Microsoft의 Azure Cloud Advocates는 **Machine Learning**에 대한 모든 12-주, 24-강의 (하나 더!) 커리큘럼을 제공하게 된 것을 기쁘게 생각합니다. 이 교육 과정에서는 주로 Scikit-learn을 라이브러리로 사용하고 향후에 다룰 딥 러닝을 제외한 **classic machine learning**에 대해 배우게 됩니다. 본 수업과 '입문자를 위한 데이터 과학' 커리큘럼과 연계하여 학습해도 좋습니다.
이러한 고전적인 기술을 세계 여러 지역의 데이터에 적용하는 동안 우리와 함께 세계 여행을 떠나보십시오. 각 레슨에는 예습 및 복습 퀴즈, 레슨을 완료하기 위한 서면 지침, 해결책 및 과제가 포함됩니다. 프로젝트 기반 교육학을 통해 새로운 기술을 익힐 수 있는 검증된 방법으로 학습 할 수 있습니다.
**✍️ Hearty thanks to our authors** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Ornella Altunyan, and Amy Boyd
**🎨 Thanks as well to our illustrators** Tomomi Imura, Dasani Madipalli, and Jen Looper
**🙏 Special thanks 🙏 to our Microsoft Student Ambassador authors, reviewers and content contributors**, notably Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal
**🤩 Extra gratitude to Microsoft Student Ambassador Eric Wanjau for our R lessons!**
- 강의 그룹을 끝내면, [Discussion board](https://github.com/microsoft/ML-For-Beginners/discussions)를 방문하고 적절한 PAT rubric를 채워서 "learn out loud" 합니다. 'PAT'은 심화적으로 배우려고 작성하는 rubric인 Progress Assessment 도구 입니다. 같이 배울 수 있게 다른 PAT으로도 할 수 있습니다.
> 더 배우기 위해서, [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 모듈과 학습 경로를 따르는 것을 추천합니다.
이 커리큘럼을 만드는 동안 2가지 교육학 원칙을 선택했습니다: **project-based**에서 실습하고 **frequent quizzes**가 포함되었는지 확인합니다. 추가적으로, 이 커리큘럼은 통합적으로 보이기 위해서 공통적인 **theme**가 있습니다.
컨텐츠가 프로젝트와 맞게 유지되므로, 프로세스는 학생들이 더 끌리고 개념의 집중도가 높아집니다. 추가적으로, 강의 전 가벼운 퀴즈는 학생들이 공부에 집중하게 해주고, 강의 후 두 번째 퀴즈는 계속 집중하게 합니다. 이 커리큘럼은 유연하고 재밌게 디자인되었으며 다 배우거나 일부만 배울 수 있습니다. 프로젝트는 작게 시작해서 12주 사이클로 끝날 때까지 점점 복잡해집니다. 이 커리큘럼은 추가 크레딧이나 토론의 기초로 사용할 수 있는, ML의 현실에 적용한 postscript도 포함되어 있습니다.
> **퀴즈 참고사항**: 모든 퀴즈는 [이 앱](https://gray-sand-07a10f403.1.azurestaticapps.net/)에 포함되어 있으며, 각각 3문제씩 총 50개의 퀴즈가 있습니다. 퀴즈 앱은 교육 과정과 연결되어 있지만, 원하는 경우 따로 퀴즈 앱을 실행할 수도 있습니다. 자세한 사항은 퀴즈 앱 폴더 내의 지침을 따르십시오.
| 01 | 머신러닝 소개 | [소개](../1-Introduction/translations/README.ko.md) | 머신러닝의 기초 컨셉을 배웁니다 | [강의](../1-Introduction/1-intro-to-ML/translations/README.ko.md) | Muhammad |
| 02 | 머신러닝의 역사 | [소개](../1-Introduction/translations/README.ko.md) | 이 필드의 역사를 배웁니다 | [강의](../1-Introduction/2-history-of-ML/translations/README.ko.md) | Jen and Amy |
| 03 | 공정과 머신러닝 | [소개](../1-Introduction/translations/README.ko.md) | 학생들이 ML 모델을 만들고 적용할 때 고려해야 할 공정과 관련한 중요 철학적인 이슈는 무엇인가요? | [강의](../1-Introduction/3-fairness/translations/README.ko.md) | Tomomi |
| 04 | 머신러닝의 기술 | [소개](../1-Introduction/translations/README.ko.md) | ML 연구원들이 ML 모델을 만들 때 사용할 기술은 무엇인가요? | [강의](../1-Introduction/4-techniques-of-ML/translations/README.ko.md) | Chris and Jen |
| 05 | regression 소개 | [Regression](../2-Regression/translations/README.ko.md) | regression 모델을 위한 Python과 Scikit-learn으로 시작합니다 | [강의](../2-Regression/1-Tools/translations/README.ko.md) | Jen |
| 06 | 북미의 호박 가격 🎃 | [Regression](../2-Regression/translations/README.ko.md) | ML을 준비하기 위해서 데이터를 시각화하고 정리합니다 | [강의](../2-Regression/2-Data/translations/README.ko.md) | Jen |
| 07 | 북미의 호박 가격 🎃 | [Regression](../2-Regression/translations/README.ko.md) | linear와 polynomial regression 모델을 만듭니다 | [강의](2-Regression/3-Linear/translations/README.ko.md) | Jen |
