ML-For-Beginners/translations/ko

🌐 다국어 지원

GitHub Action을 통한 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(키릴문자) | 슬로바키아어 | 슬로베니아어 | 스페인어 | 스와힐리어 | 스웨덴어 | 타갈로그어(필리핀) | 타밀어 | 텔루구어 | 태국어 | 터키어 | 우크라이나어 | 우르두어 | 베트남어

커뮤니티에 참여하세요

우리는 Discord에서 진행 중인 Learn with AI 시리즈가 있습니다. 자세한 내용과 참여는 Learn with AI Series에서 확인하세요. 2025년 9월 18일부터 9월 30일까지 진행됩니다. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.

초보자를 위한 머신러닝 - 커리큘럼

🌍 세계 각국 문화를 통해 머신러닝을 탐험하며 여행을 떠나보세요 🌍

Microsoft의 Cloud Advocates는 머신러닝에 관한 12주, 26개의 수업으로 구성된 커리큘럼을 기쁘게 제공합니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하고 딥러닝을 피하는, 때때로 '고전적 머신러닝'이라고 불리는 내용을 다룹니다. 딥러닝은 우리 AI for Beginners' curriculum에서 다룹니다. 이 수업들은 우리 'Data Science for Beginners' curriculum과 함께 병행하면 좋습니다.

전 세계의 다양한 데이터를 대상으로 이러한 고전적 기법을 적용하면서 우리와 함께 여행하세요. 각 수업에는 수업 전/후 퀴즈, 수업을 완료하기 위한 서면 지침, 해답, 과제 등이 포함되어 있습니다. 프로젝트 기반 교수법은 '학습하면서 만드는' 방식을 가능하게 하여 새로운 기술이 잘 습득되도록 합니다.

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

🎨 일러스트레이터분들께도 감사드립니다 Tomomi Imura, Dasani Madipalli, Jen Looper

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

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

시작하기

다음 단계를 따르세요:

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

이 과정에 대한 모든 추가 리소스는 Microsoft Learn 컬렉션에서 확인하세요

🔧 도움이 필요하신가요? 설치, 설정 및 수업 실행 시 자주 발생하는 문제에 대한 해결책은 우리 문제 해결 가이드를 확인하세요.

학생 여러분, 이 커리큘럼을 사용하려면 전체 리포지토리를 자신의 GitHub 계정으로 포크하고 혼자 또는 그룹과 함께 연습문제를 완료하세요:

• 수업 전 퀴즈로 시작하세요.
• 강의를 읽고 활동을 완료하며 각 지식 점검에서 멈추어 생각해보세요.
• 해답 코드를 실행하기보다는 수업 내용을 이해하여 프로젝트를 직접 만들어 보려고 노력하세요; 다만 해당 코드는 각 프로젝트 중심 수업의 /solution 폴더에 제공됩니다.
• 수업 후 퀴즈를 풀어보세요.
• 챌린지를 완료하세요.
• 과제를 완료하세요.
• 수업 그룹을 완료한 후에는 토론 게시판을 방문하여 적절한 PAT 루브릭을 작성하면서 "소리 내어 배우기(learn out loud)"를 해보세요. 'PAT'는 당신의 학습을 발전시키기 위해 작성하는 루브릭인 Progress Assessment Tool(진행 평가 도구)입니다. 다른 사람들의 PAT에 반응할 수도 있어 함께 배울 수 있습니다.

추가 학습을 위해, 다음 Microsoft Learn 모듈과 학습 경로를 따라가시길 권장합니다.

교사분들, 이 커리큘럼을 사용하는 방법에 대한 몇 가지 제안을 포함했습니다.

---

동영상 안내(워킹스루)

일부 수업은 짧은 형식의 동영상으로 제공됩니다. 각 수업에 인라인으로 포함되어 있거나, 아래 이미지를 클릭하면 Microsoft Developer YouTube 채널의 ML for Beginners 재생목록에서 모두 볼 수 있습니다.

