도서상세
0
장바구니에 상품을 담았습니다.
바로가기
이 책을 구입하신 분들이 산 책
배송비 채우기 아이템 보러가기
  1. 도서정가제
  2. 소득공제
한 권으로 끝내는 파이썬 인공지능 입문 + 실전 : 종합편 - 파이썬 + 넘파이 + 텐서플로우로 인공지능 딥러닝 직접 구현하기
서민우 글
앤써북 2021.09.25
0
(0)
일시재고부족
23,000원
20,700원
10%
최대 적립 포인트
1,450 원
  • 구매 적립
    적립금 안내
    • 상품 적립금
    • 상품 적립금은 고객님이 웬디북에서 상품을 구매하실 경우 이에 대한 마일리지 개념으로 구매금액의 일부를 적립해 드리는 제도이며 사용은 예치금과 같이 현금처럼 사용가능하십니다.
    • 멤버십 적립금
    • 멤버십 적립금은 고객님의 멤버십(고객)등급에 따라 도서 구매액의 1 ~ 4%에 해당하는 적립금이 추가로 적립되며 적립금은 다음 주문시 현금처럼 사용이 가능합니다.
    • 다만 적립금은 예치금과는 달리, 현금으로 환불하실 수 없고 적립금의 적립일로 부터 12개월 이내에 사용하시지 않으면 자동으로 소멸됩니다.
  • 상품 적립금
    1,150원
  • 리뷰 적립
  • 최대 리뷰 적립금
    300원
20,700원
1
· 쿠폰 및 적립금은 결제 시 적용해 주세요
바로구매
장바구니 담기
일시재고부족
이 책을 구입하신 분들이 산 책
  1. 도서정보
  2. 리뷰(0)
  3. 배송/반품
상세 이미지 더보기
상세 이미지
목차 더보기
목차
Chapter 01. 인공지능 딥러닝의 이해
01 _ 인공 신경망의 이해
인공 신경망이란?
- 인공 신경망으로 할 수 있는 일들
- 인공 신경망의 구조
인공 신경망의 학습 방법
- 지도 학습
- 비지도 학습
- 강화 학습
인공 신경 살펴보기
- 인공 신경과 생물학적 신경
- 인공 신경 내부 살펴보기
- 인공 신경 함수 수식

02 _ 딥러닝 맛보기
Hello 딥러닝
머신러닝은 무엇일까요?
구글 코랩 개발 환경 구성하기
기본 방식의 함수 정의와 사용
- 함수 정의하고 사용해 보기
머신러닝 방식의 신경망 함수 생성과 사용
축하합니다!

03 _ 인공 신경망과 근사 함수
2차 함수 근사해 보기
- 2차 함수 그리기
- 실제 데이터 생성하기
- 훈련, 실험 데이터 분리하기
- 인공 신경망 구성하기
- 인공 신경망 학습시키기
5차 함수 근사해 보기
다양한 함수 근사해 보기
- 분수 함수 근사해 보기
- sin 함수 근사해 보기
- tanh 함수 근사해 보기
- e지수함수 근사해 보기
- sigmoid 함수 근사해 보기
- 로그 함수 근사해 보기
- 제곱근 함수 근사해 보기
- relu 함수 근사해 보기
- leaky relu 함수 근사해 보기
인공 신경망 소스 살펴보기

04 _ 딥러닝 활용 맛보기
딥러닝 활용 예제 살펴보기
손 글씨 숫자 인식 예제 살펴보기
- 데이터 모양 살펴보기
- 학습 데이터 그림 그려보기 1
- 그림 픽셀 값 출력해 보기
- 학습 데이터 그림 그려보기 2
- 인공 신경망 학습시키기
- 학습된 인공 신경망 시험하기
- 예측 값과 실제 값 출력해 보기
- 시험 데이터 그림 그려보기
- 시험 데이터 그림 그려보기 2
- 잘못된 예측 출력 해보기
- 잘못 예측한 그림 살펴 보기
패션 MNIST 데이터 셋 인식시켜보기

