ML-For-Beginners/translations/ko

🌐 다국어 지원

GitHub Action을 통해 지원됨 (자동화 및 항상 최신 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

로컬에 클론하기를 선호하시나요?

이 저장소에는 50개 이상의 언어 번역이 포함되어 있어 다운로드 크기가 크게 증가합니다. 번역 없이 클론하려면 스파스 체크아웃 기능을 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 더 빠른 다운로드로 코스를 완료하는 데 필요한 모든 것을 얻을 수 있습니다.

커뮤니티에 참여하세요

우리는 현재 Discord에서 AI와 함께 배우기 시리즈를 진행 중이며, 2025년 9월 18일부터 30일까지 Learn with AI Series에서 더 배우고 참여할 수 있습니다. 이 기간 동안 GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻을 수 있습니다.

초보자를 위한 머신 러닝 - 커리큘럼

🌍 세계 여러 문화와 함께 머신 러닝을 탐험하며 세계 여행을 떠나봅시다 🌍

Microsoft의 클라우드 옹호자들은 12주, 26강의 커리큘럼인 머신 러닝 강좌를 기쁘게 제공합니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하여 흔히 말하는 고전 머신 러닝을 배우게 되며, 딥러닝은 AI for Beginners 커리큘럼에서 다룹니다. 이 강의는 'Data Science for Beginners' 커리큘럼과 함께 활용하면 좋습니다.

세계 여러 나라의 데이터에 이 고전적 기술을 적용하며 우리와 함께 여행하세요. 각 강의는 강의 전후 퀴즈, 작성된 강의 안내, 솔루션, 과제 등을 포함합니다. 프로젝트 기반 교수법을 통해 학습하면서 동시에 제작하는 방식을 채택하여 새로운 기술을 효과적으로 습득할 수 있습니다.

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

🎨 그리고 일러스트레이터 분들께도 감사합니다 Tomomi Imura, Dasani Madipalli, Jen Looper

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

🤩 Microsoft 학생 앰배서더 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta 님께 R 강의 관련 추가 감사!

시작하기

다음 단계를 따르세요:

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

이 코스의 모든 추가 리소스는 Microsoft Learn 모음에서 찾아보세요

🔧 도움이 필요하신가요? 설치, 설정 및 강의 실행 관련 일반적인 문제 해결책은 문제 해결 가이드를 참고하세요.

학생 여러분, 이 커리큘럼을 사용하려면 전체 저장소를 본인의 GitHub 계정으로 포크하여 혼자 또는 그룹과 함께 연습 문제를 완료하세요:

• 강의 전 퀴즈로 시작하세요.
• 강의를 읽고 활동을 완료하며 각 지식 점검에서 멈춰서 생각해보세요.
• 솔루션 코드를 실행하기보다는 강의를 이해하고 프로젝트를 만들어보려 시도하세요; 다만 해당 코드는 각 프로젝트 중심 강의 내 /solution 폴더에서 제공됩니다.
• 강의 후 퀴즈를 풀어보세요.
• 도전을 완료하세요.
• 과제를 완료하세요.
• 한 강의 그룹을 마친 후에는 토론 게시판을 방문하여 적절한 PAT 루브릭을 작성하며 '소리 내어 배우기'를 실천하세요. 'PAT'는 학습 진척 평가 도구로 학습을 더 심화하는 루브릭입니다. 다른 PAT에도 반응할 수 있어 함께 배울 수 있습니다.

추가 학습을 위해 우리는 이 Microsoft Learn 모듈과 학습 경로를 따른 것을 추천합니다.

교사분들께, 이 커리큘럼을 활용하는 방법에 대한 제안도 포함되어 있습니다.

---

영상 강의

몇몇 강의는 짧은 영상으로 제공됩니다. 해당 영상들은 강의 내 인라인으로 제공되거나, Microsoft Developer YouTube 채널의 ML for Beginners 재생목록에서 모두 확인할 수 있습니다. 아래 이미지를 클릭하세요.

---

팀 소개

Gif 제작 Mohit Jaisal

🎥 위 이미지를 클릭하여 프로젝트와 제작진에 관한 영상을 보세요!

---

교수법

이 커리큘럼을 구축하면서 두 가지 교수학습 원칙을 선택했습니다: 실습 중심의 프로젝트 기반 학습과 자주 퀴즈 보기입니다. 또한 콘텐츠에 일관성을 주기 위해 공통 주제를 포함했습니다.

내용이 프로젝트와 일치하게 함으로써 학생들이 더 몰입하고 개념의 이해도와 기억력을 높일 수 있습니다. 수업 전 낮은 부담의 퀴즈는 배우려는 의도를 세우게 하고, 수업 후 퀴즈는 개념의 유지력을 강화합니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 수강할 수 있습니다. 프로젝트는 작은 것부터 시작하여 12주 과정이 끝날 때쯤 점점 더 복잡해집니다. 또한 머신 러닝의 실제 적용 사례에 대한 후속 내용도 포함되어 있어 추가 학점 또는 토론 자료로 활용할 수 있습니다.

행동 강령, 기여 가이드, 번역 안내, 문제 해결 가이드를 참고하세요. 여러분의 건설적인 피드백을 환영합니다!

각 강의 포함 내용

• 선택적 스케치노트
• 선택적 보조 영상
• 영상 강의 (일부 강의만)
• 강의 전 준비 퀴즈
• 강의 작성본
• 프로젝트 기반 강의에서는 단계별 프로젝트 제작 가이드
• 지식 점검
• 도전 과제
• 보충 읽기 자료
• 과제
• 강의 후 퀴즈

언어에 대한 참고 사항: 이 강의들은 주로 Python으로 작성되었지만, 많은 강의가 R로도 제공됩니다. R 강의를 완료하려면 /solution 폴더에서 R 강의를 찾아보세요. R 강의는 .rmd 확장자를 갖는 R 마크다운 파일로, 이는 R 또는 다른 언어의 코드 청크와 YAML 헤더(PDF 등 출력 형식을 지정하는)를 Markdown 문서에 포함한 형식입니다. 따라서 코드를 작성, 출력, 설명 등의 내용을 Markdown에 함께 기록할 수 있어 데이터 사이언스를 위한 훌륭한 저작 도구가 됩니다. 또한 R 마크다운 문서는 PDF, HTML, Word 등으로 렌더링할 수 있습니다. 퀴즈에 관한 참고: 모든 퀴즈는 퀴즈 앱 폴더에 포함되어 있으며, 총 52개의 퀴즈 각각 3개의 질문으로 구성되어 있습니다. 이들은 강의 내에서 연결되어 있지만, 퀴즈 앱은 로컬에서 실행할 수 있습니다. 로컬 호스팅 또는 Azure에 배포하는 방법은 quiz-app 폴더의 지침을 따르세요.

강의 번호	주제	강의 분류	학습 목표	연결된 강의	저자
01	머신러닝 소개	소개	머신러닝의 기본 개념 학습	강의	Muhammad
02	머신러닝의 역사	소개	이 분야의 역사를 학습	강의	Jen and Amy
03	공정성과 머신러닝	소개	ML 모델을 구축하고 적용할 때 학생들이 고려해야 할 공정성에 관한 중요한 철학적 문제는 무엇인가?	강의	Tomomi
04	머신러닝 기법	소개	ML 연구자들이 ML 모델을 구축하기 위해 사용하는 기법은 무엇인가?	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	ML을 준비하는 데이터 시각화 및 정제	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 사용할 웹 앱 구축	Python	Jen
10	분류 소개	분류	데이터 정제, 준비 및 시각화; 분류 소개	Python • R	Jen and Cassie • Eric Wanjau
11	아시아 및 인도 음식 맛보기 🍜	분류	분류기 소개	Python • R	Jen and Cassie • Eric Wanjau
12	아시아 및 인도 음식 맛보기 🍜	분류	더 많은 분류기	Python • R	Jen and Cassie • Eric Wanjau
13	아시아 및 인도 음식 맛보기 🍜	분류	모델을 사용한 추천 웹 앱 구축	Python	Jen
14	군집화 소개	군집화	데이터 정제, 준비 및 시각화; 군집화 소개	Python • R	Jen • Eric Wanjau
15	나이지리아 음악 취향 탐색 🎧	군집화	K-평균 군집화 방법 탐색	Python • R	Jen • Eric Wanjau
16	자연어 처리 소개 ☕️	자연어 처리	간단한 봇 제작으로 NLP 기초 학습	Python	Stephen
17	일반적인 NLP 작업 ☕️	자연어 처리	언어 구조 처리 시 필요한 일반 작업 이해로 NLP 지식 심화	Python	Stephen
18	번역 및 감정 분석 ♥️	자연어 처리	Jane Austen을 이용한 번역 및 감정 분석	Python	Stephen
19	유럽의 낭만적인 호텔들 ♥️	자연어 처리	호텔 리뷰를 통한 감정 분석 1	Python	Stephen
20	유럽의 낭만적인 호텔들 ♥️	자연어 처리	호텔 리뷰를 통한 감정 분석 2	Python	Stephen
21	시계열 예측 소개	시계열	시계열 예측 소개	Python	Francesca
22	⚡️ 세계 전력 사용량 ⚡️ - ARIMA로 시계열 예측	시계열	ARIMA를 이용한 시계열 예측	Python	Francesca
23	⚡️ 세계 전력 사용량 ⚡️ - SVR로 시계열 예측	시계열	서포트 벡터 회귀를 이용한 시계열 예측	Python	Anirban
24	강화학습 소개	강화학습	Q-러닝을 이용한 강화학습 소개	Python	Dmitry
25	피터가 늑대를 피하도록 도와주세요! 🐺	강화학습	강화학습 체육관	Python	Dmitry
맺음말	실제 사례 기반 ML 시나리오 및 응용	실전 ML	고전 ML의 흥미롭고 깨우치는 실제 응용	강의	팀
맺음말	RAI 대시보드를 이용한 ML 모델 디버깅	실전 ML	책임 있는 AI 대시보드 구성요소를 활용한 머신러닝 모델 디버깅	강의	Ruth Yakubu

본 과정의 모든 추가 자료를 Microsoft Learn 컬렉션에서 확인하세요

오프라인 접근

Docsify를 사용하여 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 Docsify를 설치한 후, 이 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹 사이트가 로컬호스트의 3000번 포트에서 제공됩니다: localhost:3000.

PDF

강의 계획서 PDF는 여기에서 확인할 수 있습니다.

🎒 기타 강의

저희 팀은 다른 강의들도 제작하고 있습니다! 확인해보세요:

LangChain

---

Azure / Edge / MCP / 에이전트

---

생성형 AI 시리즈

---

핵심 학습

---

코파일럿 시리즈

도움 받기

AI 앱 구축 중 막히거나 질문이 있다면, MCP에 대해 토론하는 동료 학습자 및 경험 많은 개발자들과 함께 하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원 커뮤니티입니다.

제품 피드백이나 빌드 중 오류가 있다면 다음을 방문하세요:

---

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 양지해 주시기 바랍니다. 원문은 해당 언어의 원본 문서를 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 사람 번역을 권장합니다. 본 번역 사용으로 인한 오해나 잘못된 해석에 대해서는 당사는 책임을 지지 않습니다.