본문내용 바로가기

KYOBO 교보문고

금/토/일 주말특가
책 다시 숲
교보문고 북튜버 : 마법상점
청소년브랜드페스티벌
  • 교보아트스페이스
  • 제5회 교보손글쓰기대회 수상작 전시
자바 머신 러닝 마스터
* 중고장터 판매상품은 판매자가 직접 등록/판매하는 상품으로 판매자가 해당상품과 내용에 모든 책임을 집니다. 우측의 제품상태와 하단의 상품상세를 꼭 확인하신 후 구입해주시기 바랍니다.
640쪽 | | 187*235*38mm
ISBN-10 : 1161752854
ISBN-13 : 9791161752853
자바 머신 러닝 마스터 중고
저자 우다이 카마스 | 역자 동준상 | 출판사 에이콘출판
정가
38,000원 신간
판매가
31,910원 [16%↓, 6,090원 할인]
배송비
2,500원 (판매자 직접배송)
지금 주문하시면 2일 이내 출고 가능합니다.
토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.
2019년 3월 27일 출간
제품상태
상태 최상 외형 최상 내형 최상
이 상품 최저가
30,390원 다른가격더보기
새 상품
34,200원 [10%↓, 3,800원 할인] 새상품 바로가기
수량추가 수량빼기
안내 :

중고장터에 등록된 판매 상품과 제품의 상태는 개별 오픈마켓 판매자들이 등록, 판매하는 것으로 중개 시스템만을 제공하는
인터넷 교보문고에서는 해당 상품과 내용에 대해 일체 책임을 지지 않습니다.

교보문고 결제시스템을 이용하지 않은 직거래로 인한 피해 발생시, 교보문고는 일체의 책임을 지지 않습니다.

판매자 상품 소개

※ 해당 상품은 교보문고에서 제공하는 정보를 활용하여 안내하는 상품으로제품 상태를 반드시 확인하신 후 구입하여주시기 바랍니다.

판매자 배송 정책

  • 토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.

더보기

구매후기 목록
NO 구매후기 구매만족도 ID 등록일
27 중고상품이어서 사용한 흔적이 있는지 알았는데 그냥 완전 새책이네요? 서점은 전부 재고가 없었는데 배송도 이틀만에 도착해서 완전 좋습니다! 5점 만점에 5점 eved*** 2019.11.19
26 거의 새책급이네요. 5점 만점에 5점 dmswo0*** 2019.11.14
25 좋습니다 책상태도 좋아요 5점 만점에 5점 77ka*** 2019.11.12
24 감솨합니다^^ 고맙습니다~!! 5점 만점에 5점 cmw1*** 2019.11.09
23 `1234567890 5점 만점에 5점 p3*** 2019.11.08

이 책의 시리즈

책 소개

상품구성 목록
상품구성 목록

데이터 과학 분야의 중급 및 고급 개발자 알아야 할 데이터 분석, 러닝 알고리즘, 모델 성능 평가, 지도식 및 비지도식 학습, 클러스터링과 이상점 감지, 반지도 학습 등 다양한 주제를 상세히 소개하며, WEKA, RapidMiner, Smile API, ELKI, JKernelMachines, KEEL, JCLAL, OpenMarkov, MALLET, KNIME, H2O, Spark MLLib, SAMOA 등 주요 오픈 소스 자바 도구의 활용 방법을 소개한다. 분석 예제로 UCI HorseColic 데이터세트, MNIST 손글씨 이미지 데이터세트, ELEC 전기 데이터세트, UCI Breast Cancer Wisconsin 데이터세트, UCI Adult 데이터세트, Reuters-21578 데이터세트, UCI Covertype 데이터세트를 이용한다.

저자소개

저자 : 우다이 카마스
BAE 시스템 응용 지능 부서의 책임 데이터 과학자로서, 확장성 높은 머신 러닝을 주로 연구하며 AML, 금융 범죄 관련 사기 행동 감지, 사이버 보안, 생체정보학 등의 분야에서 20년간 종사해 왔다. BAE AI 부서에서 소비자 행동, 소셜 네트워킹, 빅데이터 머신 러닝에 특화된 다수의 핵심 제품 개발 팀을 이끌고 있다. 조지 메이슨 대학교에서 빅데이터 머신 러닝과 자동화된 시퀀스 마이닝 분야의 석학인 케네스 드 용 교수(Dr. Kenneth De Jong)의 지도하에 박사 학위를 받았다.

