์ฑ„๋„ํ†ก ์•„์ด์ฝ˜

[PL 0302] ๋ฐ์ดํ„ฐ ์—ฐ์‚ฐ์„ ์œ„ํ•œ ํŒŒ์ด์ฌ - ๋„˜ํŒŒ์ด ๋งˆ์Šคํ„ฐ ํด๋ž˜์Šค

๋„˜ํŒŒ์ด์˜ ์‚ฌ์šฉ๋ฒ•๊ณผ ์ด๋ฅผ ์ด์šฉํ•œ ์‹ค์ „์—ฐ์Šต์„ ์ง„ํ–‰ํ•˜๋Š” ๊ฐ•์˜์ž…๋‹ˆ๋‹ค.

(5.0) ์ˆ˜๊ฐ•ํ‰ 5๊ฐœ

์ˆ˜๊ฐ•์ƒ 122๋ช…

๋‚œ์ด๋„ ์ž…๋ฌธ

์ˆ˜๊ฐ•๊ธฐํ•œ ๋ฌด์ œํ•œ

์ด๋ก  ์ค‘์‹ฌ
์ด๋ก  ์ค‘์‹ฌ
์‹œ๋ฆฌ์ฆˆ
์‹œ๋ฆฌ์ฆˆ
๋ฐ์ดํ„ฐ์ „์ฒ˜๋ฆฌ
๋ฐ์ดํ„ฐ์ „์ฒ˜๋ฆฌ
์ด๋ก  ์ค‘์‹ฌ
์ด๋ก  ์ค‘์‹ฌ
์‹œ๋ฆฌ์ฆˆ
์‹œ๋ฆฌ์ฆˆ
๋ฐ์ดํ„ฐ์ „์ฒ˜๋ฆฌ
๋ฐ์ดํ„ฐ์ „์ฒ˜๋ฆฌ
๋‚ ๊ฐœ ๋‹ฌ๋ฆฐ ๋™์ „

๊ฐ•์˜ ์ถ”์ฒœํ•˜๊ณ  ์„ฑ์žฅ๊ณผ ์ˆ˜์ต์„ ๋งŒ๋“ค์–ด ๋ณด์„ธ์š”!

๋‚ ๊ฐœ ๋‹ฌ๋ฆฐ ๋™์ „

๋งˆ์ผ€ํŒ… ํŒŒํŠธ๋„ˆ์Šค

๊ฐ•์˜ ์ถ”์ฒœํ•˜๊ณ  ์„ฑ์žฅ๊ณผ ์ˆ˜์ต์„ ๋งŒ๋“ค์–ด ๋ณด์„ธ์š”!

์ˆ˜๊ฐ• ํ›„ ์ด๋Ÿฐ๊ฑธ ์–ป์„ ์ˆ˜ ์žˆ์–ด์š”

  • ๋„˜ํŒŒ์ด

  • ๋ฐ์ดํ„ฐ ์ฒ˜๋ฆฌ

  • ๋ฐ์ดํ„ฐ ์—ฐ์‚ฐ

NOTICE

๋ณธ ๊ฐ•์˜๋Š” ์ธ๊ณต์ง€๋Šฅ ํŠนํ™” ์ปค๋ฆฌํ˜๋Ÿผ All about AI์˜ pre-semester(๋ณธ ํ•™๊ธฐ ์ „ ์‚ฌ์ „ ์ค€๋น„ ํ•™๊ธฐ)์— ์†ํ•œ ๊ฐ•์˜์ด๋ฉฐ,

๋ฐ์ดํ„ฐ ์ฒ˜๋ฆฌ ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ NumPy, Matplotlib, Pandas ์ค‘
๊ฐ€์žฅ ํ•ต์‹ฌ์ ์ธ NumPy๋ฅผ ๋‹ค๋ฃจ๋Š” ๊ฐ•์˜์ž…๋‹ˆ๋‹ค.

Miro Link: https://miro.com/app/board/uXjVNJ8PZSs=/?share_link_id=801072444784

All About AI์— ๋Œ€ํ•œ ์†Œ๊ฐœ๋Š” ์˜ค๋ฆฌ์—”ํ…Œ์ด์…˜ ๊ฐ•์˜๋ฅผ ์ฐธ๊ณ ํ•ด์ฃผ์„ธ์š”.

