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/ko/README.md

25 KiB

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

GitHub watchers GitHub forks GitHub stars

🌐 다국어 지원

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

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

커뮤니티에 참여하세요

Azure AI Discord

현재 Discord에서 AI 학습 시리즈가 진행 중입니다. 2025년 9월 18일부터 30일까지 진행되는 Learn with AI Series에 대해 더 알아보고 참여하세요. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 배울 수 있습니다.

Learn with AI series

초보자를 위한 머신러닝 - 커리큘럼

🌍 세계 문화를 통해 머신러닝을 탐구하며 전 세계를 여행해보세요 🌍

Microsoft의 Cloud Advocates는 머신러닝에 관한 12주, 26강의 커리큘럼을 제공합니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여 클래식 머신러닝이라고 불리는 기법을 배우며, 딥러닝은 AI for Beginners 커리큘럼에서 다룹니다. 이 강의는 'Data Science for Beginners' 커리큘럼과 함께 학습하면 더욱 효과적입니다.

우리는 전 세계의 데이터를 활용하여 이러한 클래식 기법을 적용하며 함께 여행을 떠납니다. 각 강의는 사전 및 사후 퀴즈, 강의 완성을 위한 서면 지침, 솔루션, 과제 등을 포함합니다. 프로젝트 기반 학습법을 통해 새로운 기술을 효과적으로 익힐 수 있습니다.

✍️ 저자들에게 깊은 감사의 말씀을 전합니다 Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 일러스트레이터들에게도 감사드립니다 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

🤩 R 강의를 위해 도움을 준 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta에게도 특별히 감사드립니다!

시작하기

다음 단계를 따라 진행하세요:

  1. 저장소 포크하기: 이 페이지 오른쪽 상단의 "Fork" 버튼을 클릭하세요.
  2. 저장소 클론하기: git clone https://github.com/microsoft/ML-For-Beginners.git

이 과정의 추가 리소스를 Microsoft Learn 컬렉션에서 확인하세요

학생들, 이 커리큘럼을 사용하려면 저장소를 자신의 GitHub 계정으로 포크하고, 혼자 또는 그룹과 함께 연습 문제를 완료하세요:

  • 강의 전 퀴즈로 시작하세요.
  • 강의를 읽고 활동을 완료하며, 각 지식 점검에서 멈추고 반성하세요.
  • 솔루션 코드를 실행하기보다는 강의를 이해하며 프로젝트를 만들어보세요. 하지만 솔루션 코드는 각 프로젝트 기반 강의의 /solution 폴더에 있습니다.
  • 강의 후 퀴즈를 풀어보세요.
  • 도전을 완료하세요.
  • 과제를 완료하세요.
  • 강의 그룹을 완료한 후, 토론 게시판을 방문하여 적절한 PAT 루브릭을 작성하며 "소리 내어 학습"하세요. PAT는 학습을 심화하기 위해 작성하는 진도 평가 도구입니다. 다른 PAT에 반응하며 함께 학습할 수도 있습니다.

추가 학습을 위해, 이 Microsoft Learn 모듈과 학습 경로를 따라가기를 권장합니다.

교사들, 이 커리큘럼을 사용하는 방법에 대한 제안 사항을 포함했습니다.


비디오 워크스루

일부 강의는 짧은 형식의 비디오로 제공됩니다. 이 비디오는 강의 내에서 인라인으로 찾을 수 있으며, Microsoft Developer YouTube 채널의 ML for Beginners 재생 목록에서도 확인할 수 있습니다. 아래 이미지를 클릭하세요.

ML for beginners banner


팀 소개

Promo video

Gif 제작 Mohit Jaisal

🎥 위 이미지를 클릭하면 프로젝트와 제작자들에 대한 비디오를 볼 수 있습니다!


교육 방법론

이 커리큘럼을 제작하면서 두 가지 교육 원칙을 채택했습니다: 프로젝트 기반으로 실습을 강조하고, 빈번한 퀴즈를 포함하는 것입니다. 또한, 이 커리큘럼은 일관성을 위해 공통 테마를 가지고 있습니다.

프로젝트와 연계된 콘텐츠를 통해 학습 과정을 더욱 흥미롭게 만들고 개념의 기억력을 높일 수 있습니다. 또한, 수업 전 저위험 퀴즈는 학생이 주제 학습에 집중하도록 하고, 수업 후 퀴즈는 추가적인 기억 강화를 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며, 전체 또는 일부를 선택적으로 학습할 수 있습니다. 프로젝트는 작게 시작하여 12주 과정이 끝날 때 점점 더 복잡해집니다. 이 커리큘럼은 또한 ML의 실제 응용에 대한 후기를 포함하며, 이는 추가 학점으로 사용하거나 토론의 기초로 활용할 수 있습니다.

행동 강령, 기여, 번역 가이드를 확인하세요. 건설적인 피드백을 환영합니다!

각 강의는 다음을 포함합니다

  • 선택적 스케치노트
  • 선택적 보충 비디오
  • 비디오 워크스루 (일부 강의만 해당)
  • 강의 전 워밍업 퀴즈
  • 서면 강의
  • 프로젝트 기반 강의의 경우, 프로젝트를 구축하는 단계별 가이드
  • 지식 점검
  • 도전 과제
  • 보충 자료
  • 과제
  • 강의 후 퀴즈

언어에 대한 참고 사항: 이 강의는 주로 Python으로 작성되었지만, 일부는 R로도 제공됩니다. R 강의를 완료하려면 /solution 폴더로 이동하여 R 강의를 찾으세요. 이 파일들은 .rmd 확장자를 가지며, 이는 R Markdown 파일을 나타냅니다. R Markdown은 코드 청크(R 또는 다른 언어)와 YAML 헤더(PDF와 같은 출력 형식을 안내)를 Markdown 문서에 포함하는 방식으로 간단히 정의할 수 있습니다. 따라서 데이터 과학을 위한 훌륭한 저작 프레임워크로 작동하며, 코드, 출력, 생각을 Markdown에 기록할 수 있습니다. 또한, R Markdown 문서는 PDF, HTML, Word와 같은 출력 형식으로 렌더링될 수 있습니다.

퀴즈에 대한 참고 사항: 모든 퀴즈는 Quiz App 폴더에 포함되어 있으며, 총 52개의 퀴즈가 각 3문제로 구성되어 있습니다. 강의 내에서 링크되어 있지만, quiz-app 폴더의 지침을 따라 로컬에서 실행하거나 Azure에 배포할 수 있습니다.

강의 번호 주제 강의 그룹 학습 목표 링크된 강의 저자
01 머신러닝 소개 소개 머신러닝의 기본 개념을 학습합니다 강의 Muhammad
02 머신러닝의 역사 소개 이 분야의 역사를 학습합니다 강의 Jen and Amy
03 공정성과 머신 러닝 Introduction 학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 공정성에 관한 중요한 철학적 문제는 무엇인가요? Lesson Tomomi
04 머신 러닝 기술 Introduction ML 연구자들이 ML 모델을 구축하기 위해 사용하는 기술은 무엇인가요? Lesson Chris and Jen
05 회귀 소개 Regression 회귀 모델을 위해 Python과 Scikit-learn을 시작해보세요 PythonR Jen • Eric Wanjau
06 북미 호박 가격 🎃 Regression ML 준비를 위해 데이터를 시각화하고 정리하기 PythonR Jen • Eric Wanjau
07 북미 호박 가격 🎃 Regression 선형 및 다항 회귀 모델 구축 PythonR Jen and Dmitry • Eric Wanjau
08 북미 호박 가격 🎃 Regression 로지스틱 회귀 모델 구축 PythonR Jen • Eric Wanjau
09 웹 앱 🔌 Web App 학습된 모델을 활용하는 웹 앱 구축 Python Jen
10 분류 소개 Classification 데이터를 정리, 준비, 시각화하고 분류를 소개합니다 PythonR Jen and Cassie • Eric Wanjau
11 맛있는 아시아 및 인도 요리 🍜 Classification 분류기 소개 PythonR Jen and Cassie • Eric Wanjau
12 맛있는 아시아 및 인도 요리 🍜 Classification 추가 분류기 PythonR Jen and Cassie • Eric Wanjau
13 맛있는 아시아 및 인도 요리 🍜 Classification 모델을 사용하여 추천 웹 앱 구축 Python Jen
14 클러스터링 소개 Clustering 데이터를 정리, 준비, 시각화하고 클러스터링을 소개합니다 PythonR Jen • Eric Wanjau
15 나이지리아 음악 취향 탐구 🎧 Clustering K-Means 클러스터링 방법 탐구 PythonR Jen • Eric Wanjau
16 자연어 처리 소개 Natural language processing 간단한 봇을 구축하며 NLP의 기본을 배워보세요 Python Stephen
17 일반적인 NLP 작업 Natural language processing 언어 구조를 다룰 때 필요한 일반적인 작업을 이해하며 NLP 지식을 심화합니다 Python Stephen
18 번역 및 감정 분석 ♥️ Natural language processing 제인 오스틴의 작품을 활용한 번역 및 감정 분석 Python Stephen
19 유럽의 로맨틱 호텔 ♥️ Natural language processing 호텔 리뷰를 활용한 감정 분석 1 Python Stephen
20 유럽의 로맨틱 호텔 ♥️ Natural language processing 호텔 리뷰를 활용한 감정 분석 2 Python Stephen
21 시계열 예측 소개 Time series 시계열 예측 소개 Python Francesca
22 세계 전력 사용 - ARIMA를 활용한 시계열 예측 Time series ARIMA를 활용한 시계열 예측 Python Francesca
23 세계 전력 사용 - SVR을 활용한 시계열 예측 Time series 서포트 벡터 회귀를 활용한 시계열 예측 Python Anirban
24 강화 학습 소개 Reinforcement learning Q-Learning을 활용한 강화 학습 소개 Python Dmitry
25 피터가 늑대를 피하도록 도와주세요! 🐺 Reinforcement learning 강화 학습 Gym Python Dmitry
Postscript 실제 ML 시나리오 및 응용 ML in the Wild 고전적인 ML의 흥미롭고 유익한 실제 응용 사례 Lesson Team
Postscript RAI 대시보드를 활용한 ML 모델 디버깅 ML in the Wild 책임 있는 AI 대시보드 구성 요소를 활용한 머신 러닝 모델 디버깅 Lesson Ruth Yakubu

이 과정의 추가 리소스를 Microsoft Learn 컬렉션에서 확인하세요

오프라인 액세스

Docsify를 사용하여 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 Docsify 설치를 완료한 후, 이 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 localhost의 포트 3000에서 제공됩니다: localhost:3000.

PDF

링크가 포함된 커리큘럼 PDF를 여기에서 확인하세요.

🎒 다른 과정들

우리 팀은 다른 과정도 제작합니다! 확인해보세요: