You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/translations/README.ko.md

17 KiB

GitHub license GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

GitHub watchers GitHub forks GitHub stars

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 제공해서 만족합니다. 이 커리큘럼에서는, 곧 만들어질 'AI for Beginners'에서 커버하지 않는 딥러닝을 제외한, classic machine learning이라고 불리는 것을 Scikit-learn 라이브러리 위주로 배우게 됩니다. 이 강의에서 곧 만들어질 'Data Science for Beginners' 커리큘럼과 같이 봅니다!

월드의 많은 영역에 데이터를 적용하면서 이러한 classic 기술로 전 세계를 여행합니다. 각 강의에는 강의 전과 후에 진행하는 퀴즈, 강의를 마치기 위한 설명, 솔루션, 과제 등 있습니다. 새로운 스킬을 'stick'할 수 있다고 증명된 프로젝트-기반 교육학에 의하여 만들면서 배울 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 혼자하거나 그룹으로 같이 연습합니다:

  • 강의 전 퀴즈를 시작합니다.
  • 강의를 읽고, 각 지식 점검에서 멈추고 습득해서 활동을 끝냅니다.
  • 솔루션 코드를 실행하는 것보다 강의를 이해해서 프로젝트를 만들어봅니다; 그러나 코드는 각 프로젝트-지향 강의마다 /solution 폴더에 존재합니다.
  • 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 커리큘럼으로 사용하기 위해서 included some suggestions를 준비했습니다.


Team 만나기

Promo video

🎥 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 in this app에 묶여있으며, 각 3개 질문으로 총 50개 퀴즈가 있습니다. 강의에 연결되어 있지만 퀴즈 앱은 로컬에서 수행할 수 있습니다; quiz-app 폴더의 설명을 따릅니다.

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 접근

Docsify에서 문서를 오프라인으로 실행할 수 있습니다. 저장소를 포크해서 로컬 머신에 install Docsify히고, 이 저장소의 최상위 폴더에서, docsify serve 입력합니다. 웹 사이트는 로컬호스트로 3000 포트에서 서버가 켜집니다: localhost:3000.

PDF

here에서 링크가 있는 커리큘럼의 PDF를 찾습니다.

도와주세요!

번역에 기여하고 싶으신가요? translation guidelines를 읽고 here에 입력해주세요.

기타 커리큘럼

우리 팀에서는 다른 커리큘럼도 제작합니다! 확인해보세요!