Name: 파이썬을 활용한 머신러닝 쿡북
Rating: 9.6 (26 reviews)
Author: 크리스 알본 저/박해선 역

YES24 카테고리 리스트

YES24 유틸메뉴

Global YES24안내보기: Global YES24는?

K-POP/K-Drama 관련상품(음반,도서,DVD)을
영문/중문 으로 이용하실 수 있습니다.

Korean wave shopping mall, sell the
K-POP/K-Drama (CD,DVD,Blu-ray,Book) We aceept PayPal/UnionPay/Alipay
and support English/Chinese Language service
English
作为出售正规 K-POP/K-Drama 相关(CD,图书,DVD) 韩流商品的网站, 支持中文/英文等海外结账方式
中文
Exclusive ticket sales for domestic and international pop artists
Global yesticket

검색

어깨배너

1/6

빠른분야찾기

YES24 코너/서비스

YES24 분야별코너

신용카드 (54x86mm)

A4용지 (210x297mm)

미리보기 사이즈비교 공유하기

소득공제

파이썬을 활용한 머신러닝 쿡북

전처리에서 딥러닝까지, 판다스와 사이킷런 중심의 실전 문제 해결 200선

크리스 알본 저/박해선 역 | 한빛미디어 | 2019년 09월 01일 리뷰 총점9.6 정보 더 보기/감추기

내용: 4.8점

편집/디자인: 4.8점

회원리뷰(22건) | 판매지수 528 판매지수란?

상품 가격정보
정가	33,000원
판매가	29,700원 (10% 할인)
YES포인트	1,650원 (5% 적립) 5만원이상 구매 시 2천원 추가적립 5만원이상 구매 시 2천원 추가적립 안내

결제혜택
결제혜택	카드/간편결제 혜택을 확인하세요 카드/간편결제 혜택 보기/감추기 KB페이 1,000원 즉시할인 1만 5천원 이상 결제시, 일 1000명 관련페이지 바로가기 토스페이 첫결제 2천원 캐시백 생애첫결제, 1만원이상 관련페이지 바로가기 예스24 현대카드 10,000원 캐시백 YES포인트 최대 3% 추가적립 관련페이지 바로가기

구매 시 참고사항
구매 시 참고사항

eBook
26,400원이동
이미 소장하고 있다면 판매해 보세요!이 상품을 팔기더보기/감추기
- 예스24에 팔기
  바이백 신청 불가
- 내 가게에서 팔기

판매중

수량

카트에 넣기 바로구매

국내배송만 가능
최저가 보상
문화비소득공제 신청가능

리스트에 넣기 분철서비스 알림신청

파이썬을 활용한 머신러닝 쿡북

카트에 넣기 바로구매

품목정보

품목정보
발행일	2019년 09월 01일
쪽수, 무게, 크기	508쪽 \| 18323535mm
ISBN13	9791162241950
ISBN10	1162241950

