|
XAI, ¼³¸í °¡´ÉÇÑ AIÁÖ¿ä ÆÄÀ̽㠶óÀ̺귯¸®¸¦ È°¿ëÇÑ °³º° ±â¼ú ÇнÀ°ú ½Ç½À±îÁöÁ¤°¡ : 27,000¿øÆǸŰ¡ 24,300¿ø (10% ÇÒÀÎ)
Ç°¸ñÁ¤º¸
Ã¥¼Ò°³±× ¼ø°£, ÀΰøÁö´ÉÀº ¿Ö ±×·¸°Ô »ý°¢ÇßÀ»±î? ¼³¸í °¡´ÉÇÑ AIÀÎ XAI·Î, AIÀÇ ¸¶À½¼ÓÀ» µé¿©´Ùº»´Ù! ¾î´Àµ¡ ¿ì¸® ÁÖº¯¿¡¼ AI¸¦ ½±°Ô Á¢ÇÒ ¼ö ÀÖ´Â ½Ã´ë°¡ µÇ¾ú´Ù. ¿©·¯ ´Ù¾çÇÑ ±â¾÷¿¡¼µµ AI¸¦ ÅëÇØ Àü·«À» ¼ö¸³Çϰųª ÅõÀÚ¸¦ °áÁ¤ÇÏ°í, µ¥ÀÌÅÍ °ü·Ã ¹ýÀÌ Á¦Á¤ ¹× °øÇ¥µÇ¾î ºòµ¥ÀÌÅ͸¦ ¼öÁýÇÏ°í È°¿ëÇÏ´Â ±Ù°Å°¡ ¸¶·ÃµÇ°í ÀÖ´Ù. ÇÏÁö¸¸ AI°¡ °©ÀÚ±â ÀϹÝÀûÀÎ °á°ú¿¡¼ ¹þ¾î³ª ¾û¶×ÇÑ °á°ú¸¦ µµÃâÇÑ´Ù¸é ¾î¶»°Ô µÉ±î? ¸¸¾à »ý¸í°ú °ü·ÃµÈ AI¿¡ ÀÌ·¯ÇÑ ¹®Á¦°¡ ¹ß»ýÇÑ´Ù¸é Å« »ç°í·Îµµ À̾îÁú ¼ö ÀÖ´Ù. ÇÏÁö¸¸ ‘AIÀÇ Ã¥ÀÓ¼º’, Áï AI°¡ µµÃâÇÏ´Â Ãß·Ð °á°ú¿¡ ¸íÈ®ÇÑ ±Ù°Å¸¦ Á¦½ÃÇϱ⠾î·Á¿î °ÍÀÌ Çö½ÇÀε¥, À̶§ ±× ÇØ°áÃ¥À¸·Î½á 'eXplainable AI', Áï XAI°¡ ÁÖ¸ñ¹Þ°í ÀÖ´Ù. XAI´Â AI¿¡ °üÇÑ ¾÷¹«¸¦ ¼öÇàÇϰųª °ü½ÉÀÌ ÀÖ´Ù¸é ¹Ýµå½Ã ¾Ë¾ÆµÎ¾î¾ß ÇÒ ºÐ¾ßÀÌ´Ù. ÀÌ Ã¥Àº XAIÀÇ ¹è°æºÎÅÍ °³º° ±â¼ú±îÁö ü°èÀûÀ¸·Î ÇнÀÇÏ°í ¸î °¡Áö ÁÖ¿ä ¶óÀ̺귯¸®¸¦ ½ÃÇè »ï¾Æ ±¸µ¿ÇØ º¸¸é¼ ½Ç¹« Áö½ÄÀ» ¾òÀ» ¼ö ÀÖ´Â Çؼ³¼ÀÌ´Ù. ƯÈ÷ °¢ ±â¼úµéÀ» ÃÖ¼ÒÇÑÀÇ ¼öÇÐÀû Àü°³¸¦ ÅëÇØ ¼³¸íÇϸç, ÆÄÀ̽ãÀ¸·Î ±¸ÇöÇϱ⠶§¹®¿¡ XAI¸¦ ½Ç¹«¿¡¼ ºü¸£°Ô Àû¿ëÇÒ ¼ö ÀÖµµ·Ï Çϸç, ±× ¿Ü¿¡ XAI¿¡ ´ëÇÑ ÁÖ¿ä À̽´ ¹× ¾ÕÀ¸·ÎÀÇ Àü¸Áµµ ¼³¸íÇÑ´Ù. XAI°¡ ¹«¾ùÀÎÁö °³³äÀ» Àâ°í ½Í°Å³ª °¢ ±â¼úÀ» Á÷Á¢ ¼Ò½º ÄÚµå·Î ±¸ÇöÇØ ºü¸£°Ô È®ÀÎÇØ º¸°í ½Ç¹«¿¡ Àû¿ëÇÏ·Á´Â ºÐµé¿¡°Ô ²À