Chapter 02. 인공지능의 딥러닝 알고리즘
01 _ PyClarm 개발 환경 구성하기
파이참 설치하기
파이썬 실습 환경 설정하기
- 파이참 실행하기
- 파이썬 프로젝트 생성하기
- 파이썬 파일 생성하기
- 파이썬 프로그램 작성하기
- 파이썬 프로그램 실행하기
- 파이썬 프로그램 종료하기
딥러닝 실습 환경 설정하기
- 텐서플로우(tensorflow) 라이브러리 설치하기
- matpiotlib 라이브러리 설치하기
- opencv 라이브러리 설치하기

02 _ 딥러닝 동작 원리 이해하기
기본 인공 신경 동작 살펴보기
- 순전파
- 목표 값과 역전파 오차
- 오차 역전파
- 순전파 정리하기
- 역전파 정리하기
- 최적화하기
- 학습률
- 경사 하강법과 인공 신경망 학습
기본 인경 신경 동작 구현해 보기
- 반복 학습 2회 수행하기
- 반복 학습 20회 수행하기
- 반복 학습 200회 수행하기
- 오차 값 계산하기
- 학습률 변경하기
y=3×x+1 학습시켜 보기
- 전체 입력 데이터 학습 수행하기
- 가중치, 편향 학습과정 살펴보기
- 반복 학습 2회 수행하기
- 반복 학습 20회 수행하기
- 반복 학습 200회 수행하기
- 반복 학습 2000회 수행하기
- 가중치, 편향 바꿔보기 1
- 가중치, 편향 바꿔보기 2

03 _ 다양한 인공 신경망 구현해 보기
2입력 1출력 인공 신경 구현하기
2입력 2출력 인공 신경망 구현하기
3입력 3출력 인공 신경망 구현하기
2입력 2은닉 2출력 인공 신경망 구현하기

04 _ 활성화 함수 추가하기
활성화 함수 살펴보기
- sigmoid 함수
- tanh 함수
- ReLU 함수
활성화 함수의 필요성
- 활성화 함수는 무엇인가요?
- 활성화 함수는 왜 필요한가요?
- 어떤 활성화 함수가 있나요?
활성화 함수의 순전파와 역전파
- sigmoid 함수 적용해 보기
- tanh 함수 적용해 보기
- ReLU 함수 적용해 보기
출력 층에 softmax 함수 적용해 보기
- softmax와 cross entropy
- 출력 층에 softmax 함수 적용해 보기
- tanh와 softmax
- ReLU와 softmax

Chapter 03. 넘파이(NumPy) DNN 구현과 활용
01 _ 넘파이(NumPy) DNN 구현하기
2입력 2출력 인공 신경망 구현하기
- 행렬 계산식 유도하기
- 순전파
- 입력 역전파
- 가중치 역전파
- 인공 신경망 행렬 계산식 정리하기
- NumPy로 인공 신경망 구현하기
3입력 3출력 인공 신경망 구현하기
- 행렬 계산식 유도하기
- 인공 신경망 행렬 계산식 정리하기
- NumPy로 인경 신경망 구현하기
2입력 1출력 인공 신경 구현하기
- 행렬 계산식 유도하기
- 인공 신경망 행렬 계산식 정리하기
- NumPy로 인공 신경망 구현하기
1입력 1출력 인공 신경 구현하기
- 행렬 계산식 유도하기
- 인공 신경망 행렬 계산식 정리하기
- NumPy로 인공 신경망 구현하기
행렬 계산식과 1입력 1출력 수식 비교하기
2입력 2은닉 2출력 인공 신경망 구현하기
- 행렬 계산식 유도하기
- 인공 신경망 행렬 계산식 정리하기
- NumPy로 인공 신경망 구현하기
활성화 함수 적용하기
- sigmoid 함수 적용해 보기
- tanh 함수 적용해 보기
- ReLU 함수 적용해 보기
출력 층에 softmax 함수 적용해 보기
- sigmoid와 softmax
- tanh와 softmax
- ReLU와 softmax
인공 신경망 행렬 계산식
가중치 초기화하기
- ReLU-sigmoid-mse 신경망
- ReLU-softmax-cee 신경망
- ReLU와 He 초기화
- sigmoid, softmax와 Lecun 초기화
- He와 Lecun 그려보기
- He와 Lecun 가중치 초기화하기

