ML-For-Beginners/translations/ko

🌐 다국어 지원

GitHub Action을 통해 지원 (자동화 및 항상 최신 상태)

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 | 한국어 | 리투아니아어 | 말레이어 | 말라얄람어 | 마라티어 | 네팔어 | 나이지리아 피진어 | 노르웨이어 | 페르시아어 (파르시) | 폴란드어 | 포르투갈어 (브라질) | 포르투갈어 (포르투갈) | 펀자브어 (구르무키) | 루마니아어 | 러시아어 | 세르비아어 (키릴 문자) | 슬로바키아어 | 슬로베니아어 | 스페인어 | 스와힐리어 | 스웨덴어 | 타갈로그어 (필리핀) | 타밀어 | 텔루구어 | 태국어 | 터키어 | 우크라이나어 | 우르두어 | 베트남어

커뮤니티에 참여하세요

저희는 Discord에서 Learn with AI 시리즈를 진행하고 있습니다. 자세한 내용과 참여는 Learn with AI Series에서 확인하세요. 2025년 9월 18일 - 30일 동안 진행됩니다. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.

초보자를 위한 머신러닝 - 커리큘럼

🌍 전 세계 문화를 통해 머신러닝을 탐구하며 여행하세요 🌍

Microsoft의 Cloud Advocates는 총 12주, 26개의 수업으로 구성된 머신러닝 커리큘럼을 제공하게 되어 기쁩니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하고 딥러닝은 제외하는, 흔히 말하는 고전적 머신러닝(classic machine learning) 에 대해 배웁니다. 딥러닝은 저희의 AI for Beginners' curriculum에서 다룹니다. 또한 이 강의들은 'Data Science for Beginners' curriculum과 함께 병행하면 좋습니다.

여러분과 함께 전 세계를 여행하며 다양한 지역의 데이터를 대상으로 이러한 고전적 기법들을 적용해 봅니다. 각 수업에는 수업 전·후 퀴즈, 수업 완료를 위한 서면 지침, 해답, 과제 등이 포함되어 있습니다. 프로젝트 기반의 교수법을 통해 학습하면서 직접 만들어보는 방식으로 새로운 기술이 더 잘 '정착'하도록 돕습니다.

✍️ 저자분들께 깊은 감사드립니다 Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 일러스트레이터 분들께도 감사드립니다 Tomomi Imura, Dasani Madipalli, and Jen Looper

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

🤩 R 수업에 기여해주신 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, 그리고 Vidushi Gupta에게 특별 감사드립니다!

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

이 과정의 모든 추가 리소스는 Microsoft Learn 컬렉션에서 확인하세요

🔧 도움이 필요하신가요? 설치, 설정 및 수업 실행과 관련된 일반적인 문제에 대한 해결책은 Troubleshooting Guide를 확인하세요.

학생 여러분, 이 커리큘럼을 사용하려면 전체 레포를 자신의 GitHub 계정으로 포크한 뒤 혼자 또는 그룹과 함께 연습 문제를 완료하세요:

• 수업 전 퀴즈로 시작하세요.
• 강의를 읽고 활동을 완료하며 각 지식 확인 지점에서 멈추어 생각하세요.
• 솔루션 코드를 실행하기보다 수업 내용을 이해하며 프로젝트를 직접 만들어 보세요; 그러나 각 프로젝트 지향 수업의 /solution 폴더에서 해당 코드가 제공됩니다.
• 수업 후 퀴즈를 풀어보세요.
• 챌린지를 완료하세요.
• 과제를 완료하세요.
• 수업 그룹을 완료한 후에는 Discussion Board를 방문하여 적절한 PAT 루브릭을 작성하며 '학습을 소리 내어' 공유하세요. 'PAT'은 학습을 증진하기 위해 작성하는 진행 평가 도구(루브릭)입니다. 다른 사람의 PAT에 반응할 수도 있어 함께 배울 수 있습니다.

추가 학습을 위해 다음 Microsoft Learn 모듈과 학습 경로를 따라가시기를 권장합니다.

교사용 자료로 이 커리큘럼을 어떻게 사용할지에 대한 몇 가지 제안을 포함했습니다.

---

비디오 안내

일부 수업은 단편 비디오로 제공됩니다. 수업 내부에서 직접 보거나 ML for Beginners 재생목록 (Microsoft Developer YouTube 채널)에서 아래 이미지를 클릭하여 모두 확인할 수 있습니다.