ํŒŒ์ด์ฌ์„ ์ด์šฉํ•œ ๋ฐ์ดํ„ฐ ์—ฐ์‚ฐ์˜ ํ•ต์‹ฌ NumPy!

NumPy๋Š” Numerical Python์˜ ์ค„์ž„๋ง๋กœ์จ ๋ฒกํ„ฐ, ํ–‰๋ ฌ, ๊ทธ๋ฆฌ๊ณ  ๊ทธ ์ด์ƒ์˜ ๊ณ ์ฐจ ํ…์„œ๋ฅผ ์—ฐ์‚ฐํ•˜๋Š” ๋ฐ ํŠนํ™”๋˜์–ด ์žˆ๋Š” ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ์ž…๋‹ˆ๋‹ค.

์ด NumPy๋Š” ํŒŒ์ด์ฌ์„ ์ด์šฉํ•ด ๋ฐ์ดํ„ฐ๋ฅผ ๋‹ค๋ฃจ๋Š” ๋ชจ๋“  ์‚ฌ๋žŒ๋“ค์—๊ฒŒ ํ•„์ˆ˜๊ฐ€ ๋˜๋Š” ๊ธฐ์ˆ ์ด๋ฉฐ, ๊ฐ€์žฅ ๋ฒ”์šฉ์ ์œผ๋กœ ์‚ฌ์šฉ๋˜๊ธฐ ๋•Œ๋ฌธ์— ํ•œ ๋ฒˆ ๋ฐฐ์›Œ๋†“์œผ๋ฉด ํšจ์ž ๋…ธ๋ฆ‡์„ ํ†กํ†กํžˆ ํ•  ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ์ž…๋‹ˆ๋‹ค.

์•ž์œผ๋กœ ์šฐ๋ฆฌ๋Š” NumPy๋ฅผ ์ด์šฉํ•˜์—ฌ ๋จธ์‹ ๋Ÿฌ๋‹, ๋”ฅ๋Ÿฌ๋‹ ์•Œ๊ณ ๋ฆฌ์ฆ˜๋“ค์„ ์ง์ ‘ ๊ตฌํ˜„ํ•  ๊ฒƒ์ด๊ธฐ ๋•Œ๋ฌธ์— ์ด๋“ค์„ ๋ณธ๊ฒฉ์ ์œผ๋กœ ๋ฐฐ์šฐ๊ธฐ ์ „์— ๋ฐ˜๋“œ์‹œ ์ œ๋Œ€๋กœ ํ•™์Šตํ•ด์•ผ ํ•˜๋Š” ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ์ž…๋‹ˆ๋‹ค.

NumPy์˜ ๋ฒ”์šฉ์„ฑ!

NumPy๋Š” ๋ฐ์ดํ„ฐ๋ฅผ ๋‹ค๋ฃจ๋Š” ๋‹ค๋ฅธ ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ์™€์˜ ํ˜ธํ™˜์„ฑ์ด ์ƒ๋‹นํžˆ ์ข‹์Šต๋‹ˆ๋‹ค.

๋”ฐ๋ผ์„œ ํ•œ ๋ฒˆ NumPy๋ฅผ ์ œ๋Œ€๋กœ ๋ฐฐ์›Œ๋†“์œผ๋ฉด ๋‹ค๋ฅธ ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ๋ฅผ ์‚ฌ์šฉํ•  ๋•Œ์˜ ์ง„์ž…์žฅ๋ฒฝ์„ ๋‚ฎ์ถœ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

NumPy์˜ ํ•ต์‹ฌ์„ ๋‹ค๋ฃจ๋Š” ๊ฐ•์˜!

๋Œ€๋ถ€๋ถ„ NumPy๋ฅผ ๋‹ค๋ฃจ๋Š” ๊ฐ•์˜๋‚˜ ๊ต์žฌ์—์„œ๋Š”

np.sum, np.hstack, np.histogram

๊ณผ ๊ฐ™์€ API์˜ ์‚ฌ์šฉ๋ฒ•๋งŒ์„ ์ค‘์ ์ ์œผ๋กœ ๋‹ค๋ฃน๋‹ˆ๋‹ค.


