ML-For-Beginners/translations/ko

🌐 다국어 지원

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

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

로컬에서 클론하는 것을 선호하시나요?

이 저장소에는 50개 이상의 언어 번역본이 포함되어 있어 다운로드 크기가 크게 증가합니다. 번역 없이 클론하려면 스패어스 체크아웃을 사용하세요:

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 얻을 수 있습니다.

커뮤니티에 참여하세요

우리는 Discord에서 AI와 함께 배우기 시리즈를 진행 중입니다. 2025년 9월 18일부터 30일까지 Learn with AI Series에서 자세히 알아보고 참여하세요. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.

초보자를 위한 머신러닝 - 커리큘럼

🌍 세계 문화를 통해 머신러닝을 탐구하며 세계 여행을 떠나봅시다 🌍

마이크로소프트 클라우드 어드보케이트는 12주간 26개의 레슨으로 구성된 머신러닝 전체 커리큘럼을 제공하게 되어 기쁩니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여 때때로 고전 머신러닝이라 불리는 것을 배우고, 딥러닝은 AI for Beginners 커리큘럼에서 다룹니다. 이 수업들을 우리 'Data Science for Beginners' 커리큘럼과 함께 활용하세요!

세계 여러 지역의 데이터를 사용하여 고전적인 기법을 적용하며 우리와 함께 세계 여행을 떠나보세요. 각 레슨에는 수업 전과 후 퀴즈, 수업 수행 지침, 해결책, 과제 등이 포함됩니다. 프로젝트 기반 수업법을 통해 학습하며 만드는 과정을 경험할 수 있어, 새 기술이 더 잘 익혀집니다.

✍️ 진심으로 감사드립니다 저자분들: Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu 그리고 Amy Boyd

🎨 또 다른 감사를 일러스트레이터분들: Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 특별한 감사 🙏 마이크로소프트 학생 대사 저자, 검토자, 컨텐츠 기여자 여러분께, 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 MS 학생 대사 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta께도 R 수업 관련 특별한 감사 드립니다!

시작하기

다음 단계를 따르세요:

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

이 과정과 관련된 모든 추가 자료는 Microsoft Learn 모음에서 찾을 수 있습니다

🔧 도움이 필요하신가요? 설치, 설정 및 수업 실행에 관한 일반 문제 해결법은 문제 해결 가이드를 확인하세요.

학생 여러분, 이 커리큘럼을 사용하려면 저장소를 자신의 GitHub 계정으로 포크하고 혼자 또는 그룹과 함께 과제를 완료하세요:

• 강의 전 퀴즈부터 시작하세요.
• 강의를 읽고 각 지식 점검에서 멈추어 생각하며 활동을 완수하세요.
• 레슨을 이해하고 프로젝트를 직접 만들어 보세요. 하지만 /solution 폴더에 있는 솔루션 코드를 참고할 수 있습니다.
• 강의 후 퀴즈를 응시하세요.
• 챌린지를 완료하세요.
• 과제를 마치세요.
• 레슨 그룹을 완료한 후에는 토론 게시판에서 '목소리 내어 학습'하며 적절한 PAT 루브릭을 작성해 주세요. 'PAT'는 학습 진행 평가 도구로, 여러분의 학습을 한층 심화시키기 위한 루브릭입니다. 다른 PAT에 리액션을 달아 함께 배울 수도 있습니다.

추가 학습을 위한 추천 Microsoft Learn 모듈 및 학습 경로를 참고하세요.

교사 여러분, 이 커리큘럼 사용에 관한 몇 가지 제안을 제공하고 있습니다.

---

비디오 수업 안내

몇몇 레슨은 짧은 형태의 비디오로 제공됩니다. 수업 내에서 인라인으로 찾을 수 있거나, 아래 이미지를 클릭해 Microsoft Developer 유튜브 채널의 ML for Beginners 재생목록에서 보실 수 있습니다.

