[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 다국어 지원 #### GitHub Action을 통한 지원 (자동화 및 항상 최신 상태 유지) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](./README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) #### 커뮤니티에 참여하세요 [](https://discord.gg/kzRShWzttr) # 초보자를 위한 머신러닝 - 커리큘럼 > 🌍 세계 문화를 통해 머신러닝을 탐구하며 전 세계를 여행해보세요 🌍 Microsoft의 Cloud Advocates는 **머신러닝**에 관한 12주, 26강의 커리큘럼을 제공합니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여 **클래식 머신러닝**이라고 불리는 내용을 배우며, 딥러닝은 [AI for Beginners 커리큘럼](https://aka.ms/ai4beginners)에서 다룹니다. 이 강의는 ['Data Science for Beginners' 커리큘럼](https://aka.ms/ds4beginners)과 함께 학습하면 더욱 효과적입니다. 우리는 전 세계의 데이터를 활용하여 이러한 클래식 기법을 적용하며 세계를 여행합니다. 각 강의에는 사전 및 사후 퀴즈, 강의 완성을 위한 서면 지침, 솔루션, 과제 등이 포함되어 있습니다. 프로젝트 기반 학습법을 통해 새로운 기술을 배우고 이를 실질적으로 적용할 수 있습니다. **✍️ 저자들에게 깊은 감사의 말씀을 전합니다** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd **🎨 일러스트레이터들에게도 감사드립니다** Tomomi Imura, Dasani Madipalli, Jen Looper **🙏 Microsoft Student Ambassador 저자, 리뷰어, 콘텐츠 기여자들에게 특별히 감사드립니다**, 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal **🤩 R 강의를 위해 특별히 감사드립니다** Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta # 시작하기 다음 단계를 따르세요: 1. **저장소 포크하기**: 이 페이지 오른쪽 상단의 "Fork" 버튼을 클릭하세요. 2. **저장소 클론하기**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [이 과정의 추가 리소스를 Microsoft Learn 컬렉션에서 확인하세요](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) **[학생들](https://aka.ms/student-page)**, 이 커리큘럼을 사용하려면 전체 저장소를 자신의 GitHub 계정으로 포크하고, 혼자 또는 그룹과 함께 연습 문제를 완료하세요: - 강의 전 퀴즈로 시작하세요. - 강의를 읽고 활동을 완료하며, 각 지식 확인 단계에서 멈추고 반성하세요. - 솔루션 코드를 실행하기보다는 강의를 이해하며 프로젝트를 만들어보세요. 그러나 솔루션 코드는 각 프로젝트 기반 강의의 `/solution` 폴더에 있습니다. - 강의 후 퀴즈를 완료하세요. - 도전을 완료하세요. - 과제를 완료하세요. - 강의 그룹을 완료한 후, [토론 게시판](https://github.com/microsoft/ML-For-Beginners/discussions)을 방문하여 적절한 PAT 루브릭을 작성하며 "소리 내어 학습"하세요. PAT는 학습을 심화하기 위해 작성하는 진도 평가 도구입니다. 다른 PAT에 반응하여 함께 학습할 수도 있습니다. > 추가 학습을 위해, 이 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 모듈과 학습 경로를 따라가기를 권장합니다. **교사들**, 이 커리큘럼을 사용하는 방법에 대한 [제안 사항](for-teachers.md)을 포함했습니다. --- ## 비디오 워크스루 일부 강의는 짧은 형식의 비디오로 제공됩니다. 이 비디오는 강의 내에서 인라인으로 찾을 수 있으며, Microsoft Developer YouTube 채널의 [ML for Beginners 재생 목록](https://aka.ms/ml-beginners-videos)에서도 확인할 수 있습니다. 아래 이미지를 클릭하세요. [](https://aka.ms/ml-beginners-videos) --- ## 팀 소개 [](https://youtu.be/Tj1XWrDSYJU) **Gif 제작** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 위 이미지를 클릭하여 프로젝트와 제작자들에 대한 비디오를 확인하세요! --- ## 교육 방법론 이 커리큘럼을 제작하면서 두 가지 교육 원칙을 채택했습니다: **프로젝트 기반**으로 실습을 강조하고, **빈번한 퀴즈**를 포함하는 것입니다. 또한, 이 커리큘럼은 일관성을 제공하기 위해 공통 **테마**를 가지고 있습니다. 프로젝트와 연계된 콘텐츠를 보장함으로써 학습 과정이 학생들에게 더 흥미로워지고 개념의 유지력이 향상됩니다. 또한, 수업 전 저위험 퀴즈는 학생이 주제 학습에 집중하도록 의도를 설정하며, 수업 후 두 번째 퀴즈는 개념의 추가적인 유지를 보장합니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며, 전체 또는 일부를 선택적으로 학습할 수 있습니다. 프로젝트는 작게 시작하여 12주 과정이 끝날 때 점점 더 복잡해집니다. 이 커리큘럼에는 ML의 실제 응용에 대한 후기가 포함되어 있으며, 이는 추가 학점으로 사용하거나 토론의 기초로 사용할 수 있습니다. > 우리의 [행동 강령](CODE_OF_CONDUCT.md), [기여](CONTRIBUTING.md), [번역](TRANSLATIONS.md) 지침을 확인하세요. 