ÇÊ¿äÇÑ Ã¥ÀÌ µÉ °ÍÀÌ´Ù. ¸ñÂ÷Á¦¥°ºÎ °úÁ¦ ¼³Á¤ Á¦1Àå AI¿¡°Ô ‘¼³¸í’ÀÌ ÇÊ¿äÇÑ ÀÌÀ¯ 1.1 AI º¸±Þ°ú »õ·Î¿î ¿ä±¸ »çÇ× 1.2 AIÀÇ °øÆò¼º¤ýÃ¥ÀÓ¼º¤ýÅõ¸í¼º 1.2.1 AIÀÇ °øÆò¼º(Fairness) 4 1.2.2 AIÀÇ Ã¥ÀÓ¼º(Accountability) 5 1.2.3 AIÀÇ Åõ¸í¼º(Transparency) 5 1.3 AIÀÇ ¼³¸í °¡´É¼º 1.3.1 ¼³¸í °¡´É¼ºÀÌ ³ôÀº ¾Ë°í¸®Áò 1.3.2 ¼³¸í °¡´É¼ºÀÌ ³·Àº ¾Ë°í¸®Áò 1.4 AI¸¦ ¾÷¹«¿¡ Àû¿ëÇÒ ¶§ AI ¼³¸íÀÌ ÇÊ¿äÇÑ ÀÌÀ¯ À̹ø ÀåÀ» Á¤¸®Çϸç Á¦¥±ºÎ ±âÃÊ Áö½Ä Á¦2Àå ‘¼³¸í °¡´ÉÇÑ AI’ÀÇ °³¿ä 2.1 XAI¶õ ¹«¾ùÀΰ¡? 2.1.1 XAIÀÇ ¸ñÀû 2.1.2 ‘¼³¸í °¡´ÉÇÑ AI’¿Í ‘Çؼ® °¡´ÉÇÑ AI’ Column XAI °ü·Ã ¿ë¾î ÀÇ¹Ì 2.2 XAI µ¿Çâ 2.2.1 XAI¿¡ ´ëÇÑ ¿Õ¼ºÇÑ ¿¬±¸ È°µ¿ 2.2.2 XAI ±¸Çö 2.3 ‘Àü¿ª ¼³¸í’°ú ‘±¹¼Ò ¼³¸í' 2.3.1 Àü¿ª ¼³¸í(Global Explanations) 2.3.2 ±¹¼Ò ¼³¸í(Local Explanations) 2.4 ¼³¸í ¹æ¹ýÀÇ Â÷ÀÌÁ¡ 2.5 ¸ðµ¨ ÀÇÁ¸¼º 2.5.1 ¸ðµ¨ ÀÇÁ¸Çü XAI 2.5.2 ¸ðµ¨ ºÒ¹®Çü XAI À̹ø ÀåÀ» Á¤¸®Çϸç Á¦3Àå XAI È°¿ë ¹æ¹ý 3.1 ¼³¸í ºÐ·ùº° È°¿ë ¹æ¹ý 3.1.1 ±¹¼Ò ¼³¸í È°¿ë ¹æ¹ý 3.1.2 Àü¿ª ¼³¸í È°¿ë ¹æ¹ý 3.2 ±¹¼Ò ¼³¸í È°¿ë ¹æ¹ý 3.2.1 ½Å°í ³»¿ëÀÇ Å¸´ç¼º °ËÁõ 3.2.2 Àǵµ¿Í ´Ù¸¥ ÇнÀ Àç°ËÅä 3.3 Àü¿ª ¼³¸í È°¿ë ¹æ¹ý 3.3.1 AI ¸ðµ¨ÀÇ °³¼± ¿î¿ë 3.3.2 Àû´ëÀû °ø°Ý °ËÁõ À̹ø ÀåÀ» Á¤¸®Çϸç Á¦4Àå ´Ù¾çÇÑ XAI ±â¼ú 4.1 ´Ù¾çÇÑ ¼³¸í ¹æ¹ý 4.1.1 XAI ¶óÀξ÷ 4.1.2 ÀÌ Ã¥ÀÇ Çؼ³ ³»¿ë 4.2 ±â¼ú ¼Ò°³ ¨ç LIME 4.2.1 °³³ä°ú µ¿ÀÛ ¿ø¸® 4.2.2 µ¥ÀÌÅÍ Á¾·ùº° µ¿ÀÛ ¿ø¸® 4.2.3 LIMEÀÇ Æ¯Â¡°ú ÁÖÀÇÁ¡ 4.2.4 LIME Á¤¸® 4.3 ±â¼ú ¼Ò°³ ¨è SHAP 4.3.1 ¼¨Çø® °ªÀ̶õ 4.3.2 SHAPÀÇ °³³ä 4.3.3 SHAP °è»ê ¾Ë°í¸®Áò 4.3.4 SHAP Á¤¸® 4.4 ¼Ò°³ ±â¼ú ¨é Permutation Importance 4.4.1 Permutation ImportanceÀÇ °³³ä 4.4.2 Permutation ImportanceÀÇ µ¿ÀÛ ¿ø¸® 4.4.3 Permutation Importance Á¤¸® 4.5 ¼Ò°³ ±â¼ú ¨ê Partial Dependence Plot 4.5.1 PDP / ICEÀÇ °³³ä 4.5.2 PDP / ICEÀÇ Æ¯ÀåÁ¡°ú ÁÖÀÇÁ¡ 4.5.3 PDP / ICE Á¤¸® 4.6 ¼Ò°³ ±â¼ú ¨ë Tree Surrogate 4.6.1 Tree SurrogateÀÇ °³³ä 4.6.2 ÀÇ»ç°áÁ¤ Æ®¸® ´ë¸® ¸ðµ¨ÀÇ Æ¯¤ýÀåÁ¡°ú ÁÖÀÇÁ¡ 4.6.3 ÀÇ»ç°áÁ¤ Æ®¸® ´ë¸® ¸ðµ¨ Á¤¸® 4.7 ¼Ò°³ ±â¼ú ¨ì CAM / Grad-CAM 4.7.1 CAMÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸® 4.7.2 Grad-CAMÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸® 4.7.3 °ü·Ã ±â¼ú¤ýÆÄ»ý ±â¼ú 4.7.4 CAM / Grad-CAM ´ëÀÀ ¸ðµ¨ 4.7.5 CAM°ú Grad-CAM Á¤¸® 4.8 ¼Ò°³ ±â¼ú ¨í Integrated Gradients 4.8.1 Integrated GradientsÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸® 4.8.2 Integrated Gradients ´ëÀÀ ¸ðµ¨ 4.8.3 Integrated Gradients Á¤¸® 4.9 ¼Ò°³ ±â¼ú ¨î Attention 4.9.1 AttentionÀÇ °³³ä°ú µ¿ÀÛ ¿ø¸® 4.9.2 Attention ´ëÀÀ ¸ðµ¨ 4.9.3 Attention Á¤¸® À̹ø ÀåÀ» Á¤¸®Çϸç Á¦5Àå XAI ¶óÀ̺귯¸® Æò°¡?¼±Á¤ 5.1 XAI¸¦ Æò°¡ÇÏ´Â ±âº»ÀûÀÎ °üÁ¡ 5.1.1 »ç¿ëÇÒ XAI¸¦ °áÁ¤Çϱâ À§ÇÑ °üÁ¡ 5.1.2 ¹üºÐ¾ß(Cross-Cutting) Æò°¡ °üÁ¡ 5.2 XAI ¼±Á¤ ¹æ¹ý 5.2.1 XAI ¼±Á¤ ÀýÂ÷(Flow) 5.2.2 ¸ñÀû¤ýÃÖ¼Ò Á¶°Ç°ú ºÎÇÕÇϴ°¡? 