| 08 | 북미의 호박 가격 🎃 | [Regression](../2-Regression/translations/README.ko.md) | logistic regression 모델을 만듭니다 | [강의](../2-Regression/4-Logistic/translations/README.ko.md) | Jen |
| 09 | 웹 앱 🔌 | [웹 앱](../3-Web-App/translations/README.ko.md) | 훈련된 모델로 웹 앱을 만듭니다 | [강의](../3-Web-App/1-Web-App/translations/README.ko.md) | Jen |
| 10 | classification 소개 | [Classification](../4-Classification/translations/README.ko.md) | 데이터 정리, 준비, 그리고 시각화; classification을 소개합니다 | [강의](../4-Classification/1-Introduction/translations/README.ko.md) | Jen and Cassie |
| 11 | 맛있는 아시아와 인도 요리 🍜 | [Classification](../4-Classification/translations/README.ko.md) | classifier를 소개합니다 | [강의](../4-Classification/2-Classifiers-1/translations/README.ko.md) | Jen and Cassie |
| 12 | 맛있는 아시아와 인도 요리 🍜 | [Classification](../4-Classification/translations/README.ko.md) | 더 많은 classifier | [강의](../4-Classification/3-Classifiers-2/translations/README.ko.md) | Jen and Cassie |
| 13 | 맛있는 아시아와 인도 요리 🍜 | [Classification](../4-Classification/translations/README.ko.md) | 모델로 추천 웹 앱을 만듭니다 | [강의](../4-Classification/4-Applied/translations/README.ko.md) | Jen |
| 14 | clustering 소개 | [Clustering](../5-Clustering/translations/README.ko.md) | 데이터 정리, 준비, 그리고 시각화; clustering을 소개합니다 | [강의](../5-Clustering/1-Visualize/translations/README.ko.md) | Jen |
| 15 | 나이지리아인의 음악 취향 알아보기 🎧 | [Clustering](../5-Clustering/translations/README.ko.md) | K-Means clustering 메소드를 탐색합니다 | [강의](../5-Clustering/2-K-Means/translations/README.ko.md) | Jen |
| 16 | natural language processing 소개 ☕️ | [Natural language processing](../6-NLP/translations/README.ko.md) | 간단한 봇을 만들면서 NLP에 대하여 기본을 배웁니다 | [강의](../6-NLP/1-Introduction-to-NLP/translations/README.ko.md) | Stephen |
| 17 | 일반적인 NLP 작업 ☕️ | [Natural language processing](../6-NLP/translations/README.ko.md) | 언어 구조를 다룰 때 필요한 일반 작업을 이해하면서 NLP 지식을 깊게 팝니다 | [강의](../6-NLP/2-Tasks/translations/README.ko.md) | Stephen |
| 18 | 번역과 감정 분석 ♥️ | [Natural language processing](../6-NLP/translations/README.ko.md) | Jane Austen을 통한 번역과 감정 분석 | [강의](../6-NLP/3-Translation-Sentiment/translations/README.ko.md) | Stephen |
| 19 | 유럽의 로맨틱 호텔 ♥️ | [Natural language processing](../6-NLP/translations/README.ko.md) | 호텔 리뷰를 통한 감정 분석 1 | [강의](../6-NLP/4-Hotel-Reviews-1/translations/README.ko.md) | Stephen |
| 20 | 유럽의 로맨틱 호텔 ♥️ | [Natural language processing](../6-NLP/translations/README.ko.md) | 호텔 리뷰를 통한 감정 분석 2 | [강의](../6-NLP/5-Hotel-Reviews-2/translations/README.ko.md) | Stephen |
| 21 | time series forecasting 소개 | [Time series](../7-TimeSeries/translations/README.ko.md) | time series forecasting을 소개합니다 | [강의](../7-TimeSeries/1-Introduction/translations/README.ko.md) | Francesca |
| 22 | ⚡️ 세계 전력 사용량 ⚡️ - ARIMA의 time series forecasting | [Time series](../7-TimeSeries/translations/README.ko.md) | ARIMA의 Time series forecasting | [강의](../7-TimeSeries/2-ARIMA/translations/README.ko.md) | Francesca |
[Docsify](https://docsify.js.org/#/)를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 repo를 포크하여 로컬 컴퓨터에 [Docsify (설치)](https://docsify.js.org/#/quickstart)를 설치한 다음 이 repo의 루트 폴더에 'docsify serve'를 입력하면 됩니다. 웹 사이트는 로컬 호스트의 포트 3000에서 제공됩니다: 'localhost:3000'.
