9.9 KiB

Raw Blame History

사용 가이드

이 가이드는 초보자를 위한 데이터 과학 커리큘럼을 사용하는 예제와 일반적인 워크플로를 제공합니다.

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

사전 퀴즈: 기존 지식을 테스트
스케치노트 (선택 사항): 주요 개념의 시각적 요약
비디오 (선택 사항): 보충 비디오 콘텐츠
작성된 레슨: 핵심 개념과 설명
주피터 노트북: 실습 코딩 연습
과제: 배운 내용을 연습
사후 퀴즈: 이해도를 강화

레슨 예제 워크플로

# 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

# 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

셀 실행: Shift + Enter를 누르거나 "실행" 버튼 클릭
모든 셀 실행: 메뉴에서 "Cell" → "Run All" 선택
커널 재시작: 문제가 발생하면 "Kernel" → "Restart" 선택

예제: 노트북에서 데이터 작업하기

# 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

# Navigate to quiz app directory
cd quiz-app

# Start the development server
npm run serve

# Access at http://localhost:8080

퀴즈 풀기

사전 퀴즈는 각 레슨 상단에 링크로 제공됩니다
사후 퀴즈는 각 레슨 하단에 링크로 제공됩니다
각 퀴즈는 3개의 질문으로 구성됩니다
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

# 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:

# 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

# 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

# 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

# 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 커뮤니티에 참여하세요
Discord의 #Data-Science-for-Beginners 채널에서 토론에 참여하세요 Discord Discussions
진행 상황을 공유하고 질문하세요

자신만의 프로젝트 만들기

레슨을 완료한 후, 개인 프로젝트에 개념을 적용하세요:

# 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

for-teachers.md를 검토하여 자세한 지침 확인
공유 환경 설정 (GitHub Classroom 또는 Codespaces)
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

# 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

# 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

# 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

# Serve with Docsify
docsify serve

# Access at localhost:3000

로컬에서 퀴즈 앱 실행

cd quiz-app
npm run serve

번역된 콘텐츠 액세스

번역은 40개 이상의 언어로 제공됩니다:

# 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 - 추가 학습 경로
Student Hub - 학생을 위한 리소스
Azure AI Foundry - 커뮤니티 포럼

도움 받기

TROUBLESHOOTING.md에서 일반적인 문제 확인
GitHub Issues 검색
Discord에 참여
CONTRIBUTING.md를 검토하여 문제를 보고하거나 기여하세요

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 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.

9.9 KiB Raw Blame History