ํ•˜์ง€๋งŒ! ๋‹จ์—ฐ์ฝ” NumPy๋ฅผ ์‚ฌ์šฉํ•  ๋•Œ ๋” ์ค‘์š”ํ•œ ๊ฒƒ์€

Broadcasting, Fancy Indexing, Vectorization

๊ณผ ๊ฐ™์ด NumPy์—์„œ ์ œ๊ณตํ•˜๋Š” ndarray ๊ฐ์ฒด๋ฅผ ์ด์šฉํ•˜์—ฌ ๋น ๋ฅธ ์ฝ”๋“œ๋ฅผ ๋งŒ๋“œ๋Š” ๊ฒƒ์ž…๋‹ˆ๋‹ค.


๋”ฐ๋ผ์„œ ๋ณธ ๊ฐ•์˜์—์„œ๋Š” NumPy์—์„œ ์ œ๊ณตํ•˜๋Š” ํ•„์ˆ˜์ ์ธ API๋“ค ๋ฟ๋งŒ ์•„๋‹ˆ๋ผ, NumPy๋ฅผ ๋” ํšจ์œจ์ ์œผ๋กœ ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋Š” ๊ทผ๋ณธ์ ์ธ ํ…Œํฌ๋‹‰๋“ค์„ ์ƒ๋‹นํžˆ ๋งŽ์ด ๋‹ค๋ฃน๋‹ˆ๋‹ค.

์ด๋ฅผ ํ†ตํ•ด ์—ฌ๋Ÿฌ๋ถ„๋“ค์€ ๋ฐ์ดํ„ฐ๋ฅผ ์ฒ˜๋ฆฌํ•˜๋Š” ์ฝ”๋“œ๋ฅผ ์งค ๋•Œ ๊ฐ€์žฅ ๊ธฐ๋ณธ๊ธฐ๊ฐ€ ํŠผํŠผํ•œ ์‚ฌ๋žŒ ์ค‘ ํ•œ ๋ช…์ด ๋  ๊ฒƒ์ž…๋‹ˆ๋‹ค.

๊ฐ•์˜์—์„œ ๋ฐฐ์šธ 196๊ฐœ์˜ API

๋ณธ ๊ฐ•์˜์—์„œ๋Š” ๋‹ค์Œ๊ณผ ๊ฐ™์ด NumPy์—์„œ ์ œ๊ณตํ•˜๋Š” ํ•„์ˆ˜ API๋“ค์˜ ์‚ฌ์šฉ๋ฒ•์„ ํ™•์‹คํžˆ ๋ฐฐ์›๋‹ˆ๋‹ค.

Chapter.2

np.array np.zeros np.ones np.empty np.full np.zeros_like np.ones_like np.empty_like np.full_like np.arange np.linspace

Chapter.3

np.positive np.negative np.add np.subtract np.multiply np.power np.divide np.floor_divide np.remainder

Chapter.4

np.equal np.not_equal np.greater np.greater_equal np.less np.less_equal np.logical_not np.logical_and np.logical_or np.logical_xor np.all np.any np.isclose np.allclose

Chapter.6

np.square np.reciprocal np.sqrt np.cbrt np.exp np.exp2 np.expm1 np.log np.log2 np.log10


np.log1p np.deg2rad np.radians np.rad2deg np.degrees np.sin np.cos np.tan np.sinh np.cosh


np.tanh np.sign np.absolute np.trunc np.floor np.ceil np.round ndarray.round np.clip ndarray.clip

Chapter.10

ndarray.copy ndarray.view ndarray.flatten ndarray.flat numpy.ravel ndarray.ravel np.reshape ndarray.reshape np.resize ndarray.resize

Chapter.11

np.squeeze ndarray.squeeze np.expand_dims np.newaxis np.moveaxis np.swapaxes np.transpose ndarray.transpose np.arcsin np.arccos np.arctan


np.sinh np.cosh np.tanh np.sign np.abs np.floor np.ceil np.clip np.round np.trunc np.fix