건설적인 피드백을 환영합니다! ## 각 강의에는 다음이 포함됩니다 - 선택적 스케치노트 - 선택적 보충 비디오 - 비디오 워크스루 (일부 강의만 해당) - [강의 전 워밍업 퀴즈](https://ff-quizzes.netlify.app/en/ml/) - 서면 강의 - 프로젝트 기반 강의의 경우, 프로젝트를 구축하는 단계별 가이드 - 지식 확인 - 도전 과제 - 보충 자료 - 과제 - [강의 후 퀴즈](https://ff-quizzes.netlify.app/en/ml/) > **언어에 대한 참고 사항**: 이 강의는 주로 Python으로 작성되었지만, 일부는 R로도 제공됩니다. R 강의를 완료하려면 `/solution` 폴더로 이동하여 R 강의를 찾으세요. 이 강의는 `.rmd` 확장자를 포함하며, 이는 `코드 청크`(R 또는 기타 언어)와 `YAML 헤더`(PDF와 같은 출력 형식을 안내)를 `Markdown 문서`에 포함하는 것으로 간단히 정의할 수 있습니다. 따라서, 이는 코드, 출력, 생각을 Markdown에 기록할 수 있게 하여 데이터 과학을 위한 모범적인 저작 프레임워크로 작용합니다. 또한, R Markdown 문서는 PDF, HTML, Word와 같은 출력 형식으로 렌더링될 수 있습니다. > **퀴즈에 대한 참고 사항**: 모든 퀴즈는 [Quiz App 폴더](../../quiz-app)에 포함되어 있으며, 총 52개의 퀴즈가 각 3문항으로 구성되어 있습니다. 이들은 강의 내에서 링크되어 있지만, `quiz-app` 폴더의 지침을 따라 로컬에서 실행하거나 Azure에 배포할 수 있습니다. | 강의 번호 | 주제 | 강의 그룹 | 학습 목표 | 연결된 강의 | 저자 | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | 머신러닝 소개 | [소개](1-Introduction/README.md) | 머신러닝의 기본 개념을 학습합니다 | [강의](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | 머신러닝의 역사 | [소개](1-Introduction/README.md) | 이 분야의 역사적 배경을 학습합니다 | [강의](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 03 | 머신러닝과 공정성 | [소개](1-Introduction/README.md) | 학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 중요한 철학적 문제는 무엇인가요? | [강의](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | 머신 러닝 기술 | [Introduction](1-Introduction/README.md) | 머신 러닝 연구자들이 ML 모델을 구축하기 위해 사용하는 기술은 무엇인가요? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | | 05 | 회귀 소개 | [Regression](2-Regression/README.md) | 회귀 모델을 위해 Python과 Scikit-learn을 시작해보세요 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | 북미 호박 가격 🎃 | [Regression](2-Regression/README.md) | 머신 러닝 준비를 위해 데이터를 시각화하고 정리하기 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | 북미 호박 가격 🎃 | [Regression](2-Regression/README.md) | 선형 및 다항 회귀 모델 구축 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | | 08 | 북미 호박 가격 🎃 | [Regression](2-Regression/README.md) | 로지스틱 회귀 모델 구축 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | 웹 앱 🔌 | [Web App](3-Web-App/README.md) | 학습된 모델을 활용하는 웹 앱 구축 | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | 분류 소개 | [Classification](4-Classification/README.md) | 데이터를 정리, 준비, 시각화하기; 분류 소개 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | | 11 | 맛있는 아시아 및 인도 요리 🍜 | [Classification](4-Classification/README.md) | 분류기 소개 | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | | 12 | 맛있는 아시아 및 인도 요리 🍜 | [Classification](4-Classification/README.md) | 추가 분류기 | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | | 13 | 맛있는 아시아 및 인도 요리 🍜 | [Classification](4-Classification/README.md) | 모델을 사용하여 추천 웹 앱 구축 | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | 클러스터링 소개 | [Clustering](5-Clustering/README.md) | 데이터를 정리, 준비, 시각화하기; 클러스터링 소개 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | 나이지리아 음악 취향 탐구 🎧 | [Clustering](5-Clustering/README.md) | K-Means 클러스터링 방법 탐구 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | 자연어 