저자 : 크리슈나 쵸펠라
20년차 자바 개발자로서, BAE 시스템 응용 지능 부서에서 분석용 클라이언트 솔루션을 개발하며 데이터 과학, 기능적 프로그래밍, 분산 컴퓨팅 환경에 대해 연구한다.

역자 : 동준상
2010년 이후 ICT 혁신기술 사업화 프로젝트에 참여해 왔으며, AI, 클라우드 기반 서비스와 플랫폼 구현 및 사업화와 관련된 리서치, 심사, 컨설팅 업무를 한다. 2015년 이후 국가정보자원관리원, 한국정보화진흥원 등 주요 정보화 기관에서 AI 기반 프로젝트 수행을 주제로 강연을 하고 있다. 『머신 러닝 인 자바』(2017, 에이콘), 『스위프트 데이터 구조와 알고리즘』(2017, 에이콘) 외 십여 권의 번역서가 있다.

홈페이지: http://www.nextplatform.net/

목차

추천의 글
지은이 소개
기술 감수자 소개
옮긴이 소개
옮긴이의 글
들어가며

1장. 머신 러닝의 개요

__머신 러닝의 역사와 정의
__머신 러닝에 대한 오해: 머신 러닝이 아닌 것은?
__머신 러닝의 핵심 개념과 주요 용어
__머신 러닝에 활용되는 다양한 데이터 타입과 서브타입
__머신 러닝에 활용되는 데이터세트
__산업 부문별 머신 러닝 응용 분야와 알고리즘
__머신 러닝의 실무적인 과제
__머신 러닝 전문가와 구현 프로세스
____머신 러닝 전문가
____머신 러닝 프로세스
__머신 러닝 도구와 데이터세트
____머신 러닝 데이터세트
__정리

2장. 지도학습에 대한 실무적인 접근

__지도학습에 사용되는 용어와 표기법
____데이터 품질 분석
____기술적(설명적) 데이터 분석
____시각화 분석
__데이터 변환 및 전처리
____추가적인 특성
____누락값 처리
____이상점
____이산화
____데이터 표본추출
____모델 훈련, 검증, 그리고 테스트 데이터세트
__특성 관계 분석과 차원 감소
____특성 검색 기술
____특성 평가 기법
____랩퍼 기법
____임베드 접근법
__모델 만들기
____선형 모델
____비선형 모델
____앙상블 학습과 메타학습 모델
__모델 평가, 검증, 비교
____모델 평가
____모델 검증 매트릭스
____머신 러닝 모델 간의 비교
__사례 연구 - 말의 복통 분류
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 분석
____지도학습 실험
____결과, 관찰, 그리고 분석
__정리

3장. 비지도식 머신 러닝 기법

__지도식 머신 러닝 기법의 주요 이슈
__비지도식 머신 러닝 기법의 주요 이슈
__특성 분석과 차원 감소
____표기법
____선형 차원 감소 기법
____비선형 차원 감소 기법
__클러스터링
____클러스터링 알고리즘
____스펙트럴 클러스터링
____어피니티 전파
____클러스터링 검증 및 평가
__이상점 또는 특이점 감지 기법
____이상점 감지 알고리즘
____이상점 평가 기법
__실무 사례 분석
____도구와 소프트웨어
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____데이터 품질 분석
____데이터 샘플링 및 변환
____특성 분석 및 차원 감소
____클러스터링 모델, 결과, 그리고 평가
____이상점 모델 구현 결과 및 평가
__정리

4장. 반지도 학습 및 능동 학습

__반지도 학습
____기본적인 수식 및 표현, 가정
____반지도 학습 기법
____반지도 학습 실무 사례 분석
__능동 학습
____기본 표현과 수식
____능동 학습 시나리오
____능동 학습 절차
____버전 공간 표본추출
____데이터 분포 표본추출
__능동 학습 실무 사례 분석
____도구와 소프트웨어
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____데이터 샘플링 및 변환
____특성 분석 및 차원 감소
____모델, 결과, 평가
____능동 학습 결과 분석
__정리