책소개

책의 일부 내용을 미리 읽어보실 수 있습니다. 미리보기

CHAPTER 1 벡터, 행렬, 배열 __1.0 소개 __1.1 벡터 만들기 __1.2 행렬 만들기 __1.3 희소행렬 만들기 __1.4 원소 선택하기 __1.5 행렬 정보 확인하기 __1.6 벡터화 연산 적용하기 __1.7 최댓값, 최솟값 찾기 __1.8 평균, 분산, 표준편차 계산하기 __1.9 배열 크기 바꾸기 __1.10 벡터나 행렬 전치하기 __1.11 행렬 펼치기 __1.12 행렬의 랭크 구하기 __1.13 행렬식 계산하기 __1.14 행렬의 대각원소 추출하기 __1.15 행렬의 대각합 계산하기 __1.16 고윳값과 고유벡터 찾기 __1.17 점곱 계산하기 __1.18 행렬 덧셈과 뺄셈 __1.19 행렬 곱셈 __1.20 역행렬 __1.21 난수 생성하기 CHAPTER 2 데이터 적재 __2.0 소개 __2.1 샘플 데이터셋 적재하기 __2.2 모의 데이터셋 만들기 __2.3 CSV 파일 적재하기 __2.4 엑셀 파일 적재하기 __2.5 JSON 파일 적재하기 __2.6 SQL 데이터베이스로부터 적재하기 CHAPTER 3 데이터 랭글링 __3.0 소개 __3.1 데이터프레임 만들기 __3.2 데이터 설명하기 __3.3 데이터프레임 탐색하기 __3.4 조건에 따라 행 선택하기 __3.5 값 치환하기 __3.6 열 이름 바꾸기 __3.7 최솟값, 최댓값, 합, 평균 계산 및 개수 세기 __3.8 고유한 값 찾기 __3.9 누락된 값 다루기 __3.10 열 삭제하기 __3.11 행 삭제하기 __3.12 중복된 행 삭제하기 __3.13 값에 따라 행을 그룹핑하기 __3.14 시간에 따라 행을 그룹핑하기 __3.15 열 원소 순회하기 __3.16 모든 열 원소에 함수 적용하기 __3.17 그룹에 함수 적용하기 __3.18 데이터프레임 연결하기 __3.19 데이터프레임 병합하기 CHAPTER 4 수치형 데이터 다루기 __4.0 소개 __4.1 특성 스케일 바꾸기 __4.2 특성을 표준화하기 __4.3 정규화하기 __4.4 다항 특성과 교차항 특성 생성하기 __4.5 특성 변환하기 __4.6 이상치 감지하기 __4.7 이상치 다루기 __4.8 특성 이산화하기 __4.9 군집으로 샘플을 그룹으로 묶기 __4.10 누락된 값을 가진 샘플을 삭제하기 __4.11 누락된 값 채우기 CHAPTER 5 범주형 데이터 다루기 __5.0 소개 __5.1 순서가 없는 범주형 특성 인코딩하기 __5.2 순서가 있는 범주형 특성 인코딩하기 __5.3 특성 딕셔너리를 인코딩하기 __5.4 누락된 클래스 값 대체하기 __5.5 불균형한 클래스 다루기 CHAPTER 6 텍스트 다루기 __6.0 소개 __6.1 텍스트 정제하기 __6.2 HTML 파싱과 정제하기 __6.3 구두점 삭제하기 __6.4 텍스트 토큰화하기 __6.5 불용어 삭제하기 __6.6 어간 추출하기 __6.7 품사 태깅하기 __6.8 텍스트를 BoW로 인코딩하기 __6.9 단어 중요도에 가중치 부여하기 CHAPTER 7 날짜와 시간 다루기 __7.0 소개 __7.1 문자열을 날짜로 변환하기 __7.2 시간대 다루기 __7.3 날짜와 시간 선택하기 __7.4 날짜 데이터를 여러 특성으로 나누기 __7.5 날짜 간의 차이를 계산하기 __7.6 요일을 인코딩하기 __7.7 시차 특성 만들기 __7.8 이동 시간 윈도 사용하기 __7.9 시계열 데이터에서 누락된 값 다루기 CHAPTER 8 이미지 다루기 __8.0 소개 __8.1 이미지 로드하기 __8.2 이미지 저장하기 __8.3 이미지 크기 변경하기 __8.4 이미지 자르기 __8.5 이미지 흐리게 하기 __8.6 이미지 선명하게 하기 __8.7 대비 높이기 __8.8 색깔 구분하기 __8.9 이미지 이진화하기 __8.10 배경 제거하기 __8.11 경계선 감지하기 __8.12 모서리 감지하기 __8.13 머신러닝 특성 만들기 __8.14 평균 색을 특성으로 인코딩하기 __8.15 컬러 히스토그램을 특성으로 인코딩하기 CHAPTER 9 특성 추출을 사용한 차원 축소 __9.0 소개 __9.1 주성분을 사용해 특성 줄이기 __9.2 선형적으로 구분되지 않은 데이터의 차원 축소하기 __9.3 클래스 분리를 최대화하여 특성 줄이기 __9.4 행렬 분해를 사용하여 특성 줄이기 __9.5 희소한 데이터의 특성 줄이기 CHAPTER 10 특성 선택을 사용한 차원 축소 __10.0 소개 __10.1 분산을 기준으로 수치 