반디앤루니스 인터넷서점
전체

로고이미지

검색

  • ▼
HOT ISSUE

네비게이션 실시간 인기 책

    LangChain으로 구현하는 LLM

    베스트

    LangChain으로 구현하는 LLM

    • 벤 아우파스 저
    • 이병욱 역
    • 에이콘출판
    • 2024년 03월 29일
    • 정가
      35,000원
    • 판매가
      31,500원 [10% 할인]
    • 결제 혜택
      무이자
    • 적립금
      1,750원 적립 [5%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    • 배송구분
      업체배송(반디북)
    • 배송료
      무료배송
    • 출고예정일

      출고예정일 안내

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

      close

      2024년 05월 13일(월)

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

    수량
    바로 구매 쇼핑카트 담기 위시리스트
    회원리뷰
    - [0]
    ISBN: 9791161758350 408쪽 775g 188 x 235 (㎜)

    지금 이책은

    이 분야의 베스트셀러

    이 책이 속한 분야

    책 소개

    상품문의 / 정보수정 요청 >

    이 책은

    생성형 AI의 개요와 함께 LangChain 프레임워크를 사용한 실질적인 구현 사례까지 모두 10개의 장으로 구성해 포괄적으로 제공하는 책이다. 1장은 생성형 AI가 텍스트, 이미지, 그리고 비디오 처리를 어떻게 혁신적으로 변화시키는지 설명한다. 이 장에서는 LLM(Large Language Model, 거대 언어 모델) 등의 생성 모델을 소개하며, 그 잠재력을 자세히 살펴본다. 2장에서는 LangChain의 프레임워크를 활용한다. 낡은 지식, 행동 제한 그리고 환각의 위험과 같은 한계를 다루며, LangChain이 외부 데이터와 개입을 통합해 더 일관된 AI 응용 프로그램을 어떻게 구현하는지 설명한다.

    3장은 환경 설정의 기본 지식을 다루며, Docker, Conda, Pip, Poetry 설치 안내부터 시작한다. OpenAI의 ChatGPT와 Hugging Face와 같은 다양한 공급 업체로부터 모델을 통합하는 방법에 대한 내용과 필요한 API 키를 얻는 과정을 설명한다. 4장에서는 정보 추출을 위한 밀도 체인(Chain of Density)을 알아보고, LangChain 데코레이터(decorator)와 표현 언어에 대한 논의를 통해 사용자 맞춤형 행동을 정의하는 방법을 설명한다. 5장은 ChatGPT와 같은 챗봇의 능력을 향상시키기 위해 검색 증강 생성(RAG, Retrieval-Augmented Generation)과 같은 방법을 설명한다. 6장은 소프트웨어 개발에서 부상하는 LLM의 역할을 조사하며, AI가 코딩 작업을 자동화하고 동적 코딩 비서로서의 역할 가능성을 알아본다. 7장은 생성형 AI와 데이터 과학의 공통점을 탐색하며, LLM이 생산성을 향상시키고 과학적 발견을 촉진할 수 있는 잠재력을 살펴본다. 8장은 미세 조정(fine-tuning)과 프롬프팅(prompting)과 같은 조건화 기술을 알아본다. 9장은 LLM을 실제 응용 프로그램 내에서 배치하는 데 있어서의 복잡성을 다루며, 성능 보장, 규제 요구 사항 충족, 규모에 대한 강건성 및 효과적인 모니터링을 위한 모범 사례를 살펴본다. 10장은 생성형 AI의 잠재적인 발전과 사회 기술적 도전에 대해 자세히 알아본다.


     


     


    출판사 리뷰

    이 책에서 다루는 내용

    LLM을 이해하고 강점 및 한계 파악
    생성형 AI의 기본 원리와 산업 동향 이해
    LangChain을 사용해 질문 응답 시스템 및 챗봇과 같은 LLM 앱 개발
    트랜스포머 모델과 어텐션 메커니즘 이해
    Pandas와 파이썬을 사용해 데이터 분석 및 시각화 자동화
    성능 향상을 위한 프롬프트 공학 이해
    LLM을 미세 조정하고 능력을 발휘하기 위한 도구 이해
    LangChain을 사용해 LLM을 서비스로 배포하고 평가 전략 적용
    데이터 누출을 방지하기 위해 오픈 소스 LLM을 사용해 문서와 개인적으로 상호 작용하는 방법

    이 책의 대상 독자

    개발자, 연구자 그리고 LLM에 대해 더 알고 싶어하는 모든 사람이 대상으로 하는 책이다. 명확하고 간결하게 작성됐으며, 실습을 통해 학습할 수 있도록 다양한 코드 예제를 갖추고 있다.

    초보자든 경험이 많은 개발자든, LLM과 LangChain을 최대한 이해하고 이 분야의 최신 동향을 선도하고자 하는 모든 이에게 가치 있는 자원이 될 것이다.

    이 책의 구성

    1장, ‘생성형 AI란 무엇인가?’에서는 생성형 AI가 텍스트, 이미지 그리고 비디오 처리를 혁신적으로 변화시키는 데 어떻게 핵심적인 역할을 하는지 설명한다. LLM과 같은 생성 모델을 소개하며, 이들의 기술적 기반과 다양한 분야에서의 변혁적인 잠재력을 자세히 소개한다. 이러한 모델의 이론적 배경, 신경망, 훈련 접근 방법 그리고 인간과 유사한 콘텐츠 생성에 대해 강조하고 다룬다. 또한 인공지능의 진화, 트랜스포머(Transformer) 아키텍처, 스테이블 디퓨전(Stable Diffusion)과 같은 텍스트에서 이미지로의 모델 그리고 음성과 비디오 응용에 대한 내용도 살펴본다.

    2장, ‘LLM 응용을 위한 LangChain’에서는 LLM의 확률적 앵무새, 즉 진정한 이해 없이 언어를 모방하는 모델을 넘어설 필요성을 강조하고, 이를 위해 LangChain의 프레임워크를 활용한다. 낡은 지식, 행동 제한 그리고 환각의 위험과 같은 한계를 다루며, LangChain이 외부 데이터와 개입을 통합해 더 일관된 AI 애플리케이션을 어떻게 구현하는지 강조한다. 2장은 확률적 앵무새의 개념에 비판적으로 관여해, 유창하지만 의미 없는 언어를 생성하는 모델의 결핍을 소개하고 프롬프팅, 사고 과정 체인, 검색 기반의 논리가 어떻게 LLM을 강화해 맥락, 편향 그리고 불투명성과 관련된 문제를 해결하는지 설명한다.

    3장, ‘LangChain으로 시작하기’에서는 이 책의 모든 예제를 실행하기 위해 환경을 설정하는 데 필요한 기본 지식을 제공한다. Docker, Conda, Pip, Poetry 설치 안내부터 시작하며, OpenAI의 ChatGPT와 Hugging Face와 같은 다양한 공급업체로부터 모델을 통합하는 방법과 필요한 API 키를 얻는 과정을 설명한다. 또한 오픈 소스 모델을 로컬에서 실행하는 방법도 다룬다. 아울러 LangChain을 사용해 고객 서비스 에이전트를 지원하는 LLM 앱을 만들어 LangChain이 작업을 간소화하고 응답의 정확도를 향상시킬 수 있는 예시를 보여준다.

    4장, ‘능력 있는 비서 구축’에서는 LLM을 신뢰할 수 있는 비서로 변환하는 데에 관여해, 잘못된 정보를 줄이기 위해 사실 확인을 진행하고, 요약을 위한 정교한 프롬프팅 전략을 사용하며, 향상된 지식을 위해 외부 도구를 통합한다. 정보 추출을 위한 밀도 체인(Chain of Density)을 탐구하고 LangChain 데코레이터와 표현 언어에 대한 논의를 통해 사용자 맞춤형 행동을 정의하는 방법을 설명한다. 또한 LangChain에서 긴 문서를 처리하기 위한 맵 리듀스(map-reduce)를 소개하고, API 사용 비용을 관리하기 위한 토큰 모니터링에 대한 내용도 다룬다.
    이 부분은 Streamlit 애플리케이션을 구현해 대화형 LLM 애플리케이션을 만들고, 함수 호출과 도구 사용을 통해 기본 텍스트 생성을 뛰어넘는 것에 중점을 두고 있다. “plan-and-solve” 및 “제로샷(zero-shot)”이라는 두 가지 명확한 에이전트 패러다임을 구현해 의사 결정 전략을 시연하는 데 사용된다.

    5장, ‘ChatGPT 같은 챗봇 구축’에서는 ChatGPT와 같은 챗봇의 능력을 향상시키기 위해 검색 증강 생성과 같은 방법을 다룬다. 이 방법은 LLM에 외부 지식에 접근할 수 있는 기능을 제공해 정확성과 도메인 특화 능력을 향상시킨다. 특히 문서 벡터화, 효율적인 색인화, Milvus와 Pinecone과 같은 벡터 데이터베이스를 사용한 의미적 검색 등을 알아본다. 책에서는 챗봇을 구현하면서 책임 있는 의사 소통을 보장하기 위해 모더레이션 체인(moderation chains)을 포함시켰다. 이 챗봇은 깃허브에서 사용 가능하며, 대화 메모리(memory) 및 컨텍스트 관리와 같은 고급 주제를 탐구하는 기반 자료로 사용된다.

    6장, ‘생성형 AI를 이용한 소프트웨어 개발’에서는 소프트웨어 개발에서 부상하는 LLM의 역할을 조사하며, AI가 코딩 작업을 자동화하고 동적 코딩 비서로서의 역할 가능성을 강조한다. AI 기반 소프트웨어 개발의 현재 상태를 탐구하고, 코드 일부를 생성하기 위한 모델 실험을 진행하며, LangChain을 사용한 자동 소프트웨어 개발 에이전트를 위한 디자인을 소개한다. 에이전트의 성능에 대한 비판적인 고찰은 실수 완화 그리고 고수준 디자인을 위한 인간 감독(human oversight)의 중요성을 강조하며, AI와 인간 개발자가 상호 작용하는 미래를 준비한다.

    7장, ‘데이터 과학을 위한 LLM’에서는 생성형 AI와 데이터 과학의 공통점을 탐색하며, LLM이 생산성을 향상시키고 과학적 발견을 촉진할 수 있는 잠재력에 초점을 맞춘다. AutoML을 통한 데이터 과학의 현재 자동화 범위에 대한 개요를 제공하고, 이를 확장해 LLM에 통합해 데이터셋 보강과 실행 가능한 코드 생성 등의 고급 작업을 수행하는 개념을 소개한다. LLM이 탐색적 데이터 분석, SQL 쿼리 실행, 통계 데이터 시각화를 수행하는 실용적인 방법을 다룬다. 마지막으로 에이전트와 도구 사용을 이용해 LLM이 복잡한 데이터 중심 질문에 대응하는 방법을 보여준다.

    8장, ‘LLM 사용자 정의 및 그 출력’에서는 미세 조정(fine-tuning)과 프롬프팅(prompting)과 같은 조건화 기술을 살펴본다. 이는 LLM의 성능을 복잡한 추론과 특수 작업에 맞게 조정하는 데 필수적이다. 미세 조정은 LLM이 작업별 데이터로 더 많은 훈련을 받는 것을 다루며, 프롬프트 공학(prompt engineering)은 LLM을 원하는 출력을 생성하도록 전략적으로 안내한다. 퓨샷(few-shot) 러닝과 사고 체인(chain-of-thought)과 같은 고급 프롬프팅 전략이 구현돼 LLM의 추론 능력을 향상시킨다. 미세 조정과 프롬프팅에 관한 구체적인 예제뿐만 아니라 LLM의 미래 발전과 해당 분야에서의 응용에 대해서도 설명한다.

    9장, ‘생성형 AI 제품화’에서는 LLM을 실제 애플리케이션 내에서 배치하는 데 있어서의 복잡성과 함께 성능 보장, 규제 요구 사항 충족, 규모에 대한 강건성 및 효과적인 모니터링을 위한 모범 사례를 다룬다. 평가, 관측 가능성과 체계적인 운영의 중요성을 강조해 생성형 AI가 고객 참여와 재정적 영향이 있는 의사 결정에서 유용하게 사용될 수 있도록 한다. 또한 Fast API, Ray, LangServe, LangSmith와 같은 도구를 사용해 LLM 앱의 배포와 지속적인 모니터링에 대한 실용적인 전략에 대한 개요를 설명한다. 이러한 도구는 다양한 분야에서 생성형 AI의 책임 있는 채택을 지원하는 자동 평가와 분석을 제공할 수 있다.