5.2.3 Áß¿ä Á¶°Ç°ú ºÎÇÕÇϴ°¡? 5.2.4 »ç¿ëÀÚ°¡ ¸¸Á·ÇÒ ¼ö Àִ°¡? 5.3 ÀÏ°üµÈ °üÁ¡ 5.3.1 Æò°¡ °üÁ¡ ¨ç ‘Ãæ½Çµµ’ 5.3.2 Æò°¡ °üÁ¡ ¨è ‘½Å·Ú¼º’ 5.3.3 Æò°¡ °üÁ¡ ¨é ‘¸¸Á·µµ’ 5.3.4 Æò°¡ °üÁ¡ ¨ê ‘Mental Model’ 5.3.5 Æò°¡ °üÁ¡ ¨ë ‘½ÇÀÛ¾÷ ģȼº’ À̹ø ÀåÀ» Á¤¸®Çϸç Á¦¥²ºÎ ½Çõ ¸Å´º¾ó Á¦6Àå LIMEÀ» È°¿ëÇÑ Ç¥ Çü½Ä µ¥ÀÌÅÍ ±¹¼Ò ¼³¸í 6.1 °ËÁõ ¸ñÀû 6.2 ¶óÀ̺귯¸® Áغñ 6.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ 6.3.1 µ¥ÀÌÅÍ °³¿ä 6.3.2 µ¥ÀÌÅÍ ÀÌÇØ 6.4 ¸ðµ¨ ÇнÀ 6.4.1 Àüó¸® 6.4.2 ¸ðµ¨ ÇнÀ 6.5 LIMEÀ» È°¿ëÇÑ ¿¹Ãø °á°úÀÇ ¼³¸í 6.5.1 LIME »ç¿ë Áغñ 6.5.2 ÁÖ¿ä ÆĶó¹ÌÅÍ 6.5.3 LIME ½ÇÇà 6.5.4 ´Ù¸¥ µ¥ÀÌÅÍ¿¡ ´ëÇÑ ¼³¸í Column ÀÌÇØ °¡´ÉÇÑ ¼³¸íÀΰ¡ 6.6 ±¹¼Ò ¼³¸íÀÇ ¼öÁØÀ» Á¶Á¤ÇÏ´Â kernal width °ËÁõ °á°ú Á¤¸® Á¦7Àå LIME°ú Grad-CAMÀ» È°¿ëÇÑ À̹ÌÁö µ¥ÀÌÅÍÀÇ ±¹¼Ò ¼³¸í 7.1 °ËÁõ ¸ñÀû 7.2 ¶óÀ̺귯¸® Áغñ 7.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ 7.4 AI ¸ðµ¨ Áغñ¿Í ¿¹Ãø 7.5 LIMEÀ» È°¿ëÇÑ ¼³¸í 7.5.1 LIMEÀ» È°¿ëÇÑ AI ¸ðµ¨ ¼³¸í 7.5.2 LIME ¼³¸í °¡½ÃÈ¿Í Çؼ® 7.5.3 LIMEÀ» È°¿ëÇÑ ¼³¸í Á¤¸® 7.6 Grad-CAMÀ» È°¿ëÇÑ ¼³¸í 7.6.1 Grad-CAMÀ» È°¿ëÇÑ AI ¸ðµ¨ ¼³¸í 7.6.2 Grad-CAM ¼³¸í °¡½ÃÈ¿Í Çؼ® 7.6.3 Grad-CAMÀ» È°¿ëÇÑ ¼³¸í Á¤¸® °ËÁõ °á°ú Á¤¸® Á¦8Àå LIME°ú Integrated Gradients ÅؽºÆ® ºÐ·ùÀÇ ±¹¼Ò ¼³¸í 