5장 .실시간 스트림 머신 러닝

__스트림 기반 학습의 기본 가정 및 수학적 표현
__기본 스트림 처리 및 연산 기법
____스트림 연산
____슬라이딩 윈도우
____표본추출
__컨셉 드리프트와 드리프트 감지
____데이터 관리 기법
____감지 기법
__증가형 지도 학습
____모델 구현 방법
____온라인 설정에서의 모델 검증, 평가, 비교
__클러스터링을 활용한 증가형 비지도 학습
____모델 구현 기법
__이상점 감지를 위한 비지도 학습
____이상점 감지를 위한 파티션 기반 클러스터링
____이상점 감지를 위한 거리 기반 클러스터링
__스트림 기반 학습의 실무 사례
____도구 및 소프트웨어
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____표본추출 및 변환
____모델, 결과, 평가
____스트림 기반 학습 결과 분석
__정리

6장. 확률적 그래프 모델 구현

__확률 복습
____확률의 개념
__그래프의 개념
____그래프 구조 및 기본 속성
____서브그래프와 클리닉
____패스, 트레일, 사이클
____베이지안 네트워크
____수학적 표현
____추론
____베이지안 네트워크에서의 학습
____학습 파라미터
__마코프 네트워크와 조건부 랜덤 필드
____수학적 표현
____마코프 네트워크에서의 추론
____마코프 네트워크에서의 학습
____조건부 랜덤 필드
__특화된 네트워크
____트리 강화 네트워크
____마코프 체인
____HMM의 최고 확률 경로
____HMM의 사후 복호화
__도구와 활용 방법
____오픈마코프
____Weka 베이지안 네트워크 GUI
__실무 사례 분석
____비즈니스 문제 정의
____머신 러닝 맵핑
____표본추출 및 데이터 변환
____특성 분석
____모델, 결과, 평가
____결과 분석
__정리

7장. 딥러닝

__다층 피드포워드 신경망 기법
____입력값, 뉴론, 활성화 함수, 수학적 표현
____다층 신경망
__신경망 기법의 한계
____기울기 사라짐, 지역 최적화, 훈련 지연 문제
__딥러닝
____딥러닝의 주요 개념
__사례 분석
____도구와 소프트웨어
____비즈니스 문제
____머신 러닝 맵핑
____표본추출 및 데이터
____특성 분석
____모델, 결과, 평가
__정리

8장. 텍스트 마이닝과 자연어 처리

__NLP, 하위 분야 및 주요 임무
____텍스트 범주화(카테고리화)
__음성 태깅
__텍스트 클러스터링
____정보 추출 및 개체명 인식
____감정 분석 및 오피니언 마이닝
____대용어 또는 동일지시어 해소
____어휘 중의성 해소
____기계 번역
____시멘틱(의미론적) 논증 및 추론
____텍스트 자동 요약
__자동화된 질문과 답변
__비정형 데이터 마이닝의 당면 과제
__텍스트 처리 요소와 변환
____문서 수집 및 표준화
____토큰화
____중지 단어 제거
____어간 단어 표기
____지역 및 전역 사전 생성
____특성 추출 및 생성
____특성의 대표성 및 유사성
____특성 선택 및 차원 감소 기법
__텍스트 마이닝에서의 토픽 선정
____텍스트 카테고리화 및 텍스트 분류
____토픽 모델링
____텍스트 클러스터링
____클러스터링 기법
__개체명 인식
____NER을 위한 은닉 마코프 모델
____딥러닝과 NLP
__NLP 분석 도구와 활용 방법
____맬릿을 이용한 토픽 모델링
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____표본추출 및 변환
____특성 분석 및 차원 감소
____모델, 결과, 평가
____텍스트 처리 결과 분석
__정리

9장. 빅데이터 분석을 위한 머신 러닝의 첨단 도구

__빅데이터의 특징
__빅데이터 분석을 위한 머신 러닝
____범용 빅데이터 프레임워크
__배치형 빅데이터 머신 러닝
____빅데이터 머신 러닝 플랫폼 - H2O
__사례 분석
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____데이터 추출 및 변환
____빅데이터 머신 러닝 플랫폼 - Spark MLlib
__실시간형 빅데이터 머신 러닝
____실시간 빅데이터 머신 러닝 프레임워크 - SAMOA
____머신 러닝 알고리즘
____도구와 활용
____실험, 결과, 그리고 분석
__머신 러닝의 미래
__정리

부록 A. 선형 대수학

__벡터
____벡터의 스칼라 곱
__행렬
____행렬 변환
__행렬의 특이값 분해

부록 B. 확률

__확률의 공리
__베이즈 이론
____확률 밀도 측정
____평균
____분산
____표준편차
____가우시안 표준편차
____공분산
____상관관계 상관계수
____이항 분포
____푸와송 분포
____가우시안 분포
____중심극한정리
____오류 전파

찾아보기

책 속으로

출판사 서평

★ 이 책에서 다루는 내용 ★ ■ 자바 머신 러닝 라이브러리 마스터 ■ 각각의 머신 러닝 기법이 해결할 수 있는 문제의 종류 파악 및 관련 기초 이론과 실무 적용 방법 ■ 머신 러닝의 주요 분야라 할 수 있는 분류, 클러스터링, 이상점 감지,...