---

팀 소개

Gif 제작자 Mohit Jaisal

🎥 위 이미지를 클릭하면 프로젝트와 이를 만든 사람들에 관한 비디오를 볼 수 있습니다!

---

교육 방법론

이 커리큘럼을 만들면서 두 가지 교수 원칙을 선택했습니다: 실습 중심의 프로젝트 기반 학습과 빈번한 퀴즈의 포함입니다. 또한 이 커리큘럼은 일관성을 주기 위해 공통 테마를 가지고 있습니다.

콘텐츠가 프로젝트와 일치하도록 함으로써 학생들에게 더 흥미를 유발하고 개념의 유지력이 향상됩니다. 또한 수업 전의 낮은 부담의 퀴즈는 학생의 학습 의도를 설정해 주고, 수업 후의 두 번째 퀴즈는 추가적인 기억 유지를 보장합니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 수강할 수 있습니다. 프로젝트는 작게 시작하여 12주 주기 끝으로 갈수록 점점 더 복잡해집니다. 또한 이 커리큘럼에는 실제 세계에서의 ML 적용에 관한 후기가 포함되어 있어 추가 학점이나 토론의 토대로 사용할 수 있습니다.

우리 행동 강령, 기여 가이드, 번역 가이드, 및 문제 해결 가이드를 확인하세요. 여러분의 건설적인 피드백을 환영합니다!

각 수업에는 포함됩니다

• 선택적 스케치노트
• 선택적 보충 비디오
• 동영상 안내(일부 수업만 해당)
• 수업 전 워밍업 퀴즈
• 서면 강의
• 프로젝트 기반 수업의 경우 프로젝트를 구축하는 단계별 가이드
• 지식 점검
• 챌린지
• 추가 읽을거리
• 과제
• 수업 후 퀴즈

언어에 대한 주의: 이 수업들은 주로 Python으로 작성되어 있지만 많은 수업이 R로도 제공됩니다. R 수업을 완료하려면 /solution 폴더로 이동하여 R 수업을 찾으세요. 이들은 .rmd 확장자를 포함하고 있으며, 이는 R Markdown 파일을 의미합니다. R Markdown은 code chunks(R 또는 다른 언어의)와 출력 형식(PDF 등)을 안내하는 YAML header를 Markdown document에 포함하는 방식으로 정의할 수 있습니다. 따라서 코드, 출력 및 생각을 Markdown으로 적을 수 있게 해주어 데이터 과학을 위한 모범적인 저작 프레임워크로 작동합니다. 또한 R Markdown 문서는 PDF, HTML 또는 Word와 같은 출력 형식으로 렌더링할 수 있습니다.

퀴즈에 대한 주의: 모든 퀴즈는 퀴즈 앱 폴더에 포함되어 있으며, 총 52개의 퀴즈가 각 3문항으로 구성되어 있습니다. 퀴즈들은 수업 내에서 링크되어 있지만 퀴즈 앱은 로컬에서 실행할 수 있습니다; 로컬 호스트 또는 Azure에 배포하는 방법은 quiz-app 폴더의 지침을 따르세요.

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 역사적 배경을 학습하세요	강의	Jen 및 Amy
03	공정성과 머신 러닝	소개	학생들이 ML 모델을 구축하고 적용할 때 고려해야 할 공정성 관련 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	회귀	회귀 모델을 위해 Python 및 Scikit-learn을 사용해 시작하세요	Python • R	Jen • Eric Wanjau
06	북미 호박 가격 🎃	회귀	ML 준비를 위해 데이터를 시각화하고 정리하세요	Python • R	Jen • Eric Wanjau
07	북미 호박 가격 🎃	회귀	선형 및 다항 회귀 모델을 구축하세요	Python • R	Jen 및 Dmitry • Eric Wanjau
08	북미 호박 가격 🎃	회귀	로지스틱 회귀 모델 구축	Python • R	Jen • Eric Wanjau
09	웹 앱 🔌	웹 앱	학습된 모델을 사용하기 위한 웹 앱을 구축하세요	Python	Jen
10	분류 소개	분류	데이터 정리, 전처리, 시각화; 분류 소개	Python • R	Jen 및 Cassie • Eric Wanjau
11	맛있는 아시아 및 인도 요리 🍜	분류	분류기 소개	Python • R	Jen 및 Cassie • Eric Wanjau
12	맛있는 아시아 및 인도 요리 🍜	분류	추가 분류기	Python • R	Jen 및 Cassie • Eric Wanjau
13	맛있는 아시아 및 인도 요리 🍜	분류	모델을 사용하여 추천 웹 앱 구축	Python	Jen
14	클러스터링 소개	클러스터링	데이터 정리, 전처리, 시각화; 클러스터링 소개	Python • R	Jen • Eric Wanjau
15	나이지리아 음악 취향 탐구 🎧	클러스터링	K-평균 클러스터링 방법 탐구	Python • R	Jen • Eric Wanjau
16	자연어 처리 소개 ☕️	자연어 처리	간단한 봇을 만들어 NLP의 기초를 배우세요	Python	Stephen
17	일반적인 NLP 작업 ☕️	자연어 처리	언어 구조를 다룰 때 필요한 일반적인 작업을 이해하여 NLP 지식을 심화하세요	Python	Stephen
18	번역 및 감정 분석 ♥️	자연어 처리	Jane Austen 텍스트로 번역 및 감정 분석	Python	Stephen
19	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰로 감정 분석 1	Python	Stephen
20	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰로 감정 분석 2	Python	Stephen
21	시계열 예측 소개	시계열	시계열 예측 소개	Python	Francesca
22	⚡️ 세계 전력 사용 ⚡️ - ARIMA를 이용한 시계열 예측	시계열	ARIMA를 이용한 시계열 예측	Python	Francesca
23	⚡️ 세계 전력 사용 ⚡️ - SVR을 이용한 시계열 예측	시계열	서포트 벡터 회귀(SVR)를 이용한 시계열 예측	Python	Anirban
24	강화 학습 소개	강화 학습	Q-러닝을 이용한 강화 학습 소개	Python	Dmitry
25	Peter가 늑대를 피하도록 도와주세요! 🐺	강화 학습	강화 학습 Gym	Python	Dmitry
Postscript	실세계 ML 시나리오 및 응용	실세계 ML	고전적 ML의 흥미롭고 의미 있는 실세계 응용 사례	강의	팀
Postscript	RAI 대시보드를 사용한 ML 모델 디버깅	실세계 ML	Responsible AI 대시보드 구성 요소를 사용한 머신 러닝 모델 디버깅	강의	Ruth Yakubu

이 과정에 대한 모든 추가 리소스는 Microsoft Learn 컬렉션에서 찾아보세요

오프라인 액세스

이 문서를 오프라인으로 실행하려면 Docsify를 사용하세요. 이 리포를 포크하고, 로컬 컴퓨터에 Docsify를 설치한 다음, 이 리포의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 localhost의 포트 3000에서 제공됩니다: localhost:3000.

PDF 파일

링크가 포함된 교육 과정의 pdf는 여기에서 찾으세요。

🎒 기타 과정

저희 팀은 다른 과정도 제공합니다! 확인해보세요:

LangChain

---

Azure / Edge / MCP / Agents

---

생성형 AI 시리즈

---

핵심 학습

---

Copilot 시리즈

도움 받기

AI 앱을 만드는 과정에서 막히거나 질문이 있으면, MCP에 관한 토론에 참여해 다른 학습자 및 경험 많은 개발자들과 함께하세요. 질문을 환영하고 지식을 자유롭게 공유하는 지원 커뮤니티입니다.

제품에 대한 피드백이 있거나 빌드 중 오류가 발생하면 다음을 방문하세요:

---

면책사항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의하시기 바랍니다. 원문(원래 언어의 문서)을 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우에는 전문 번역가에 의한 번역을 권장합니다. 본 번역의 사용으로 인해 발생하는 오해나 잘못된 해석에 대해서는 당사가 책임을 지지 않습니다.