microsoft/Data-Science-For-Beginners

Microsoft의 Azure Cloud Advocates는 데이터 과학 (Data Science)에 관한 10주 과정, 20개 레슨의 커리큘럼을 제공하게 되어 기쁩니다. 각 레슨에는 레슨 전 및 레슨 후 퀴즈, 레슨 완료를 위한 서면 지침, 솔루션 및 과제가 포함되어 있습니다. 우리의 프로젝트 기반 교수법 (project-based pedagogy)은 구축하면서 배우는 방식을 통해 새로운 기술이 '몸에 배도록' 하는 검증된 방법을 제공합니다.

저자분들께 진심으로 감사드립니다: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Microsoft 학생 앰배서더 (Student Ambassador) 저자, 검토자 및 콘텐츠 기여자분들께 특별한 감사를 전합니다 🙏 특히 Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar, Vidushi Gupta, Jasleen Sondhi

Data Science For Beginners - @nitya의 스케치노트 (Sketchnote)

아랍어 | 벵골어 | 불가리아어 | 미얀마어 (Burmese) | 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 | 크메르어 | 한국어 | 리투아니아어 | 말레이어 | 말라얄람어 | 마라티어 | 네팔어 | 나이지리아 피진 (Nigerian Pidgin) | 노르웨이어 | 페르시아어 (Farsi) | 폴란드어 | 포르투갈어 (브라질) | 포르투갈어 (포르투갈) | 펀자브어 (Gurmukhi) | 루마니아어 | 러시아어 | 세르비아어 (Cyrillic) | 슬로바키아어 | 슬로베니아어 | 스페인어 | 스와힐리어 | 스웨덴어 | 타갈로그어 (필리핀) | 타밀어 | 텔루구어 | 태국어 | 터키어 | 우크라이나어 | 우르두어 | 베트남어

로컬에 클론(Clone)하는 것을 선호하시나요? 이 저장소(repository)는 50개 이상의 언어 번역을 포함하고 있어 다운로드 크기가 상당히 큽니다. 번역 없이 클론하려면 sparse checkout을 사용하세요:

Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
이 방법을 사용하면 코스를 완료하는 데 필요한 모든 것을 훨씬 빠르게 다운로드할 수 있습니다.

추가 번역 언어를 지원하려면 다음 목록을 참조하세요

현재 Discord에서 'Learn with AI' 시리즈를 진행하고 있으니, 2025년 9월 18일~30일에 열리는 Learn with AI Series에서 더 많은 정보를 얻고 참여해 보세요. 이 행사에서는 데이터 과학에 GitHub Copilot을 사용하는 요령과 비법을 알려드릴 것입니다.

다음 리소스로 시작하세요:

• Student Hub 페이지: 이 페이지에서 초보자 자료, 학생 패키지, 심지어 무료 인증서 바우처를 받는 방법까지 찾을 수 있습니다. 저희가 최소 매월 콘텐츠를 변경하므로 북마크해 두고 주기적으로 확인해야 할 페이지입니다.
• Microsoft Learn Student Ambassadors: 전 세계 학생 앰버서더 커뮤니티에 가입하여 마이크로소프트로 진출할 기회를 잡으세요.

설치 가이드 (Installation Guide) - 초보자를 위한 단계별 설정 지침
사용 가이드 (Usage Guide) - 예시 및 일반적인 워크플로우
문제 해결 (Troubleshooting) - 흔한 문제에 대한 해결책
기여 가이드 (Contributing Guide) - 이 프로젝트에 기여하는 방법
교사용 (For Teachers) - 교육 지침 및 교실 자료

완전 초보자 (Complete Beginners): 데이터 과학 (Data Science)이 처음인가요? 초보자 친화적인 예제부터 시작해 보세요! 이 간단하고 주석이 잘 달린 예제들은 전체 커리큘럼에 뛰어들기 전 기초를 이해하는 데 도움을 줄 것입니다.