[출판사서평 더 보기]

★ 이 책에서 다루는 내용 ★

■ 자바 머신 러닝 라이브러리 마스터
■ 각각의 머신 러닝 기법이 해결할 수 있는 문제의 종류 파악 및 관련 기초 이론과 실무 적용 방법
■ 머신 러닝의 주요 분야라 할 수 있는 분류, 클러스터링, 이상점 감지, 확률적 그래프 모델링, 텍스트 마이닝 기법
■ 실제 데이터에 적용 가능한 머신 러닝의 방법론, 프로세스, 애플리케이션, 분석 방법
■ 최신 머신 러닝 연구 주제라 할 수 있는 딥러닝, 스트림 데이터 마이닝, 능동 학습, 반지도 학습 기법과 이들을 이용한 실무적인 실험
■ 고성능의 실시간 적응형 예측 모델을 통해 배치형 및 스트림 기반 빅데이터를 분석하는 방법론과 자바 기반 도구들
■ 사이버 보안, 금융 범죄, 사물인터넷, 소셜 네트워킹 등의 문제를 해결할 수 있는 AI에 대한 깊이 있는 이해


★ 이 책의 대상 독자 ★

이 책의 첫 번째 대상 독자는 데이터를 다루는 전문가, 데이터 분석, 시각화, 변환 책임자, 그리고 자바 기반의 예측적, 기술적, 규범적 분석을 목적으로 하는 머신 러닝에 의한 훈련, 검증, 테스트, 평가 등의 업무를 수행하는 데이터 분석 담당자다.
또한 이 책의 독자는 머신 러닝의 도구로 자바를 선택했으며, 자바 프로그래밍에 대한 일정 수준 이상의 프로그래밍 경험을 갖췄다고 가정한다. 그렇지 않은 경우, 데이터 분석 및 연구 환경, 그리고 회사 정책상 자바 언어로 작성된 서드파티 도구를 사용하는 독자라고 가정한다. 또 다른 경우, 자바 프로그래밍 경험이 전혀 없는 예비 독자도 있을 텐데, 이 책은 자바 전문가용으로 작성됐다는 점을 기억해주기 바란다.
이 책의 두 번째 독자는 지적 호기심에서 머신 러닝을 학습하며, 머신 러닝의 기본 개념과 실무적 기법, 활용 도구까지 관심을 가진 경우다. 이런 독자라면 수학 공식 부분은 생략하고 가장 대표적인 지도식 및 비지도식 학습 알고리즘의 기본 개념과 도구 활용 방법에만 집중하길 바란다.
실무 예제와 도구를 집중적으로 익히고 싶은 독자는 (머신 러닝에 대한 이론적 토대가 강조된) 1, 2, 3, 7장을 생략하고 실무적으로 즉시 적용할 수 있는 데이터세트와 분석 기법을 중심으로 살펴보길 바란다.
이 책에 실린 다양한 데이터세트와 머신 러닝 실험을 통해 궁금한 부분에 대한 해답을 찾을 수 있다. 3장, ‘비지도식 머신 러닝 기법’에서 소개하는 어피니티 전파 알고리즘, 7장, ‘딥러닝’에서 소개하는 LSTM 아키텍처, 그리고 5장, ‘실시간 스트림 머신 러닝’에서 소개하는 실시간 학습에서의 이상점 감지를 위해 거리 기반 클러스터링 기법을 사용할 때의 장점 및 단점 등, 다양한 이론과 사례를 신속하게 접근할 수 있는 참조 자료처럼 활용할 수 있다. 이 책에 실린 대부분의 내용은 머신 러닝에 흥미를 느끼는 독자라면 이해하기 쉽게 구성했으며 다양한 예제를 통해 실무적인 접근 방식도 파악할 수 있도록 했다.


