21 KiB

Raw Permalink Blame History

초보자를 위한 데이터 과학 - 커리큘럼

Microsoft의 Azure Cloud Advocates는 데이터 과학에 관한 10주, 20강의 커리큘럼을 제공합니다. 각 강의는 사전 및 사후 퀴즈, 강의를 완료하기 위한 서면 지침, 솔루션, 과제를 포함하고 있습니다. 프로젝트 기반 학습법을 통해 배우면서 실제로 만들어보는 방식은 새로운 기술을 효과적으로 익히는 검증된 방법입니다.

저자들에게 깊은 감사의 말씀을 드립니다: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 특별히 감사드립니다 🙏 Microsoft Student Ambassador 저자, 리뷰어 및 콘텐츠 기여자들, 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 - 스케치노트: @nitya

🌐 다국어 지원

GitHub Action을 통한 지원 (자동화 및 항상 최신 상태)

추가 번역 언어를 원하시면 여기에서 확인하세요.

커뮤니티에 참여하세요

학생이신가요?

다음 리소스를 통해 시작해보세요:

학생 허브 페이지 이 페이지에서는 초보자를 위한 리소스, 학생 팩, 무료 인증 바우처를 얻는 방법 등을 찾을 수 있습니다. 이 페이지는 즐겨찾기에 추가하고 정기적으로 확인하세요. 콘텐츠는 최소 월 1회 변경됩니다.
Microsoft Learn Student Ambassadors 글로벌 학생 앰배서더 커뮤니티에 참여하세요. Microsoft에 참여할 수 있는 기회가 될 수 있습니다.

시작하기

교사: 이 커리큘럼을 사용하는 방법에 대한 몇 가지 제안을 포함했습니다. 토론 포럼에서 피드백을 주시면 감사하겠습니다!

학생: 이 커리큘럼을 스스로 사용하려면, 전체 저장소를 포크하고 사전 강의 퀴즈부터 시작하여 스스로 연습 문제를 완료하세요. 강의를 읽고 나머지 활동을 완료하세요. 솔루션 코드를 복사하기보다는 강의를 이해하며 프로젝트를 만들어보세요. 하지만 솔루션 코드는 각 프로젝트 기반 강의의 /solutions 폴더에 제공됩니다. 또 다른 방법으로는 친구들과 스터디 그룹을 만들어 함께 콘텐츠를 학습하는 것도 좋습니다. 추가 학습을 위해 Microsoft Learn을 추천합니다.

팀 소개

Gif 제작: Mohit Jaisal

🎥 위 이미지를 클릭하면 프로젝트와 제작자들에 대한 비디오를 볼 수 있습니다!

교육 방법론

이 커리큘럼을 설계할 때 두 가지 교육 원칙을 채택했습니다: 프로젝트 기반 학습과 빈번한 퀴즈 포함. 이 시리즈가 끝날 때쯤 학생들은 데이터 과학의 기본 원칙, 윤리적 개념, 데이터 준비, 데이터 작업 방법, 데이터 시각화, 데이터 분석, 데이터 과학의 실제 사례 등을 배우게 됩니다.

또한, 수업 전 간단한 퀴즈는 학생이 주제에 집중하도록 도와주며, 수업 후 퀴즈는 학습 내용을 더 잘 기억하도록 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며, 전체 또는 일부만 학습할 수 있습니다. 프로젝트는 작게 시작하여 10주 과정이 끝날 때쯤 점점 더 복잡해집니다.

우리의 행동 강령, 기여, 번역 지침을 확인하세요. 여러분의 건설적인 피드백을 환영합니다!

각 강의는 다음을 포함합니다:

선택적 스케치노트
선택적 보충 영상
강의 전 워밍업 퀴즈
작성된 강의 자료
프로젝트 기반 강의의 경우, 프로젝트를 구축하는 단계별 가이드
지식 점검
도전 과제
추가 읽기 자료
과제
강의 후 퀴즈

퀴즈에 대한 참고 사항: 모든 퀴즈는 Quiz-App 폴더에 포함되어 있으며, 총 40개의 퀴즈가 각 3개의 질문으로 구성되어 있습니다. 퀴즈는 강의 내에서 링크로 연결되어 있지만, 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다. quiz-app 폴더의 지침을 따르세요. 퀴즈는 점진적으로 현지화되고 있습니다.