학생 (Students): 이 커리큘럼을 스스로 학습하려면, 전체 저장소 (Repo)를 포크 (Fork)하고 사전 강의 퀴즈 (Pre-lecture quiz)부터 시작하여 연습 문제들을 스스로 완료하세요. 그 다음 강의를 읽고 나머지 활동들을 완료하세요. 솔루션 코드 (Solution code)를 단순히 복사하기보다는 수업 내용을 이해하여 프로젝트를 직접 만들어 보려고 노력하세요. 다만, 각 프로젝트 중심 수업의 /solutions 폴더에서 해당 코드를 확인할 수 있습니다. 또 다른 방법으로는 친구들과 스터디 그룹을 만들어 함께 내용을 학습하는 것도 좋습니다. 심화 학습을 위해서는 Microsoft Learn을 추천합니다.

빠른 시작 (Quick Start):

• 환경 설정을 위해 설치 가이드 (Installation Guide)를 확인하세요
• 커리큘럼 활용법을 배우기 위해 사용 가이드 (Usage Guide)를 검토하세요
• 레슨 1 (Lesson 1)부터 시작하여 순차적으로 진행하세요
• 지원을 받으려면 저희 Discord 커뮤니티에 참여하세요

교사 (Teachers): 이 커리큘럼을 사용하는 방법에 대한 몇 가지 제안 사항을 포함해 두었습니다. 저희 토론 포럼 (Discussion forum)에 여러분의 피드백을 남겨주세요!

Gif by Mohit Jaisal

🎥 이 프로젝트를 만든 사람들에 대한 영상을 보려면 위 이미지를 클릭하세요!

저희는 이 커리큘럼을 구축하면서 두 가지 교육적 원칙을 선택했습니다: 프로젝트 기반 (Project-based)으로 구성하는 것과 빈번한 퀴즈 (Quizzes)를 포함하는 것입니다. 이 시리즈가 끝날 때쯤 학생들은 윤리적 개념 (Ethical concepts), 데이터 준비 (Data preparation), 데이터를 다루는 다양한 방법, 데이터 시각화 (Data visualization), 데이터 분석 (Data analysis), 데이터 과학의 실제 활용 사례 (Real-world use cases) 등을 포함한 데이터 과학의 기본 원칙을 배우게 될 것입니다.

또한, 수업 전의 부담 없는 퀴즈는 학생이 특정 주제를 학습하려는 의도를 설정하게 하며, 수업 후의 두 번째 퀴즈는 추가적인 기억 유지 (Retention)를 보장합니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며, 전체 또는 부분적으로 학습할 수 있습니다. 프로젝트는 작게 시작하여 10주 주기가 끝날 때쯤 점점 더 복잡해집니다.

우리의 행동 강령 (Code of Conduct), 기여 (Contributing), 번역 가이드라인 (Translation guidelines)을 확인해 보세요. 여러분의 건설적인 피드백을 환영합니다!

• 선택 사항: 스케치노트 (sketchnote)
• 선택 사항: 보충 영상 (supplemental video)
• 수업 전 워밍업 퀴즈 (Pre-lesson warmup quiz)
• 서면 강의 (Written lesson)
• 프로젝트 기반 수업의 경우, 프로젝트 구축 방법에 대한 단계별 가이드
• 지식 확인 (Knowledge checks)
• 챌린지 (A challenge)
• 보충 읽기 자료 (Supplemental reading)
• 과제 (Assignment)
• 수업 후 퀴즈 (Post-lesson quiz)

퀴즈에 관한 참고 사항: 모든 퀴즈는 Quiz-App 폴더에 포함되어 있으며, 각 3문제로 구성된 총 40개의 퀴즈가 있습니다. 퀴즈는 강의 내에서 링크되어 있지만, 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다. quiz-app 폴더의 지침을 따르세요. 퀴즈는 점진적으로 현지화(localized)되고 있습니다.

