17 KiB
Machine Learning for Beginners (입문자를 위한 머신러닝) - 커리큘럼
🌍 세계의 문화로 머신러닝을 알아가면서 전 세계를 여행합니다 🌍
Microsoft의 Azure Cloud Advocates는 Machine Learning에 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 learning에 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!
시작하기
학생은, 이 커리큘럼을 사용하기 위해서, 전체 저장소를 자신의 GitHub 계정으로 포크하고 혼자 또는 그룹으로 같이 학습합니다:
- 강의 전 퀴즈를 시작합니다.
- 강의를 읽고, 각 지식 점검에서 멈추고 습득해서 활동을 끝냅니다.
- 솔루션 코드를 실행하는 것보다 강의를 이해해서 프로젝트를 만들어봅니다. 해답 코드는 각 프로젝트-지향 강의 별
/solution폴더에 위치합니다. - 강의 후 퀴즈를 해봅니다.
- 도전을 끝내봅니다.
- 과제를 끝내봅니다.
- 강의 그룹을 끝내면, Discussion board를 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 모듈과 학습 경로를 따르는 것을 추천합니다.
선생님은, 이 커리큘럼의 사용 방법에 대해 일부 제안사항이 있습니다.
Team 만나기
🎥 프로젝트와 이 내용을 작성한 사람들에 대한 영상을 보려면 위 이미지를 클릭합니다!
교육학
이 커리큘럼을 만드는 동안 2가지 교육학 원칙을 선택했습니다: project-based에서 실습하고 frequent quizzes가 포함되었는지 확인합니다. 추가적으로, 이 커리큘럼은 통합적으로 보이기 위해서 공통적인 theme가 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.
Code of Conduct, Contributing과, Translation 가이드라인을 확인해봅니다. 건설적인 피드백을 환영합니다!
각 강의에 포함된 내용:
- 취사선택 스케치노트
- 취사선택 추가 영상
- 강의 전 준비 퀴즈
- 강의 내용
- 프로젝트-기반 강의라면, 프로젝트 제작 방식 step-by-step 지도
- 지식 점검
- 도전
- 보충 내용
- 과제
- 강의 후 퀴즈
퀴즈 참고사항: 모든 퀴즈는 이 앱에 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.
| 강의 번호 | 토픽 | 강의 그룹 | 학습 목표 | 연결 강의 | 저자 |
|---|---|---|---|---|---|
| 01 | 머신러닝 소개 | 소개 | 머신러닝의 기초 컨셉을 배웁니다 | 강의 | Muhammad |
| 02 | 머신러닝의 역사 | 소개 | 이 필드의 역사를 배웁니다 | 강의 | Jen and Amy |
| 03 | 공정과 머신러닝 | 소개 | 학생들이 ML 모델을 만들고 적용할 때 고려해야 할 공정과 관련한 중요 철학적인 이슈는 무엇인가요? | 강의 | Tomomi |
| 04 | 머신러닝의 기술 | 소개 | ML 연구원들이 ML 모델을 만들 때 사용할 기술은 무엇인가요? | 강의 | Chris and Jen |
| 05 | regression 소개 | Regression | regression 모델을 위한 Python과 Scikit-learn으로 시작합니다 | 강의 | Jen |
| 06 | 북미의 호박 가격 🎃 | Regression | ML을 준비하기 위해서 데이터를 시각화하고 정리합니다 | 강의 | Jen |
| 07 | 북미의 호박 가격 🎃 | Regression | linear와 polynomial regression 모델을 만듭니다 | 강의 | Jen |
| 08 | 북미의 호박 가격 🎃 | Regression | logistic regression 모델을 만듭니다 | 강의 | Jen |
| 09 | 웹 앱 🔌 | 웹 앱 | 훈련된 모델로 웹 앱을 만듭니다 | 강의 | Jen |
| 10 | classification 소개 | Classification | 데이터 정리, 준비, 그리고 시각화; classification을 소개합니다 | 강의 | Jen and Cassie |
| 11 | 맛있는 아시아와 인도 요리 🍜 | Classification | classifier를 소개합니다 | 강의 | Jen and Cassie |
| 12 | 맛있는 아시아와 인도 요리 🍜 | Classification | 더 많은 classifier | 강의 | Jen and Cassie |
| 13 | 맛있는 아시아와 인도 요리 🍜 | Classification | 모델로 추천 웹 앱을 만듭니다 | 강의 | Jen |
| 14 | clustering 소개 | Clustering | 데이터 정리, 준비, 그리고 시각화; clustering을 소개합니다 | 강의 | Jen |
| 15 | 나이지리아인의 음악 취향 알아보기 🎧 | Clustering | K-Means clustering 메소드를 탐색합니다 | 강의 | Jen |
| 16 | natural language processing 소개 ☕️ | Natural language processing | 간단한 봇을 만들면서 NLP에 대하여 기본을 배웁니다 | 강의 | Stephen |
| 17 | 일반적인 NLP 작업 ☕️ | Natural language processing | 언어 구조를 다룰 때 필요한 일반 작업을 이해하면서 NLP 지식을 깊게 팝니다 | 강의 | Stephen |
| 18 | 번역과 감정 분석 ♥️ | Natural language processing | Jane Austen을 통한 번역과 감정 분석 | 강의 | Stephen |
| 19 | 유럽의 로맨틱 호텔 ♥️ | Natural language processing | 호텔 리뷰를 통한 감정 분석 1 | 강의 | Stephen |
| 20 | 유럽의 로맨틱 호텔 ♥️ | Natural language processing | 호텔 리뷰를 통한 감정 분석 2 | 강의 | Stephen |
| 21 | time series forecasting 소개 | Time series | time series forecasting을 소개합니다 | 강의 | Francesca |
| 22 | ⚡️ 세계 전력 사용량 ⚡️ - ARIMA의 time series forecasting | Time series | ARIMA의 Time series forecasting | 강의 | Francesca |
| 23 | reinforcement learning 소개 | Reinforcement learning | Q-Learning의 reinforcement learning을 소개합니다 | 강의 | Dmitry |
| 24 | 늑대를 피하는 Peter 도와주기! 🐺 | Reinforcement learning | Gym에서 Reinforcement learning | 강의 | Dmitry |
| Postscript | 실생활 ML 시나리오와 애플리케이션 | 야생의 ML | classical ML의 흥미롭게 드러나는 현실 애플리케이션 | 강의 | Team |
오프라인 액세스
Docsify를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 repo를 포크하여 로컬 컴퓨터에 Docsify (설치)를 설치한 다음 이 repo의 루트 폴더에 'docsify serve'를 입력하면 됩니다. 웹 사이트는 로컬 호스트의 포트 3000에서 제공됩니다: 'localhost:3000'.
여기 링크를 통해 커리큘럼의 PDF를 찾아보십시오.
도와주세요!
번역에 기여하고 싶으신가요? translation guidelines를 읽고 here에 입력해주세요.
기타 커리큘럼
우리 팀에서는 다른 커리큘럼도 제작합니다! 확인해보세요!