31 KiB

Raw Blame History Unescape Escape

🌐 다국어 지원

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

로컬에서 복제하는 것을 선호하시나요?

이 저장소에는 50개 이상의 언어 번역본이 포함되어 있어 다운로드 크기가 크게 늘어납니다. 번역 없이 복제하려면 sparse checkout을 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 수업을 완료하는 데 필요한 모든 것을 얻을 수 있습니다.

커뮤니티에 참여하세요

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

초보자를 위한 머신러닝 - 커리큘럼

🌍 세계 문화를 통해 머신러닝을 탐험하며 세계 여행을 떠나보세요 🌍

Microsoft의 클라우드 옹호자들이 제공하는 12주, 26강의 커리큘럼입니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하며 AI for Beginners' curriculum에 포함된 딥러닝을 제외한, 종종 '클래식 머신러닝'이라 불리는 머신러닝에 대해 배웁니다. 또한, 'Data Science for Beginners' curriculum과 함께 학습할 수 있습니다.

전 세계 여러 지역의 데이터를 클래식 머신러닝 기법에 적용하며 여행하듯 배우세요. 각각의 강의는 강의 전후 퀴즈, 강의 완료 지침, 해답, 과제 등을 포함합니다. 프로젝트 기반 교육법은 실제 구축하면서 학습하도록 하여 새 기술이 잘 기억되도록 합니다.

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

🎨 감사드립니다 - 일러스트레이터분들 Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 특별한 감사 🙏 Microsoft 학생 앰배서더 저자, 검토자 및 콘텐츠 기여자분들 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 추가 감사 - Microsoft 학생 앰배서더 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta께서 진행한 R 강의!

시작하기

다음 단계를 따르세요:

리포지토리 포크: 이 페이지 우측 상단의 "Fork" 버튼을 클릭합니다.
리포지토리 복제: git clone https://github.com/microsoft/ML-For-Beginners.git

이 코스에 관한 모든 추가 자료는 Microsoft Learn 컬렉션에서 찾으실 수 있습니다

🔧 도움이 필요하신가요? 설치, 설정, 수업 실행 관련 일반 문제에 대한 해결책은 문제 해결 설명서를 확인하세요.

학생들, 이 커리큘럼을 사용하려면 전체 리포지토리를 자신의 GitHub 계정으로 포크하고 혼자 또는 그룹으로 연습문제를 완료하세요:

강의 전 퀴즈부터 시작하세요.
강의를 읽고 활동을 완성하며 각 지식 점검 부분에서 일시 중지하고 생각해 보세요.
해답 코드를 단순 실행하기보다는 내용을 이해하며 프로젝트를 제작해 보세요. 해답 코드는 각 프로젝트 별 수업의 /solution 폴더에 있습니다.
강의 후 퀴즈를 봅니다.
챌린지를 완료합니다.
과제를 완료합니다.
강의 그룹을 완료한 후 토론 게시판에 방문해 적절한 PAT 루브릭을 작성하며 '소리 내어 학습'하세요. 'PAT'는 학습 진척 평가 도구로, 여러분이 직접 작성하여 더 깊이 학습하도록 돕습니다. 다른 PAT에도 반응하여 함께 배울 수 있습니다.

추가 학습을 원할 경우, 다음 Microsoft Learn 모듈과 학습 경로를 추천합니다.

교사 분들, 본 커리큘럼 활용에 대한 권장 사항을 포함하였습니다.

비디오 강의

일부 강의는 짧은 형식의 비디오로 제공됩니다. 모든 비디오는 강의 내 인라인 또는 Microsoft Developer YouTube 채널의 ML for Beginners 재생목록에서 이미지를 클릭하여 시청할 수 있습니다.

팀 소개

GIF 제작 Mohit Jaisal

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

교육 철학

이 커리큘럼 개발 시 두 가지 교육 원칙을 채택했습니다: 실습 중심의 프로젝트 기반 교육과 빈번한 퀴즈 포함. 또한 통일성을 주기 위해 공통 테마를 적용했습니다.

프로젝트와 내용이 일치하도록 함으로써 학생들이 수업에 몰입하고 개념을 더 잘 유지할 수 있도록 합니다. 수업 전 저위험 퀴즈는 학생들의 학습 의도를 세우고 수업 후 퀴즈는 개념의 유지력을 높입니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전부 또는 일부만 수강할 수 있습니다. 프로젝트는 작게 시작해 12주 과정이 끝날 무렵 점점 더 복잡해집니다. 또한 실제 머신러닝 적용에 관한 후기 글이 포함되어 있어 추가 학점이나 토론 소재로 사용할 수 있습니다.

행동 강령, 기여 지침, 번역 안내, 문제 해결 가이드를 확인하세요. 건설적인 피드백을 환영합니다!

각 강의는 다음을 포함합니다

선택적 스케치노트
선택적 보조 비디오
비디오 강의(일부 강의만)
강의 전 워밍업 퀴즈
서면 강의
프로젝트 기반 강의의 경우, 프로젝트 구축 단계별 안내서
지식 점검
챌린지
보조 읽을거리
과제
강의 후 퀴즈

언어 관련 참고: 이 강의들은 주로 Python으로 작성되었지만 많은 강의가 R 언어로도 제공됩니다. R 강의를 완료하려면 /solution 폴더에서 R 강의를 찾으세요. 이 파일은 .rmd 확장자를 가지며, 이는 코드 청크(R 또는 기타 언어의)와 YAML 헤더(출력 포맷 PDF 등 지정)를 포함하는 R Markdown 파일입니다. R Markdown은 코드, 출력, 생각을 Markdown 문서 내에 기록하여 결합할 수 있는 우수한 데이터 과학 작성 프레임워크입니다. 또한 PDF, HTML, Word 등 다양한 출력 포맷으로 렌더링할 수 있습니다. 퀴즈에 대한 참고 사항: 모든 퀴즈는 Quiz App 폴더에 포함되어 있으며, 총 52개의 퀴즈가 각 3개의 질문으로 구성되어 있습니다. 이들은 강의 내에서 링크되어 있지만 퀴즈 앱은 로컬에서 실행할 수 있습니다; 로컬 호스팅 또는 Azure에 배포하는 방법은 quiz-app 폴더의 지침을 따르십시오.

강의 번호	주제	강의 그룹	학습 목표	연결된 강의	저자
01	머신러닝 소개	소개	머신러닝의 기본 개념을 학습합니다	강의	Muhammad
02	머신러닝의 역사	소개	이 분야의 역사에 대해 학습합니다	강의	Jen and Amy
03	공정성과 머신러닝	소개	학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 중요한 철학적 공정성 문제	강의	Tomomi
04	머신러닝 기법	소개	ML 연구자가 모델을 구축할 때 사용하는 기법을 학습합니다	강의	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 활용하는 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	더 많은 분류기	Python • R	Jen and Cassie • Eric Wanjau
13	맛있는 아시아 및 인도 요리 🍜	분류	모델을 사용한 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 탐색 🎧	클러스터링	K-평균 클러스터링 방법 탐구	Python • R	Jen • Eric Wanjau
16	자연어 처리 소개 ☕️	자연어 처리	간단한 봇을 만들어 NLP 기본 개념 학습	Python	Stephen
17	일반 NLP 작업 ☕️	자연어 처리	언어 구조를 다룰 때 필요한 일반적인 NLP 작업을 이해하며 지식 심화	Python	Stephen
18	번역 및 감정 분석 ♥️	자연어 처리	Jane Austen 텍스트로 번역과 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 사용 ⚡️ - ARIMA 시계열 예측	시계열	ARIMA를 이용한 시계열 예측	Python	Francesca
23	⚡️ 세계 전력 사용 ⚡️ - SVR 시계열 예측	시계열	서포트 벡터 회귀를 이용한 시계열 예측	Python	Anirban
24	강화 학습 소개	강화 학습	Q-러닝을 이용한 강화 학습 소개	Python	Dmitry
25	Peter가 늑대를 피하도록 돕기! 🐺	강화 학습	강화 학습 Gym	Python	Dmitry
후기글	실제 ML 시나리오 및 응용	야생의 ML	고전적인 ML의 흥미롭고 실질적인 실제 적용 사례	강의	팀
후기글	RAI 대시보드를 활용한 ML 모델 디버깅	야생의 ML	책임 있는 AI 대시보드 컴포넌트를 사용한 머신러닝 모델 디버깅	강의	Ruth Yakubu

이 과정의 모든 추가 자료는 Microsoft Learn 컬렉션에서 확인하세요

오프라인 액세스

이 문서를 오프라인에서 실행하려면 Docsify를 사용하세요. 이 저장소를 포크하고, 로컬 머신에 Docsify 설치 후 이 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트의 3000번 포트에서 서빙됩니다: localhost:3000.

PDF

링크가 포함된 커리큘럼 PDF는 여기에서 확인하세요.

🎒 다른 강좌

우리 팀은 다른 강좌도 제작합니다! 확인해보세요:

LangChain

Azure / Edge / MCP / Agents

생성 AI 시리즈

핵심 학습

코파일럿 시리즈

도움 받기

AI 앱 개발 중에 막히거나 질문이 있는 경우 MCP 커뮤니티에 참여해 보세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원적인 커뮤니티입니다.

제품 피드백이나 개발 중 오류가 발생하면 다음을 방문하세요:

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 노력하였으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의해 주시기 바랍니다. 원문 문서는 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 이 번역의 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.

31 KiB Raw Blame History Unescape Escape