8.1 °ËÁõ ¸ñÀû 8.2 ¶óÀ̺귯¸® Áغñ 8.3 °ËÁõ ´ë»ó µ¥ÀÌÅÍ 8.4 ¸ðµ¨ ÇнÀ°ú ¿¹Ãø 8.5 LIMEÀ» È°¿ëÇÑ ¸ðµ¨ Çؼ® 8.6 Integrated Gradients¸¦ È°¿ëÇÑ ¹æ¹ý °ËÁõ °á°ú Á¤¸® Column Attention °¡½ÃÈ Á¦9Àå SHAPÀÇ ±¹¼ÒÀû?Àü¿ªÀû ¼³¸í°ú ´ëÀÀ 9.1 ¼³¸í Áغñ 9.1.1 ȯ°æ ±¸Ãà 9.1.2 µ¥ÀÌÅÍ ¼¼Æ® Áغñ 9.1.3 ¸ðµ¨ Áغñ 9.2 SHAP °ª »êÃâ°ú ÀÌÇØ Column LightGBMÀÇ SHAP ¿¬°è ±â´É 9.3 SHAP °ª °¡½ÃÈ 9.3.1 °³º° ¿¹Ãø¿¡ ´ëÇÑ Æ¯Â¡·®ÀÇ ¿µÇâ 9.3.2 µ¥ÀÌÅÍ ¼¼Æ® Àüü¿¡ ´ëÇÑ Æ¯Â¡·® ¹Ý¿µ ¹æ¹ý Column Ư¡·® Áß¿äµµ »óÈ£ ºñ±³? 9.3.3 SHAP °ª°ú Ư¡·®ÀÇ »ó°ü °ü°è °¡½ÃÈ Column º¯¼ö »çÀÌÀÇ »óÈ£ ÀÛ¿ëÀ» È°¿ëÇÑ »ó¼¼ °üÂû ¹æ¹ý: SHAP Interaction aVlues 9.4 SHAP °ªÀÇ Ãß°¡ÀûÀÎ È°¿ë 9.4.1 SHAP °ªÀÇ Å¬·¯½ºÅ͸µÀ» È°¿ëÇÑ µ¥ÀÌÅÍ ºÐ·ù 9.4.2 Â÷¿ø »èÁ¦¿¡ µû¸¥ Ư¡·®ÀÇ Á¶ÇÕ ÃßÃâ 9.4.3 À¯»ç µ¥ÀÌÅÍ °Ë»ö°ú ½Å±Ô¼ºÀÇ »êÃâ °ËÁõ °á°ú Á¤¸® Á¦10Àå ELI5, PDPbix, Skater¸¦ È°¿ëÇÑ Àü¿ª ¼³¸í 10.1 ´Ù¾çÇÑ Àü¿ª ¼³¸í XAI 10.1.1 ¸ðµ¨ ¼³¸íÀ» ¼öÇàÇÏ´Â ¶óÀ̺귯¸® 10.1.2 °³¹ß ¼º¼÷µµ 10.2 »çÀü Áغñ 10.2.1 XAI ½ÇÇàÀ» À§ÇÑ °úÁ¤ 10.2.2 ÆÄÀ̽ã ȯ°æ ±¸Ãà 10.2.3 XAI ¶óÀ̺귯¸® ¼³Ä¡ 10.3 ELI5(Permutation Importance) 10.3.1 ELI5´Â ¾î¶°ÇÑ ±â¼úÀΰ¡? 10.3.2 ELI5 ½ÇÇà 10.3.3 ELI5 Æò°¡ 10.4 PDPbox(PDP¤ýICE) 10.4.1 PDPbox´Â ¾î¶°ÇÑ ±â¼úÀΰ¡? 10.4.2 PDPbox ½ÇÇà 10.4.3 PDPbox Æò°¡ 10.5 Skater(Tree Surrogate) 10.5.1 Skater´Â ¾î¶°ÇÑ ±â¼úÀΰ¡? 