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.
182 lines
26 KiB
182 lines
26 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "a54f98da7bbee99ddc62a9e490eef7dc",
|
|
"translation_date": "2025-09-29T21:48:06+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "ko"
|
|
}
|
|
-->
|
|
[](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 통해 지원 (자동화 및 항상 최신 상태 유지)
|
|
|
|
[프랑스어](../fr/README.md) | [스페인어](../es/README.md) | [독일어](../de/README.md) | [러시아어](../ru/README.md) | [아랍어](../ar/README.md) | [페르시아어 (파르시)](../fa/README.md) | [우르두어](../ur/README.md) | [중국어 (간체)](../zh/README.md) | [중국어 (번체, 마카오)](../mo/README.md) | [중국어 (번체, 홍콩)](../hk/README.md) | [중국어 (번체, 대만)](../tw/README.md) | [일본어](../ja/README.md) | [한국어](./README.md) | [힌디어](../hi/README.md) | [벵골어](../bn/README.md) | [마라티어](../mr/README.md) | [네팔어](../ne/README.md) | [펀자브어 (구르무키)](../pa/README.md) | [포르투갈어 (포르투갈)](../pt/README.md) | [포르투갈어 (브라질)](../br/README.md) | [이탈리아어](../it/README.md) | [폴란드어](../pl/README.md) | [터키어](../tr/README.md) | [그리스어](../el/README.md) | [태국어](../th/README.md) | [스웨덴어](../sv/README.md) | [덴마크어](../da/README.md) | [노르웨이어](../no/README.md) | [핀란드어](../fi/README.md) | [네덜란드어](../nl/README.md) | [히브리어](../he/README.md) | [베트남어](../vi/README.md) | [인도네시아어](../id/README.md) | [말레이어](../ms/README.md) | [타갈로그어 (필리핀어)](../tl/README.md) | [스와힐리어](../sw/README.md) | [헝가리어](../hu/README.md) | [체코어](../cs/README.md) | [슬로바키아어](../sk/README.md) | [루마니아어](../ro/README.md) | [불가리아어](../bg/README.md) | [세르비아어 (키릴)](../sr/README.md) | [크로아티아어](../hr/README.md) | [슬로베니아어](../sl/README.md) | [우크라이나어](../uk/README.md) | [버마어 (미얀마)](../my/README.md)
|
|
|
|
#### 커뮤니티에 참여하세요
|
|
|
|
[](https://aka.ms/ml4beginners/discord)
|
|
|
|
현재 Discord에서 AI 학습 시리즈가 진행 중입니다. 자세한 내용을 확인하고 2025년 9월 18일부터 30일까지 진행되는 [Learn with AI Series](https://aka.ms/learnwithai/discord)에 참여하세요. GitHub Copilot을 활용한 데이터 과학 팁과 요령을 배울 수 있습니다.
|
|
|
|
|
|
|
|
# 초보자를 위한 머신 러닝 - 커리큘럼
|
|
|
|
> 🌍 세계 문화를 통해 머신 러닝을 탐구하며 전 세계를 여행하세요 🌍
|
|
|
|
Microsoft의 Cloud Advocates는 **머신 러닝**에 관한 12주, 26강의 커리큘럼을 제공합니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여 **클래식 머신 러닝**이라고 불리는 기법을 배우며, 딥 러닝은 [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.
|
|
|
|
세계 각지의 데이터를 활용하여 이러한 클래식 기법을 적용하며 우리와 함께 여행하세요. 각 강의에는 강의 전후 퀴즈, 강의 완료를 위한 작성 지침, 솔루션, 과제 등이 포함되어 있습니다. 프로젝트 기반 학습 방법을 통해 새로운 기술을 효과적으로 익힐 수 있습니다.
|
|
|
|
**✍️ 저자들에게 깊은 감사** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd
|
|
|
|
**🎨 일러스트레이터들에게도 감사** 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
|
|
|
|
**🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta에게 R 강의에 대한 추가 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`
|
|
|
|
> [Microsoft Learn 컬렉션에서 이 과정에 대한 추가 리소스를 모두 찾을 수 있습니다](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 연습을 완료하세요:
|
|
|
|
- 강의 전 퀴즈로 시작하세요.
|
|
- 강의를 읽고 활동을 완료하며 각 지식 확인에서 멈추고 반성하세요.
|
|
- 솔루션 코드를 실행하기보다는 강의를 이해하며 프로젝트를 만들어보세요. 그러나 해당 코드는 각 프로젝트 기반 강의의 `/solution` 폴더에 있습니다.
|
|
- 강의 후 퀴즈를 풀어보세요.
|
|
- 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. 'PAT'는 학습을 심화하기 위해 작성하는 루브릭인 진행 평가 도구입니다. 다른 PAT에 반응하여 함께 학습할 수도 있습니다.
|
|
|
|
> 추가 학습을 위해 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 모듈과 학습 경로를 따르기를 권장합니다.
|
|
|
|
**교사들**, 이 커리큘럼을 사용하는 방법에 대한 [몇 가지 제안](for-teachers.md)을 포함했습니다.
|
|
|
|
---
|
|
|
|
## 비디오 워크스루
|
|
|
|
일부 강의는 짧은 형식의 비디오로 제공됩니다. 이 비디오는 강의 내에서 또는 [Microsoft Developer YouTube 채널의 ML for Beginners 재생 목록](https://aka.ms/ml-beginners-videos)에서 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 클릭하면 프로젝트와 제작자들에 대한 비디오를 볼 수 있습니다!
|
|
|
|
---
|
|
|
|
## 교육 방법론
|
|
|
|
이 커리큘럼을 제작하면서 두 가지 교육 원칙을 선택했습니다: **프로젝트 기반** 학습을 보장하고 **빈번한 퀴즈**를 포함하는 것입니다. 또한 이 커리큘럼은 공통 **테마**를 포함하여 일관성을 제공합니다.
|
|
|
|
프로젝트와 콘텐츠를 일치시킴으로써 학습 과정이 학생들에게 더 흥미로워지고 개념의 유지력이 향상됩니다. 또한, 수업 전 저위험 퀴즈는 학생이 주제를 학습할 의도를 설정하게 하고, 수업 후 두 번째 퀴즈는 추가적인 개념 유지력을 보장합니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며 전체 또는 일부를 선택하여 학습할 수 있습니다. 프로젝트는 작게 시작하여 12주 과정이 끝날 때 점점 복잡해집니다. 이 커리큘럼은 또한 ML의 실제 응용에 대한 후기를 포함하며, 이는 추가 학점으로 사용하거나 토론의 기초로 사용할 수 있습니다.
|
|
|
|
> [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](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/)
|
|
- 작성된 강의
|
|
- 프로젝트 기반 강의의 경우, 프로젝트를 구축하는 단계별 가이드
|
|
- 지식 확인
|
|
- 도전 과제
|
|
- 보충 읽기 자료
|
|
- 과제
|
|
- [강의 후 퀴즈](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **언어에 대한 참고 사항**: 이 강의는 주로 Python으로 작성되었지만 일부는 R에서도 제공됩니다. R 강의를 완료하려면 `/solution` 폴더로 이동하여 R 강의를 찾으세요. 이 강의는 .rmd 확장자를 포함하며 이는 **R Markdown** 파일을 나타냅니다. 이는 `코드 청크`(R 또는 다른 언어)와 `YAML 헤더`(PDF와 같은 출력 형식을 안내)를 `Markdown 문서`에 포함하는 것으로 간단히 정의할 수 있습니다. 따라서 코드, 출력, 생각을 Markdown에 작성하여 결합할 수 있는 데이터 과학을 위한 모범적인 저작 프레임워크로 작용합니다. 또한 R Markdown 문서는 PDF, HTML, Word와 같은 출력 형식으로 렌더링할 수 있습니다.
|
|
|
|
> **퀴즈에 대한 참고 사항**: 모든 퀴즈는 [Quiz App 폴더](../../quiz-app)에 포함되어 있으며, 총 52개의 퀴즈가 각 3개의 질문으로 구성되어 있습니다. 강의 내에서 링크되어 있지만, 퀴즈 앱은 로컬에서 실행할 수 있습니다. `quiz-app` 폴더의 지침을 따라 로컬에서 호스팅하거나 Azure에 배포하세요.
|
|
|
|
| 강의 번호 | 주제 | 강의 그룹 | 학습 목표 | 연결된 강의 | 저자 |
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | 머신 러닝 소개 | [소개](1-Introduction/README.md) | 머신 러닝의 기본 개념을 학습합니다 | [강의](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | 머신 러닝의 역사 | [소개](1-Introduction/README.md) | 이 분야의 역사적 배경을 학습합니다 | [강의](1-Introduction/2-history-of-ML/README.md) | Jen과 Amy |
|
|
| 03 | 공정성과 머신 러닝 | [Introduction](1-Introduction/README.md) | 학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 공정성에 관한 중요한 철학적 문제는 무엇인가요? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | 머신 러닝 기술 | [Introduction](1-Introduction/README.md) | ML 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) | Python과 Scikit-learn을 사용하여 회귀 모델을 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) | ML 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 NLP 기본 학습 | [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) | 고전적인 ML의 흥미롭고 놀라운 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 |
|
|
|
|
> [이 과정의 추가 자료는 Microsoft Learn 컬렉션에서 확인하세요](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 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 [Docsify 설치](https://docsify.js.org/#/quickstart)를 완료한 후, 이 저장소의 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트는 localhost의 포트 3000에서 제공됩니다: `localhost:3000`.
|
|
|
|
## PDF
|
|
|
|
링크가 포함된 커리큘럼 PDF는 [여기](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)에서 찾을 수 있습니다.
|
|
|
|
## 🎒 다른 과정들
|
|
|
|
우리 팀은 다른 과정도 제작합니다! 확인해보세요:
|
|
|
|
- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners)
|
|
- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners)
|
|
- [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 문서의 원어 버전이 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다. |