Chapter.12

np.random.rand np.random.random np.random.uniform np.random.randint np.random.randn np.random.normal np.random.choice np.random.permutation np.random.shuffle np.random.seed


np.random.default_rng rng.random rng.uniform rng.integers rng.standard_normal rng.normal rng.permutation rng.choice rng.shuffle

Chapter.13

np.sum ndarray.sum np.prod ndarray.prod np.mean ndarray.mean np.var ndarray.var np.std ndarray.std


np.max ndarray.max np.min ndarray.min np.median np.percentile np.maximum np.minimum np.memdian np.histogram


np.cumsum ndarray.cumsum np.cumprod ndarray.cumprod np.ptp ndarray.ptp np.diff

Chapter.14

np.sort ndarray.sort np.argsort ndarray.argsort np.argmax ndarray.argmax np.argmin ndarray.argmin np.nonzero ndarray.nonzero np.where np.unique

Chapter.15

np.hstack np.vstack np.concatenate np.append np.hsplit np.vsplit np.split np.partition ndarray.partition np.argpartition ndarray.argpartition

Chapter.16

np.repeat ndarray.repeat np.tile np.meshgrid

Chapter.17

np.linalg.norm np.dot ndarray.dot np.cross np.outer np.identity np.eye np.diag np.trace


ndarray.trace ndarray.transpose ndarray.T np.matmul np.linalg.det np.linalg.inv np.linalg.eig

Chapter.18

ndarray.dtype np.intX np.uintX np.floatX ndarray.itemsize ndarray.nbytes ndarray.astype

Chapter.19

np.save np.load np.savez np.savez_compressed


๊ทธ๋ฆฌ๊ณ  ๋‹ค์Œ์˜ ์ฑ•ํ„ฐ์—์„œ๋Š” ndarray์˜ ๊ทผ๋ณธ์ ์ธ ์‚ฌ์šฉ๋ฒ•์„ ๊ฐ๊ฐ ๋ฐฐ์›๋‹ˆ๋‹ค.

Chapter.5 - Broadcasting

Chapter.7 - Integer Indexing

Chapter.8 - Boolean Indexing

Chapter.9 - Slicing on ndarrays

Chapter.20 - Vectorization Techniques

Practical Practices!

๋ณธ ๊ฐ•์˜์—์„œ๋Š” NumPy์˜ API, ndarray์˜ ๊ธฐ์ˆ ๋“ค๊ณผ ํ•จ๊ป˜ ์ด๋ฅผ ๋ณต์Šตํ•˜๊ธฐ ์œ„ํ•ด ๋จธ์‹ ๋Ÿฌ๋‹, ๋”ฅ๋Ÿฌ๋‹์—์„œ ์‹ค์ œ ์‚ฌ์šฉ๋˜๋Š” ์ฝ”๋“œ๋ฅผ ์ž‘์„ฑํ•ด๋ด…๋‹ˆ๋‹ค.

Outer

์•ž์œผ๋กœ ์šฐ๋ฆฌ๋Š” ๋ณธ ๊ฐ•์˜์—์„œ ๋ฐฐ์šด ๋‚ด์šฉ์„ ๊ธฐ๋ฐ˜์œผ๋กœ ๋‹ค์–‘ํ•œ ์•Œ๊ณ ๋ฆฌ์ฆ˜์„ ์ง์ ‘ ๊ตฌํ˜„ํ•ด๋ณผ ์˜ˆ์ •์ž…๋‹ˆ๋‹ค.

์ด๋ฒˆ ๊ธฐํšŒ์— ์•ž์œผ๋กœ ์žฌ๋ฐŒ๋Š” ์•Œ๊ณ ๋ฆฌ์ฆ˜๋“ค์„ ๋งŒ๋“ค๊ธฐ ์œ„ํ•ด NumPy๋ฅผ ํ™•์‹คํžˆ ๋‹ค์ง€๋Š” ๊ธฐํšŒ๊ฐ€ ๋˜์—ˆ์œผ๋ฉด ์ข‹๊ฒ ์Šต๋‹ˆ๋‹ค.

์ด๋Ÿฐ ๋ถ„๋“ค๊ป˜
์ถ”์ฒœ๋“œ๋ ค์š”

ํ•™์Šต ๋Œ€์ƒ์€
๋ˆ„๊ตฌ์ผ๊นŒ์š”?