02 _ NumPy DNN 활용하기
7세그먼트 입력 2 진수 출력 인공 신경망 1
- NumPy 행렬 모양 살펴보기
7세그먼트 입력 2 진수 출력 인공 신경망 2
입력 데이터 임의로 섞기
데이터 늘려보기
MNIST 파일 읽어서 학습해 보기
- softmax, cross entropy error 함수 사용하기
- FASHION MNIST 데이터 테스트

Chapter 04. 텐서플로우(Tensorflow) 내부 동작 이해하기
01 _ NumPy로 Tensorflow 내부 동작 이해하기
2입력 2출력 인공 신경망 구현하기
- NumPy로 구현하기
- Tensorflow로 구현하기
- 반복 학습 20회 수행하기
- 반복 학습 200회 수행하기
3입력 3출력 인공 신경망 구현하기
- NumPy로 구현하기
- Tensorflow로 구현하기
2입력 1출력 인공 신경 구현하기
- NumPy로 구현하기
- Tensorflow로 구현하기
1입력 1출력 인공 신경 구현하기
- NumPy로 구현하기
- Tensorflow로 구현하기
2입력 2은닉 2출력 인공 신경망 구현하기
- NumPy로 구현하기
- Tensorflow로 구현하기
- 반복 학습 20회 수행하기
- 반복 학습 200회 수행하기
활성화 함수 적용 하기
- sigmoid 함수 적용해 보기
- tanh 함수 적용해 보기
- ReLU 함수 적용해 보기
출력 층에 softmax 함수 적용해 보기
- sigmoid와 softmax
- tanh와 softmax
- ReLU와 softmax
GradientTape 사용해 보기
- 역전파 오차 살펴보기

02 _ 경사 하강 법 이해하기
오차 함수 그래프 그려보기
왼쪽 이동 경사 하강 법
오른쪽 이동 경사 하강 법
오차 함수 기울기 구하기
- 최적화 함수 왼쪽 이동하기
- 최적화 함수 반복 적용해 보기
- 최적화 함수 오른쪽 이동하기

03 _ 확장 경사 하강 법
Momentum
AdaGrad
RMSProp
Adam

Chapter 05. CNN 알고리즘의 이해와 구현
01 _ CNN의 순전파 이해와 구현
CNN 신경망 살펴보기
3×3 입력 : filter size
4×4 입력 : stride
6×6 입력 : padding
4×4 합성 곱 : padding
6×6 입력 필터 늘리기
필터 역할 살펴보기
- 부드러운 이미지 추출하기
- 선명한 이미지 추출하기
- 경계선 추출하기
- 이미지 단순화
3×3×2 입력
6×6×2 입력
6×6×2 입력 필터 늘리기
6×6×3 입력
필터의 깊이와 개수

02 _ CNN 활용 맛보기
Conv2D-Conv2D-MaxPooling2D
Conv2D-MaxPooling2D
필터 개수 줄여보기

03 _ CNN의 역전파 이해와 구현
순전파 역전파 복습하기
합성 곱의 순전파 정리하기
합성 곱의 역전파 정리하기
- 입력 역전파
- 가중치 역전파
- 편향 역전파
3×3 순전파 역전파
- 합성 곱 순전파
- 가중치 역전파
- 편향 역전파
- 입력 역전파
4×4 순전파 역전파
- 합성 곱 순전파
- 가중치 역전파
- 편향 역전파
- 입력 역전파
6×6 순전파 역전파
- 합성 곱 순전파
- 가중치 역전파
- 편향 역전파
- 입력 역전파
4×4 max pooling 순전파 역전파
필터가 2개인 경우의 순전파 역전파
- 합성 곱 순전파
- 가중치 역전파
- 편향 역전파
- 입력 역전파
입력의 깊이가 2인 경우의 순전파 역전파
- 합성 곱 순전파
- 가중치 역전파
- 편향 역전파
- 입력 역전파