---

팀 소개

GIF 제작자 Mohit Jaisal

🎥 위 이미지를 클릭하여 프로젝트 및 제작자에 관한 비디오를 시청하세요!

---

교육 철학

이 커리큘럼을 구성하면서 두 가지 교육 원칙을 선택했습니다: 실습 중심의 프로젝트 기반 교육과 자주 진행되는 퀴즈 포함입니다. 더불어, 일관성을 위한 공통된 주제도 설정했습니다.

내용이 프로젝트와 연계되도록 하여 학생들이 더 몰입하고 개념 이해가 높아지게 했습니다. 학습 전의 낮은 강도의 퀴즈는 학생의 학습 목표를 설정하며, 수업 후 퀴즈는 개념의 장기 기억을 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 선택해 학습할 수 있습니다. 프로젝트는 작게 시작해 12주 과정이 끝날 때쯤 점점 복잡해집니다. 또한 머신러닝의 실제 적용에 관한 후기 내용도 포함되어 있어 추가 점수나 토론 주제로 활용할 수 있습니다.

행동 강령, 기여, 번역, 문제 해결 가이드라인을 확인하세요. 여러분의 건설적인 피드백을 환영합니다!

각 레슨에 포함된 내용

• 선택적 스케치노트
• 선택적 보충 비디오
• 비디오 수업 안내 (일부 레슨)
• 강의 전 워밍업 퀴즈
• 서면 강의
• 프로젝트 기반 수업은 단계별 프로젝트 구현 가이드 포함
• 지식 점검
• 도전 과제
• 보충 독서 자료
• 과제
• 강의 후 퀴즈

언어에 관한 참고: 이 레슨들은 주로 Python으로 작성되었으나, R 버전도 많이 제공됩니다. R 레슨을 완료하려면 /solution 폴더에서 R 레슨을 찾아보세요. 이들은 .rmd 확장자를 가진 R 마크다운 파일로, 코드 청크 (R 또는 다른 언어)와 YAML 헤더(PDF와 같은 출력 포맷 지정)를 Markdown 문서에 포함합니다. 따라서 코드, 출력물 및 생각을 Markdown에 기록할 수 있어 데이터 과학을 위한 훌륭한 저작 구성 도구입니다. 또한 R 마크다운 문서는 PDF, HTML, Word 같은 출력 포맷으로 렌더링할 수 있습니다. 퀴즈에 대한 안내: 모든 퀴즈는 Quiz App 폴더에 포함되어 있으며, 각 퀴즈는 세 개의 질문으로 구성된 총 52개의 퀴즈입니다. 퀴즈는 수업 내에서 연결되어 있지만, 퀴즈 앱은 로컬에서 실행할 수 있습니다. 로컬 호스팅 또는 Azure에 배포하려면 quiz-app 폴더의 지침을 따르세요.