    10장, ‘생성형 모델의 미래’에서는 생성형 AI의 잠재적인 발전과 사회 기술적 도전에 대해 다룬다. 10장은 이러한 기술이 경제와 사회에 미치는 영향을 검토하며 직업 이동, 잘못된 정보 그리고 인간 가치 조정과 같은 윤리적 고민을 살펴본다. 다양한 분야에서 AI가 유발한 혼란과 변화에 대비하는 가운데 기업, 법조인 그리고 기술자들이 효과적인 지배 프레임워크를 형성하는 책임에 대해 고찰한다. 이 마지막 장은 AI 개발을 인간 잠재력 증대로 이끄는 동시에 딥페이크, 편향 그리고 AI 무기화와 같은 위험에 대처해야 하는 중요성을 강조한다. 즉 투명성, 윤리적 배치, 공정한 접근을 이끌기 위한 촉박함을 강조한다.

    지은이의 말

    동적이며 빠르게 발전하는 AI 분야에서 생성형 AI는 기술과의 상호 작용 방식을 변형할 것으로 예상되는 혁신적인 힘을 가졌다는 점에서 두드러진다. 이 책은 개발자, 연구자 그리고 AI 애호가가 이러한 도구를 활용하는 데 있어 필요한 지식을 제공하기 위해 디자인된 LLM이라는 복잡한 세계로의 탐험이다.

    딥러닝의 심연으로 진입해 비정형 데이터가 살아 움직이는 곳에서 GPT-4와 같은 LLM이 어떻게 AI가 비즈니스, 사회 그리고 개인에 미치는 영향을 개척하는지 발견해보라. 이러한 모델의 능력과 잠재력이 기술 산업과 미디어에서 계속해서 화제가 되는 동안, 이들이 어떻게 작동하며 어떻게 번창하고 어떻게 우리를 미래의 지평으로 나아가게 하는지 탐험할 수 있는 좋은 순간이다.

    이 책은 여러분이 LLM을 지탱하는 기술적인 프레임워크를 이해하도록 안내하는 나침반 역할을 한다. LLM의 광범위한 응용 분야, 그 기반이 되는 아키텍처의 우아함 그리고 그 존재의 강력한 함의에 대한 전례를 제공한다. AI 초보자부터 경험이 풍부한 개발자까지 다양한 독자를 대상으로 쓰인 이 책은 이론적인 개념과 실제적인 코드 예제를 융합해, LLM을 인지적으로 이해할 뿐만 아니라 창의적이고 책임감 있게 적용할 수 있도록 준비해준다.

    우리가 함께 이 여정을 시작하면서, 지식과 통찰력을 갖추고 있는 여러분은 현재 진행 중인 생성형 AI 서술에 영감을 받아 자아를 형성하고 구성할 수 있도록 준비해보라. 여러분은 이 흥미진진한 진화의 최전선에 서 있으며, 놀라운 기술적 발전의 중심에 서게 될 것이다.

    옮긴이의 말

    최근 주목받는 생성형 인공지능에 관한 책으로, 특히 LLM을 집중적으로 분석한다. LLM을 실질적으로 활용할 수 있는 여러 프레임워크 중 LangChain을 사용하는 방법을 자세히 소개한 책으로, 실용적인 LLM 활용 입문서라고 할 수 있다. 또한 LangChain을 활용한 생성형 AI의 실제적인 구현 예제는 물론 이미지, 음성 등 여러 분야에서 부각되고 있는 다양한 생성형 AI의 특징과 장단점, 현재 기술 수준 등에 대해 비교하고 설명해주는 개괄적인 입문서로 도움이 된다. 생성형 인공지능, 그중에서도 특히 LLM에 대한 전체 개괄을 빠르게 얻고자 하는 독자라면 이 책이 좋은 출발점이 될 것이다.

