ML-For-Beginners/translations/ko

🌐 다국어 지원

GitHub Action을 통한 지원 (자동화 및 항상 최신 상태 유지)

아랍어 | 벵골어 | 불가리아어 | 버마어 (미얀마) | 중국어 (간체) | 중국어 (번체, 홍콩) | 중국어 (번체, 마카오) | 중국어 (번체, 대만) | 크로아티아어 | 체코어 | 덴마크어 | 네덜란드어 | 에스토니아어 | 핀란드어 | 프랑스어 | 독일어 | 그리스어 | 히브리어 | 힌디어 | 헝가리어 | 인도네시아어 | 이탈리아어 | 일본어 | 칸나다어 | 크메르어 | 한국어 | 리투아니아어 | 말레이어 | 말라얄람어 | 마라티어 | 네팔어 | 나이지리아 피진어 | 노르웨이어 | 페르시아어 (파르시) | 폴란드어 | 포르투갈어 (브라질) | 포르투갈어 (포르투갈) | 펀자브어 (구르무키) | 루마니아어 | 러시아어 | 세르비아어 (키릴문자) | 슬로바키아어 | 슬로베니아어 | 스페인어 | 스와힐리어 | 스웨덴어 | 타갈로그어 (필리핀) | 타밀어 | 텔루구어 | 태국어 | 터키어 | 우크라이나어 | 우르두어 | 베트남어

로컬 복제를 선호하나요?

이 저장소에는 50개 이상의 언어 번역본이 포함되어 있어 다운로드 크기가 크게 증가합니다. 번역 없이 복제하려면 Sparse Checkout을 사용하세요:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

이렇게 하면 훨씬 빠른 다운로드로 코스 완료에 필요한 모든 것을 받을 수 있습니다.

커뮤니티에 참여하세요

AI와 함께 배우는 Discord 시리즈가 진행 중입니다. 2025년 9월 18일부터 30일까지 Learn with AI Series에서 자세히 배우고 참여하세요. GitHub Copilot을 활용한 데이터 과학 팁과 요령을 얻을 수 있습니다.

초보자를 위한 머신 러닝 - 교육 과정

🌍 세계 문화를 통해 머신 러닝을 탐험하며 세계 여행을 떠나세요 🌍

Microsoft의 클라우드 옹호자들이 머신 러닝에 관한 12주, 26개 강의 교육 과정을 제공합니다. 이 과정에서 주로 Scikit-learn 라이브러리를 사용하여 때로는 고전 머신 러닝이라 불리는 것을 배우며, 심층학습은 우리의 AI for Beginners 교육 과정에서 다룹니다. 또한 이 강의들을 '초보자를 위한 데이터 과학' 교육 과정과 함께 병행하는 것도 좋습니다!

전 세계 여러 분야의 데이터를 대상으로 이러한 고전적인 기법을 적용하며 여행하세요. 각 강의에는 사전 및 사후 퀴즈, 강의 실행을 위한 서면 안내, 해결책, 과제 등이 포함되어 있습니다. 프로젝트 기반 교육 방식은 새로운 기술을 '고착'시키는 검증된 방법으로 학습과 구축을 병행하게 도와줍니다.

✍️ 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

🎨 일러스트 담당자분들께도 감사드립니다 Tomomi Imura, Dasani Madipalli, Jen Looper

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

🤩 R 강의를 위해 도와주신 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta께도 특별히 감사드립니다!

시작하기

다음 단계를 따르세요:

1. 저장소 포크: 이 페이지 우측 상단의 "Fork" 버튼을 클릭하세요.
2. 저장소 클론: git clone https://github.com/microsoft/ML-For-Beginners.git

💡 빠른 시작 팁: Python을 로컬에 설치하지 않고 브라우저에서 시작하고 싶다면 GitHub Codespaces를 사용하여 클라우드 개발 환경을 만드세요. 초록색 Code 메뉴를 열고 Codespaces를 선택하여 codespace를 생성한 후 각 강의에 필요한 종속성을 설치하세요.

Microsoft Learn 모음에서 이 코스의 모든 추가 자료를 확인하세요

🔧 도움이 필요하신가요? 설치, 설정, 강의 실행 시 일반적인 문제 해결책을 문제 해결 가이드에서 확인하세요.

학생은 이 교육 과정을 사용하려면 전체 저장소를 자신의 GitHub 계정에 포크하여 혼자 또는 그룹과 함께 연습 문제를 완료하세요:

• 사전 강의 퀴즈부터 시작하세요.
• 강의를 읽고 각 지식 점검마다 멈추어 반영하며 활동을 완료하세요.
• 강의 내용 이해를 바탕으로 프로젝트를 직접 작성해 보세요. 다만 각 프로젝트용 강의 내 /solution 폴더에서 해결책 코드를 볼 수 있습니다.
• 사후 강의 퀴즈를 치르세요.
• 챌린지를 완료하세요.
• 과제를 완료하세요.
• 한 강의 그룹이 끝나면 토론 게시판에 방문하여 해당 PAT 루브릭을 작성해 '소리 내어 배우기'에 참여하세요. PAT는 학습을 증진하기 위해 작성하는 진도 평가 도구입니다. 또한 다른 PAT에 반응하여 함께 배울 수 있습니다.