  • ๋„˜ํŒŒ์ด๋ฅผ ์ œ๋Œ€๋กœ ๋ฐฐ์šฐ๊ณ  ์‹ถ์€ ๋ถ„

  • ๋ฐ์ดํ„ฐ ๋ถ„์„์„ ํ•˜์‹œ๋Š” ๋ถ„

  • ๋จธ์‹ ๋Ÿฌ๋‹, ๋”ฅ๋Ÿฌ๋‹์„ ๋ฐฐ์šฐ์‹œ๋Š” ๋ถ„

์„ ์ˆ˜ ์ง€์‹,
ํ•„์š”ํ• ๊นŒ์š”?

  • ํŒŒ์ด์ฌ ๊ธฐ์ดˆ ๋ฌธ๋ฒ•

์•ˆ๋…•ํ•˜์„ธ์š”
๊ณต๋Œ€ํ˜•์•„(์‹ ๊ฒฝ์‹)์ž…๋‹ˆ๋‹ค.

3,507

๋ช…

์ˆ˜๊ฐ•์ƒ

162

๊ฐœ

์ˆ˜๊ฐ•ํ‰

85

๊ฐœ

๋‹ต๋ณ€

4.9

์ 

๊ฐ•์˜ ํ‰์ 

16

๊ฐœ

๊ฐ•์˜

๊ฐ•์˜ ์ด๋ ฅ

  • [๋ฉ‹์Ÿ์ด ์‚ฌ์ž์ฒ˜๋Ÿผ] แ„‹แ…ตแ†ซแ„€แ…ฉแ†ผแ„Œแ…ตแ„‚แ…ณแ†ผแ„Œแ…ฎแ†ผแ„€แ…ฉแ„€แ…ณแ†ธแ„€แ…ชแ„Œแ…ฅแ†ผ

  • [๊ตญ๋ฆฝ๊ธฐ์ƒ๊ณผํ•™์›] 2022๋…„, 2023๋…„, 2025๋…„ ๊ธฐ์ƒ AI ๋ถ€์ŠคํŠธ์บ ํ”„

  • [์‚ผ์„ฑ์ „๊ธฐ] ์‹ ์ž…SW๊ณผ์ • ์ „๋ฌธ๋ฐ˜

  • [๊ตญ๊ฐ€๊ณผํ•™๊ธฐ์ˆ ์ธ๋ ฅ๊ฐœ๋ฐœ์›] R&D ์ˆ˜ํ–‰ ์—ญ๋Ÿ‰ ๊ฐ•ํ™” ์žฅ๊ธฐ ๋ฉ˜ํ† ๋ง

  • [๊ตญ๊ฐ€๊ณผํ•™๊ธฐ์ˆ ์ธ๋ ฅ๊ฐœ๋ฐœ์›] R&D ์ „๋ฌธ๊ณผ์ • ์ด๋Ÿฌ๋‹ ์ปจํ…์ธ  ์ œ์ž‘

  • [๊ตญ๊ฐ€๊ณผํ•™๊ธฐ์ˆ ์ธ๋ ฅ๊ฐœ๋ฐœ์›] ๋ฐ•์‚ฌํ›„์—ฐ๊ตฌ์› ์—ฐ๊ตฌ ๋ฐ์ดํ„ฐ ์‹œ๊ฐํ™” ๊ณผ์ •

  • [์›๊ด‘๋Œ€ํ•™๊ต] ์›๊ด‘๋Œ€ํ•™๊ต AI ์ง‘์ฒด๊ต์œก ๋ฐ AI ์žฅ๋‹จ๊ธฐ๊ณผ์ •

  • [ํ•œ๊ตญ์ง€๋Šฅ์ •๋ณด์‚ฌํšŒ์ง„ํฅ์›] SW์—ฌ์„ฑ์ธ์žฌ ๊ต์œก

  • [SK m&service] ๋ฐ์ดํ„ฐ ๊ธฐ๋ฐ˜ ์˜์‚ฌ๊ฒฐ์ •

  • [ํ•œ๊ตญIT๋น„์ฆˆ๋‹ˆ์Šค์ง„ํฅํ˜‘ํšŒ] ICT COG Academy

  • [์„œ์šธ์‹œ ๊ต์œก์ฒญ] ์‹ ๊ธฐ์ˆ ๋ถ„์•ผ ์—ฐ์ˆ˜

     