★ 이 책의 구성 ★

1장, ‘머신 러닝 개론’에서는 『머신 러닝 인 자바』(에이콘, 2016) 등 관련 서적에 소개된 머신 러닝의 기본 개념과 기법에 대해 설명한다. 머신 러닝에 대한 이해를 위해 필수적인 데이터, 데이터 변환, 표본추출, 편향성, 특성의 개념 및 중요성, 지도식 및 비지도식 학습, 빅데이터 학습, 실시간 학습, 확률적 그래프 모델, 반지도 학습 등의 개념에 대해 알아본다.
2장, ‘지도식 학습에 대한 실무적인 접근’에서는 지도식 학습의 개념과 이를 구현한 다양한 기법에 대해 알아본다. 특성 선택과 특성 감소, 선형 모델, 로지스틱 모델, 비선형 모델, SVM과 커널, 배깅과 부스팅 등 앙상블 학습 기법, 검증 기법과 성능 평가 지표, 그리고 모델 선택 기법에 대해 알아본다. 실무 예제 분석에서는 WEKA와 RapidMiner를 이용해서 데이터 분석에서부터 모델 성능 분석까지의 과정을 살펴본다. 이후 장에서도 실무 예제 분석을 통해 해당 장에서 소개한 주요 머신 러닝 기법과 모델을 실무적으로 적용하는 과정을 설명한다. 예제에서는 UCI HorseColic 데이터세트를 사용한다.
3장, ‘비지도식 머신 러닝 기법’에서는 클러스터링, 이상점 감지 기법과 애플리케이션에 대해 알아본다. 비지도식 데이터에서의 특성 선택과 특성 감소, 클러스터링 알고리즘, 클러스터링의 평가 기법, 통계 기법, 거리 기반 기법, 분포 기반 기법 등을 이용한 이상점 감지 등에 대해서도 살펴본다. 마지막, 실무 예제 분석에서는 MNIST의 실제 이미지 데이터세트를 이용하며, 차원 감소를 위해 Smile API를 사용하고, 학습을 위해 ELKI를 사용한다.
4장, ‘반지도식 학습과 능동 학습’에서는 소량의 라벨 데이터를 이용한 알고리즘 및 학습 기법에 대해 알아보며 자가 훈련, 생성적 모델, 전이 SVM, 공동 훈련, 능동 학습, 다중 뷰 학습 등에 대해 소개한다. 사례 분석에는 UCI Breast Cancer Wisconsin 데이터세트를 이용하며 JKernelMachines, KEEL 그리고 JCLAL 등의 도구를 사용한다.
5장, ‘실시간 스트림 머신 러닝’에서는 실시간 데이터 스트림이 전통적인 배치형 데이터와 어떤 점에서 다른지, 그리고 문제 해결 방식은 어떻게 다른지에 대해 알아본다.
스트림 머신 러닝과 애플리케이션, 지도식 스트림 학습, 비지도식 클러스터 스트림 학습, 비지도식 이상점 학습, 스트림 학습 모델의 평가 기법과 평가 지표 등에 대해 소개한다. 사례 분석에서는 ELEC의 전기 데이터세트를 이용하며, 모델 구현 도구로 MOA 프레임워크를 사용한다.
6장, ‘확률적 그래프 모델링’에서는 다차원 공간상의 복합 결합 확률 분포를 통해 현실 세계의 문제를 해결하는 방법에 대해 알아본다. 확률적 그래프 모델은 확률의 시각적 표현, 추론에 의한 결론 도출, 효과적인 학습 방법을 제공한다. 이 장에서 다루는 대표적인 내용은 PGM, 베이지안 네트워크, 마코프 네트워크, 그래프 구조 학습, 은닉 마코프 모델, 그리고 추론 기법 등이다. 사례 분석에서는 UCI Adult(가구당 소득 통계조사) 데이터세트를 이용하며 OpenMarkov와 WEKA의 Bayes network를 사용한다.
7장, ‘딥러닝’에서는 가장 복잡한 AI 문제를 풀 수 있으며, 오늘날 머신 러닝의 총아라 할 수 있는 딥러닝에 대해 알아본다. 이 장에서 다루는 대표적인 내용은 신경망, 신경망과 관련된 주요 난제, 심층 신뢰망, 제한 볼츠만 머신, 컨볼루션 네트워크, 롱숏텀 메모리 유닛, 노이즈 감소 오토인코더, 리커런트 네트워크 등이다. 사례 분석에서는 딥러닝의 구현 방식, 파라미터 튜닝에 대한 이해를 돕기 위해 MNIST 이미지 데이터세트에 대해 DeepLearning4J 프레임워크를 적용한다.
8장, ‘텍스트 마이닝과 자연어 처리’에서는 텍스트 마이닝을 위한 다양한 기법, 알고리즘, 도구에 대해 소개한다. 이 장의 대표 주제는 텍스트 마이닝, 텍스트 데이터의 대표값, 차원 감소 기법, 토픽 모델링, 텍스트 클러스터링, 개체명 인식, 그리고 딥러닝 등이다. 분석 실무에서는 비정형 텍스트 데이터(Reuters-21578 데이터세트)를 이용해서 토픽 모델링과 텍스트 분류 기법의 구현 과정을 살펴보며, MALLET 그리고 KNIME 도구를 사용한다.
9장, ‘빅데이터 머신 러닝’에서는 매우 큰 용량의 데이터, 혹은 매우 빠른 속도로 증가하는 데이터를 통해 어떻게 학습할 것인가? 확장성 문제는 어떻게 해결할 것인가? 등과 같이 오늘날 가장 중요시되는 질문에 대한 답을 찾는다. 주요 주제는 빅데이터 클러스터 배포 프레임워크, 빅데이터 저장 옵션, 배치형 데이터 처리, 배치형 데이터 머신 러닝, 실시간 머신 러닝 프레임워크, 실시간 스트림 학습 등이다.
실무 분석에서는 배치형 및 실시간형 빅데이터 분석 기법에 대해 알아보기 위해 UCI Covertype 데이터세트를 이용하며 H2O, Spark MLLib 그리고 SAMOA 등의 빅데이터 전문 라이브러리를 사용한다.
부록 A, ‘선형 대수학’에서는 선형 대수학의 개념을 소개하고, 잊었던 기본 이론을 복습한다. 부록에서 모든 내용을 다룰 수는 없지만, 이 책에서 소개하는 머신 러닝의 주요 개념을 이해하기에는 부족하지 않으리라 생각한다. 주요 주제는 벡터, 행렬, 행렬의 기본 연산, 연산 규칙, 행렬의 선형 변환, 역행렬, 에이젠 분해, 정치행렬, 특이값 분해 등이다.
부록 B, ‘확률’에서는 확률의 핵심 개념을 정리한다. 주요 주제는 확률의 공리, 베이즈 이론, 확률 밀도 측정, 평균, 분산, 표준편차, 가우시안 표준편차, 공분산, 상관관계 상관계수, 이항분포, 푸와송 분포, 가우시안 분포, 중심극한정리, 오류 전파 등이다.