처리 소개 ☕️ | [Natural language processing](6-NLP/README.md) | 간단한 봇을 구축하며 NLP의 기초 배우기 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | 일반적인 NLP 작업 ☕️ | [Natural language processing](6-NLP/README.md) | 언어 구조를 다룰 때 필요한 일반적인 작업을 이해하며 NLP 지식 심화 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | 번역 및 감정 분석 ♥️ | [Natural language processing](6-NLP/README.md) | 제인 오스틴의 작품을 활용한 번역 및 감정 분석 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | 유럽의 로맨틱 호텔 ♥️ | [Natural language processing](6-NLP/README.md) | 호텔 리뷰를 활용한 감정 분석 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | 유럽의 로맨틱 호텔 ♥️ | [Natural language processing](6-NLP/README.md) | 호텔 리뷰를 활용한 감정 분석 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | 시계열 예측 소개 | [Time series](7-TimeSeries/README.md) | 시계열 예측 소개 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ 세계 전력 사용 ⚡️ - ARIMA를 활용한 시계열 예측 | [Time series](7-TimeSeries/README.md) | ARIMA를 활용한 시계열 예측 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ 세계 전력 사용 ⚡️ - SVR을 활용한 시계열 예측 | [Time series](7-TimeSeries/README.md) | 서포트 벡터 회귀를 활용한 시계열 예측 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | 강화 학습 소개 | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning을 활용한 강화 학습 소개 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | 피터가 늑대를 피하도록 도와주세요! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 강화 학습 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | 실제 ML 시나리오 및 응용 | [ML in the Wild](9-Real-World/README.md) | 흥미롭고 유익한 고전적 ML의 실제 응용 사례 | [Lesson](9-Real-World/1-Applications/README.md) | Team | | Postscript | RAI 대시보드를 활용한 ML 모델 디버깅 | [ML in the Wild](9-Real-World/README.md) | 책임 있는 AI 대시보드 구성 요소를 활용한 머신 러닝 모델 디버깅 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [Microsoft Learn 컬렉션에서 이 과정의 추가 리소스를 모두 찾아보세요](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## 오프라인 접근 [Docsify](https://docsify.js.org/#/)를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 저장소를 포크하고, [Docsify 설치](https://docsify.js.org/#/quickstart)를 로컬 머신에 진행한 후, 이 저장소의 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트는 localhost의 포트 3000에서 제공됩니다: `localhost:3000`. ## PDF 링크가 포함된 커리큘럼 PDF를 [여기](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)에서 찾을 수 있습니다. ## 🎒 다른 과정들 우리 팀은 다른 과정도 제작합니다! 확인해보세요: - [Generative AI for Beginners](https://aka.ms/genai-beginners) - [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java) - [AI for Beginners](https://aka.ms/ai-beginners) - [Data Science for Beginners](https://aka.ms/datascience-beginners) - [ML for Beginners](https://aka.ms/ml-beginners) - [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) - [Web Dev for Beginners](https://aka.ms/webdev-beginners) - [IoT for Beginners](https://aka.ms/iot-beginners) - [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) - [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) --- **면책 조항**: 이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서를 해당 언어로 작성된 상태에서 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.