    저자 소개

    벤 아우파스

    컴퓨터 신경과학 박사 학위를 가진 경험이 풍부한 데이터 과학 리더다. 테라바이트 단위의 데이터를 분석하고 최대 64k 코어를 갖춘 슈퍼 컴퓨터에서 뇌 활동을 시뮬레이션하며, 실험을 설계하고 수행했다. 보험 적용 응용을 처리하는 제품화 시스템을 구축했고, 수백만 건의 문서에 대해 신경망을 훈련시켰다. 『Machine Learning for Time-Series』(Packt, 2021)와 『Artificial Intelligence with Python Cookbook Python』(Packt, 2020)의 저자이며, 현재는 헤이스팅스 다이렉트(Hastings Direct)에서 보험 분야에 몸담고 있다.

    역자 소개

    이병욱

    서울과학종합대학원 디지털금융 주임교수와 카이스트 겸직교수 그리고 한국금융연수원 겸임교수를 맡고 있으며, 인공지능연구원(AIRI)의 부사장으로도 재직 중이다. 카이스트(KAIST) 전산학과 계산 이론 연구실에서 공부했으며 공학을 전공한 금융 전문가로, 세계 최초의 핸드헬드-PC(Handheld-PC) 개발에 참여해 한글 윈도우 CE 1.0과 2.0을 미국 Microsoft 본사에서 공동 개발했다. 1999년에는 전 보험사 보험료 실시간 비교 서비스를 제공하는 핀테크 전문회사 ㈜보험넷을 창업했고 이후 삼성생명을 비롯한 생명 보험사 및 손해 보험사에서 CMO(마케팅총괄 상무), CSMO(영업 및 마케팅 총괄 전무) 등을 역임하면서 혁신적인 상품과 서비스를 개발, 총괄했다. 인공지능연구원에서 머신러닝 기반의 금융 솔루션 개발에 관련된 다양한 활동을 하고 있으며 금융위원회, 금융정보분석원 등에 다양한 자문을 하고 있다.

    저서로는 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(에이콘, 2018)과 대한민국학술원이 2019 교육부 우수학술도서로 선정한 『블록체인 해설서』(에이콘, 2019), 2022년 문체부 세종도서로 선정된 『돈의 정체』(에이콘, 2019) 그리고 한국금융연수원의 핀테크 전문 교재인 『헬로, 핀테크!』(공저, 2020), 『헬로, 핀테크 인공지능 편』(2021) 등이 있다.

    목차

    1장. 생성형 AI란 무엇인가?
    __생성형 AI 소개
    ____생성 모델이란 무엇인가?
    ____왜 지금인가?
    __LLM의 이해
    ____GPT란 무엇인가?
    ____다른 LLM
    ____주요 플레이어
    ____GPT 모델은 어떻게 작동할까?
    ______사전 훈련
    ______토큰화
    ______스케일링
    ______조건화
    ____이러한 모델을 시험하는 방법
    __텍스트 투 이미지 모델이란?
    __다른 영역에서 AI가 할 수 있는 일
    __요약
    __문제

    2장. LLM 응용을 위한 LangChain
    __확률적 앵무새를 넘어서
    ____LLM의 한계는 무엇인가?
    ____LLM의 한계를 완화하는 방법
    ____LLM 응용이란 무엇인가?
    __LangChain이란 무엇인가?
    __LangChain의 핵심 요소 탐색
    ____체인이란 무엇인가?
    ____에이전트는 무엇인가?
    ____메모리는 무엇인가?
    ____도구란 무엇인가?
    __LangChain의 작동 원리
    __LangChain과 다른 프레임워크와의 비교
    __요약
    __문제

    3장. LangChain으로 시작하기
    __이 책을 위한 종속성 설정 방법
    ____pip
    ____Poetry
    ____Conda
    ____Docker
    __API 모델 통합 탐색
    ____가짜 LLM
    ____OpenAI
    ____Hugging Face
    ____Google Cloud Platform
    ____Jina AI
    ____Replicate
    ____그 외
    ____애저
    ____Anthropic
    __로컬 모델 탐색
    ____Hugging Face Transformers
    ____llama.cpp
    ____GPT4ALL
    __고객 서비스를 위한 애플리케이션 구축
    __요약
    __문제