추가 학습을 위해 Microsoft Learn 모듈과 학습 경로를 추천합니다.

교사 분들께, 이 교육 과정을 활용하는 방법에 대한 몇 가지 제안을 포함했습니다.

---

비디오 강의

일부 강의는 짧은 형태의 비디오로 제공됩니다. 강의 내에서 모든 영상을 보거나, 아래 이미지를 클릭해 Microsoft Developer YouTube 채널의 ML for Beginners 재생목록에서 확인할 수 있습니다.

---

팀을 소개합니다

Gif 제작자 Mohit Jaisal

🎥 위 이미지를 클릭해 프로젝트와 제작진에 관한 비디오를 시청하세요!

---

교수법

이 교육 과정을 만들면서 두 가지 교수 원칙을 선택했습니다: 실습 위주의 프로젝트 기반 학습과 자주 퀴즈 보기입니다. 추가로, 이 과정에는 통일감을 주기 위한 공통 주제가 있습니다.

내용이 프로젝트와 일치하도록 하여 학생들이 더 몰입하고 개념 이해를 높이도록 구성했습니다. 강의 전의 낮은 부담의 퀴즈는 학생에게 학습 의도를 설정해 주며, 강의 후 퀴즈는 기억을 더 강화합니다. 이 과정은 유연하고 재미있게 구성되어 전체 또는 부분적으로 수강할 수 있습니다. 프로젝트들은 처음에는 단순하다가 12주 주기 끝에는 점점 복잡해집니다. 또한 이 과정에는 머신 러닝의 실제 적용에 관한 부록이 포함되어 있어 추가 학점이나 토론 자료로 사용할 수 있습니다.

우리의 행동강령, 기여 안내, 번역, 문제 해결 지침을 확인하세요. 여러분의 건설적인 피드백을 환영합니다!

각 강의에는 다음이 포함됩니다

• 선택적 스케치노트
• 선택적 보조 비디오
• 비디오 워크스루 (일부 강의에만)
• 강의 전 워밍업 퀴즈
• 서면 강의
• 프로젝트 기반 강의의 경우 프로젝트 제작 단계별 안내
• 지식 점검
• 챌린지
• 보조 독서 자료
• 과제
• 강의 후 퀴즈

언어에 관한 안내: 이 강의들은 주로 Python으로 작성되어 있지만, 많은 강의가 R로도 제공됩니다. R 강의를 완료하려면 /solution 폴더로 가서 R 강의를 찾으세요. 이들은 .rmd 확장자를 가진 R 마크다운 파일로, 이는 코드 청크(R 또는 다른 언어)와 YAML 헤더(PDF 등의 출력 방식 지정)를 포함하는 마크다운 문서로 정의할 수 있습니다. 따라서 코드, 결과물, 생각을 Markdown으로 기록할 수 있어 데이터 과학 분야에서 훌륭한 저작 프레임워크 역할을 합니다. 게다가, R 마크다운 문서는 PDF, HTML, Word 같은 출력 형식으로 렌더링될 수 있습니다.

퀴즈에 관한 안내: 모든 퀴즈는 퀴즈 앱 폴더에 포함되어 있으며, 총 52개의 퀴즈가 세 문제씩 있습니다. 강의 내에서 링크되어 있지만 퀴즈 앱은 로컬에서도 실행할 수 있습니다; quiz-app 폴더 내 설명을 따라 로컬 호스팅하거나 Azure에 배포하세요.

강의 번호	주제	강의 그룹	학습 목표	연결된 강의	저자
01	머신러닝 소개	소개	머신러닝의 기본 개념을 배워보세요	수업	Muhammad
02	머신러닝의 역사	소개	이 분야의 역사를 배워보세요	수업	Jen and Amy
03	공정성과 머신러닝	소개	ML 모델을 구축하고 적용할 때 고려해야 하는 중요한 철학적 이슈는 무엇일까요?	수업	Tomomi
04	머신러닝 기법	소개	ML 연구자들이 ML 모델을 만들기 위해 사용하는 기법은 무엇일까요?	수업	Chris and Jen
05	회귀 소개	회귀	회귀 모델을 위한 Python과 Scikit-learn 시작	Python • R	Jen • Eric Wanjau
06	북미 호박 가격 🎃	회귀	ML 준비를 위한 데이터 시각화 및 정리	Python • R	Jen • Eric Wanjau
07	북미 호박 가격 🎃	회귀	선형 및 다항 회귀 모델 구축	Python • R	Jen and Dmitry • Eric Wanjau
08	북미 호박 가격 🎃	회귀	로지스틱 회귀 모델 구축	Python • R	Jen • Eric Wanjau
09	웹 앱 🔌	웹 앱	훈련된 모델을 사용할 웹 앱 구축	Python	Jen
10	분류 소개	분류	데이터 정리, 준비, 시각화; 분류 소개	Python • R	Jen and Cassie • Eric Wanjau
11	맛있는 아시아 및 인도 요리 🍜	분류	분류기 소개	Python • R	Jen and Cassie • Eric Wanjau
12	맛있는 아시아 및 인도 요리 🍜	분류	추가 분류기	Python • R	Jen and Cassie • Eric Wanjau
13	맛있는 아시아 및 인도 요리 🍜	분류	모델을 활용한 추천 웹 앱 구축	Python	Jen
14	클러스터링 소개	클러스터링	데이터 정리, 준비, 시각화; 클러스터링 소개	Python • R	Jen • Eric Wanjau
15	나이지리아 음악 취향 탐구 🎧	클러스터링	K-평균 클러스터링 방법 탐색	Python • R	Jen • Eric Wanjau
16	자연어 처리 소개 ☕️	자연어 처리	간단한 봇을 만들어 NLP 기본 배우기	Python	Stephen
17	일반적인 NLP 과제 ☕️	자연어 처리	언어 구조를 다룰 때 필요한 일반 과제를 이해하며 NLP 지식 심화	Python	Stephen
18	번역 및 감정 분석 ♥️	자연어 처리	Jane Austen과 함께하는 번역 및 감정 분석	Python	Stephen
19	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰를 활용한 감정 분석 1	Python	Stephen
20	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰를 활용한 감정 분석 2	Python	Stephen
21	시계열 예측 소개	시계열	시계열 예측 소개	Python	Francesca
22	⚡️ 세계 전력 사용량 ⚡️ - ARIMA를 활용한 시계열 예측	시계열	ARIMA를 활용한 시계열 예측	Python	Francesca
23	⚡️ 세계 전력 사용량 ⚡️ - SVR을 활용한 시계열 예측	시계열	서포트 벡터 회귀기를 활용한 시계열 예측	Python	Anirban
24	강화 학습 소개	강화 학습	Q-러닝을 활용한 강화 학습 소개	Python	Dmitry
25	피터가 늑대를 피하도록 도와주세요! 🐺	강화 학습	강화 학습 체육관	Python	Dmitry
후기	실제 ML 시나리오 및 응용	현실 속 ML	고전적인 ML의 흥미롭고 의미 있는 실제 적용 사례	수업	팀
후기	책임감 있는 AI 대시보드를 사용하는 ML 모델 디버깅	현실 속 ML	책임감 있는 AI 대시보드 컴포넌트를 사용한 머신러닝 모델 디버깅	수업	Ruth Yakubu

이 과정의 추가 모든 자료는 Microsoft Learn 컬렉션에서 찾을 수 있습니다

오프라인 접근

Docsify를 사용하면 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 Docsify를 설치한 후, 이 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 localhost의 3000 포트에서 서비스됩니다: localhost:3000.

PDF

링크가 포함된 커리큘럼 PDF는 여기에서 찾을 수 있습니다.

🎒 기타 과정

저희 팀은 다른 과정도 제작합니다! 확인해보세요:

LangChain

Azure / Edge / MCP / 에이전트

---

생성 AI 시리즈

---

핵심 학습

---

Copilot 시리즈

도움 받기

머신러닝을 배우거나 AI 애플리케이션을 만드는 동안 막히거나 질문이 있으면 걱정하지 마세요 — 도움이 준비되어 있습니다.

다른 학습자 및 개발자와 토론에 참여하고, 질문하고, 아이디어를 공유할 수 있습니다.

• 질문하고 다른 사람들과 함께 배우기 위해 커뮤니티에 참여하세요
• 머신러닝 개념과 프로젝트 아이디어를 토론하세요
• 경험 많은 개발자의 지도를 받으세요

지원하는 커뮤니티는 기술을 성장시키고 문제를 더 빠르게 해결하는 훌륭한 방법입니다.

Microsoft Foundry Discord 커뮤니티

버그, 오류가 발생하거나 개선 제안이 있는 경우, 이 저장소에서 이슈를 열어 문제를 보고할 수도 있습니다.

제품 피드백을 위해 또는 기존 커뮤니티 게시물을 검색하려면 개발자 포럼을 방문하세요:

추가 학습 팁

• 각 수업 후 노트북을 복습하여 더 잘 이해하세요.
• 직접 알고리즘을 구현해 연습하세요.
• 학습한 개념을 사용해 실제 데이터셋을 탐색해보세요.

---

면책 조항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역은 오류나 부정확한 부분이 있을 수 있음을 유의하시기 바랍니다. 원본 문서의 원어본이 권위 있는 자료로 간주되어야 합니다. 중요한 정보의 경우, 전문가의 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.