---

팀을 소개합니다

GIF 제작자 Mohit Jaisal

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

---

교수법

이 커리큘럼을 구성하면서 두 가지 교수 원칙을 선택했습니다: 실습 중심의 프로젝트 기반 학습과 자주 있는 퀴즈입니다. 또한 콘텐츠에 일관성을 부여하기 위한 공통 주제를 포함했습니다.

콘텐츠를 프로젝트와 정렬함으로써 학생들의 참여도가 높아지고 개념의 유지율이 향상됩니다. 또한 수업 전의 낮은 부담의 퀴즈는 학생이 주제 학습에 대한 의도를 설정하게 하고, 수업 후의 두 번째 퀴즈는 추가적인 정착을 보장합니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 수강할 수 있습니다. 프로젝트는 작게 시작되어 12주 주기의 끝으로 갈수록 점점 복잡해집니다. 이 커리큘럼에는 머신러닝의 실제 적용에 관한 부록도 포함되어 있어 추가 학점이나 토론의 기초로 사용할 수 있습니다.

행동 강령, 기여 안내, 번역 가이드, 그리고 문제 해결 안내를 확인해 보세요. 건설적인 피드백을 환영합니다!

각 수업에는 다음이 포함됩니다

• 선택적 스케치노트
• 선택적 보조 비디오
• 비디오 안내 (일부 수업만 해당)
• 수업 전 워밍업 퀴즈
• 서면 강의
• 프로젝트 기반 수업의 경우 프로젝트를 만드는 단계별 가이드
• 지식 확인 문제
• 챌린지
• 보조 읽을거리
• 과제
• 수업 후 퀴즈

언어에 대한 참고: 이 수업들은 주로 Python으로 작성되었지만 많은 수업이 R로도 제공됩니다. R 수업을 완료하려면 /solution 폴더로 가서 R 수업을 찾으세요. 해당 파일들은 .rmd 확장자를 포함하고 있으며, 이는 R Markdown 파일을 나타냅니다. R Markdown은 code chunks(R 또는 다른 언어의 코드 조각)와 YAML header(PDF와 같은 출력 포맷을 어떻게 형식화할지 안내)를 Markdown 문서에 포함하는 방식이라고 간단히 정의할 수 있습니다. 따라서 코드와 그 출력 및 생각을 Markdown으로 작성해 결합할 수 있기 때문에 데이터 과학의 모범적인 저작 프레임워크 역할을 합니다. 또한 R Markdown 문서는 PDF, HTML 또는 Word와 같은 출력 형식으로 렌더링할 수 있습니다.

퀴즈에 대한 참고: 모든 퀴즈는 Quiz App 폴더에 포함되어 있으며 각 3문항으로 총 52개의 퀴즈가 있습니다. 수업 내에서 링크되어 있지만 퀴즈 앱은 로컬에서도 실행할 수 있습니다; quiz-app 폴더의 지침을 따라 로컬 호스트를 실행하거나 Azure에 배포하세요.

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	머신 러닝 소개	소개	머신 러닝의 기본 개념을 배우세요	강의	Muhammad
02	머신 러닝의 역사	소개	이 분야의 역사를 배우세요	강의	Jen 및 Amy
03	공정성과 머신 러닝	소개	학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 공정성과 관련된 중요한 철학적 쟁점은 무엇인가요?	강의	Tomomi
04	머신 러닝 기법	소개	ML 연구자들이 ML 모델을 구축할 때 사용하는 기법은 무엇인가요?	강의	Chris 및 Jen
05	회귀 소개	Regression	회귀 모델을 위해 Python과 Scikit-learn으로 시작하세요	Python • R	Jen • Eric Wanjau
06	북미 호박 가격 🎃	Regression	머신 러닝 준비를 위해 데이터를 시각화하고 정리하세요	Python • R	Jen • Eric Wanjau
07	북미 호박 가격 🎃	Regression	선형 및 다항 회귀 모델을 구축하세요	Python • R	Jen 및 Dmitry • Eric Wanjau
08	북미 호박 가격 🎃	Regression	로지스틱 회귀 모델을 구축하세요	Python • R	Jen • Eric Wanjau
09	웹 앱 🔌	Web App	훈련된 모델을 사용할 웹 앱을 구축하세요	Python	Jen
10	분류 소개	Classification	데이터 정리, 전처리 및 시각화; 분류 소개	Python • R	Jen 및 Cassie • Eric Wanjau
11	맛있는 아시아 및 인도 요리 🍜	Classification	분류기 소개	Python • R	Jen 및 Cassie • Eric Wanjau
12	맛있는 아시아 및 인도 요리 🍜	Classification	추가 분류기	Python • R	Jen 및 Cassie • Eric Wanjau
13	맛있는 아시아 및 인도 요리 🍜	Classification	모델을 사용하여 추천 웹 앱을 구축하세요	Python	Jen
14	클러스터링 소개	Clustering	데이터 정리, 전처리 및 시각화; 클러스터링 소개	Python • R	Jen • Eric Wanjau
15	나이지리아 음악 취향 탐구 🎧	Clustering	K-평균 클러스터링 방법을 탐구하세요	Python • R	Jen • Eric Wanjau
16	자연어 처리 소개 ☕️	Natural language processing	간단한 봇을 만들어 NLP의 기초를 배우세요	Python	Stephen
17	일반적인 NLP 작업 ☕️	Natural language processing	언어 구조를 다룰 때 필요한 일반적인 작업을 이해하여 NLP 지식을 심화하세요	Python	Stephen
18	번역 및 감성 분석 ♥️	Natural language processing	Jane Austen 텍스트로 번역 및 감성 분석	Python	Stephen
19	유럽의 로맨틱 호텔 ♥️	Natural language processing	호텔 리뷰를 이용한 감성 분석 1	Python	Stephen
20	유럽의 로맨틱 호텔 ♥️	Natural language processing	호텔 리뷰를 이용한 감성 분석 2	Python	Stephen
21	시계열 예측 소개	Time series	시계열 예측 소개	Python	Francesca
22	⚡️ 세계 전력 사용 ⚡️ - ARIMA를 이용한 시계열 예측	Time series	ARIMA를 이용한 시계열 예측	Python	Francesca
23	⚡️ 세계 전력 사용 ⚡️ - SVR을 이용한 시계열 예측	Time series	Support Vector Regressor(SVR)를 이용한 시계열 예측	Python	Anirban
24	강화 학습 소개	Reinforcement learning	Q-러닝을 이용한 강화 학습 소개	Python	Dmitry
25	피터가 늑대를 피하도록 도와주세요! 🐺	Reinforcement learning	강화 학습 Gym	Python	Dmitry
Postscript	현실 속의 ML 시나리오와 응용	ML in the Wild	고전적인 ML의 흥미롭고 통찰력 있는 실제 응용 사례	강의	Team
Postscript	RAI 대시보드를 사용한 ML 모델 디버깅	ML in the Wild	Responsible AI 대시보드 컴포넌트를 사용한 머신러닝 모델 디버깅	강의	Ruth Yakubu

이 과정의 모든 추가 자료는 Microsoft Learn 컬렉션에서 확인할 수 있습니다

오프라인 액세스

이 문서는 Docsify를 사용하여 오프라인으로 실행할 수 있습니다. 이 리포지토리를 포크하고, 로컬 머신에 Docsify를 설치한 다음, 이 리포지토리의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트의 포트 3000에서 제공됩니다: localhost:3000.

PDF

커리큘럼 PDF와 링크는 여기에서 확인하세요。

🎒 다른 강좌

우리 팀은 다른 강좌들도 제작합니다! 확인해보세요:

LangChain

---

Azure / Edge / MCP / 에이전트

---

생성형 AI 시리즈

---

핵심 학습

---

Copilot 시리즈

도움 받기

AI 앱을 개발하다가 막히거나 질문이 있으면, 동료 학습자 및 경험 많은 개발자들과 MCP에 관한 토론에 참여하세요. 질문이 환영되는 지원적인 커뮤니티이며 지식이 자유롭게 공유됩니다.

제품 피드백이나 빌드 중 발생한 오류가 있으면 다음을 방문하세요:

---

면책사항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의하시기 바랍니다. 원어로 된 원문을 권위 있는 출처로 간주해야 합니다. 중요한 정보의 경우에는 전문 번역가에 의한 번역을 권장드립니다. 이 번역의 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.