특성 선택하기 __10.2 분산을 기준으로 이진 특성 선택하기 __10.3 상관관계가 큰 특성 다루기 __10.4 분류 작업에 관련 없는 특성 삭제하기 __10.5 재귀적 특성 제거하기 CHAPTER 11 모델 평가 __11.0 소개 __11.1 교차검증 모델 만들기 __11.2 기본 회귀 모델 만들기 __11.3 기본 분류 모델 만들기 __11.4 이진 분류기의 예측 평가하기 __11.5 이진 분류기 임곗값 평가하기 __11.6 다중클래스 분류기 예측 평가하기 __11.7 분류기 성능 시각화하기 __11.8 회귀 모델 평가하기 __11.9 군집 모델 평가하기 __11.10 사용자 정의 평가 지표 만들기 __11.11 훈련 세트 크기에 따른 영향을 시각화하기 __11.12 평가 지표 리포트 만들기 __11.13 하이퍼파라미터 값의 영향을 시각화하기 CHAPTER 12 모델 선택 __12.0 소개 __12.1 완전 탐색을 사용해 최선의 모델 선택하기 __12.2 랜덤 서치를 사용해 최선의 모델 선택하기 __12.3 여러 학습 알고리즘에서 최선의 모델 선택하기 __12.4 전처리와 함께 최선의 모델 선택하기 __12.5 병렬화로 모델 선택 속도 높이기 __12.6 알고리즘에 특화된 기법을 사용하여 모델 선택 수행 속도 높이기 __12.7 모델 선택 후 성능 평가하기 CHAPTER 13 선형회귀 __13.0 소개 __13.1 직선 학습하기 __13.2 교차 특성 다루기 __13.3 비선형 관계 학습하기 __13.4 규제로 분산 줄이기 __13.5 라소 회귀로 특성 줄이기 CHAPTER 14 트리와 랜덤 포레스트 __14.0 소개 __14.1 결정 트리 분류기 훈련하기 __14.2 결정 트리 회귀 훈련하기 __14.3 결정 트리 모델 시각화하기 __14.4 랜덤 포레스트 분류기 훈련하기 __14.5 랜덤 포레스트 회귀 훈련하기 __14.6 랜덤 포레스트에서 중요한 특성 구분하기 __14.7 랜덤 포레스트에서 중요한 특성 선택하기 __14.8 불균형한 클래스 다루기 __14.9 트리 크기 제어하기 __14.10 부스팅을 사용하여 성능 향상하기 __14.11 OOB 데이터로 랜덤 포레스트 평가하기 CHAPTER 15 k-최근접 이웃 __15.0 소개 __15.1 샘플의 최근접 이웃 찾기 __15.2 k-최근접 이웃 분류기 만들기 __15.3 최선의 이웃 개수 결정하기 __15.4 반지름 기반의 최근접 이웃 분류기 만들기 CHAPTER 16 로지스틱 회귀 __16.0 소개 __16.1 이진 분류기 훈련하기 __16.2 다중 클래스 분류기 훈련하기 __16.3 규제로 분산 줄이기 __16.4 대용량 데이터에서 분류기 훈련하기 __16.5 불균형한 클래스 다루기 CHAPTER 17 서포트 벡터 머신 __17.0 소개 __17.1 선형 분류기 훈련하기 __17.2 커널을 사용해 선형적으로 구분되지 않는 클래스 다루기 __17.3 예측 확률 계산하기 __17.4 서포트 벡터 식별하기 __17.5 불균형한 클래스 다루기 CHAPTER 18 나이브 베이즈 __18.0 소개 __18.1 연속적인 특성으로 분류기 훈련하기 __18.2 이산적인 카운트 특성으로 분류기 훈련하기 __18.3 이진 특성으로 나이브 베이즈 분류기 훈련하기 __18.4 예측 확률 보정하기 CHAPTER 19 군집 __19.0 소개 __19.1 k-평균을 사용한 군집 __19.2 k-평균 군집 속도 향상하기 __19.3 평균이동을 사용한 군집 __19.4 DBSCAN을 사용한 군집 __19.5 계층적 병합을 사용한 군집 CHAPTER 20 신경망 __20.0 소개 __20.1 신경망을 위한 데이터 전처리하기 __20.2 신경망 구성하기 __20.3 이진 분류기 훈련하기 __20.4 다중 분류기 훈련하기 __20.5 회귀 모델 훈련하기 __20.6 예측하기 __20.7 훈련 기록 시각화하기 __20.8 가중치 규제로 과대적합 줄이기 __20.9 조기종료로 과대적합 줄이기 __20.10 드롭아웃으로 과대적합 줄이기 __20.11 모델 훈련 진행 과정을 저장하기 __20.12 신경망을 k-폴드 교차검증하기 __20.13 신경망 튜닝하기 __20.14 신경망 시각화하기 __20.15 이미지 분류하기 __20.16 이미지 증식으로 성능 향상하기 __20.17 텍스트 분류하기 CHAPTER 21 훈련된 모델 저장과 복원 __21.0 소개 __21.1 사이킷런 모델을 저장하고 복원하기 __21.2 케라스 모델을 저장하고 복원하기