Chapter 06. 넘파이(NumPy) CNN 구현과 활용
01 _ NumPy CNN 구현하기
데이터 준비하기
- Tensorflow로 구현하기
- NumPy로 구현하기
zero padding 구현하기
- NumPy로 구현하기
합성 곱 층 추가하기
- Tensorflow로 구현하기
- NumPy로 구현하기
Max Pooling 층 추가하기
- Tensorflow로 구현하기
- NumPy로 구현하기
Flatten 층 추가하기
- Tensorflow로 구현하기
- NumPy로 구현하기
출력 층 추가하기
- Tensorflow로 구현하기
- NumPy로 구현하기
오차 계산하기
- Tensorflow로 구현하기
- NumPy로 구현하기
출력 층의 가중치와 편향 역전파 오차 구하기
- Tensorflow로 구현하기
- NumPy로 구현하기
Flatten 역전파 오차 구하기
- NumPy로 구현하기
Max Pooling 층 역전파 오차 구하기
- NumPy로 구현하기
합성 곱 층 역전파 오차 구하기
- NumPy로 구현하기
합성 곱 층의 가중치와 편향 역전파 오차 구하기
- NumPy로 구현하기
가중치와 편향 갱신하기
- Tensorflow로 구현하기
- NumPy로 구현하기

02 _ NumPy CNN 활용하기
3D 순전파 역전파 함수 구현하기
3D 순전파 역전파 함수 사용해 보기
2D 순전파 역전파 함수 구현하기
- 3D 입력 2D로 바꾸기
- 3D 가중치를 2D로 바꾸기
- I2D와 W2D의 행렬 곱 수행하기
- 2D 순전파 역전파 함수 구현하기
2D 순전파 역전파 함수 사용해 보기
NumPy CNN 확장하기
- Tensorflow로 구현하기
- NumPy로 구현하기
Fashion MNIST 파일 읽어보기
Fashion MNIST 학습시키기

부록. 편미분과 연쇄법칙을 통한 역전파 수식 유도
01 _ 기본 인공 신경
02 _ 편미분 정리하기
03 _ 2입력 1출력 인공 신경
04 _ 2입력 2출력 인공 신경
05 _ 2입력 2은닉 2출력 인공 신경
저자 소개
저자 : 서민우
현) 코코랩스(http://www.kocolabs.co.kr/) 대표
MDS 아카데미 Cortex-M3/M4, 드론, 리눅스 교육
대한상공회의소 서울기술교육센터 출강
LG 전자 신입사원 C/C++ 교육
SK 하이닉스 RTOS 교육
삼성전자 리눅스 드라이버/RTOS 교육
Xilinx FPGA/HDL 교육
ETRI verilogHDL 교육
숭실대 아두이노 IoT 교육
국민대 Cortex-M3 교육

[저서]
한 권으로 끝내는 파이썬 아두이노 입문+실전(종합편) (2021. 9 앤써북)
아두이노로 코딩하며 배우는 딥러닝 (2021. 06 앤써북)
ESP32 아두이노 드론 만들고 직접 코딩으로 PID 제어하기 (2021. 02 앤써북)
아두이노 자율주행 RC카 만들고 직접 코딩하기(2020. 12 앤써북)
진짜 코딩하며 배우는 파이썬(2020. 07 앤써북)
아두이노 드론 만들고 날리고 직접 코딩하기(2020. 03 앤써북)
마이크로비트로 배우는 파이썬(2020. 02 앤써북)
아두이노 배우면서 사물 인터넷(IoT) 직접 코딩하기(2019. 07 앤써북)
한 권으로 끝내는 아두이노 입문 + 실전(종합편)(2019. 02 앤써북)
아두이노 사용자를 위한 라즈베리 파이 드론 만들고 직접 코딩하기 (2018. 07 앤써북)
아두이노 드론 만들고 코딩하고 날리기 입문(2017. 03 앤써북) 외 다수
저자 소개 더보기
출판사 서평 더보기
출판사 서평
<한 권으로 끝내는 파이썬 인공지능 입문+실전(종합편)> 책은 파이썬, 넘파이, 텐서플로우를 이용하여 인공지능 일고리즘을 구현해 보면서 인공지능의 원리를 이해할 수 있도록 다음과 같이 구성되어 있습니다.