  • [KT] KT AI ์—ญ๋Ÿ‰ํ–ฅ์ƒ ๊ณผ์ •

  • [K-ICT] ๋ฐ์ดํ„ฐ ์•ˆ์‹ฌ๊ตฌ์—ญ ๋ถ„์„์บ ํ”„

  • [๊ฒฝ๊ธฐ๋„๊ฒฝ์ œ๊ณผํ•™์ง„ํฅ์›] ์ฒ˜์Œ์œผ๋กœ ๋ฐฐ์šฐ๋Š” ๋น„์ „ AI

  • [๊ฒฝ๊ธฐ๋„๊ฒฝ์ œ๊ณผํ•™์ง„ํฅ์›] ํŒŒ์ด์ฌ ๋ฐ์ดํ„ฐ ๋ถ„์„ ์ž…๋ฌธ

  • [์„œ์šธ๊ณผํ•™๊ธฐ์ˆ ์›] AI ํ™œ์šฉ ์‹ฌํ™”๊ต์œก

  • [์„œ์šธ๋Œ€ํ•™๊ต] AI ํ™œ์šฉ ์—ญ๋Ÿ‰๊ฐ•ํ™” ๊ต์œก

  • [HDํ•œ๊ตญ์กฐ์„ ํ•ด์–‘] AIC AI ์—ฐ๊ตฌ์ง ์—ญ๋Ÿ‰ ํ‰๊ฐ€ ๊ฐœ๋ฐœ

  • [๋ฉ€ํ‹ฐ์บ ํผ์Šค] ์›๋ฆฌ๋ถ€ํ„ฐ ๊ตฌํ˜„๊นŒ์ง€, ๋จธ์‹ ๋Ÿฌ๋‹ ํ•ต์‹ฌ ์•Œ๊ณ ๋ฆฌ์ฆ˜ ๋งˆ์Šคํ„ฐ

     

     

     

 

  • [ํŒจ์ŠคํŠธ์บ ํผ์Šค] ์ˆ˜ํ•™์ ์œผ๋กœ ์ ‘๊ทผํ•˜๋Š” ๋”ฅ๋Ÿฌ๋‹

  • [ํŒจ์ŠคํŠธ์บ ํผ์Šค] แ„’แ…กแ†ซ แ„‡แ…ฅแ†ซแ„‹แ…ฆ แ„แ…ณแ‡€แ„‚แ…ขแ„‚แ…ณแ†ซ แ„†แ…ฅแ„‰แ…ตแ†ซแ„…แ…ฅแ„‚แ…ตแ†ผแ„€แ…ช แ„ƒแ…ฆแ„‹แ…ตแ„แ…ฅแ„‡แ…ฎแ†ซแ„‰แ…ฅแ†จ A-Z

  • [ํŒจ์ŠคํŠธ์บ ํผ์Šค] ๋ฐ”์ดํŠธ ๋””๊ทธ๋ฆฌ Lv.2 Deep Learning Essentials

  • [ํŒจ์ŠคํŠธ์บ ํผ์Šค] ๋”ฅ๋Ÿฌ๋‹์ธ๊ณต์ง€๋Šฅ ์ดˆ๊ฒฉ์ฐจ

  • [ํŒจ์ŠคํŠธ์บ ํผ์Šค] ์ปดํ“จํ„ฐ ๊ณตํ•™ ์ดˆ๊ฒฉ์ฐจ VER.2

     

๋”๋ณด๊ธฐ

์ปค๋ฆฌํ˜๋Ÿผ

์ „์ฒด

192๊ฐœ โˆ™ (35์‹œ๊ฐ„ 9๋ถ„)

ํ•ด๋‹น ๊ฐ•์˜์—์„œ ์ œ๊ณต:

์ˆ˜์—…์ž๋ฃŒ
๊ฐ•์˜ ๊ฒŒ์‹œ์ผ: 
๋งˆ์ง€๋ง‰ ์—…๋ฐ์ดํŠธ์ผ: 