펼쳐보기접어보기

저자 소개 (2명)

저 : 크리스 알본 (Chris Albon)

관심작가 알림신청 작가 파일

선거 모니터링에서부터 재난 구조에 이르기까지 십여 년간 통계학습과 인공지능, 소프트웨어 공학을 정치, 사회, 인도주의 활동에 적용해온 데이터 과학자이자 정치학자이다. 현재 크리스는 프런티어 마켓(frontier market)의 인터넷 사용자를 위해 와이파이 네트워크를 구축하는 케냐의 스타트업인 BRCK의 최고데이터과학자(CDS)이다. 선거 모니터링에서부터 재난 구조에 이르기까지 십여 년간 통계학습과 인공지능, 소프트웨어 공학을 정치, 사회, 인도주의 활동에 적용해온 데이터 과학자이자 정치학자이다. 현재 크리스는 프런티어 마켓(frontier market)의 인터넷 사용자를 위해 와이파이 네트워크를 구축하는 케냐의 스타트업인 BRCK의 최고데이터과학자(CDS)이다.

역 : 박해선

관심작가 알림신청 작가 파일

기계공학을 전공했으나 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. 지금은 ML GDE(Machine Learning Google Developer Expert)로 활동하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다. 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필하고, 『핸즈온 머신러닝(2판)』(한빛미디어, 2020), 『미술관... 기계공학을 전공했으나 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. 지금은 ML GDE(Machine Learning Google Developer Expert)로 활동하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.

『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필하고, 『핸즈온 머신러닝(2판)』(한빛미디어, 2020), 『미술관에 GAN 딥러닝 실전 프로젝트』(한빛미디어, 2019), 『파이썬을 활용한 머신러닝 쿡북』(한빛미디어, 2019), 『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『파이썬 라이브러리를 활용한 머신러닝』(한빛미디어, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼다.

펼쳐보기접어보기

만든 이 코멘트

저자, 역자, 편집자를 위한 공간입니다. 독자들에게 전하고 싶은 말씀을 남겨주세요. 코멘트 쓰기

안녕하세요. 이 책의 역자 입니다.

박해선 (haesunrpark@gmail.com) | 2019-08-23

안녕하세요. [파이썬을 활용한 머신러닝 쿡북]을 번역한 박해선입니다. 이 책을 선택해 주신 독자에게 감사의 말씀 드립니다. 이 책은 크리스 알본의 아마존 베스트셀러 "Machine Learning with Python Cookbook"을 번역한 것입니다. 넘파이, 판다스부터 사이킷런, 케라스까지 다양한 머신러닝 작업에 필요한 핵심 조리법을 알차게 담고 있습니다. 508 쪽을 모두 컬러 인쇄를 해주신 한빛미디어 출판사에게 감사드립니다. 레시피에서 다루지 못한 내용은 "덧붙임"에 추가하여 보완하였습니다. 출퇴근 길에 혹은 점심 식사 후 커피와 함께 레시피 하나씩 즐겨 보세요. 어느새 "러닝 머신"까지도 요리하는 쉐프가 된 자신을 발견하실 수 있을 거에요! 입맛이 없을 때마다 꺼내서 확인하는 이 쿡북은 "파이썬 라이브러리를 활용한 머신러닝"과 찰떡 궁합입니다! 책을 구매하시면 제 블로그의 에러타 페이지(https://bit.ly/ml-cookbook)와 깃허브(https://bit.ly/ml-cookbook-code)를 꼭 참고해 주세요. 항상 사이킷런과 케라스 최신 버전에 맞춘 코드와 에러타를 업데이트 하겠습니다. [머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로], [파이썬 라이브러리를 활용한 머신러닝], [케라스 창시자에게 배우는 딥러닝], [핸즈온 머신러닝], [텐서플로 첫걸음]에 이어 여섯 번째 번역서입니다. 많은 분들의 응원 덕에 큰 힘을 얻습니다. 더 좋은 책으로 찾아 뵙겠습니다. 감사합니다.

출판사 리뷰

머신러닝 시스템 실무 개발자를 위한 본격적인 문제 해결 가이드북

이 책은 일상적인 머신러닝 작업에서 발생하는 문제를 해결하는 데 필요한 각종 세부사항을 다룹니다. 데이터 과학자와 머신러닝 엔지니어가 모델을 만들면서 가장 많이 사용하는 작업에 필요한 거의 200여 개에 달하는 독립적인 해결책을 담았습니다. 역자의 말을 빌리자면 ‘머신러닝 지식을 모아놓은 두꺼운 책이 아니라, 전문가를 위한 스위스 만능칼 같은’ 책입니다. 이 책의 목표는 실제 머신러닝 시스템을 만드는 사람들을 위한 참고 도서가 되는 것입니다.

또한 이 책에는 한국어판만의 특별 팁을 레시피별로 추가 수록했습니다. 원서 자체가 쿡북스타일이다 보니 하나의 레시피가 특정 메서드나 클래스의 사용 방법을 다루긴 하지만, 레시피가 비교적 짧아 다양한 옵션이나 유사 함수들을 충분히 설명하지는 못합니다. 원서의 이런 미진한 부분을 보완하고자 역자는 대부분의 레시피에 '덧붙임'이라는 항목을 새롭게 만들고 내용을 추가했습니다. 역자가 이처럼 세심하게 추가 보완한 내용을 통해 독자 여러분이 현업에서의 시스템 개발에 필요한 더욱 풍부하고 실용적인 정보를 얻기를 바랍니다.

주요 내용
● 벡터, 행렬, 배열
● 수치형과 범주형 데이터, 텍스트, 이미지, 날짜, 시간 다루기
● 특성 추출과 특성 선택을 사용한 차원 축소
● 모델 평가와 선택
● 선형 회귀, 로지스틱 회귀, 트리, 랜덤 포레스트, k-최근접 이웃
● 서포트 벡터 머신(SVM), 나이브 베이즈, 군집, 신경망
● 훈련된 모델의 저장과 복원

펼쳐보기접어보기

배송/반품/교환 안내

배송 안내

배송 안내
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

※ 상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내
반품/교환 방법	마이페이지 > 반품/교환 신청 및 조회, 1:1 문의, 고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리

예스이십사(주): 서울시 영등포구 은행로 11, 5층~6층(여의도동,일신빌딩) 대표 : 김석환, 최세라 개인정보보호책임자 : 권민석 yes24help@yes24.com 사업자등록번호 : 229-81-37000 통신판매업신고 : 제 2005-02682호 사업자 정보확인 호스팅 서비스사업자 : 예스이십사(주)
Copyright ⓒ YES24 Corp. All Rights Reserved.

고객문의

도서/음반 1544-3800

중고샵 1566-4295

티켓예매 1544-6399

eBook 1:1 문의
1:1 문의하기 자주 묻는 질문 상담시간 안내

소비자피해보상보험 서울보증보험: 고객님은 안전거래를 위해 현금 등으로 결제 시 저희 쇼핑몰에서 가입한 구매안전서비스를 이용하실 수 있습니다. 서비스가입사실 확인

EQUUS15

YES24 카테고리 리스트

YES24 유틸메뉴

어깨배너

빠른분야찾기

파이썬을 활용한 머신러닝 쿡북

전처리에서 딥러닝까지, 판다스와 사이킷런 중심의 실전 문제 해결 200선

파이썬을 활용한 머신러닝 쿡북

품목정보

관련분류

책소개

목차

저자 소개 (2명)

만든 이 코멘트

출판사 리뷰

추천평

배송/반품/교환 안내

도착예상일

도착예상일
상품준비	출고완료	도착예상일