1장에서는 인공지능의 딥러닝을 이해해 봅니다.
첫 번째, 딥러닝의 핵심인 인공 신경망이 무엇인지 알아보고, 딥러닝에 대해 어떤 학습 방법이 있는지 살펴보고, 생물학적 신경과 비교해 보며 딥러닝의 인공 신경망을 이해해 봅니다. 두 번째 딥러닝에 대한 기본 예제를 구글의 코랩과 Keras 라이브러리를 이용해 수행해 보면서 딥러닝을 접해봅니다. 세 번째 중고등학교 때 배웠던 기본적인 함수를 딥러닝의 인공 신경망으로 구현해 보면서 딥러닝의 인공 신경망과 함수의 관계를 이해해 봅니다``. 마지막으로 손글씨 데이터, 패션 데이터를 이용하여 실제 활용되는 딥러닝을 살펴봅니다.

2장에서는 파이썬을 이용하여 기초적인 딥러닝 알고리즘을 살펴보고 구현해 봅니다.
첫 번째, 딥러닝의 단일 인공 신경 알고리즘을 살펴보고 구현해 봅니다. 이 과정에서 순전파, 목표 값, 평균값 오차, 역전파 오차, 오차 역전파, 학습률, 경사 하강법, 인공 신경망 학습 등에 대한 용어를 정리하고 구현에 적용해 봅니다. 두 번째, 2입력 1출력 인공 신경, 2입력 2출력 인공 신경망, 3입력 3출력 인공 신경망, 2입력 2은닉 2출력 인공 신경망에 딥러닝 알고리즘을 적용해 봅니다. 세 번째, 딥러닝에서 주로 사용되는 활성화 함수인 sigmoid, tanh, ReLU, softmax를 살펴보고 적용해 봅니다. 또 softmax와 관련된 cross entropy 오차 함수에 대해서도 정리해 봅니다.

3장에서는 NumPy 라이브러리를 이용하여 행렬 기반으로 딥러닝 알고리즘을 구현해 봅니다.
행렬을 이용하면 딥러닝 알고리즘을 일반화하여 자유자재로 인공 신경망을 확장할 수 있습니다. 첫 번째, NumPy를 이용하여 2입력 2출력 인공 신경망, 3입력 3출력 인공 신경망, 2입력 1출력 인공 신경, 1입력 1출력 인공 신경, 2입력 2은닉 2출력 인공 신경망을 구현해 봅니다. 이 과정에서 딥러닝 학습에 필요한 행렬 계산식을 유도하고 일반화합니다. 두 번째, 직접 구현한 NumPy DNN 라이브러리를 이용하여 손글씨 MNIST, FASHION MNIST 파일을 읽어서 학습해 봅니다. 이 과정에서 Tensorflow로 수행했던 예제의 결과와 비교해 봅니다.

4장에서는 딥러닝 인공 신경망을 NumPy 예제와 Tensorflow 예제로 구현해 보면서 Tensorflow의 내부 동작을 이해해 봅니다.
이 과정에서 Tensorflow의 내부 동작을 정확히 이해하고 활용 능력을 극대화합니다. 또 최적화 함수인 경사 하강법에 대해 구체적으로 살펴봅니다. SGD, Momentum, AdaGrad, RMSProp, Adam의 최적화 함수 알고리즘을 살펴보고 구현을 통해 그 동작을 구체적으로 이해해 봅니다.

