msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
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.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from '8693c66976'
${ noResults }
ML-For-Beginners/translations/README.ko.md

17 KiB
Raw Blame History Escape

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!