Data-Science-For-Beginners/translations/ko

초보자를 위한 데이터 과학 - 교과 과정

Microsoft의 Azure Cloud Advocates는 데이터 과학에 관한 10주, 20개 레슨의 커리큘럼을 제공합니다. 각 레슨에는 사전 및 사후 퀴즈, 레슨을 완료하기 위한 서면 지침, 솔루션 및 과제가 포함되어 있습니다. 우리의 프로젝트 기반 교수법은 구축하며 배우는 방식을 제공하여 새로운 기술이 잘 습득되도록 합니다.

저자 여러분께 진심으로 감사드립니다: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 특별히 Microsoft Student Ambassador 저자, 리뷰어 및 콘텐츠 기여자 여러분께 감사드립니다, 특히 Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

초보자를 위한 데이터 과학 - @nitya 스케치노트

🌐 다국어 지원

GitHub Action을 통한 지원 (자동화 및 항상 최신 상태 유지)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

로컬에 클론하여 사용하시겠습니까?

이 저장소는 50개 이상의 언어 번역을 포함하여 다운로드 크기가 크게 증가합니다. 번역 없이 클론하려면 sparse checkout을 사용하세요:

Bash / macOS / Linux:

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'

CMD (Windows):

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 커리큘럼을 완료하는 데 필요한 모든 것을 훨씬 빠르게 다운로드할 수 있습니다.

추가 번역 언어 지원을 원하시면 여기를 참고하세요

커뮤니티에 참여하세요

Discord에서 AI와 함께 배우는 시리즈가 진행 중입니다. 자세한 내용 및 참여는 Learn with AI Series에서 확인하세요. 2025년 9월 18일부터 30일까지 GitHub Copilot을 활용한 데이터 과학 팁과 요령을 배울 수 있습니다.

학생이신가요?

다음 자료들로 시작하세요:

• Student Hub 페이지 이 페이지에서는 초보자 자료, 학생 팩, 무료 자격증 바우처를 얻는 방법 등을 확인할 수 있습니다. 매달 콘텐츠를 교체하므로 즐겨찾기에 추가하고 수시로 확인하는 것을 추천합니다.
• Microsoft Learn Student Ambassadors 전 세계 학생 대사 커뮤니티에 가입하세요. Microsoft에 진입하는 좋은 방법이 될 수 있습니다.

시작하기

📚 문서

• 설치 가이드 - 초보자를 위한 단계별 설치 지침
• 사용법 가이드 - 예제 및 일반 워크플로우
• 문제 해결 - 자주 발생하는 문제 해결책
• 기여 가이드 - 프로젝트 기여 방법
• 교사용 자료 - 교육 안내 및 교실 자료

👨‍🎓 학생용

완전 초보자: 데이터 과학이 처음인가요? 초보자 친화적 예제부터 시작하세요! 간단하고 주석이 잘 달린 예제들로 기본 개념을 이해한 후 전체 커리큘럼을 진행하는 데 도움이 됩니다.
학생: 이 커리큘럼을 독학하려면 저장소를 포크(fork)한 후 사전 강의 퀴즈부터 시작해 연습문제를 완료하세요. 강의를 읽고 나머지 활동을 완료하세요. 솔루션 코드를 복사하기보다는 수업을 이해하며 프로젝트를 만들어보세요. 하지만 각 프로젝트 지향 레슨의 /solutions 폴더에서 코드가 제공됩니다. 친구들과 스터디 그룹을 만들어 함께 공부하는 것도 좋은 방법입니다. 추가 학습을 원한다면 Microsoft Learn을 추천합니다.

빠른 시작:

1. 설치 가이드를 확인해 환경을 설정하세요
2. 사용법 가이드를 검토해 커리큘럼 활용법을 배우세요
3. 레슨 1부터 순차적으로 진행하세요
4. 지원이 필요하면 Discord 커뮤니티에 참여하세요

👩‍🏫 교사용

교사 여러분: 저희는 이 교육 과정을 사용하는 방법에 대해 몇 가지 제안을 포함시켰습니다. 토론 포럼에서 여러분의 피드백을 기다립니다!

팀 소개

GIF 제작자 Mohit Jaisal

🎥 위 이미지를 클릭하여 이 프로젝트와 이를 만든 분들에 관한 영상을 확인하세요!

교육 방법론

이 커리큘럼을 구축하면서 두 가지 교육 원칙을 선택했습니다: 프로젝트 기반 학습과 빈번한 퀴즈 포함입니다. 이 시리즈가 끝나면 학생들은 윤리적 개념, 데이터 준비, 데이터 작업의 다양한 방법, 데이터 시각화, 데이터 분석, 데이터 과학의 실제 사례 등을 포함한 데이터 과학의 기본 원리를 배우게 됩니다.

또한 수업 전 낮은 부담의 퀴즈는 학생이 주제 학습에 집중하도록 동기를 부여하며, 수업 후 두 번째 퀴즈는 학습 내용의 추가 기억을 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 수강할 수 있습니다. 프로젝트는 처음에 작게 시작하여 10주 주기 종료 시점에 점점 복잡해집니다.

저희의 행동 강령, 기여 가이드, 번역 안내를 참고하세요. 건설적인 피드백을 환영합니다!

각 강의에 포함된 내용:

• 선택적 스케치노트
• 선택적 보조 영상
• 수업 전 워밍업 퀴즈
• 서면 강의 자료
• 프로젝트 기반 강의의 경우, 프로젝트 구축 단계별 가이드
• 지식 점검
• 도전 과제
• 보조 읽을거리
• 과제
• 수업 후 퀴즈

퀴즈에 관한 참고 사항: 모든 퀴즈는 Quiz-App 폴더 내에 있으며, 총 40개 퀴즈로 각각 3문제씩 구성되어 있습니다. 강의 내에서 링크되어 있지만, 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다; quiz-app 폴더의 지침을 따르세요. 점진적으로 현지화되고 있습니다.

🎓 초보자 친화적 예제

데이터 과학이 처음인가요? 간단하고 잘 주석 처리된 코드로 시작할 수 있도록 특별한 예제 디렉터리를 만들었습니다:

• 🌟 Hello World - 여러분의 첫 데이터 과학 프로그램
• 📂 데이터 로딩 - 데이터셋 읽기 및 탐색 배우기
• 📊 간단 분석 - 통계 계산 및 패턴 찾기
• 📈 기초 시각화 - 차트 및 그래프 만들기
• 🔬 실제 프로젝트 - 처음부터 끝까지 완성하는 워크플로우

각 예제에는 모든 단계를 자세히 설명하는 주석이 포함되어 있어 완전 초보자에게 안성맞춤입니다!

👉 예제부터 시작하기 👈

강의목록

Data Science For Beginners: 로드맵 - 스케치노트 @nitya 작성

강의 번호	주제	강의 그룹	학습 목표	연결된 강의	저자
01	데이터 과학 정의	소개	데이터 과학의 기본 개념과 인공지능, 머신러닝, 빅데이터와의 관계를 배웁니다.	수업 영상	Dmitry
02	데이터 과학 윤리	소개	데이터 윤리 개념, 도전과제 및 프레임워크.	수업	Nitya
03	데이터 정의	소개	데이터 분류 방식과 주요 출처.	수업	Jasmine
04	통계 및 확률 소개	소개	데이터를 이해하기 위한 확률 및 통계 수학 기법.	수업 영상	Dmitry
05	관계형 데이터 작업	데이터 작업	관계형 데이터 소개 및 SQL(“시퀄”)을 사용한 탐색과 분석 기초.	수업	Christopher
06	NoSQL 데이터 작업	데이터 작업	비관계형 데이터 소개, 다양한 유형과 문서 데이터베이스 탐색 및 분석 기초.	수업	Jasmine
07	파이썬으로 작업하기	데이터 작업	Pandas 같은 라이브러리를 활용한 데이터 탐색용 Python 기초. Python 프로그래밍 기초 지식 권장.	수업 영상	Dmitry
08	데이터 준비	데이터 작업	누락, 부정확하거나 불완전한 데이터를 처리하기 위한 데이터 정제 및 변환 기술.	수업	Jasmine
09	수량 시각화	데이터 시각화	Matplotlib을 사용하여 새 데이터를 시각화하는 방법 배우기 🦆	수업	Jen
10	데이터 분포 시각화	데이터 시각화	구간 내 관찰 및 추세 시각화.	수업	Jen
11	비율 시각화	데이터 시각화	이산 데이터 및 그룹 비율 시각화.	수업	Jen
12	관계 시각화	데이터 시각화	데이터 집합과 변수 간의 연관성과 상관 관계 시각화.	수업	Jen
13	의미 있는 시각화	데이터 시각화	효과적인 문제 해결과 인사이트를 위한 유용한 시각화 기술과 지침.	수업	Jen
14	데이터 과학 수명 주기 소개	수명 주기	데이터 과학 수명 주기 소개 및 데이터 획득 및 추출의 첫 단계.	수업	Jasmine
15	분석	수명 주기	데이터 과학 수명 주기에서 데이터를 분석하는 기법에 중점.	수업	Jasmine
16	커뮤니케이션	수명 주기	데이터 과학 수명 주기에서 데이터 인사이트를 의사결정자가 이해하기 쉽게 전달하는 단계.	수업	Jalen
17	클라우드에서의 데이터 과학	클라우드 데이터	클라우드에서의 데이터 과학과 그 이점을 소개하는 시리즈 강의.	수업	Tiffany and Maud
18	클라우드에서의 데이터 과학	클라우드 데이터	로우 코드 도구를 사용한 모델 훈련.	수업	Tiffany and Maud
19	클라우드에서의 데이터 과학	클라우드 데이터	Azure Machine Learning Studio를 사용한 모델 배포.	수업	Tiffany and Maud
20	현장에서의 데이터 과학	현장	현실 세계에서 진행되는 데이터 과학 기반 프로젝트.	수업	Nitya

GitHub Codespaces

이 샘플을 Codespace에서 열려면 다음 단계를 따르세요:

1. Code 드롭다운 메뉴를 클릭하고 Open with Codespaces 옵션을 선택합니다.
2. 창 하단에서 + New codespace를 선택합니다. 자세한 내용은 GitHub 문서를 참조하세요.

VSCode Remote - Containers

로컬 머신과 VSCode에서 VS Code Remote - Containers 확장을 사용해 이 저장소를 컨테이너로 열려면 다음 단계를 따르세요:

1. 처음 개발 컨테이너를 사용하는 경우, 시작하기 문서에 명시된 사전 요구 사항(예: Docker 설치)을 충족하는지 확인하세요.

이 저장소를 사용하려면 격리된 Docker 볼륨에서 저장소를 열 수 있습니다:

참고: 내부적으로 이 방법은 Remote-Containers: Clone Repository in Container Volume... 명령을 사용해 로컬 파일 시스템 대신 Docker 볼륨에 소스 코드를 복제합니다. 볼륨은 컨테이너 데이터를 지속하는 권장 메커니즘입니다.

또는 로컬에 복제하거나 다운로드한 저장소 버전을 열 수 있습니다:

• 이 저장소를 로컬 파일 시스템에 복제합니다.
• F1 키를 누르고 Remote-Containers: Open Folder in Container... 명령을 선택합니다.
• 이 폴더의 복제본을 선택하고 컨테이너가 시작될 때까지 기다린 후 사용해 보세요.

오프라인 접근

Docsify를 사용해 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬에서 Docsify 설치 후, 이 저장소 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트 포트 3000에서 제공됩니다: localhost:3000.

참고: 노트북은 Docsify로 렌더링 되지 않으니, 노트북을 실행할 필요가 있을 때는 VS Code에서 Python 커널을 실행하여 별도 작업하세요.

기타 커리큘럼

저희 팀이 제작한 다른 커리큘럼도 확인해 보세요!

LangChain

Azure / Edge / MCP / 에이전트

---

생성 AI 시리즈

---

핵심 학습

---

코파일럿 시리즈

도움 받기

문제를 겪고 계신가요? 자주 발생하는 문제에 대한 해결책은 문제 해결 가이드에서 확인하세요.

AI 앱을 개발하시면서 막히거나 질문이 있다면, MCP에 대해 함께 학습하는 학습자 및 숙련된 개발자들과 토론에 참여하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원 커뮤니티입니다.

제품 피드백이나 빌드 중 오류가 있을 경우 다음을 방문하세요:

---

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 당사는 정확성을 위해 최선을 다하고 있으나, 자동 번역은 오류나 부정확성을 포함할 수 있음을 유의하시기 바랍니다. 원문은 해당 언어의 원본 문서를 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.