5장에서는 CNN 알고리즘을 이해해보고 직접 구현해 봅니다.
CNN은 영상 인식과 관련된 인공 신경망으로 특히 활용이 많이 되는 인공 신경망입니다. 첫 번째, CNN의 순전파 과정을 살펴보고 구현해 봅니다. 이 과정에서 convolution, filter, stride, padding, pooling 등에 대한 용어를 정리하고 구현에 적용해 봅니다. 두 번째, 손글씨 데이터, 패션 데이터를 이용하여 실제 활용되는 CNN 기반 딥러닝을 살펴봅니다. 세 번째, CNN의 역전파 과정을 살펴보고 구현해 봅니다.

6장에서는 NumPy 기반으로 CNN 라이브러리를 구현하고 활용해 봅니다.
첫 번째, NumPy 기반으로 실제 활용할 수 있는 CNN 프레임워크를 구현해 봅니다. 그 과정에서 CNN의 세부적인 동작을 이해하고 Tensorflow와 같은 프레임워크의 활용 능력을 키웁니다. 두 번째, 직접 구현한 NumPy CNN 라이브러리를 이용하여 손글씨 MNIST, FASHION MNIST 파일을 읽어서 학습해 봅니다. 이 과정에서 Tensorflow로 수행했던 예제의 결과와 비교해 봅니다.

부록에서는 편미분과 연쇄법칙을 통한 역전파 수식 유도 과정을 자세히 소개합니다.
리뷰(0)
전체보기
0 / 5.0
리뷰 작성
•
리뷰를 작성하시면 소정의 적립금을 드립니다.
•
도서의 첫번째 리뷰부터 10번째 리뷰까지는 기본 적립금의 2배를 적립해 드리며, 이후 리뷰부터는 기본 적립금이 적립됩니다.
리뷰 혜택 및 유의사항
배송방법

배송은 CJ대한통운(전화 : 1588-1255)을 이용해서 보내드리고 있습니다.

3만원 이상 구매시 무료배송 가능하며, 3만원 미만의 경우 2500원의 배송비가 발생합니다.

배송기간

15시 이전에 입금확인된 주문까지는 당일날 발송하며, 일반적인 경우 다음날 책을 받아보실 수 있습니다.

주말 또는 공휴일이 있거나 시기적으로 배송이 많은 기간인 경우는 지역에 따라 1~2일이 더 소요될 수 있습니다.

주문 후, 5일이 경과해도 책이 도착하지 않는 경우에는 웬디북 고객센터(전화 : 1800-9785)로 전화를 주시거나 고객센터 > 1:1 문의를 통해 문의글을 남겨주시면 확인 후 신속히 조치하도록 하겠습니다.

묶음배송

묶음배송 원하시는 모든 주문서의 상태가 "입금대기" 또는 "결제완료" 상태일 경우에만 처리가 가능하며, 고객센터 > 1:1 문의에서 신청 할 수 있습니다.

반품안내

변심반품의 경우 도서주문일로부터 15일이내에 반품접수가 가능하며, 반품 배송비는 고객님 부담입니다.

부분 반품의 경우, 3만원 이상 주문으로 무료배송 받았으나 일부 상품 반품으로 주문금액이 3만원이 안될 경우, 이전 주문의 배송비를 포함한 왕복 배송비를 부담하셔야 합니다.

반품절차는 고객센터의 반품교환신청 페이지에서 신청을 해주시면 웬디북 고객센터에서 지정택배사에 회수요청을 하고, 방문한 택배기사님을 통해 반품도서를 보내주시면 됩니다.

운송 중 책이 손상되지 않도록 포장을 해주신 후, 포장 겉면에 “반품도서”라고 기재해주시기 바랍니다. 회수된 상품은 요청해주신 환불방법에 따라 적립 또는 환불 진행해드립니다.

(특히 팝업북 등은 조그만 충격에도 책이 손상될 수 있으므로 주의해 주시기 바랍니다.)

• 반품이 불가한 경우
  • 1. 고객에게 책임 있는 사유로 상품(띠지 또는 더스트커버 포함)이 멸실 또는 훼손된 경우
  • 2. CD 나 소프트웨어 포함, 포장이 되어 있는 모든 상품의 포장 개봉
  • 3. 만화책 및 단시간 내에 완독이 가능한 잡지
  • 4. 상품과 함께 발송된 추가사은품이 분실되거나 훼손된 경우
  • 5. 고객의 사용 또는 일부 소비에 의하여 상품의 가치가 현저히 감소한 경우
  • 6. 명시된 반품가능 기한이 지난 경우
  • 7. 세트상품중 일부 반품
교환안내

파본도서 혹은 오배송으로인한 교환은 도서주문일로부터 15일 이내에 신청하셔야 하며 이 경우 배송비는 웬디북에서 부담합니다.

(단, 팝업북과 CD가 세트인 책은 책의 특성상 7일 이내에 해주셔야 합니다.)

교환절차는 고객센터의 반품교환신청 페이지에서 신청을 해주시면 웬디북에서 새 책을 보내드리고 새 책을 받으실 때 교환도서와 맞교환 하시면 됩니다.

교환은 동일도서에 한하며, 다른 도서로 교환은 불가합니다.

운송도중 책이 손상되지 않도록 포장을 해주신 후, 포장 겉면에 “반품도서”라고 기재해주시기 바랍니다.

(특히 팝업북 등은 조그만 충격에도 책이 손상될 수 있으므로 주의해 주시기 바랍니다.)

• 교환이 불가한 경우
  • 1. 고객에게 책임 있는 사유로 상품이 멸실 또는 훼손된 경우
  • 2. 포장 상품의 포장을 해체한 경우
  • 3. 고객의 사용 또는 일부 소비에 의하여 상품의 가치가 현저히 감소한 경우
  • 4. 물품 수령 후, 15일이 경과한 경우
  • 5. 동일상품으로 교환하신 후, 다시 교환하시고자 할 경우 (이 경우에는 환불처리 해드립니다.)
신고하기
신고사유 선택
도서 입고 알림 신청
입고알림 신청하셨습니다.
입고시 {{tel}}로 문자 발송됩니다

바로 확인 하시겠습니까?
예

휴대폰 번호, 이메일 주소는

마이 페이지 > 회원정보수정에서 확인해 주세요.

관심 시리즈 신간 알림 신청
시리즈명:{{ series_name }}
관심 시리즈 신간 입고 알림 신청하셨습니다.
입고시 {{ tel }}로 문자 발송 또는
앱푸시, 이메일 등으로 알려드리겠습니다.

바로 확인 하시겠습니까?
예

휴대폰 번호, 이메일 주소는

마이 페이지 > 회원정보수정에서 확인해 주세요.

입고 알림 수신 방법 변경은

마이 페이지 > 알림 > 알림 설정에서 확인해 주세요.

푸시 알림이 오지 않을 시,

스마트폰 설정 > 알림 > 웬디북 앱 설정을 확인해 주세요

관심 작가 신간 알림 신청
작가명:{{ series_name }}
관심 작가 신간 입고 알림 신청하셨습니다.
입고시 {{ tel }}로 문자 발송 또는
앱푸시, 이메일 등으로 알려드리겠습니다.

바로 확인 하시겠습니까?
예

휴대폰 번호, 이메일 주소는

마이 페이지 > 회원정보수정에서 확인해 주세요.

입고 알림 수신 방법 변경은

마이 페이지 > 알림 > 알림 설정에서 확인해 주세요.

푸시 알림이 오지 않을 시,

스마트폰 설정 > 알림 > 웬디북 앱 설정을 확인해 주세요

{{title}}
{{content}}
{{title}}
{{content}}