10.5.2 Skater ½ÇÇà 10.5.3 Skater Æò°¡ °ËÁõ ¼º°ú Á¤¸® Á¦11Àå LIME, SHAPÀÇ ÇÑ°è¿Í ÇØ°áÃ¥ 11.1 XAI ¹æ¹ýÀÇ ÇÑ°è 11.2 LIME °á°ú ¾ÈÁ¤¼º 11.3 SHAP °è»ê ½Ã°£ ´ëó ¹æ¾È 11.4 ½ºÆĽº(Sparse) µ¥ÀÌÅÍ ºÐ¼® À̹ø ÀåÀ» Á¤¸®Çϸç Á¦¥³ºÎ Àå·¡ Àü¸Á Á¦12Àå ¾÷¹«¿¡¼ ÇÊ¿äÇÑ ¼³¸í ´É·Â 12.1 ºñÁî´Ï½º»óÀÇ ¼³¸í 12.1.1 AI È°¿ë »óȲ 12.1.2 ¼³¸íÀÌ ÇÊ¿äÇÑ ºñÁî´Ï½º »óȲ 12.1.3 ºñÁî´Ï½º»ó ÇÊ¿äÇÑ ¼³¸í ºÐ·ù 12.2 Á¤¹Ðµµ¿Í ¼³¸í ´É·ÂÀÇ Trade Off 12.2.1 º¹ÀâÇÑ »ç»óÀÇ ¼³¸íÀº ±Ùº»ÀûÀ¸·Î º¹ÀâÇÏ´Ù 12.2.2 XAI¿¡ °úµµÇÑ ±â´ë´Â ±Ý¹° 12.3 ¼³µæ·Â Å°¿ì±â 12.3.1 ÇÊ¿äÇÑ °ÍÀº ‘ÀÌÇØ’°¡ ¾Æ´Ñ ‘¼³µæ’? 12.3.2 ¿Ö XAIÀÇ ¼³µæ¿¡ ¼±Çüȸ±Í°¡ »ç¿ëµÇ´Â°¡? 12.3.3 XAI¸¦ »ç¿ëÇØ ¼³µæÇÒ ¼ö Àִ°¡? À̹ø ÀåÀ» Á¤¸®Çϸç Á¦13Àå XAIÀÇ Àü¸Á 13.1 »ç¿ëÀÚ¿¡°Ô XAI¶õ 13.1.1 XAIÀÇ µµ´ÞÁ¡ 13.1.2 XAI´Â »ç¿ëÀÚ¿¡°Ô µµ¿òÀÌ µÇ´Â°¡? 13.2 ¼³µæÇÒ ¼ö ÀÖ´Â ¼³¸íÀ» À§ÇÑ µµÀü 13.2.1 ¼³µæ·Â ºÎÁ·¿¡ ´ëÇÑ ÀÌÀ¯ 13.2.2 Áö½Ä È°¿ë ¹æħ Column Áö½Ä Ŭ·´°ú LOD 13.3 XAIÀÇ ÀÌ»óÀûÀÎ ¸ð½À 13.3.1 ºÐ¾ß¸¦ ³Ñ³ªµå´Â ¹ßÀü ¹æÇâ ±â´ë 13.3.2 XAI°¡ °®Ãß¾î¾ß ÇÒ ¸ð½À ºÎ·Ï - ȯ°æ ±¸Ãà ¹æ¹ý A.1 ÆÄÀ̽ã ȯ°æ A.2 Jupyter notebook ȯ°æ ±¸Ãà »ó¼¼ À̹ÌÁö
(°³)
1. ¹è¼Û
¹è¼ÛÀº ´çÀÏ ¿ÀÈÄ 4½ÃÀÌÀü(Åä¿äÀÏÀº ¿ÀÈÄ12½Ã)¿¡ ÁÖ¹®¹× °áÀ縦 ÇÏ½Ã¸é ´çÀϹè¼ÛµË´Ï´Ù. ¹è¼ÛÀº ÁÖ¹® ÈÄ °áÀç¿Ï·áÀÏÀ» ±âÁØÀ¸·Î 1~2ÀÏ ¾È¿¡ ¹è¼Û¿Ï·á¸¦ ¿øÄ¢À¸·Î ÇÏ°í ÀÖ½À´Ï´Ù. ´Ù¸¸ ºÎµæÀÌÇÑ °æ¿ì(ÇØ´ç»óÇ°ÀÇ Ç°Àý ¹× ÀýÆÇ) °í°´´Ô²² Àüȸ¦ µå·Á¼ 󸮸¦ ÇÕ´Ï´Ù. 