ML-For-Beginners/translations/ko

🌐 다국어 지원

GitHub Action을 통한 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

커뮤니티에 참여하세요

우리는 Discord에서 AI와 함께 배우는 시리즈를 진행 중입니다. 2025년 9월 18일부터 30일까지 Learn with AI Series에서 자세히 알아보고 참여하세요. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.

초보자를 위한 머신러닝 - 커리큘럼

🌍 세계 문화를 통해 머신러닝을 탐험하며 전 세계를 여행해 봅시다 🌍

Microsoft의 클라우드 옹호자들이 12주, 26강의로 구성된 머신러닝에 관한 커리큘럼을 제공합니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여 때때로 고전적 머신러닝이라고 불리는 내용을 배우며, 딥러닝은 AI for Beginners' 커리큘럼에서 다룹니다. 또한 이 강의들을 'Data Science for Beginners' 커리큘럼과 함께 학습할 수 있습니다.

전 세계를 여행하며 다양한 지역의 데이터를 대상으로 이러한 고전적 기법을 적용해 봅니다. 각 강의에는 사전 및 사후 퀴즈, 강의 완료를 위한 서면 지침, 해답, 과제 등이 포함되어 있습니다. 프로젝트 기반 교육법을 통해 학습하면서 직접 만들어 보는 경험을 제공하여 새로운 기술이 잘 습득되도록 돕습니다.

✍️ 저자분들께 진심으로 감사드립니다 Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 일러스트레이터분들께도 감사드립니다 Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 특별 감사 🙏 Microsoft 학생 홍보대사 저자, 리뷰어, 콘텐츠 기여자분들께, 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 Microsoft 학생 홍보대사 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta께 R 강의에 대한 특별 감사!

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 과정에 대한 모든 추가 자료는 Microsoft Learn 컬렉션에서 확인하세요

🔧 도움이 필요하신가요? 설치, 설정, 강의 실행 관련 일반 문제 해결은 문제 해결 가이드를 확인하세요.

학생 여러분, 이 커리큘럼을 사용하려면 전체 저장소를 자신의 GitHub 계정으로 포크한 후 혼자 또는 그룹과 함께 연습 문제를 완료하세요:

• 강의 전 퀴즈부터 시작하세요.
• 강의를 읽고 각 지식 점검에서 멈추어 생각하며 활동을 완료하세요.
• 해답 코드를 실행하기보다는 강의를 이해하며 프로젝트를 직접 만들어 보세요; 다만 각 프로젝트 지향 강의의 /solution 폴더에 해답 코드가 있습니다.
• 강의 후 퀴즈를 풀어보세요.
• 도전을 완료하세요.
• 과제를 완료하세요.
• 강의 그룹을 완료한 후 토론 게시판을 방문하여 적절한 PAT 루브릭을 작성하며 '소리 내어 배우기'를 실천하세요. 'PAT'는 학습 진행 평가 도구로, 학습을 심화하기 위해 작성하는 루브릭입니다. 다른 PAT에 반응하여 함께 배울 수도 있습니다.

추가 학습을 위해 Microsoft Learn 모듈과 학습 경로를 추천합니다.

교사분들께서는 이 커리큘럼 활용법에 대한 몇 가지 제안을 참고하세요.

---

동영상 안내

일부 강의는 짧은 동영상으로 제공됩니다. 강의 내에서 직접 보거나 Microsoft Developer YouTube 채널의 ML for Beginners 재생목록에서 아래 이미지를 클릭해 보세요.

---

팀 소개

Gif 제작자 Mohit Jaisal

🎥 위 이미지를 클릭하면 프로젝트와 제작진에 관한 영상을 볼 수 있습니다!

---

교육 철학

이 커리큘럼을 만들면서 두 가지 교육 원칙을 선택했습니다: 실습 중심의 프로젝트 기반 학습과 빈번한 퀴즈 포함. 또한, 일관성을 위해 공통 주제를 설정했습니다.

내용이 프로젝트와 일치하도록 하여 학생들의 참여도를 높이고 개념의 이해와 기억을 강화합니다. 수업 전의 낮은 부담 퀴즈는 학생이 학습 주제에 집중하도록 돕고, 수업 후 퀴즈는 이해도를 높입니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 수강할 수 있습니다. 프로젝트는 작게 시작해 12주 과정이 끝날 때쯤 점점 복잡해집니다. 또한 실제 머신러닝 적용에 관한 후기를 포함하여 추가 학점이나 토론 자료로 활용할 수 있습니다.

행동 강령, 기여 가이드, 번역 가이드, 문제 해결 가이드를 확인하세요. 건설적인 피드백을 환영합니다!

각 강의에는 다음이 포함됩니다

• 선택적 스케치노트
• 선택적 보조 동영상
• 동영상 안내 (일부 강의만)
• 강의 전 워밍업 퀴즈
• 서면 강의
• 프로젝트 기반 강의의 경우, 프로젝트 구축 단계별 가이드
• 지식 점검
• 도전 과제
• 보조 읽기 자료
• 과제
• 강의 후 퀴즈

언어에 대한 참고: 이 강의들은 주로 Python으로 작성되었지만, 많은 강의가 R로도 제공됩니다. R 강의를 완료하려면 /solution 폴더에서 R 강의를 찾으세요. .rmd 확장자는 R 마크다운 파일을 의미하며, 이는 코드 청크(R 또는 다른 언어)와 YAML 헤더(PDF 등 출력 형식 지정)를 마크다운 문서에 포함하는 형식입니다. 따라서 코드, 출력, 생각을 마크다운으로 작성하여 결합할 수 있어 데이터 과학에 적합한 저작 프레임워크입니다. 또한 R 마크다운 문서는 PDF, HTML, Word 등 다양한 출력 형식으로 렌더링할 수 있습니다.

퀴즈에 대한 참고: 모든 퀴즈는 Quiz App 폴더에 있으며, 총 52개의 퀴즈가 각각 3문항으로 구성되어 있습니다. 강의 내에서 링크되어 있지만, 퀴즈 앱은 로컬에서 실행할 수 있습니다; quiz-app 폴더의 지침을 따라 로컬 호스팅 또는 Azure 배포가 가능합니다.

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	머신러닝 소개	Introduction	머신러닝의 기본 개념을 배우기	Lesson	Muhammad
02	머신러닝의 역사	Introduction	이 분야의 역사를 배우기	Lesson	Jen and Amy
03	공정성과 머신러닝	Introduction	ML 모델을 구축하고 적용할 때 학생들이 고려해야 할 공정성에 관한 중요한 철학적 문제는 무엇인가?	Lesson	Tomomi
04	머신러닝 기법	Introduction	ML 연구자들이 ML 모델을 구축할 때 사용하는 기법은 무엇인가?	Lesson	Chris and Jen
05	회귀 소개	Regression	회귀 모델을 위한 Python과 Scikit-learn 시작하기	Python • R	Jen • Eric Wanjau
06	북미 호박 가격 🎃	Regression	ML 준비를 위한 데이터 시각화 및 정리	Python • R	Jen • Eric Wanjau
07	북미 호박 가격 🎃	Regression	선형 및 다항 회귀 모델 구축	Python • R	Jen and Dmitry • Eric Wanjau
08	북미 호박 가격 🎃	Regression	로지스틱 회귀 모델 구축	Python • R	Jen • Eric Wanjau
09	웹 앱 🔌	Web App	훈련된 모델을 사용할 웹 앱 구축	Python	Jen
10	분류 소개	Classification	데이터 정리, 준비 및 시각화; 분류 소개	Python • R	Jen and Cassie • Eric Wanjau
11	맛있는 아시아 및 인도 요리 🍜	Classification	분류기 소개	Python • R	Jen and Cassie • Eric Wanjau
12	맛있는 아시아 및 인도 요리 🍜	Classification	더 많은 분류기	Python • R	Jen and Cassie • Eric Wanjau
13	맛있는 아시아 및 인도 요리 🍜	Classification	모델을 사용한 추천 웹 앱 구축	Python	Jen
14	군집화 소개	Clustering	데이터 정리, 준비 및 시각화; 군집화 소개	Python • R	Jen • Eric Wanjau
15	나이지리아 음악 취향 탐색 🎧	Clustering	K-평균 군집화 방법 탐색	Python • R	Jen • Eric Wanjau
16	자연어 처리 소개 ☕️	Natural language processing	간단한 봇을 만들어 NLP 기본 배우기	Python	Stephen
17	일반적인 NLP 작업 ☕️	Natural language processing	언어 구조를 다룰 때 필요한 일반 작업을 이해하여 NLP 지식 심화	Python	Stephen
18	번역 및 감정 분석 ♥️	Natural language processing	제인 오스틴과 함께하는 번역 및 감정 분석	Python	Stephen
19	유럽의 로맨틱 호텔 ♥️	Natural language processing	호텔 리뷰를 통한 감정 분석 1	Python	Stephen
20	유럽의 로맨틱 호텔 ♥️	Natural language processing	호텔 리뷰를 통한 감정 분석 2	Python	Stephen
21	시계열 예측 소개	Time series	시계열 예측 소개	Python	Francesca
22	⚡️ 세계 전력 사용량 ⚡️ - ARIMA를 이용한 시계열 예측	Time series	ARIMA를 이용한 시계열 예측	Python	Francesca
23	⚡️ 세계 전력 사용량 ⚡️ - SVR을 이용한 시계열 예측	Time series	서포트 벡터 회귀를 이용한 시계열 예측	Python	Anirban
24	강화 학습 소개	Reinforcement learning	Q-러닝을 이용한 강화 학습 소개	Python	Dmitry
25	피터가 늑대를 피하도록 도와주세요! 🐺	Reinforcement learning	강화 학습 Gym	Python	Dmitry
후기	실제 ML 시나리오 및 응용	ML in the Wild	고전 ML의 흥미롭고 유익한 실제 응용	Lesson	Team
후기	RAI 대시보드를 이용한 ML 모델 디버깅	ML in the Wild	책임 있는 AI 대시보드 구성요소를 이용한 머신러닝 모델 디버깅	Lesson	Ruth Yakubu

이 과정의 모든 추가 자료는 Microsoft Learn 컬렉션에서 찾을 수 있습니다

오프라인 접근

Docsify를 사용하여 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 컴퓨터에 Docsify를 설치한 후, 이 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트의 3000번 포트에서 제공됩니다: localhost:3000.

PDF

링크가 포함된 커리큘럼 PDF는 여기에서 찾을 수 있습니다.

🎒 기타 과정

우리 팀은 다른 과정도 제작합니다! 확인해 보세요:

LangChain

---

Azure / Edge / MCP / Agents

---

생성 AI 시리즈

---

핵심 학습

---

코파일럿 시리즈

도움 받기

AI 앱 개발 중 막히거나 질문이 있으면 MCP에 대해 배우는 동료 학습자 및 경험 많은 개발자들과 토론에 참여하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원 커뮤니티입니다.

제품 피드백이나 빌드 중 오류가 있으면 다음을 방문하세요:

---

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