Data-Science-For-Beginners/translations/ko

초보자를 위한 데이터 과학 - 커리큘럼

Microsoft의 Azure Cloud Advocates는 데이터 과학에 관한 10주, 20개의 수업으로 구성된 커리큘럼을 제공하게 되어 기쁩니다. 각 수업에는 수업 전/후 퀴즈, 수업을 완료하기 위한 서면 지침, 해답 및 과제가 포함되어 있습니다. 프로젝트 기반 교육 방법을 통해 학습하면서 빌드하는 방식으로 새로운 기술이 더 잘 '정착'되도록 돕습니다.

저자분들께 깊은 감사: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 특별 감사 🙏 저희 Microsoft Student Ambassador 저자들, 리뷰어들 및 콘텐츠 기여자들께, 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 작성자 @nitya

🌐 다국어 지원

GitHub Action으로 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

추가 번역을 원하시면 지원 가능한 언어 목록은 여기에 나와 있습니다

커뮤니티에 참여하기

저희는 Discord에서 진행 중인 "AI와 함께 배우기" 시리즈를 운영하고 있습니다. 자세한 내용은 Learn with AI Series에서 확인하고 2025년 9월 18일부터 9월 30일까지 참가하세요. 데이터 과학을 위한 GitHub Copilot 사용 팁과 요령을 얻을 수 있습니다.

학생이신가요?

다음 자료들로 시작하세요:

• Student Hub page 이 페이지에서는 초보자용 자료, 학생 팩 및 무료 자격증 바우처를 받을 수 있는 방법 등을 찾을 수 있습니다. 이 페이지는 즐겨찾기에 추가해 두고 최소한 매달 콘텐츠를 교체할 때 확인해 보세요.
• Microsoft Learn Student Ambassadors 전 세계 학생 앰배서더 커뮤니티에 참여하세요. 이것이 Microsoft로 가는 길이 될 수 있습니다.

시작하기

📚 문서

• Installation Guide - 초보자를 위한 단계별 설치 안내
• Usage Guide - 예제 및 일반적인 워크플로
• Troubleshooting - 일반적인 문제에 대한 해결책
• Contributing Guide - 이 프로젝트에 기여하는 방법
• For Teachers - 교육 지침 및 교실 자료

👨‍🎓 학생용

완전 초보자: 데이터 과학이 처음이신가요? 저희 초보자 친화적 예제들부터 시작하세요! 이 간단하고 주석이 잘 달린 예제들은 전체 커리큘럼에 들어가기 전에 기본을 이해하는 데 도움이 됩니다. 학생들: 이 커리큘럼을 혼자 사용하려면 저장소를 포크한 후 예제를 스스로 완료하세요. 먼저 수업 전 퀴즈로 시작한 다음 강의를 읽고 나머지 활동을 완료하세요. 솔루션 코드를 복사하기보다 수업을 이해하면서 프로젝트를 직접 만들어 보려고 노력하세요. 다만 해당 코드는 각 프로젝트 지향 수업의 /solutions 폴더에 있습니다. 또 다른 방법으로는 친구들과 스터디 그룹을 구성해 함께 내용을 따라가는 것입니다. 추가 학습을 원하시면 Microsoft Learn을 추천합니다.

빠른 시작:

1. 환경 설정을 위해 Installation Guide를 확인하세요
2. 커리큘럼 사용 방법을 배우려면 Usage Guide를 검토하세요
3. 1과부터 순차적으로 수업을 진행하세요
4. 지원을 원하시면 저희 Discord 커뮤니티에 참여하세요

👩‍🏫 교사용

교사분들: 이 커리큘럼을 어떻게 사용할지에 대한 몇 가지 제안을 for-teachers.md에 포함시켰습니다. 여러분의 피드백을 토론 포럼에서 기다립니다!

팀 소개

Gif 제작자 Mohit Jaisal

🎥 위 이미지를 클릭하여 프로젝트 및 제작자들에 관한 동영상을 확인하세요!

교수법

이 커리큘럼을 구축하면서 두 가지 교육 원칙을 선택했습니다: 프로젝트 기반이라는 것과 자주 퀴즈가 포함된다는 것입니다. 이 시리즈가 끝날 때쯤, 학생들은 윤리 개념, 데이터 준비, 다양한 데이터 처리 방식, 데이터 시각화, 데이터 분석, 실제 데이터 과학 활용 사례 등 기본적인 데이터 과학 원리를 배우게 될 것입니다.

또한 수업 전의 낮은 부담의 퀴즈는 학생이 주제 학습에 대한 의도를 설정하게 하고, 수업 후의 두 번째 퀴즈는 추가적인 기억 유지를 보장합니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며 전체 또는 일부만 수강할 수 있습니다. 프로젝트들은 작게 시작해서 10주 사이클의 끝에 갈수록 점차 복잡해집니다.

다음을 확인하세요: 행동 강령, 기여, 번역 가이드라인. 건설적인 피드백을 환영합니다!

각 수업에는 다음이 포함됩니다:

• 선택적 스케치노트
• 선택적 보충 동영상
• 수업 전 워밍업 퀴즈
• 서면 강의
• 프로젝트 기반 수업의 경우, 프로젝트를 만드는 단계별 가이드
• 지식 점검
• 도전 과제
• 추가 읽을거리
• 과제
• 수업 후 퀴즈

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

🎓 초보자 친화적인 예제

데이터 과학이 처음이신가요? 시작하는 데 도움을 주기 위해 간단하고 주석이 잘 달린 코드를 포함한 특별한 예제 디렉터리를 만들었습니다:

• 🌟 Hello World - 첫 번째 데이터 과학 프로그램
• 📂 Loading Data - 데이터셋을 읽고 탐색하는 방법을 배웁니다
• 📊 Simple Analysis - 통계를 계산하고 패턴을 찾습니다
• 📈 Basic Visualization - 차트와 그래프를 만듭니다
• 🔬 Real-World Project - 처음부터 끝까지의 전체 워크플로우

각 예제에는 단계별로 자세한 주석이 포함되어 있어 완전한 초보자에게도 적합합니다!

👉 예제부터 시작하세요 👈

수업

초보자를 위한 데이터 과학: Roadmap - 스케치노트 작성자 @nitya

수업 번호	주제	수업 그룹	학습 목표	연결된 수업	저자
01	데이터 과학 정의	소개	데이터 과학의 기본 개념과 그것이 인공 지능, 기계 학습, 빅데이터와 어떤 관련이 있는지 학습합니다.	수업 동영상	Dmitry
02	데이터 과학 윤리	소개	데이터 윤리 개념, 도전과제 및 프레임워크.	수업	Nitya
03	데이터 정의	소개	데이터 분류 방법과 일반적인 출처.	수업	Jasmine
04	통계 및 확률 소개	소개	데이터를 이해하기 위한 확률 및 통계의 수학적 기법.	수업 동영상	Dmitry
05	관계형 데이터 다루기	데이터 다루기	관계형 데이터 소개 및 구조화 질의 언어(SQL, 발음 “see-quell”)를 사용하여 관계형 데이터를 탐색하고 분석하는 기본.	수업	Christopher
06	NoSQL 데이터 다루기	데이터 다루기	비관계형 데이터 소개, 다양한 유형 및 문서형 데이터베이스를 탐색하고 분석하는 기본.	수업	Jasmine
07	Python으로 데이터 다루기	데이터 다루기	Pandas와 같은 라이브러리를 사용한 데이터 탐색을 위한 Python 사용의 기본. Python 프로그래밍의 기초 지식 권장.	수업 동영상	Dmitry
08	데이터 준비	데이터 다루기	결측, 부정확 또는 불완전한 데이터 문제를 처리하기 위한 데이터 정제 및 변환 기법 관련 주제.	수업	Jasmine
09	수량 시각화	데이터 시각화	Matplotlib을 사용하여 조류 데이터를 시각화하는 방법을 배웁니다 🦆	수업	Jen
10	데이터 분포 시각화	데이터 시각화	구간 내 관측값과 추세를 시각화하기.	수업	Jen
11	비율 시각화	데이터 시각화	이산 및 그룹화된 백분율 시각화.	수업	Jen
12	관계 시각화	데이터 시각화	데이터 집합 및 변수들 간의 연결 및 상관 관계 시각화.	수업	Jen
13	의미 있는 시각화	데이터 시각화	효과적인 문제 해결과 인사이트를 얻기 위해 시각화를 가치있게 만드는 기법 및 지침.	수업	Jen
14	데이터 과학 라이프사이클 소개	라이프사이클	데이터 과학 라이프사이클 소개 및 데이터 획득·추출의 첫 단계.	수업	Jasmine
15	분석	라이프사이클	데이터 과학 라이프사이클의 이 단계는 데이터를 분석하는 기법에 중점을 둡니다.	수업	Jasmine
16	커뮤니케이션	라이프사이클	데이터 과학 라이프사이클의 이 단계는 의사결정자가 이해하기 쉬운 방식으로 데이터에서 얻은 인사이트를 전달하는 데 중점을 둡니다.	수업	Jalen
17	클라우드에서의 데이터 과학	클라우드 데이터	이 강의 시리즈는 클라우드에서의 데이터 과학과 그 이점을 소개합니다.	수업	Tiffany and Maud
18	클라우드에서의 데이터 과학	클라우드 데이터	로우 코드 도구를 사용한 모델 학습.	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 세계의 데이터 과학 기반 프로젝트.	수업	Nitya

GitHub Codespaces

이 샘플을 Codespace에서 열려면 다음 단계를 따르세요:

1. Code 드롭다운 메뉴를 클릭한 후 'Open with Codespaces' 옵션을 선택하세요.
2. 창 하단에서 + New codespace를 선택하세요. 자세한 내용은 GitHub 문서를 확인하세요.

VSCode Remote - Containers

로컬 머신과 VSCode에서 VS Code Remote - Containers 확장을 사용하여 이 리포지토리를 컨테이너에서 열려면 다음 단계를 따르세요:

1. 개발 컨테이너를 처음 사용하는 경우, 시작 안내 문서에 있는 사전 요구 사항(예: Docker 설치 여부)을 충족하는지 확인하세요.

이 리포지토리를 사용하려면 리포지토리를 격리된 Docker 볼륨에서 열거나:

참고: 내부적으로 이는 Remote-Containers: Clone Repository in Container Volume... 명령을 사용하여 소스 코드를 로컬 파일시스템 대신 Docker 볼륨에 클론합니다. 볼륨은 컨테이너 데이터를 유지하는 데 권장되는 메커니즘입니다.

또는 로컬에 클론하거나 다운로드한 리포지토리 버전을 열 수 있습니다:

• 이 리포지토리를 로컬 파일시스템으로 클론하세요.
• F1을 누르고 Remote-Containers: Open Folder in Container... 명령을 선택하세요.
• 클론한 폴더를 선택하고, 컨테이너가 시작될 때까지 기다린 후 사용해 보세요.

오프라인 액세스

Docsify를 사용하면 이 문서를 오프라인으로 실행할 수 있습니다. 이 리포지토리를 포크하고, 로컬 머신에 Docsify 설치한 다음, 이 리포지토리의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 localhost의 포트 3000에서 제공됩니다: localhost:3000.

참고: 노트북은 Docsify에서 렌더링되지 않으므로 노트북을 실행해야 할 경우 별도로 VS Code에서 Python 커널로 실행하세요.

기타 커리큘럼

저희 팀은 다른 커리큘럼도 제작합니다! 확인해 보세요:

LangChain

---

Azure / Edge / MCP / Agents

---

생성형 AI 시리즈

---

핵심 학습

---

Copilot 시리즈

도움 받기

문제가 발생했나요? 일반적인 문제에 대한 해결 방법은 문제 해결 가이드에서 확인하세요.

AI 앱을 구축하는 과정에서 막히거나 질문이 있으신가요? MCP에 대해 다른 학습자 및 경험 많은 개발자들과 토론에 참여하세요. 질문을 환영하고 지식이 자유롭게 공유되는 지원 커뮤니티입니다.

제품 관련 피드백이나 빌드 중 오류가 있는 경우 방문하세요:

---

면책 조항: 이 문서는 AI 번역 서비스 Co-op Translator(https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나 자동 번역에는 오류나 부정확성이 포함될 수 있음을 양지해 주시기 바랍니다. 원문(원어)은 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문 번역가에 의한 번역을 권장합니다. 이 번역의 사용으로 인해 발생하는 모든 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.