microsoft/ML-For-Beginners

로컬에 클론(Clone)하는 것을 선호하시나요? 이 저장소(repository)에는 50개 이상의 언어 번역이 포함되어 있어 다운로드 크기가 상당히 큽니다. 번역을 제외하고 클론하려면, 희소 체크아웃(sparse checkout)을 사용하세요:

Bash / macOS / Linux:
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'

CMD (Windows):
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 다운로드 속도로 과정을 완료하는 데 필요한 모든 것을 얻을 수 있습니다.

저희는 Discord에서 'learn with AI' 시리즈를 진행 중입니다. 2025년 9월 18일부터 30일까지 진행되는 'Learn with AI Series'에서 더 자세히 알아보고 저희와 함께하세요. 데이터 과학(Data Science)을 위한 GitHub Copilot 사용 팁과 요령을 배우실 수 있습니다.

🌍 세계 문화를 통해 머신러닝 (Machine Learning)을 탐구하며 전 세계를 여행해 보세요 🌍

Microsoft의 Cloud Advocates는 **머신러닝 (Machine Learning)**에 관한 12주 과정, 26개 레슨의 커리큘럼을 제공하게 되어 기쁩니다. 이 커리큘럼에서는 주로 Scikit-learn 라이브러리를 사용하며, 저희의 'AI for Beginners' 커리큘럼에서 다루는 딥러닝 (Deep Learning)은 제외한, 이른바 **전통적 머신러닝 (classic machine learning)**에 대해 배우게 됩니다. 이 레슨들을 저희의 'Data Science for Beginners' 커리큘럼과 함께 병행하여 학습해 보세요!

세계 여러 지역의 데이터를 활용하여 이러한 전통적 기법들을 적용하며 저희와 함께 전 세계를 여행해 보세요. 각 레슨에는 레슨 전후 퀴즈, 레슨 완료를 위한 서면 지침, 솔루션, 과제 등이 포함되어 있습니다. 저희의 프로젝트 기반 교수법 (project-based pedagogy)은 무언가를 만들면서 배울 수 있게 해주며, 이는 새로운 기술을 '체득'하는 데 입증된 방법입니다.

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

🎨 일러스트레이터분들께도 감사드립니다: Tomomi Imura, Dasani Madipalli, 그리고 Jen Looper

🙏 Microsoft 학생 앰배서더 (Student Ambassador) 저자, 검토자 및 콘텐츠 기여자분들께 특별한 감사를 전합니다 🙏: 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, 그리고 Snigdha Agarwal

🤩 R 레슨을 위해 힘써주신 Microsoft 학생 앰배서더 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta에게 특별한 감사를 전합니다!

다음 단계들을 따르세요:

저장소 포크 (Fork the Repository): 이 페이지의 오른쪽 상단에 있는 "Fork" 버튼을 클릭하세요.
저장소 클론 (Clone the Repository):git clone https://github.com/microsoft/ML-For-Beginners.git

🔧

도움이 필요하신가요? 설치, 설정 및 레슨 실행 시 발생하는 일반적인 문제에 대한 해결책은 저희의 문제 해결 가이드 (Troubleshooting Guide)를 확인하세요.

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

사전 강의 퀴즈로 시작하세요.
강의를 읽고 활동을 완료하며, 각 지식 점검(knowledge check)마다 잠시 멈추어 성찰하는 시간을 가지세요.
솔루션 코드를 실행하기보다는 학습 내용을 이해하여 프로젝트를 직접 만들어 보려고 노력하세요. 다만, 이러한 코드는 각 프로젝트 중심 강의의 /solution 폴더에 제공됩니다. - 사후 강의 퀴즈를 치르세요.
챌린지를 완료하세요.
과제를 완료하세요.
한 강의 그룹을 마친 후에는 토론 게시판(Discussion Board)을 방문하여 적절한 PAT 루브릭을 작성함으로써 '소리 내어 학습(learn out loud)'하세요. 여기서 'PAT'는 학습을 심화하기 위해 작성하는 평가 도구(Progress Assessment Tool)이자 루브릭입니다. 다른 사람의 PAT에 반응할 수도 있어 함께 배울 수 있습니다.

더 깊은 학습을 위해서는 Microsoft Learn 모듈과 학습 경로를 따라 하는 것을 권장합니다.

교사 여러분, 이 커리큘럼을 사용하는 방법에 대한 몇 가지 제안 사항을 포함했습니다.

일부 강의는 짧은 형식의 비디오로 제공됩니다. 이러한 모든 내용은 강의 내에 인라인으로 찾거나, 아래 이미지를 클릭하여 Microsoft Developer YouTube 채널의 ML for Beginners 재생 목록에서 확인할 수 있습니다.

Mohit Jaisal 제작 Gif

🎥 위 이미지를 클릭하여 프로젝트와 이를 만든 사람들에 대한 비디오를 확인하세요!

저희는 이 커리큘럼을 구축하면서 두 가지 교육학적 원칙(pedagogical tenets)을 선택했습니다. 바로 실습 중심의 프로젝트 기반(project-based) 학습을 보장하고, 자주 퀴즈가 포함되도록 하는 것입니다. 또한, 이 커리큘럼은 응집력을 주기 위한 공통 **테마(theme)**를 가지고 있습니다.