수업 번호	주제	수업 그룹	학습 목표	연결된 수업	저자
01	머신러닝 소개	소개	머신러닝의 기본 개념을 학습합니다	수업	Muhammad
02	머신러닝의 역사	소개	이 분야의 역사를 학습합니다	수업	Jen and Amy
03	공정성과 머신러닝	소개	공정성과 관련된 주요 철학적 문제들을 학생들이 ML 모델을 구축하고 적용할 때 고려해야 하는 점은 무엇인지 학습합니다.	수업	Tomomi
04	머신러닝 기법	소개	ML 연구자가 ML 모델을 구축할 때 사용하는 기법을 학습합니다.	수업	Chris and Jen
05	회귀 소개	회귀	회귀 모델을 위해 Python과 Scikit-learn 사용을 시작합니다	Python • R	Jen • Eric Wanjau
06	북미 호박 가격 🎃	회귀	머신러닝 준비를 위해 데이터를 시각화하고 정리합니다	Python • R	Jen • Eric Wanjau
07	북미 호박 가격 🎃	회귀	선형 및 다항 회귀 모델을 구축합니다	Python • R	Jen and Dmitry • Eric Wanjau
08	북미 호박 가격 🎃	회귀	로지스틱 회귀 모델을 구축합니다	Python • R	Jen • Eric Wanjau
09	웹 앱 🔌	웹 앱	학습한 모델을 사용하는 웹 앱을 구축합니다	Python	Jen
10	분류 소개	분류	데이터를 정리, 준비, 시각화하고 분류에 대한 소개를 받습니다	Python • R	Jen and Cassie • Eric Wanjau
11	맛있는 아시아 및 인도 요리 🍜	분류	분류기에 대한 소개	Python • R	Jen and Cassie • Eric Wanjau
12	맛있는 아시아 및 인도 요리 🍜	분류	분류기 확장	Python • R	Jen and Cassie • Eric Wanjau
13	맛있는 아시아 및 인도 요리 🍜	분류	모델을 사용하여 추천 웹 앱을 구축합니다	Python	Jen
14	클러스터링 소개	클러스터링	데이터를 정리, 준비, 시각화하고 클러스터링 소개를 받습니다	Python • R	Jen • Eric Wanjau
15	나이지리아 음악 취향 탐험 🎧	클러스터링	K-평균 클러스터링 방법을 탐험합니다	Python • R	Jen • Eric Wanjau
16	자연어 처리 소개 ☕️	자연어 처리	간단한 봇을 만들어 NLP 기본을 배웁니다	Python	Stephen
17	일반적인 NLP 작업 ☕️	자연어 처리	언어 구조를 다룰 때 필요한 일반 과제를 이해하며 NLP 지식을 심화합니다	Python	Stephen
18	번역 및 감정 분석 ♥️	자연어 처리	제인 오스틴과 함께하는 번역 및 감정 분석	Python	Stephen
19	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰를 통한 감정 분석 1	Python	Stephen
20	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰를 통한 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 회귀를 활용한 시계열 예측	Python	Anirban
24	강화학습 소개	강화학습	Q-러닝을 활용한 강화학습 소개	Python	Dmitry
25	피터가 늑대를 피하게 도우세요! 🐺	강화학습	강화학습 Gym	Python	Dmitry
후기글	실제 머신러닝 시나리오 및 응용	현장 ML	고전적인 ML의 흥미롭고 드러나는 실제 응용 사례	수업	팀
후기글	RAI 대시보드를 이용한 ML 모델 디버깅	현장 ML	책임 있는 AI 대시보드 구성요소를 활용한 머신러닝 모델 디버깅	수업	Ruth Yakubu

본 과정의 추가 자료는 Microsoft Learn 모음에서 모두 확인하세요

오프라인 접근

Docsify를 사용하여 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 Docsify 설치 후, 이 저장소의 루트 폴더에서 docsify serve를 실행하면 웹사이트가 로컬호스트의 포트 3000, 즉 localhost:3000에서 서비스됩니다.

PDF

커리큘럼 PDF 파일은 여기에서 다운로드하세요.

🎒 기타 강좌

저희 팀은 다른 강좌들도 제공합니다! 다음을 확인하세요:

LangChain

Azure / Edge / MCP / 에이전트

---

생성 AI 시리즈

---

핵심 학습

---

코파일럿 시리즈

도움 받기

AI 앱을 만드는 데 막히거나 질문이 있다면 MCP에 대해 함께 배우는 학습자와 숙련된 개발자들과 토론에 참여하세요. 질문이 환영받는 지원하는 커뮤니티이며 지식이 자유롭게 공유됩니다.

제품 피드백이나 오류가 있을 경우 다음을 방문하세요:

---

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있지만, 자동 번역에는 오류나 부정확한 부분이 있을 수 있음을 유의하시기 바랍니다. 원본 문서는 해당 언어로 작성된 문서가 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 본 번역의 사용으로 발생하는 오해나 잘못된 해석에 대해서는 책임을 지지 않습니다.