    4장. 능력 있는 비서 구축
    __팩트 체크를 통한 환각 완화
    __정보 요약
    ____기본 프롬프팅
    ____프롬프트 템플릿
    ____밀도 체인
    ____맵 리듀스 파이프라인
    ____토큰 사용량 모니터링
    __문서에서 정보 추출
    __툴을 사용한 질문 응답
    ____툴을 사용한 정보 검색
    ____시각 인터페이스 구축
    __추론 전략 탐색
    __요약
    __문제

    5장. ChatGPT 같은 챗봇 구축
    __챗봇이란 무엇인가?
    __검색과 벡터의 이해
    ____임베딩
    ____벡터 저장소
    ______벡터 인덱싱
    ______벡터 라이브러리
    ______벡터 데이터베이스
    __LangChain에서의 로딩 및 검색
    ____문서 로더
    ____LangChain에서 검색기
    ______kNN 검색기
    ______PubMed 검색기
    ______맞춤형 검색기
    __챗봇 구현
    ____문서 로더
    ____벡터 저장소
    ____메모리
    ______대화 버퍼
    ______대화 요약 기억
    ______지식 그래프 저장
    ______여러 메모리 메커니즘의 병합
    ______장기 일관성
    __응답 중재
    __요약
    __문제

    6장. 생성형 AI를 이용한 소프트웨어 개발
    __소프트웨어 개발과 AI
    ____코드 LLM
    __LLM을 사용한 코드 작성
    ____StarCoder
    ____StarChat
    ____LLaMa 2
    ____소형 로컬 모델
    __소프트웨어 개발 자동화
    __요약
    __문제

    7장. 데이터 과학을 위한 LLM
    __생성 모델이 데이터 과학에 미치는 영향
    __자동화된 데이터 과학
    ____데이터 수집
    ____시각화와 탐색적 데이터 분석
    ____전처리와 특징 추출
    ____AutoML
    __데이터 과학 질문에 답하기 위한 에이전트 사용
    __LLM을 사용한 데이터 탐색
    __요약
    __질문

    8장. LLM 사용자 정의 및 출력
    __LLM 조건화
    ____조건화 기법
    ______인간 피드백을 가미한 강화학습
    ______LoRA
    ______추론 시간 조건화
    __미세 조정
    ____미세 조정 설정
    ____오픈 소스 모델
    ____상업용 모델
    __프롬프트 공학
    ____프롬프트 기술
    ______제로샷 프롬프팅
    ______퓨샷 러닝
    ______CoT 프롬프팅
    ______자기 일관성
    ______ToT
    __요약
    __문제

    9장. 생성형 AI 제품화
    __LLM 애플리케이션의 제품화를 준비하는 방법
    ____용어
    __LLM 앱을 평가하는 방법
    ____두 출력 비교
    ____기준 대비 비교
    ____문자열과 문맥 비교
    ____데이터셋을 대상으로 한 평가 수행
    __LLM 앱을 배포하는 방법
    ____FastAPI 웹서버
    ____Ray
    __LLM 앱을 관찰하는 방법
    ____관찰 반응
    ____관측성 도구
    ____LangSmith
    ____PromptWatch
    __요약
    __문제

    10장. 생성형 모델의 미래
    __생성형 AI의 현 상태
    ____도전 과제
    ____모델 개발에서의 추세
    ____빅테크 대 소기업
    ____AGI
    __경제적 결과
    ____창의적 산업과 광고
    ____교육
    ____법률
    ____제조
    ____의학
    ____군사
    __사회적 함의
    ____오정보와 사이버보안
    ____규제와 실행의 어려움
    __앞으로의 길

    배송 시 유의사항

    - 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
     (배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)

    - 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.

    - 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.

    - 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)

    - 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.

    반품/교환

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

    반품/교환

    반품/교환
    반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판
    반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능
    반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음)
    반품/교환 불가 사유
    • 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
    • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    • 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
    • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    • 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    • 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
    소비자 피해보상
    환불지연에 따른 배상
    • 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
      소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨
    • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
      소비자 보호에 관한 법률에 따라 처리함
    반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved