Î Ç¥±âµÉ ¼ö ÀÖ½À´Ï´Ù.)
- ±¸¸ÅÇÑ »óÇ°ÀÇ Ç°Áú°ú ¹è¼Û °ü·Ã ¹®ÀÇ´Â ¹Ýµð¾Ø·ç´Ï½º·Î ¹®ÀÇ ¹Ù¶ø´Ï´Ù.
- õÀçÁöº¯ ¹× Åùè»çÀÇ »çÁ¤¿¡ µû¶ó ¹è¼ÛÀÌ Áö¿¬µÉ ¼ö ÀÖ½À´Ï´Ù.
- °áÁ¦(ÀÔ±Ý) ¿Ï·á ÈÄ ÃâÆÇ»ç ¹× À¯Åë»çÀÇ »çÁ¤À¸·Î Ç°Àý ¶Ç´Â ÀýÆÇ µÇ¾î »óÇ° ±¸ÀÔÀÌ ¾î·Á¿ï ¼ö ÀÖ½À´Ï´Ù. (º°µµ ¾È³» ¿¹Á¤)
- µµ¼»ê°£Áö¿ªÀÇ °æ¿ì Ãß°¡ ¹è¼Ûºñ°¡ ¹ß»ýµÉ ¼ö ÀÖ½À´Ï´Ù.
»óÇ° ¼³¸í¿¡ ¹ÝÇ°/ ±³È¯ °ü·ÃÇÑ ¾È³»°¡ ÀÖ´Â °æ¿ì ±× ³»¿ëÀ» ¿ì¼±À¸·Î ÇÕ´Ï´Ù. (¾÷ü »çÁ¤¿¡ µû¶ó ´Þ¶óÁú ¼ö ÀÖ½À´Ï´Ù)
¹ÝÇ°/±³È¯ ¹æ¹ý | Ȩ > °í°´¼¾ÅÍ > ÀÚÁÖã´ÂÁú¹® ¡°¹ÝÇ°/±³È¯/ȯºÒ¡± ¾È³» Âü°í ¶Ç´Â 1:1»ó´ã°Ô½ÃÆÇ |
---|---|
¹ÝÇ°/±³È¯ °¡´É ±â°£ | ¹ÝÇ°,±³È¯Àº ¹è¼Û¿Ï·á ÈÄ 7ÀÏ À̳», »óÇ°ÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦¹ß°ß ÈÄ 30ÀÏ À̳»¿¡ ½Åû°¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë | º¯½É ȤÀº ±¸¸ÅÂø¿ÀÀÇ °æ¿ì¿¡¸¸ ¹Ý¼Û·á °í°´ ºÎ´ã(º°µµ ÁöÁ¤ Åùè»ç ¾øÀ½) |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
|
¼ÒºñÀÚ ÇÇÇغ¸»ó ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó |
|
¹ÝÇ°/±³È¯ ÁÖ¼Ò | °æ±âµµ ÆÄÁֽà ¹®¹ß·Î 77, ¿õÁøºÏ¼¾(¹Ýµð¾Ø·ç´Ï½º) |