์ˆ˜๊ฐ•ํ‰

์ „์ฒด

5๊ฐœ

5.0

5๊ฐœ์˜ ์ˆ˜๊ฐ•ํ‰

  • HeeSeok Jeong๋‹˜์˜ ํ”„๋กœํ•„ ์ด๋ฏธ์ง€
    HeeSeok Jeong

    ์ˆ˜๊ฐ•ํ‰ 14

    โˆ™

    ํ‰๊ท  ํ‰์  3.9

    5

    8% ์ˆ˜๊ฐ• ํ›„ ์ž‘์„ฑ

    ํŒŒ์ดํ† ์น˜๋ฅผ ๋ฐฐ์šฐ๊ธฐ ์œ„ํ•œ ๋ฐ‘๊ฑฐ๋ฆ„ ๊ฐ•์˜... ์ตœ๊ณ ์ž…๋‹ˆ๋‹ค. ์‹ ๊ฒฝ์‹ ๊ฐ•์‚ฌ๋‹˜์˜ ๊ฐ•์˜๋Š” ์–ธ์ œ๋‚˜ ์˜ณ๋‹ค !!!

    • ๊ณต๋Œ€ํ˜•์•„(์‹ ๊ฒฝ์‹)
      ์ง€์‹๊ณต์œ ์ž

      ๊ฐ์‚ฌํ•ฉ๋‹ˆ๋‹ค!! ๋” ์ข‹์€ ์ปจํ…์ธ ์˜ ๊ฐ•์˜ ์ œ๊ณตํ•  ์ˆ˜ ์žˆ๋„๋ก ์ตœ์„ ์„ ๋‹คํ•˜๊ฒ ์Šต๋‹ˆ๋‹ค๐Ÿ˜ƒ

  • ๊ถŒ์Šน๋‹˜์˜ ํ”„๋กœํ•„ ์ด๋ฏธ์ง€
    ๊ถŒ์Šน

    ์ˆ˜๊ฐ•ํ‰ 2

    โˆ™

    ํ‰๊ท  ํ‰์  5.0

    5

    30% ์ˆ˜๊ฐ• ํ›„ ์ž‘์„ฑ

    • ์œ ์ค€๋ชจ๋‹˜์˜ ํ”„๋กœํ•„ ์ด๋ฏธ์ง€
      ์œ ์ค€๋ชจ

      ์ˆ˜๊ฐ•ํ‰ 4

      โˆ™

      ํ‰๊ท  ํ‰์  4.8

      5

      30% ์ˆ˜๊ฐ• ํ›„ ์ž‘์„ฑ

      • jwchoi๋‹˜์˜ ํ”„๋กœํ•„ ์ด๋ฏธ์ง€
        jwchoi

        ์ˆ˜๊ฐ•ํ‰ 1

        โˆ™

        ํ‰๊ท  ํ‰์  5.0

        5

        30% ์ˆ˜๊ฐ• ํ›„ ์ž‘์„ฑ

        • ysyang1009๋‹˜์˜ ํ”„๋กœํ•„ ์ด๋ฏธ์ง€
          ysyang1009

          ์ˆ˜๊ฐ•ํ‰ 13

          โˆ™

          ํ‰๊ท  ํ‰์  5.0

          5

          24% ์ˆ˜๊ฐ• ํ›„ ์ž‘์„ฑ

          ๊ณต๋Œ€ํ˜•์•„(์‹ ๊ฒฝ์‹)๋‹˜์˜ ๋‹ค๋ฅธ ๊ฐ•์˜

          ์ง€์‹๊ณต์œ ์ž๋‹˜์˜ ๋‹ค๋ฅธ ๊ฐ•์˜๋ฅผ ๋งŒ๋‚˜๋ณด์„ธ์š”!

          ๋น„์Šทํ•œ ๊ฐ•์˜

          ๊ฐ™์€ ๋ถ„์•ผ์˜ ๋‹ค๋ฅธ ๊ฐ•์˜๋ฅผ ๋งŒ๋‚˜๋ณด์„ธ์š”!

          โ‚ฉ45,100