You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
365 lines
9.7 KiB
365 lines
9.7 KiB
# 사용 가이드
|
|
|
|
이 가이드는 초보자를 위한 데이터 과학 커리큘럼을 사용하는 예제와 일반적인 워크플로를 제공합니다.
|
|
|
|
## 목차
|
|
|
|
- [이 커리큘럼을 사용하는 방법](../..)
|
|
- [레슨 활용하기](../..)
|
|
- [주피터 노트북 활용하기](../..)
|
|
- [퀴즈 애플리케이션 사용하기](../..)
|
|
- [일반적인 워크플로](../..)
|
|
- [자기주도 학습자를 위한 팁](../..)
|
|
- [교사를 위한 팁](../..)
|
|
|
|
## 이 커리큘럼을 사용하는 방법
|
|
|
|
이 커리큘럼은 유연하게 설계되어 다양한 방식으로 사용할 수 있습니다:
|
|
|
|
- **자기주도 학습**: 자신의 속도에 맞춰 독립적으로 레슨을 진행
|
|
- **교실 수업**: 구조화된 강의와 함께 사용하는 코스
|
|
- **스터디 그룹**: 동료들과 협력하여 학습
|
|
- **워크숍 형식**: 집중적인 단기 학습 세션
|
|
|
|
## 레슨 활용하기
|
|
|
|
각 레슨은 학습 효과를 극대화하기 위해 일관된 구조를 따릅니다:
|
|
|
|
### 레슨 구조
|
|
|
|
1. **사전 퀴즈**: 기존 지식을 테스트
|
|
2. **스케치노트** (선택 사항): 주요 개념의 시각적 요약
|
|
3. **비디오** (선택 사항): 보충 비디오 콘텐츠
|
|
4. **작성된 레슨**: 핵심 개념과 설명
|
|
5. **주피터 노트북**: 실습 코딩 연습
|
|
6. **과제**: 배운 내용을 연습
|
|
7. **사후 퀴즈**: 이해도를 강화
|
|
|
|
### 레슨 예제 워크플로
|
|
|
|
```bash
|
|
# 1. Navigate to the lesson directory
|
|
cd 1-Introduction/01-defining-data-science
|
|
|
|
# 2. Read the README.md
|
|
# Open README.md in your browser or editor
|
|
|
|
# 3. Take the pre-lesson quiz
|
|
# Click the quiz link in the README
|
|
|
|
# 4. Open the Jupyter notebook (if available)
|
|
jupyter notebook
|
|
|
|
# 5. Complete the exercises in the notebook
|
|
|
|
# 6. Work on the assignment
|
|
|
|
# 7. Take the post-lesson quiz
|
|
```
|
|
|
|
## 주피터 노트북 활용하기
|
|
|
|
### 주피터 시작하기
|
|
|
|
```bash
|
|
# Activate your virtual environment
|
|
source venv/bin/activate # On macOS/Linux
|
|
# OR
|
|
venv\Scripts\activate # On Windows
|
|
|
|
# Start Jupyter from the repository root
|
|
jupyter notebook
|
|
```
|
|
|
|
### 노트북 셀 실행하기
|
|
|
|
1. **셀 실행**: `Shift + Enter`를 누르거나 "실행" 버튼 클릭
|
|
2. **모든 셀 실행**: 메뉴에서 "Cell" → "Run All" 선택
|
|
3. **커널 재시작**: 문제가 발생하면 "Kernel" → "Restart" 선택
|
|
|
|
### 예제: 노트북에서 데이터 작업하기
|
|
|
|
```python
|
|
# Import required libraries
|
|
import pandas as pd
|
|
import numpy as np
|
|
import matplotlib.pyplot as plt
|
|
|
|
# Load a dataset
|
|
df = pd.read_csv('data/sample.csv')
|
|
|
|
# Explore the data
|
|
df.head()
|
|
df.info()
|
|
df.describe()
|
|
|
|
# Create a visualization
|
|
plt.figure(figsize=(10, 6))
|
|
plt.plot(df['column_name'])
|
|
plt.title('Sample Visualization')
|
|
plt.xlabel('X-axis Label')
|
|
plt.ylabel('Y-axis Label')
|
|
plt.show()
|
|
```
|
|
|
|
### 작업 저장하기
|
|
|
|
- 주피터는 주기적으로 자동 저장됩니다
|
|
- 수동 저장: `Ctrl + S` (macOS에서는 `Cmd + S`) 누르기
|
|
- 진행 상황은 `.ipynb` 파일에 저장됩니다
|
|
|
|
## 퀴즈 애플리케이션 사용하기
|
|
|
|
### 로컬에서 퀴즈 앱 실행하기
|
|
|
|
```bash
|
|
# Navigate to quiz app directory
|
|
cd quiz-app
|
|
|
|
# Start the development server
|
|
npm run serve
|
|
|
|
# Access at http://localhost:8080
|
|
```
|
|
|
|
### 퀴즈 풀기
|
|
|
|
1. 사전 퀴즈는 각 레슨 상단에 링크로 제공됩니다
|
|
2. 사후 퀴즈는 각 레슨 하단에 링크로 제공됩니다
|
|
3. 각 퀴즈는 3개의 질문으로 구성됩니다
|
|
4. 퀴즈는 학습을 강화하기 위한 것이며, 철저한 테스트를 위한 것은 아닙니다
|
|
|
|
### 퀴즈 번호 체계
|
|
|
|
- 퀴즈는 0-39번으로 번호가 매겨져 있습니다 (총 40개 퀴즈)
|
|
- 각 레슨에는 일반적으로 사전 및 사후 퀴즈가 포함됩니다
|
|
- 퀴즈 URL에는 퀴즈 번호가 포함됩니다: `https://ff-quizzes.netlify.app/en/ds/quiz/0`
|
|
|
|
## 일반적인 워크플로
|
|
|
|
### 워크플로 1: 완전 초보자 경로
|
|
|
|
```bash
|
|
# 1. Set up your environment (see INSTALLATION.md)
|
|
|
|
# 2. Start with Lesson 1
|
|
cd 1-Introduction/01-defining-data-science
|
|
|
|
# 3. For each lesson:
|
|
# - Take pre-lesson quiz
|
|
# - Read the lesson content
|
|
# - Work through the notebook
|
|
# - Complete the assignment
|
|
# - Take post-lesson quiz
|
|
|
|
# 4. Progress through all 20 lessons sequentially
|
|
```
|
|
|
|
### 워크플로 2: 특정 주제 학습
|
|
|
|
특정 주제에 관심이 있다면:
|
|
|
|
```bash
|
|
# Example: Focus on Data Visualization
|
|
cd 3-Data-Visualization
|
|
|
|
# Explore lessons 9-13:
|
|
# - Lesson 9: Visualizing Quantities
|
|
# - Lesson 10: Visualizing Distributions
|
|
# - Lesson 11: Visualizing Proportions
|
|
# - Lesson 12: Visualizing Relationships
|
|
# - Lesson 13: Meaningful Visualizations
|
|
```
|
|
|
|
### 워크플로 3: 프로젝트 기반 학습
|
|
|
|
```bash
|
|
# 1. Review the Data Science Lifecycle lessons (14-16)
|
|
cd 4-Data-Science-Lifecycle
|
|
|
|
# 2. Work through a real-world example (Lesson 20)
|
|
cd ../6-Data-Science-In-Wild/20-Real-World-Examples
|
|
|
|
# 3. Apply concepts to your own project
|
|
```
|
|
|
|
### 워크플로 4: 클라우드 기반 데이터 과학
|
|
|
|
```bash
|
|
# Learn about cloud data science (Lessons 17-19)
|
|
cd 5-Data-Science-In-Cloud
|
|
|
|
# 17: Introduction to Cloud Data Science
|
|
# 18: Low-Code ML Tools
|
|
# 19: Azure Machine Learning Studio
|
|
```
|
|
|
|
## 자기주도 학습자를 위한 팁
|
|
|
|
### 체계적으로 학습하기
|
|
|
|
```bash
|
|
# Create a learning journal
|
|
mkdir my-learning-journal
|
|
|
|
# For each lesson, create notes
|
|
echo "# Lesson 1 Notes" > my-learning-journal/lesson-01-notes.md
|
|
```
|
|
|
|
### 규칙적으로 연습하기
|
|
|
|
- 매일 또는 매주 전용 시간을 확보하세요
|
|
- 최소한 주당 한 개의 레슨을 완료하세요
|
|
- 이전 레슨을 주기적으로 복습하세요
|
|
|
|
### 커뮤니티와 소통하기
|
|
|
|
- [Discord 커뮤니티](https://aka.ms/ds4beginners/discord)에 참여하세요
|
|
- Discord의 #Data-Science-for-Beginners 채널에서 토론에 참여하세요 [Discord Discussions](https://aka.ms/ds4beginners/discord)
|
|
- 진행 상황을 공유하고 질문하세요
|
|
|
|
### 자신만의 프로젝트 만들기
|
|
|
|
레슨을 완료한 후, 개인 프로젝트에 개념을 적용하세요:
|
|
|
|
```python
|
|
# Example: Analyze your own dataset
|
|
import pandas as pd
|
|
|
|
# Load your own data
|
|
my_data = pd.read_csv('my-project/data.csv')
|
|
|
|
# Apply techniques learned
|
|
# - Data cleaning (Lesson 8)
|
|
# - Exploratory data analysis (Lesson 7)
|
|
# - Visualization (Lessons 9-13)
|
|
# - Analysis (Lesson 15)
|
|
```
|
|
|
|
## 교사를 위한 팁
|
|
|
|
### 교실 환경 설정
|
|
|
|
1. [for-teachers.md](for-teachers.md)를 검토하여 자세한 지침 확인
|
|
2. 공유 환경 설정 (GitHub Classroom 또는 Codespaces)
|
|
3. 커뮤니케이션 채널 설정 (Discord, Slack, 또는 Teams)
|
|
|
|
### 레슨 계획
|
|
|
|
**10주 추천 일정:**
|
|
|
|
- **1-2주차**: 소개 (레슨 1-4)
|
|
- **3-4주차**: 데이터 작업 (레슨 5-8)
|
|
- **5-6주차**: 데이터 시각화 (레슨 9-13)
|
|
- **7-8주차**: 데이터 과학 라이프사이클 (레슨 14-16)
|
|
- **9주차**: 클라우드 데이터 과학 (레슨 17-19)
|
|
- **10주차**: 실제 응용 및 최종 프로젝트 (레슨 20)
|
|
|
|
### 오프라인 액세스를 위한 Docsify 실행
|
|
|
|
```bash
|
|
# Serve documentation locally for classroom use
|
|
docsify serve
|
|
|
|
# Students can access at localhost:3000
|
|
# No internet required after initial setup
|
|
```
|
|
|
|
### 과제 채점
|
|
|
|
- 학생 노트북을 검토하여 완료된 연습 확인
|
|
- 퀴즈 점수를 통해 이해도 확인
|
|
- 데이터 과학 라이프사이클 원칙을 사용하여 최종 프로젝트 평가
|
|
|
|
### 과제 만들기
|
|
|
|
```python
|
|
# Example custom assignment template
|
|
"""
|
|
Assignment: [Topic]
|
|
|
|
Objective: [Learning goal]
|
|
|
|
Dataset: [Provide or have students find one]
|
|
|
|
Tasks:
|
|
1. Load and explore the dataset
|
|
2. Clean and prepare the data
|
|
3. Create at least 3 visualizations
|
|
4. Perform analysis
|
|
5. Communicate findings
|
|
|
|
Deliverables:
|
|
- Jupyter notebook with code and explanations
|
|
- Written summary of findings
|
|
"""
|
|
```
|
|
|
|
## 오프라인 작업
|
|
|
|
### 리소스 다운로드
|
|
|
|
```bash
|
|
# Clone the entire repository
|
|
git clone https://github.com/microsoft/Data-Science-For-Beginners.git
|
|
|
|
# Download datasets in advance
|
|
# Most datasets are included in the repository
|
|
```
|
|
|
|
### 로컬에서 문서 실행
|
|
|
|
```bash
|
|
# Serve with Docsify
|
|
docsify serve
|
|
|
|
# Access at localhost:3000
|
|
```
|
|
|
|
### 로컬에서 퀴즈 앱 실행
|
|
|
|
```bash
|
|
cd quiz-app
|
|
npm run serve
|
|
```
|
|
|
|
## 번역된 콘텐츠 액세스
|
|
|
|
번역은 40개 이상의 언어로 제공됩니다:
|
|
|
|
```bash
|
|
# Access translated lessons
|
|
cd translations/fr # French
|
|
cd translations/es # Spanish
|
|
cd translations/de # German
|
|
# ... and many more
|
|
```
|
|
|
|
각 번역은 영어 버전과 동일한 구조를 유지합니다.
|
|
|
|
## 추가 리소스
|
|
|
|
### 학습 계속하기
|
|
|
|
- [Microsoft Learn](https://docs.microsoft.com/learn/) - 추가 학습 경로
|
|
- [Student Hub](https://docs.microsoft.com/learn/student-hub) - 학생을 위한 리소스
|
|
- [Azure AI Foundry](https://aka.ms/foundry/forum) - 커뮤니티 포럼
|
|
|
|
### 관련 커리큘럼
|
|
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
|
|
## 도움 받기
|
|
|
|
- [TROUBLESHOOTING.md](TROUBLESHOOTING.md)에서 일반적인 문제 확인
|
|
- [GitHub Issues](https://github.com/microsoft/Data-Science-For-Beginners/issues) 검색
|
|
- [Discord](https://aka.ms/ds4beginners/discord)에 참여
|
|
- [CONTRIBUTING.md](CONTRIBUTING.md)를 검토하여 문제를 보고하거나 기여하세요
|
|
|
|
---
|
|
|
|
**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 포함될 수 있습니다. 원본 문서의 원어 버전을 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다. |