[출판사서평 더 보기 닫기]

책 속 한 문장

회원리뷰

이 책과 함께 구매한 책들

이 책이 속한 분야 베스트

교환/반품안내

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

교환/반품안내
반품/교환방법

[판매자 페이지>취소/반품관리>반품요청] 접수
또는 [1:1상담>반품/교환/환불], 고객센터 (1544-1900)

※ 중고도서의 경우 재고가 한정되어 있으므로 교환이 불가할 수 있으며, 해당 상품의 경우 상품에 대한 책임은 판매자에게 있으며 교환/반품 접수 전에 반드시 판매자와 사전 협의를 하여주시기 바랍니다.

반품/교환가능 기간

변심반품의 경우 수령 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

※ 중고도서의 경우 판매자와 사전의 협의하여주신 후 교환/반품 접수가 가능합니다.

반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유

소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우(단지 확인을 위한 포장 훼손은 제외)

소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 예) 화장품, 식품, 가전제품 등

복제가 가능한 상품 등의 포장을 훼손한 경우 예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)

디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우

시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품이므로 단순 변심 및 착오로 인한 취소/교환/반품 시 해외주문 반품/취소 수수료 고객 부담 (해외주문 반품/취소 수수료는 판매정가의 20%를 적용

2) 중고도서 : 반품/교환접수없이 반송하거나 우편으로 접수되어 상품 확인이 어려운 경우

소비자 피해보상
환불지연에 따른 배상

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨

- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

판매자
책책북북
판매등급
특급셀러
판매자구분
일반
구매만족도
5점 만점에 5점
평균 출고일 안내
2일 이내
품절 통보율 안내
24%

바로가기

최근 본 상품