2. ¹è¼Û·á ¹è¼Û·á´Â 25,000¿ø ÀÌ»óÀÌ °æ¿ì À̱×ÀëÇ÷¯½º¿¡¼ ºÎ´ãÇÏ°í, ¹Ì¸¸ÀÏ °æ¿ì °í°´ÀÌ 2,500¿øÀ» ºÎ´ãÇÕ´Ï´Ù. ´Ù¸¸ ±¸¸Å±Ý¾×ÀÌ 25,000¿ø ÀÌ»óÀε¥ Àû¸³±Ý µîÀ» »ç¿ëÇÏ¿© ½ÇÁ¦ °áÀç±Ý¾×ÀÌ 25,000¿ø ¹Ì¸¸ÀÌ µÇ´õ¶óµµ À̱×ÀëÇ÷¯½º¿¡¼ ¹è¼Û·á¸¦ ºÎ´ãÇÏ°í, Á¦ÁÖ¸¦ Á¦¿ÜÇÑ µµ¼Áö¿ªÀÇ °æ¿ì´Â 5,000¿øÀÌ Ãß°¡µË´Ï´Ù. Çؿܹè¼ÛÀº Àü¾× °í°´ºÎ´ãÀÌ µË´Ï´Ù. 5. ¹ÝÇ°/±³È¯
¹ÞÀ¸½Å ³¯ ºÎÅÍ ÀÏÁÖÀÏ À̳» ¹ÝÇ°/±³È¯ÀÌ °¡´ÉÇϽʴϴÙ. ½Ã°£ÀÌ Áö³ª¸é 󸮰¡ ºÒ°¡ÇÔÀ» ¾Ë·Á µå¸³´Ï´Ù. ´Ù¸¸ ÁÖ¹®ÇϽŠ»óÇ°°ú ´Ù¸¥ »óÇ°ÀÌ ¹è¼ÛµÇ°Å³ª Æĺ», ³«ÀåÀÌ ÀÖ´Â µµ¼ÀÇ °æ¿ì ÀÌ¿ë¾à°ü¿¡ ÁØÇÏ¿© À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î ±³È¯, ¹ÝÇ° ¹× ȯºÒ µîÀ» Çص帳´Ï´Ù. 4. ȯºÒ ¹ÞÀ¸½Å ³¯ºÎÅÍ 2ÀÏ À̳»·Î Àüȳª 1:1 °Ô½Ã±Û·Î Àû¾îÁÖ¼Å¾ß °¡´ÉÇϽʴϴÙ. 5. ÁÖÀÇ °í°´´Ô º¯½ÉÀ¸·Î ÀÎÇÑ ±³È¯/¹ÝÇ°/ȯºÒ °í°´´Ô²²¼ Åùèºñ(¿Õº¹Åùèºñ)¸¦ ºÎ´ãÀÌ µÇ´Ï ÀÌÁ¡ À¯ÀÇÇØ ÁֽʽÿÀ. ¶ÇÇÑ °ÀÇÅ×ÀÙ/¾ãÀº¹®Á¦Áý/ºñ´ÒÆ÷ÀåµÈÁ¦Ç°µîÀº Çѹø ±¸¸ÅÇÏ½Ã¸é ±³È¯/¹ÝÇ°/ȯºÒÀÌ ÀüÇô ¾ÈµË´Ï´Ù. ½ÅÁßÈ÷ »ý°¢Çϼż ±¸¸Å ºÎŹµå¸³´Ï´Ù. ´Ù¸¸ ºÒ·®Å×ÀÙÀÇ °æ¿ì ±× ºÒ·®ÀÌ µÈ °³º°Å×ÀÙÀ» À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î A/S¸¦ Çص帳´Ï´Ù. 6. ÁÖ¹®Ãë¼Ò, ±³È¯, ¹ÝÇ° ¹× ȯºÒÀº ´çÀÏ 3½Ã ÀÌÀü¿¡ ÇØÁÖ¼Å¾ß °¡´ÉÇÕ´Ï´Ù. ±× ÀÌÈÄ´Â ¹è¼Û µî¿¡ µû¸¥ Á¦ºñ¿ëÀ» ºÎ´ãÇÏ¼Å¾ß ÇÕ´Ï´Ù.
|
|
||||||||
|
||||||||
|
||||||||
* »óÇ°»çÀÌÁî Ä¡¼ö´Â Àç´Â ¹æ¹ý°ú À§Ä¡¿¡ µû¶ó 1~3cm ¿ÀÂ÷°¡ ÀÖÀ» ¼ö ÀÖ½À´Ï´Ù.