강의 목록


데이터 과학 초보자를 위한 로드맵 - @nitya의 스케치노트

강의 번호	주제	강의 그룹	학습 목표	연결된 강의	저자
01	데이터 과학 정의	소개	데이터 과학의 기본 개념과 인공지능, 머신러닝, 빅데이터와의 관계를 학습합니다.	강의 영상	Dmitry
02	데이터 과학 윤리	소개	데이터 윤리 개념, 도전 과제 및 프레임워크를 학습합니다.	강의	Nitya
03	데이터 정의	소개	데이터가 어떻게 분류되는지와 일반적인 출처를 학습합니다.	강의	Jasmine
04	통계 및 확률 소개	소개	데이터를 이해하기 위한 확률 및 통계의 수학적 기법을 학습합니다.	강의 영상	Dmitry
05	관계형 데이터 작업	데이터 작업	관계형 데이터 소개 및 SQL(“씨퀄”로 발음됨)을 사용하여 관계형 데이터를 탐색하고 분석하는 기본 사항을 학습합니다.	강의	Christopher
06	NoSQL 데이터 작업	데이터 작업	비관계형 데이터의 다양한 유형과 문서 데이터베이스를 탐색하고 분석하는 기본 사항을 학습합니다.	강의	Jasmine
07	Python 작업	데이터 작업	Pandas와 같은 라이브러리를 사용하여 데이터를 탐색하는 Python 사용의 기본 사항을 학습합니다. Python 프로그래밍에 대한 기초 이해가 권장됩니다.	강의 영상	Dmitry
08	데이터 준비	데이터 작업	누락되거나 부정확하거나 불완전한 데이터를 처리하기 위한 데이터 정리 및 변환 기술에 대해 학습합니다.	강의	Jasmine
09	수량 시각화	데이터 시각화	Matplotlib을 사용하여 새 데이터 🦆를 시각화하는 방법을 학습합니다.	강의	Jen
10	데이터 분포 시각화	데이터 시각화	구간 내 관찰 및 추세를 시각화합니다.	강의	Jen
11	비율 시각화	데이터 시각화	개별 및 그룹화된 백분율을 시각화합니다.	강의	Jen
12	관계 시각화	데이터 시각화	데이터 세트와 변수 간의 연결 및 상관관계를 시각화합니다.	강의	Jen
13	의미 있는 시각화	데이터 시각화	효과적인 문제 해결 및 통찰력을 위한 시각화를 가치 있게 만드는 기술과 지침을 학습합니다.	강의	Jen
14	데이터 과학 라이프사이클 소개	라이프사이클	데이터 과학 라이프사이클과 데이터 획득 및 추출의 첫 번째 단계에 대해 학습합니다.	강의	Jasmine
15	분석	라이프사이클	데이터 과학 라이프사이클의 이 단계에서는 데이터를 분석하는 기술에 초점을 맞춥니다.	강의	Jasmine
16	커뮤니케이션	라이프사이클	데이터 과학 라이프사이클의 이 단계에서는 데이터에서 얻은 통찰력을 의사 결정자가 이해하기 쉽게 제시하는 데 초점을 맞춥니다.	강의	Jalen
17	클라우드에서의 데이터 과학	클라우드 데이터	클라우드에서의 데이터 과학과 그 이점을 소개하는 강의 시리즈입니다.	강의	Tiffany 및 Maud
18	클라우드에서의 데이터 과학	클라우드 데이터	로우 코드 도구를 사용하여 모델을 훈련합니다.	강의	Tiffany 및 Maud
19	클라우드에서의 데이터 과학	클라우드 데이터	Azure Machine Learning Studio를 사용하여 모델을 배포합니다.	강의	Tiffany 및 Maud
20	실제 환경에서의 데이터 과학	실제 환경	실제 세계에서 데이터 과학 기반 프로젝트를 학습합니다.	강의	Nitya

GitHub Codespaces

이 샘플을 Codespace에서 열려면 다음 단계를 따르세요:

코드 드롭다운 메뉴를 클릭하고 Codespaces로 열기 옵션을 선택합니다.
창 하단에서 + 새 Codespace를 선택합니다. 자세한 내용은 GitHub 문서를 확인하세요.

VSCode Remote - Containers

로컬 머신과 VSCode를 사용하여 VS Code Remote - Containers 확장을 통해 이 저장소를 컨테이너에서 열려면 다음 단계를 따르세요:

개발 컨테이너를 처음 사용하는 경우, 시스템이 사전 요구 사항을 충족하는지 확인하세요(예: Docker 설치). 시작 문서를 참조하세요.

이 저장소를 사용하려면 다음 중 하나를 선택하세요:

참고: 내부적으로, 이는 Remote-Containers: Clone Repository in Container Volume... 명령을 사용하여 소스 코드를 로컬 파일 시스템 대신 Docker 볼륨에 복제합니다. 볼륨은 컨테이너 데이터를 지속적으로 저장하는 데 선호되는 메커니즘입니다.

또는 로컬에 복제하거나 다운로드한 저장소를 엽니다:

이 저장소를 로컬 파일 시스템에 복제합니다.
F1을 누르고 Remote-Containers: Open Folder in Container... 명령을 선택합니다.
복제된 폴더를 선택하고 컨테이너가 시작될 때까지 기다린 후 테스트를 진행합니다.

오프라인 액세스

Docsify를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 Docsify를 설치한 다음, 이 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 localhost의 포트 3000에서 제공됩니다: localhost:3000.

참고, 노트북은 Docsify를 통해 렌더링되지 않으므로 노트북을 실행해야 할 때는 Python 커널을 실행하는 VS Code에서 별도로 실행하세요.

기타 커리큘럼

우리 팀은 다른 커리큘럼도 제작합니다! 확인해보세요:

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있지만, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전이 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.

21 KiB Raw Permalink Blame History