localizeflow[bot]
3 weeks ago
parent
e2b6a2ff3d
commit
eb89f673d6
@ -1,253 +1,253 @@
|
||||
# 초보자를 위한 데이터 과학 - 커리큘럼
|
||||
|
||||
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
|
||||
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
|
||||
|
||||
[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
|
||||
[](http://makeapullrequest.com)
|
||||
[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
|
||||
[](http://makeapullrequest.com)
|
||||
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
|
||||
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
|
||||
|
||||
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
[](https://aka.ms/foundry/forum)
|
||||
[](https://aka.ms/foundry/forum)
|
||||
|
||||
Microsoft의 Azure Cloud Advocates가 데이터 과학에 관한 10주 20강의 커리큘럼을 기쁜 마음으로 제공합니다. 각 강의는 사전 및 사후 퀴즈, 강의를 완료하기 위한 서면 지침, 해답 및 과제를 포함합니다. 프로젝트 기반 교육 방식을 통해 학습하면서 직접 만들어 보는 경험을 제공하며, 이는 새로운 기술을 확실히 익히는 검증된 방법입니다.
|
||||
마이크로소프트의 Azure Cloud Advocates는 데이터 과학에 관한 10주간 20개의 강의로 구성된 커리큘럼을 기쁘게 제공합니다. 각 강의에는 강의 전후 퀴즈, 강의를 완성하는 데 도움이 되는 서면 지침, 솔루션, 과제가 포함되어 있습니다. 프로젝트 기반 교수법을 통해 배우면서 직접 구축할 수 있어, 새로운 기술을 '정착'시키는 입증된 방법입니다.
|
||||
|
||||
**저자 여러분께 진심으로 감사드립니다:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
|
||||
**저자분들께 진심으로 감사드립니다:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
|
||||
|
||||
**🙏 특별 감사드립니다 🙏 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) 저자, 검토자 및 콘텐츠 기여자 여러분께,** 특히 Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
|
||||
**🙏 특별한 감사의 말씀을 전합니다 🙏 저희 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) 저자, 리뷰어, 콘텐츠 기여자분들께,** 특히 Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
|
||||
[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
|
||||
|
||||
||
|
||||
||
|
||||
|:---:|
|
||||
| 초보자를 위한 데이터 과학 - _[@nitya](https://twitter.com/nitya) 스케치노트_ |
|
||||
| 초보자를 위한 데이터 과학 - _[@nitya](https://twitter.com/nitya) 제작 스케치노트_ |
|
||||
|
||||
### 🌐 다국어 지원
|
||||
|
||||
#### GitHub 액션을 통한 지원 (자동 및 항상 최신 상태 유지)
|
||||
#### GitHub Action을 통한 지원 (자동화 및 항상 최신 상태 유지)
|
||||
|
||||
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
||||
[아랍어](../ar/README.md) | [벵골어](../bn/README.md) | [불가리아어](../bg/README.md) | [버마어 (미얀마)](../my/README.md) | [중국어 (간체)](../zh-CN/README.md) | [중국어 (번체, 홍콩)](../zh-HK/README.md) | [중국어 (번체, 마카오)](../zh-MO/README.md) | [중국어 (번체, 대만)](../zh-TW/README.md) | [크로아티아어](../hr/README.md) | [체코어](../cs/README.md) | [덴마크어](../da/README.md) | [네덜란드어](../nl/README.md) | [에스토니아어](../et/README.md) | [핀란드어](../fi/README.md) | [프랑스어](../fr/README.md) | [독일어](../de/README.md) | [그리스어](../el/README.md) | [히브리어](../he/README.md) | [힌디어](../hi/README.md) | [헝가리어](../hu/README.md) | [인도네시아어](../id/README.md) | [이탈리아어](../it/README.md) | [일본어](../ja/README.md) | [칸나다어](../kn/README.md) | [한국어](./README.md) | [리투아니아어](../lt/README.md) | [말레이어](../ms/README.md) | [말라얄람어](../ml/README.md) | [마라티어](../mr/README.md) | [네팔어](../ne/README.md) | [나이지리아 피진어](../pcm/README.md) | [노르웨이어](../no/README.md) | [페르시아어 (파르시)](../fa/README.md) | [폴란드어](../pl/README.md) | [포르투갈어 (브라질)](../pt-BR/README.md) | [포르투갈어 (포르투갈)](../pt-PT/README.md) | [펀자브어 (구르무키)](../pa/README.md) | [루마니아어](../ro/README.md) | [러시아어](../ru/README.md) | [세르비아어 (키릴 문자)](../sr/README.md) | [슬로바키아어](../sk/README.md) | [슬로베니아어](../sl/README.md) | [스페인어](../es/README.md) | [스와힐리어](../sw/README.md) | [스웨덴어](../sv/README.md) | [타갈로그어 (필리피노)](../tl/README.md) | [타밀어](../ta/README.md) | [텔루구어](../te/README.md) | [태국어](../th/README.md) | [터키어](../tr/README.md) | [우크라이나어](../uk/README.md) | [우르두어](../ur/README.md) | [베트남어](../vi/README.md)
|
||||
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](./README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
||||
|
||||
> **로컬 복제를 선호하십니까?**
|
||||
> **로컬에서 클론하는 것을 선호하나요?**
|
||||
|
||||
> 이 저장소에는 50개 이상의 언어 번역이 포함되어 있어 다운로드 크기가 상당히 증가합니다. 번역 없이 복제하려면 희소 체크아웃을 사용하세요:
|
||||
> 이 저장소는 50개 이상의 언어 번역을 포함하기 때문에 다운로드 크기가 상당히 커집니다. 번역 없이 클론 하려면 sparse checkout을 사용하세요:
|
||||
> ```bash
|
||||
> git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
|
||||
> cd Data-Science-For-Beginners
|
||||
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
||||
> ```
|
||||
> 이 방법으로 보다 빠른 다운로드 속도로 과정 완료에 필요한 모든 것을 얻을 수 있습니다.
|
||||
> 이렇게 하면 훨씬 빠른 다운로드로 코스를 완료하는 데 필요한 모든 것을 얻을 수 있습니다.
|
||||
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
||||
|
||||
**추가 번역 언어를 지원하고 싶다면 [여기](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)에서 확인하세요**
|
||||
**추가 번역 언어 지원을 원하시면 [여기](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)를 참조하세요**
|
||||
|
||||
#### 커뮤니티에 참여하기
|
||||
#### 우리 커뮤니티에 참여하세요
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
우리는 Discord에서 AI와 함께 배우는 시리즈를 진행 중입니다. 자세한 내용을 확인하고 2025년 9월 18일부터 30일까지 [Learn with AI Series](https://aka.ms/learnwithai/discord)에 참여하세요. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.
|
||||
우리는 현재 Discord에서 AI와 함께 배우는 시리즈를 진행 중입니다. 자세히 알아보고 2025년 9월 18일부터 30일까지 [Learn with AI Series](https://aka.ms/learnwithai/discord)에서 함께하세요. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.
|
||||
|
||||
|
||||
|
||||
|
||||
# 학생이신가요?
|
||||
|
||||
다음 리소스부터 시작하세요:
|
||||
다음 자료에서 시작하세요:
|
||||
|
||||
- [학생 허브 페이지](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 이 페이지에서 초보자용 리소스, 학생 패키지, 무료 인증 바우처 받는 방법 등을 찾을 수 있습니다. 콘텐츠는 매월 변경되니 즐겨찾기에 추가하고 수시로 확인해 보세요.
|
||||
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 전 세계 학생 대사 커뮤니티에 참여하세요. 이것이 Microsoft로의 길이 될 수 있습니다.
|
||||
- [학생 허브 페이지](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 이 페이지에는 초보자를 위한 자료, 학생팩, 무료 인증 바우처 받는 방법까지 포함되어 있습니다. 매달 콘텐츠를 교체하니 즐겨찾기에 추가하고 주기적으로 확인하세요.
|
||||
- [마이크로소프트 학습 학생 대사](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 전 세계 학생 대사 커뮤니티에 참여하세요, 이것이 마이크로소프트에 들어갈 수 있는 길이 될 수 있습니다.
|
||||
|
||||
# 시작하기
|
||||
|
||||
## 📚 문서
|
||||
|
||||
- **[설치 가이드](INSTALLATION.md)** - 초보자를 위한 단계별 설치 안내
|
||||
- **[사용 가이드](USAGE.md)** - 예제와 일반적인 작업 흐름
|
||||
- **[문제 해결](TROUBLESHOOTING.md)** - 일반적인 문제 해결 방법
|
||||
- **[기여 가이드](CONTRIBUTING.md)** - 이 프로젝트에 기여하는 방법
|
||||
- **[교사용 자료](for-teachers.md)** - 교수법 및 교실용 자료
|
||||
- **[설치 가이드](INSTALLATION.md)** - 초보자를 위한 단계별 설정 안내
|
||||
- **[사용 가이드](USAGE.md)** - 예제 및 자주 사용하는 워크플로우
|
||||
- **[문제 해결](TROUBLESHOOTING.md)** - 일반적인 문제 해결책
|
||||
- **[기여 안내](CONTRIBUTING.md)** - 이 프로젝트에 기여하는 방법
|
||||
- **[교사를 위한 자료](for-teachers.md)** - 교육 지침 및 교실 자료
|
||||
|
||||
## 👨🎓 학생용
|
||||
> **완전 초보자**: 데이터 과학이 처음이라면, [초보자 친화적 예제](examples/README.md)부터 시작하세요! 이 간단하고 주석이 잘 달린 예제들은 전체 커리큘럼에 들어가기 전 기본기를 이해하는 데 도움을 줍니다.
|
||||
> **[학생](https://aka.ms/student-page)**: 이 커리큘럼을 스스로 사용하려면, 전체 저장소를 포크한 뒤 사전 강의 퀴즈부터 시작해 보세요. 그 다음 강의를 읽고 나머지 활동을 완성하세요. 해답 코드를 단순히 복사하지 말고 강의를 이해하며 프로젝트를 만들어 보세요. 해답 코드는 각 프로젝트 중심 강의의 /solutions 폴더에 있습니다. 또 다른 방법은 친구들과 스터디 그룹을 만들어 함께 내용을 진행하는 것입니다. 더 깊이 공부하고 싶다면 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)을 추천합니다.
|
||||
## 👨🎓 학생들을 위해
|
||||
> **완전 초보자**: 데이터 과학이 처음이신가요? [초보자 친화적 예제](examples/README.md)부터 시작하세요! 이 간단하고 잘 주석이 달린 예제로 기본기를 익힌 후 전체 커리큘럼에 도전할 수 있습니다.
|
||||
> **[학생](https://aka.ms/student-page)** 여러분: 이 커리큘럼을 혼자 이용하려면, 저장소 전체를 포크한 뒤 강의 전 퀴즈부터 시작해 스스로 연습 문제를 완료하세요. 강의를 읽고 나머지 활동도 완료하세요. 솔루션 코드를 복사하기보다는 강의를 이해하여 직접 프로젝트를 만들어 보는 것이 좋습니다; 하지만 각 프로젝트 중심 강의의 /solutions 폴더에 솔루션 코드가 준비되어 있습니다. 또 다른 방법으로 친구들과 스터디 그룹을 만들어 함께 진행해도 좋습니다. 더 깊은 학습을 위해 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)을 추천합니다.
|
||||
|
||||
**빠른 시작 방법:**
|
||||
1. 환경 설정을 위해 [설치 가이드](INSTALLATION.md)를 확인하세요
|
||||
2. 커리큘럼 사용법을 배우려면 [사용 가이드](USAGE.md)를 검토하세요
|
||||
3. 1강부터 순서대로 시작하세요
|
||||
**빠른 시작:**
|
||||
1. [설치 가이드](INSTALLATION.md)를 참고해 환경을 설정하세요
|
||||
2. [사용 가이드](USAGE.md)를 검토하여 커리큘럼 활용법을 배우세요
|
||||
3. 1강부터 순서대로 진행하세요
|
||||
4. 지원이 필요하면 [Discord 커뮤니티](https://aka.ms/ds4beginners/discord)에 참여하세요
|
||||
|
||||
## 👩🏫 교사용
|
||||
## 👩🏫 교사들을 위해
|
||||
|
||||
> **교사분들께:** 이 커리큘럼 활용을 위한 [몇 가지 제안](for-teachers.md)을 포함했습니다. 여러분의 피드백을 [토론 포럼](https://github.com/microsoft/Data-Science-For-Beginners/discussions)에서 기다립니다!
|
||||
## 팀을 소개합니다
|
||||
> **교사분들**: 이 커리큘럼 활용법에 대한 [몇 가지 제안](for-teachers.md)을 포함했습니다. 의견이 있으시면 [토론 포럼](https://github.com/microsoft/Data-Science-For-Beginners/discussions)에서 알려주세요!
|
||||
## 팀 소개
|
||||
|
||||
[](https://youtu.be/8mzavjQSMM4 "프로모션 영상")
|
||||
[](https://youtu.be/8mzavjQSMM4 "홍보 영상")
|
||||
|
||||
**GIF 제공자** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
||||
**Gif 제작자** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
||||
|
||||
> 🎥 위 이미지를 클릭하면 프로젝트와 그것을 만든 사람들에 관한 영상을 볼 수 있습니다!
|
||||
> 🎥 위 이미지를 클릭하면 프로젝트와 이를 만든 사람들에 관한 영상을 볼 수 있습니다!
|
||||
|
||||
## 교수법
|
||||
|
||||
이 커리큘럼을 구성하면서 우리는 두 가지 교수 원칙을 선택했습니다: 프로젝트 기반 학습과 자주 출제되는 퀴즈 포함. 이 시리즈가 끝날 때쯤 학생들은 윤리 개념, 데이터 준비, 다양한 데이터 작업 방법, 데이터 시각화, 데이터 분석, 데이터 과학의 실제 사례 등 기본적인 데이터 과학 원리를 학습하게 됩니다.
|
||||
이 커리큘럼을 만들면서 두 가지 교육 원칙을 선택했습니다: 프로젝트 기반 교육과 빈번한 퀴즈 포함. 이 시리즈가 끝나면 학생들은 윤리 개념, 데이터 준비, 다양한 데이터 작업 방법, 데이터 시각화, 데이터 분석, 데이터 과학의 실제 사례 등 기본적인 데이터 과학 원리를 학습하게 됩니다.
|
||||
|
||||
또한, 수업 전에 진행하는 간단한 퀴즈는 주제 학습에 대한 의도를 세우고, 수업 후 두 번째 퀴즈는 학습 내용을 더 오래 기억하도록 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며 전부 또는 일부만 학습할 수도 있습니다. 프로젝트는 작게 시작해 10주 주기 종료 시점에 점점 더 복잡해집니다.
|
||||
또한, 수업 전의 낮은 부담 퀴즈는 학생이 학습 주제에 집중하도록 하며, 수업 후의 두 번째 퀴즈는 학습 내용을 더 잘 기억하도록 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 사용할 수 있습니다. 프로젝트는 작게 시작해 10주차에 점점 더 복잡해집니다.
|
||||
|
||||
> 우리의 [행동 강령](CODE_OF_CONDUCT.md), [기여 가이드](CONTRIBUTING.md), [번역 가이드](TRANSLATIONS.md)를 확인하세요. 건설적인 피드백을 환영합니다!
|
||||
> 우리의 [행동 강령](CODE_OF_CONDUCT.md), [기여 지침](CONTRIBUTING.md), [번역 지침](TRANSLATIONS.md)을 확인하세요. 여러분의 건설적인 피드백을 환영합니다!
|
||||
|
||||
## 각 수업에는 다음이 포함됩니다:
|
||||
|
||||
- 선택적 스케치노트
|
||||
- 선택적 추가 영상
|
||||
- 수업 전 워밍업 퀴즈
|
||||
- 작성된 강의 내용
|
||||
- 프로젝트 기반 수업의 경우 프로젝트를 단계별로 만드는 가이드
|
||||
- 지식 점검
|
||||
- 선택적 보조 영상
|
||||
- 수업 전 준비 퀴즈
|
||||
- 텍스트 수업 내용
|
||||
- 프로젝트 기반 수업의 경우 프로젝트 구축 단계별 안내
|
||||
- 학습 확인
|
||||
- 도전 과제
|
||||
- 추가 읽을거리
|
||||
- 보조 읽기 자료
|
||||
- 과제
|
||||
- [수업 후 퀴즈](https://ff-quizzes.netlify.app/en/)
|
||||
|
||||
> **퀴즈에 대한 참고**: 모든 퀴즈는 Quiz-App 폴더에 있으며 총 40개의 3문제 퀴즈로 구성되어 있습니다. 퀴즈는 수업 중 연결되어 있지만 퀴즈 앱을 로컬에서 실행하거나 Azure에 배포할 수도 있습니다. `quiz-app` 폴더 내의 지침을 따르세요. 점차 현지화되고 있습니다.
|
||||
> **퀴즈에 관한 안내**: 모든 퀴즈는 Quiz-App 폴더에 있으며, 총 40개의 퀴즈가 각 3문제로 구성되어 있습니다. 수업 내에서 링크되어 있지만, 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다. `quiz-app` 폴더 내 지침을 따르세요. 현재 점진적으로 현지화 작업이 진행 중입니다.
|
||||
|
||||
## 🎓 초보자 친화적 예제
|
||||
|
||||
**데이터 과학이 처음이신가요?** 저희가 간단하고 주석이 잘 달린 코드를 모은 특별한 [예제 디렉터리](examples/README.md)를 만들었습니다:
|
||||
**데이터 과학이 처음인가요?** 시작하는 데 도움이 되도록 간단하고 잘 주석 처리된 코드가 담긴 특별한 [예제 디렉터리](examples/README.md)를 만들었습니다:
|
||||
|
||||
- 🌟 **Hello World** - 첫 데이터 과학 프로그램
|
||||
- 📂 **데이터 불러오기** - 데이터셋 읽기와 탐색 배우기
|
||||
- 🌟 **Hello World** - 당신의 첫 번째 데이터 과학 프로그램
|
||||
- 📂 **데이터 로딩** - 데이터셋을 읽고 탐색하는 방법 배우기
|
||||
- 📊 **간단한 분석** - 통계 계산과 패턴 찾기
|
||||
- 📈 **기본 시각화** - 차트와 그래프 만들기
|
||||
- 🔬 **실제 프로젝트** - 시작부터 끝까지의 완전한 워크플로우
|
||||
- 📈 **기본 시각화** - 차트와 그래프 생성
|
||||
- 🔬 **실제 프로젝트** - 시작부터 완료까지 전체 워크플로우
|
||||
|
||||
각 예제는 모든 단계를 자세히 설명하는 주석이 포함되어 있어 완전 초보자에게 안성맞춤입니다!
|
||||
각 예제에는 모든 단계를 설명하는 자세한 주석이 포함되어 있어 초보자에게 안성맞춤입니다!
|
||||
|
||||
👉 **[예제부터 시작하세요](examples/README.md)** 👈
|
||||
👉 **[예제부터 시작하기](examples/README.md)** 👈
|
||||
|
||||
## 수업 목록
|
||||
|
||||
|
||||
||
|
||||
||
|
||||
|:---:|
|
||||
| 초보자용 데이터 과학 로드맵 - _스케치노트 작성자 [@nitya](https://twitter.com/nitya)_ |
|
||||
|
||||
|
||||
| 수업 번호 | 주제 | 수업 그룹 | 학습 목표 | 링크된 수업 | 저자 |
|
||||
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
||||
| 01 | 데이터 과학 정의 | [소개](1-Introduction/README.md) | 데이터 과학의 기본 개념과 인공지능, 기계 학습, 빅 데이터와의 관련성 배우기. | [강의](1-Introduction/01-defining-data-science/README.md) [영상](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
||||
| 02 | 데이터 과학 윤리 | [소개](1-Introduction/README.md) | 데이터 윤리 개념, 도전 과제 및 프레임워크. | [강의](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
||||
| 03 | 데이터 정의 | [소개](1-Introduction/README.md) | 데이터가 어떻게 분류되는지와 일반적인 출처. | [강의](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
||||
| 04 | 통계 및 확률 소개 | [소개](1-Introduction/README.md) | 데이터를 이해하기 위한 확률 및 통계의 수학적 기법. | [강의](1-Introduction/04-stats-and-probability/README.md) [영상](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
||||
| 05 | 관계형 데이터 다루기 | [데이터 작업](2-Working-With-Data/README.md) | 관계형 데이터 소개와 SQL(“see-quell”로 발음)로 관계형 데이터를 탐색하고 분석하는 기본. | [강의](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
||||
| 06 | NoSQL 데이터 다루기 | [데이터 작업](2-Working-With-Data/README.md) | 비관계형 데이터, 다양한 유형 및 문서 데이터베이스 탐색과 기본 분석법 소개. | [강의](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
||||
| 07 | Python 다루기 | [데이터 작업](2-Working-With-Data/README.md) | Pandas와 같은 라이브러리를 사용한 데이터 탐색 Python 기초. Python 프로그래밍 기초 지식 권장. | [강의](2-Working-With-Data/07-python/README.md) [영상](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
||||
| 08 | 데이터 준비 | [데이터 작업](2-Working-With-Data/README.md) | 누락되거나 부정확하거나 불완전한 데이터를 처리하기 위한 데이터 클리닝 및 변환 기법. | [강의](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
||||
| 09 | 양적 데이터 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | Matplotlib를 사용하여 새 데이터를 시각화하는 법 배우기 🦆 | [강의](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 10 | 데이터 분포 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 구간 내 관측치와 추세 시각화. | [강의](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 11 | 비율 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 이산 및 그룹화된 백분율 시각화. | [강의](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 12 | 관계 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 데이터 집합과 변수 간 연결 및 상관관계 시각화. | [강의](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 13 | 유의미한 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 효과적인 문제 해결과 통찰을 위한 가치 있는 시각화 기법과 안내. | [강의](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 14 | 데이터 과학 수명주기 소개 | [수명주기](4-Data-Science-Lifecycle/README.md) | 데이터 수집과 추출이라는 데이터 과학 수명주기 첫 단계 소개. | [강의](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
||||
| 15 | 분석 | [수명주기](4-Data-Science-Lifecycle/README.md) | 데이터 과학 수명주기에서 데이터를 분석하는 기법에 집중. | [강의](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
||||
| 16 | 커뮤니케이션 | [수명주기](4-Data-Science-Lifecycle/README.md) | 데이터 과학 수명주기에서 의사결정에 도움이 되도록 인사이트를 발표하는 단계. | [강의](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
||||
| 17 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | 클라우드의 데이터 과학과 그 이점 소개. | [강의](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
||||
| 18 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | Low Code 도구를 사용한 모델 학습. |[강의](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
||||
| 19 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio를 사용한 모델 배포. | [강의](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
||||
| 20 | 현실 세계의 데이터 과학 | [현실 세계](6-Data-Science-In-Wild/README.md) | 실제 세계에서 데이터 과학이 주도하는 프로젝트. | [강의](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
||||
| 데이터 과학 초보자: 로드맵 - _스케치노트 by [@nitya](https://twitter.com/nitya)_ |
|
||||
|
||||
|
||||
| 수업 번호 | 주제 | 수업 그룹 | 학습 목표 | 연결된 수업 | 저자 |
|
||||
| :--------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
||||
| 01 | 데이터 과학 정의 | [소개](1-Introduction/README.md) | 데이터 과학의 기본 개념과 인공지능, 머신러닝, 빅데이터와의 연관성을 학습한다. | [수업](1-Introduction/01-defining-data-science/README.md) [영상](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
||||
| 02 | 데이터 과학 윤리 | [소개](1-Introduction/README.md) | 데이터 윤리 개념, 도전과제 및 프레임워크. | [수업](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
||||
| 03 | 데이터 정의 | [소개](1-Introduction/README.md) | 데이터가 어떻게 분류되고 일반적인 출처는 무엇인지. | [수업](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
||||
| 04 | 통계와 확률 소개 | [소개](1-Introduction/README.md) | 데이터 이해를 위한 확률과 통계의 수학적 기법. | [수업](1-Introduction/04-stats-and-probability/README.md) [영상](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
||||
| 05 | 관계형 데이터 작업 | [데이터 작업](2-Working-With-Data/README.md) | 관계형 데이터 소개 및 관계형 데이터 탐색·분석 기초, SQL 사용법 (발음: ‘씨퀄’). | [수업](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
||||
| 06 | NoSQL 데이터 작업 | [데이터 작업](2-Working-With-Data/README.md) | 비관계형 데이터 소개, 다양한 유형 및 문서형 데이터베이스 탐색·분석 기초. | [수업](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) |
|
||||
| 07 | Python으로 작업하기 | [데이터 작업](2-Working-With-Data/README.md) | Pandas 같은 라이브러리를 사용한 데이터 탐색을 위한 Python 기초. Python 프로그래밍 기본 이해 권장. | [수업](2-Working-With-Data/07-python/README.md) [영상](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
||||
| 08 | 데이터 준비 | [데이터 작업](2-Working-With-Data/README.md) | 결측, 부정확하거나 불완전한 데이터를 처리하기 위한 클리닝 및 변환 기술. | [수업](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
||||
| 09 | 양 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | Matplotlib을 활용해 조류 데이터를 시각화하는 방법 🦆 | [수업](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 10 | 데이터 분포 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 구간 내 관측값과 추세 시각화. | [수업](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 11 | 비율 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 이산 및 그룹별 퍼센트 시각화. | [수업](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 12 | 관계 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 데이터 집합과 변수 간 연결과 상관관계 시각화. | [수업](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 13 | 의미 있는 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 문제 해결과 통찰에 효과적인 시각화를 위한 기법과 안내. | [수업](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
||||
| 14 | 데이터 과학 생애주기 소개 | [생애주기](4-Data-Science-Lifecycle/README.md) | 데이터 과학 생애주기 및 첫 단계인 데이터 수집과 추출 소개. | [수업](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
||||
| 15 | 분석 | [생애주기](4-Data-Science-Lifecycle/README.md) | 데이터 과학 생애주기 중 데이터 분석 기술에 초점. | [수업](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
||||
| 16 | 커뮤니케이션 | [생애주기](4-Data-Science-Lifecycle/README.md) | 의사결정자가 이해하기 쉽게 데이터로부터 얻은 통찰을 전달하는 단계. | [수업](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
||||
| 17 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | 클라우드에서의 데이터 과학과 그 이점 소개. | [수업](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 및 [Maud](https://twitter.com/maudstweets) |
|
||||
| 18 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | Low Code 도구를 사용한 모델 훈련. | [수업](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 및 [Maud](https://twitter.com/maudstweets) |
|
||||
| 19 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio를 사용한 모델 배포. | [수업](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 및 [Maud](https://twitter.com/maudstweets) |
|
||||
| 20 | 야생에서의 데이터 과학 | [야생](6-Data-Science-In-Wild/README.md) | 현실 세계에서의 데이터 과학 주도 프로젝트. | [수업](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
||||
|
||||
## GitHub Codespaces
|
||||
|
||||
다음 단계를 따라 이 샘플을 Codespace에서 열어보세요:
|
||||
다음 절차에 따라 이 샘플을 Codespace에서 열 수 있습니다:
|
||||
1. Code 드롭다운 메뉴를 클릭하고 Open with Codespaces 옵션을 선택합니다.
|
||||
2. 창 하단에서 + New codespace를 선택합니다.
|
||||
2. 패널 맨 아래에서 + New codespace를 선택합니다.
|
||||
자세한 내용은 [GitHub 문서](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)를 참조하세요.
|
||||
|
||||
## VSCode 원격 - 컨테이너
|
||||
로컬 머신과 VSCode를 사용하여 이 저장소를 컨테이너에서 열려면 VS Code Remote - Containers 확장 기능을 따라 하세요:
|
||||
로컬 컴퓨터와 VSCode에서 VS Code Remote - Containers 확장 프로그램을 사용하여 이 저장소를 컨테이너에서 여는 방법은 다음과 같습니다:
|
||||
|
||||
1. 처음 개발 컨테이너를 사용한다면, 시스템이 사전 요구 사항(예: Docker 설치)을 충족하는지 [시작하기 문서](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)에서 확인하세요.
|
||||
1. 개발 컨테이너를 처음 사용하는 경우, 시스템이 [시작 가이드 문서](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)에 명시된 사전 요구사항(예: Docker 설치)을 충족하는지 확인하세요.
|
||||
|
||||
이 저장소를 사용하려면, 격리된 Docker 볼륨 내에서 저장소를 열 수 있습니다:
|
||||
이 저장소를 사용하려면 격리된 Docker 볼륨에서 저장소를 열 수 있습니다:
|
||||
|
||||
**참고**: 내부적으로 Remote-Containers: **Clone Repository in Container Volume...** 명령을 사용하여 소스 코드를 로컬 파일 시스템 대신 Docker 볼륨에 복제합니다. [볼륨](https://docs.docker.com/storage/volumes/)은 컨테이너 데이터 영속화를 위한 권장 방법입니다.
|
||||
**참고**: 내부적으로 Remote-Containers: **Clone Repository in Container Volume...** 명령을 사용하여 소스 코드를 로컬 파일 시스템 대신 Docker 볼륨에 복제합니다. [볼륨](https://docs.docker.com/storage/volumes/)은 컨테이너 데이터 영속성에 권장되는 방식입니다.
|
||||
|
||||
또는 로컬에 복제하거나 다운로드한 저장소를 열 수 있습니다:
|
||||
또는 로컬에서 클론하거나 다운로드한 저장소 버전을 열 수 있습니다:
|
||||
|
||||
- 이 저장소를 로컬 파일 시스템에 복제하세요.
|
||||
- 이 저장소를 로컬 파일 시스템에 클론하세요.
|
||||
- F1을 누르고 **Remote-Containers: Open Folder in Container...** 명령을 선택하세요.
|
||||
- 복제한 폴더를 선택하고 컨테이너 시작을 기다린 후 사용해 보세요.
|
||||
- 클론한 폴더를 선택하고 컨테이너가 시작될 때까지 기다린 후 사용해보세요.
|
||||
|
||||
## 오프라인 접근
|
||||
|
||||
이 문서를 오프라인에서 보려면 [Docsify](https://docsify.js.org/#/)를 사용하세요. 이 저장소를 포크하고, 로컬 머신에 [Docsify](https://docsify.js.org/#/quickstart)를 설치한 후 저장소 루트 폴더에서 `docsify serve`를 실행하세요. 로컬호스트의 3000 포트(`localhost:3000`)에서 웹사이트가 서비스됩니다.
|
||||
[Docsify](https://docsify.js.org/#/)를 사용하여 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬에 [Docsify 설치](https://docsify.js.org/#/quickstart) 후, 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트가 localhost의 3000번 포트에서 실행됩니다: `localhost:3000`.
|
||||
|
||||
> 참고로, 노트북은 Docsify를 통해 렌더링되지 않으므로 노트북을 실행해야 할 때는 Python 커널이 실행 중인 VS Code에서 별도로 실행하세요.
|
||||
> 참고로 노트북은 Docsify를 통해 렌더링되지 않으므로, 노트북 실행이 필요할 때는 VS Code에서 Python 커널을 실행하여 별도로 진행하세요.
|
||||
|
||||
## 기타 커리큘럼
|
||||
|
||||
저희 팀은 다른 커리큘럼도 제작합니다! 확인해보세요:
|
||||
우리 팀은 다른 커리큘럼도 제작합니다! 확인해 보세요:
|
||||
|
||||
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
||||
### LangChain
|
||||
[](https://aka.ms/langchain4j-for-beginners)
|
||||
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
||||
|
||||
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
||||
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
||||
---
|
||||
|
||||
### Azure / Edge / MCP / 에이전트
|
||||
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
### Azure / Edge / MCP / Agents
|
||||
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
|
||||
---
|
||||
|
||||
### 생성형 AI 시리즈
|
||||
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
||||
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
||||
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
||||
### 생성 AI 시리즈
|
||||
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
||||
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
||||
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
||||
|
||||
---
|
||||
|
||||
### 기본 학습
|
||||
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
||||
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
### 핵심 학습
|
||||
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
||||
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
||||
|
||||
---
|
||||
|
||||
### 코파일럿 시리즈
|
||||
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
||||
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
||||
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
||||
|
||||
## 도움 받기
|
||||
|
||||
**문제가 있나요?** 일반적인 문제 해결 방법은 [문제 해결 가이드](TROUBLESHOOTING.md)에서 확인하세요.
|
||||
**문제가 발생했나요?** 자주 발생하는 문제에 대한 해결책은 [문제 해결 가이드](TROUBLESHOOTING.md)를 확인하세요.
|
||||
|
||||
AI 앱 개발 중에 막히거나 질문이 있으면 MCP 학습자 및 숙련된 개발자들과 함께 토론에 참여하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원 커뮤니티입니다.
|
||||
AI 앱 개발 중 막히거나 질문이 생기면 MCP 관련 토론에 참여하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원 커뮤니티입니다.
|
||||
|
||||
[](https://discord.gg/nTYy5BXMWG)
|
||||
|
||||
제품 피드백이나 빌드 중 발생하는 오류는 다음에서 알려주세요:
|
||||
제품 피드백이나 빌드 오류가 있으면 다음을 방문하세요:
|
||||
|
||||
[](https://aka.ms/foundry/forum)
|
||||
[](https://aka.ms/foundry/forum)
|
||||
|
||||
---
|
||||
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
**면책 조항**:
|
||||
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력했으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의하시기 바랍니다. 원본 문서가 권위 있는 출처로 간주되어야 합니다. 중요한 정보에 대해서는 전문 번역가의 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.
|
||||
**면책 조항**:
|
||||
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 있을 수 있음을 양지해 주시기 바랍니다. 원문의 원어 문서가 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 본 번역의 사용으로 인해 발생하는 오해나 잘못된 해석에 대해서는 당사가 책임지지 않습니다.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
Loading…
Reference in new issue