콘텐츠가 프로젝트와 일치하도록 보장함으로써, 과정은 학생들에게 더욱 매력적으로 다가가며 개념의 유지(retention)가 증대될 것입니다. 또한, 수업 전의 낮은 부담의 퀴즈(low-stakes quiz)는 학생이 특정 주제를 학습하려는 의도를 설정하게 하며, 수업 후의 두 번째 퀴즈는 추가적인 기억 유지를 보장합니다. 이 커리큘럼은 유연하고 재미있게 설계되었으며, 전체 또는 일부만 학습할 수도 있습니다. 프로젝트는 작게 시작하여 12주 주기가 끝날 때쯤 점점 더 복잡해집니다. 이 커리큘럼에는 ML의 실제 응용 사례에 대한 후기(postscript)도 포함되어 있으며, 이는 추가 점수(extra credit)로 활용하거나 토론의 기초로 사용할 수 있습니다.

우리의 행동 강령(Code of Conduct), 기여(Contributing), 번역(Translations) 및 문제 해결(Troubleshooting) 가이드라인을 확인하세요. 여러분의 건설적인 피드백을 환영합니다!

선택 사항: 스케치노트 (sketchnote)
선택 사항: 보충 영상 (supplemental video)
영상 가이드 (일부 레슨에만 해당)
강의 전 워밍업 퀴즈 (pre-lecture warmup quiz)
서면 레슨 (written lesson)
프로젝트 기반 레슨의 경우, 프로젝트 구축 방법에 대한 단계별 가이드
지식 점검 (knowledge checks)
챌린지 (challenge)
보충 읽기 자료 (supplemental reading)
과제 (assignment)
강의 후 퀴즈 (post-lecture quiz)

언어에 관한 참고 사항: 이 레슨들은 주로 Python으로 작성되었지만, 많은 레슨이 R로도 제공됩니다. R 레슨을 완료하려면 /solution 폴더로 이동하여 R 레슨을 찾으세요. 이들은 R Markdown 파일(.rmd 확장자)을 포함하고 있는데, 이는 간단히 말해 Markdown 문서 (Markdown document) 내에 코드 청크 (code chunks) (R 또는 다른 언어)와 YAML 헤더 (YAML header) (PDF와 같은 출력 형식을 지정하는 역할)를 임베딩한 것입니다. 따라서 이 방식은 코드, 출력 결과, 그리고 자신의 생각을 Markdown으로 작성하여 결합할 수 있게 해주므로 데이터 과학을 위한 모범적인 저작 프레임워크(authoring framework) 역할을 합니다. 또한, R Markdown 문서는 PDF, HTML 또는 Word와 같은 출력 형식으로 렌더링(render)될 수 있습니다.

퀴즈에 관한 참고 사항: 모든 퀴즈는 Quiz App 폴더에 포함되어 있으며, 각각 3개의 질문으로 구성된 총 52개의 퀴즈가 있습니다. 퀴즈는 각 레슨(lesson) 내에서 링크되어 있지만, 퀴즈 앱을 로컬에서 실행할 수도 있습니다. 로컬에서 호스팅하거나 Azure에 배포하려면 quiz-app 폴더의 지침을 따르세요.

레슨 번호	주제	레슨 그룹화	학습 목표	연결된 레슨	저자
01	머신러닝 (machine learning) 입문	입문 (Introduction)	머신러닝의 기본 개념 학습	레슨 (Lesson)	Muhammad
...	자연어 처리 (Natural language processing)	제인 오스틴과 함께하는 번역 및 감성 분석 (Translation and sentiment analysis with Jane Austen)	Python	Stephen
19	유럽의 로맨틱한 호텔	자연어 처리 (Natural language processing)	호텔 리뷰를 활용한 감성 분석 (Sentiment analysis) 1	Python	Stephen
20	유럽의 로맨틱한 호텔	자연어 처리 (Natural language processing)	호텔 리뷰를 활용한 감성 분석 (Sentiment analysis) 2	Python	Stephen
21	시계열 예측 (time series forecasting) 입문	시계열 (Time series)	시계열 예측 입문	Python	Francesca
22	⚡️ 세계 전력 사용량 ⚡️ - ARIMA를 이용한 시계열 예측	시계열 (Time series)	ARIMA를 이용한 시계열 예측	Python	Francesca
...

Docsify를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 리포지토리(repo)를 포크(Fork)하고, 로컬 머신에 Docsify를 설치한 다음, 이 리포지토리의 루트(root) 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트(localhost)의 3000번 포트에서 실행됩니다: localhost:3000.

링크가 포함된 커리큘럼의 PDF 파일은 여기에서 찾을 수 있습니다.

저희 팀은 다른 과정들도 제작하고 있습니다! 확인해 보세요:

머신러닝을 학습하거나 AI 애플리케이션을 구축하는 동안 막히는 부분이 있거나 질문이 생기더라도 걱정하지 마세요 — 도움을 받을 수 있습니다.

다른 학습자 및 개발자들과 토론에 참여하고, 질문을 던지며, 커뮤니티와 아이디어를 공유할 수 있습니다.

커뮤니티에 참여하여 질문하고 다른 사람들과 함께 배우세요
머신러닝 (Machine Learning) 개념 및 프로젝트 아이디어에 대해 토론하세요
숙련된 개발자들로부터 가이드를 받으세요

지원적인 커뮤니티는 기술을 성장시키고 문제를 더 빠르게 해결할 수 있는 훌륭한 방법입니다.

버그나 오류를 발견하거나 개선 사항에 대한 제안이 있는 경우, 이 저장소(repository)에 **이슈 (Issue)**를 생성하여 문제를 보고할 수 있습니다.

제품 피드백을 제공하거나 기존 커뮤니티 게시물을 검색하려면 개발자 포럼(Developer Forum)을 방문하세요:

더 나은 이해를 위해 각 레슨이 끝난 후 노트북 (notebooks)을 검토하세요.
알고리즘 (algorithms)을 직접 구현하는 연습을 하세요.
학습한 개념을 사용하여 실제 데이터셋 (datasets)을 탐색하세요.

microsoft/ML-For-Beginners

요약

핵심 포인트

댓글