데이터 과학 (Data Science)이 처음이신가요? 여러분의 시작을 돕기 위해 간단하고 주석이 잘 달린 코드가 포함된 특별 예제 디렉토리를 만들었습니다:

• 🌟 Hello World - 여러분의 첫 번째 데이터 과학 프로그램 - 📂
• 데이터 로딩 (Loading Data) - 데이터셋을 읽고 탐색하는 법을 배웁니다 - 📊
• 단순 분석 (Simple Analysis) - 통계를 계산하고 패턴을 찾습니다 - 📈
• 기초 시각화 (Basic Visualization) - 차트와 그래프를 생성합니다 - 🔬
• 실제 프로젝트 (Real-World Project) - 시작부터 끝까지의 전체 워크플로우를 완료합니다

각 예제에는 모든 단계를 설명하는 상세한 주석이 포함되어 있어, 완전 초보자에게 완벽합니다!

Data Science For Beginners: Roadmap - Sketchnote by @nitya

레슨 번호	주제	레슨 그룹화	학습 목표	연결된 레슨	저자
01	데이터 과학 정의하기 (Defining Data Science)	소개 (Introduction)	데이터 과학의 기본 개념과 인공지능 (artificial intelligence), 머신러닝 (machine learning), 빅데이터 (big data)와의 관계를 배웁니다.	lesson video	Dmitry
...
이 샘플을 Codespace에서 여는 방법은 다음 단계를 따르세요:

• Code 드롭다운 메뉴를 클릭하고 Open with Codespaces 옵션을 선택합니다.
• 창 하단의 + New codespace를 선택합니다. 자세한 내용은 GitHub 문서를 확인하세요.

VS Code Remote - Containers 확장을 사용하여 로컬 머신의 VSCode에서 이 리포지토리(repo)를 컨테이너로 여는 방법은 다음 단계를 따르세요:

• 개발 컨테이너 (development container)를 처음 사용하는 경우, 시작하기 (getting started) 문서에 명시된 사전 요구 사항(예: Docker 설치 여부)을 충족하는지 확인하십시오.

이 리포지토리(repository)를 사용하려면, 격리된 Docker 볼륨(volume)에서 리포지토리를 열거나 다음과 같이 할 수 있습니다:

참고: 내부적으로 이 방식은 Remote-Containers: Clone Repository in Container Volume... 명령을 사용하여 로컬 파일 시스템 대신 Docker 볼륨에 소스 코드를 클론(clone)합니다. 볼륨은 컨테이너 데이터를 유지하기 위한 권장 메커니즘입니다.

또는 로컬에 클론하거나 다운로드한 버전의 리포지토리를 열 수 있습니다:

• 이 리포지토리를 로컬 파일 시스템에 클론(clone)합니다.
• F1을 누르고 Remote-Containers: Open Folder in Container... 명령을 선택합니다. - 클론된 폴더를 선택하고, 컨테이너가 시작될 때까지 기다린 후 실행해 보세요.

Docsify를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 리포지토리를 포크(Fork)하고, 로컬 머신에 Docsify를 설치한 다음, 이 리포지토리의 루트(root) 폴더에서 docsify serve를 입력하십시오.

웹사이트는 localhost의 3000번 포트에서 실행됩니다: localhost:3000.

참고로, 노트북(notebooks)은 Docsify를 통해 렌더링되지 않으므로, 노트북을 실행해야 할 때는 Python 커널(kernel)을 실행 중인 VS Code에서 별도로 진행하십시오.

저희 팀은 다른 커리큘럼(curricula)도 제작하고 있습니다! 다음을 확인해 보세요:

문제가 발생했나요? 일반적인 문제에 대한 해결책은 문제 해결 가이드(Troubleshooting Guide)를 확인하십시오.

진행 중 막히거나 AI 앱 구축에 대해 궁금한 점이 있다면, MCP에 관한 토론에서 동료 학습자 및 숙련된 개발자들과 함께하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원적인 커뮤니티입니다.

제품 피드백이 있거나 구축 중에 오류가 발생하면 다음을 방문하십시오: