README.md

🌐 다국어 지원

GitHub 액션을 통해 지원 (자동화 및 항상 최신 상태 유지)

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 | 크메르어 | 한국어 | 리투아니아어 | 말레이어 | 말라얄람어 | 마라티어 | 네팔어 | 나이지리아 피진어 | 노르웨이어 | 페르시아어 (파르시) | 폴란드어 | 포르투갈어 (브라질) | 포르투갈어 (포르투칼) | 펀자브어 (구르무키) | 루마니아어 | 러시아어 | 세르비아어 (키릴문자) | 슬로바키아어 | 슬로베니아어 | 스페인어 | 스와힐리어 | 스웨덴어 | 타갈로그어 (필리핀어) | 타밀어 | 텔루구어 | 태국어 | 터키어 | 우크라이나어 | 우르두어 | 베트남어

로컬에서 클론 하시겠습니까?

이 저장소에는 50개 이상의 언어 번역본이 포함되어 있어 다운로드 크기가 상당히 커집니다. 번역 없이 클론하려면 sparse checkout을 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"

이 방법은 훨씬 빠른 다운로드 속도로 코스 완료에 필요한 모든 것을 제공합니다.

커뮤니티에 참여하기

현재 Discord에서 AI와 함께 배우는 시리즈가 진행 중이며, 2025년 9월 18일부터 30일까지 Learn with AI Series에서 더 많은 정보를 얻고 참여할 수 있습니다. GitHub Copilot을 활용한 데이터 과학 사용 팁과 요령을 배울 수 있습니다.

초보자를 위한 머신러닝 - 교육과정

🌍 전 세계 문화를 통해 머신러닝을 탐험하는 세계 일주 🌍

Microsoft의 클라우드 옹호자들이 제공하는 12주, 26강의의 머신러닝에 관한 교육과정을 제공합니다. 이 교육과정에서는 주로 Scikit-learn 라이브러리를 사용하며, 종종 '고전적 머신러닝'이라고도 부르는 것을 배우고 딥러닝은 AI for Beginners 교육과정에서 다룹니다. 또한 이 강의들을 '데이터 과학 초보자' 교육과정과 함께 학습할 수 있습니다.

전 세계를 여행하며 여러 지역의 데이터를 이용해 이 고전적 기법들을 적용해봅니다. 각 강의에는 사전 및 사후 퀴즈, 수업 완료를 위한 작성된 지침, 해답, 과제 등이 포함되어 있습니다. 프로젝트 기반 수업 방식으로 학습하며, 새로운 기술 습득에 효과적입니다.

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

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

🙏 Microsoft 학생 홍보대사 저자, 리뷰어, 콘텐츠 기여자분들께 특별히 감사드립니다, 특히 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, 그리고 Snigdha Agarwal

🤩 Microsoft 학생 홍보대사 Eric Wanjau, Jasleen Sondhi, Vidushi Gupta께 R 강의에 대해 특별한 감사를 드립니다!

시작하기

다음 단계를 따르세요:

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

이 강의와 관련된 추가 자료 모두는 Microsoft Learn 컬렉션에서 확인할 수 있습니다

🔧 도움이 필요하신가요? 일반적인 설치, 설정, 강의 실행 문제에 대한 해결책은 문제 해결 가이드를 확인하세요.

학생 여러분, 이 교육과정을 활용하려면 전체 저장소를 자신의 GitHub 계정으로 포크한 후 개별 또는 그룹으로 연습 문제를 완수하세요:

• 강의 전 퀴즈부터 시작하세요.
• 강의를 읽고 각 지식 확인에서 잠시 멈추어 반성하며 활동을 완료하세요.
• 솔루션 코드를 그대로 실행하기보다 내용을 이해하며 프로젝트를 직접 생성해보세요; 솔루션 코드는 각 프로젝트별 /solution 폴더에 있습니다.
• 강의 후 퀴즈를 풀어보세요.
• 도전을 완료하세요.
• 과제를 완료하세요.
• 강의 그룹을 완료한 후 토론 게시판을 방문하여 적절한 PAT 루브릭을 작성하며 "소리내어 배우기"에 참여하세요. ‘PAT’는 학습 진척도를 평가하는 도구로, 학습을 더 깊게 하기 위해 작성하는 루브릭입니다. 다른 사람의 PAT에도 반응하며 함께 배울 수 있습니다.

추가 학습을 위해서는 Microsoft Learn 모듈 및 학습 경로를 추천합니다.

교사분들께서는, 이 교육과정을 활용하는 방법에 대해 몇 가지 제안을 마련해 두었습니다.

---

비디오 워크스루

일부 강의는 짧은 형식의 비디오로 제공됩니다. 모든 비디오는 강의 내에서 확인하거나 Microsoft Developer 유튜브 채널의 ML for Beginners 재생목록에서 아래 이미지를 클릭해 볼 수 있습니다.

---

팀을 소개합니다

Gif 제작 Mohit Jaisal

🎥 위 이미지를 클릭하면 프로젝트 및 제작자에 관한 영상을 볼 수 있습니다!

---

교수법

이 교육과정을 만들면서 두 가지 교수 원칙을 선택했습니다: 실습 중심의 프로젝트 기반 학습과 자주 있는 퀴즈 포함입니다. 또한, 교육과정 전반에 통일감을 주는 공통된 주제가 있습니다.

콘텐츠가 프로젝트와 연계되어 있으므로, 학생들의 참여도가 높아지고 개념의 이해가 향상됩니다. 수업 전 부담 없는 퀴즈는 학생들의 학습 의도를 설정하며, 수업 후 두 번째 퀴즈는 학습 내용의 지속적인 유지에 도움을 줍니다. 이 교육과정은 유연하고 재미있게 설계되어 전체 진행이 가능하며 일부만 수강할 수도 있습니다. 프로젝트는 작은 단계로 시작하고 12주 사이클 마지막에 갈수록 복잡해집니다. 마지막에는 머신러닝의 실제 활용에 관한 부록이 포함되어 있어 추가 점수나 토론 자료로 활용할 수 있습니다.

우리의 행동 강령, 기여 가이드, 번역, 문제 해결 지침을 참고하세요. 건설적인 피드백을 환영합니다!

각 강의에 포함된 내용

• 선택적 스케치노트
• 선택적 보충 비디오
• 비디오 워크스루 (일부 강의만)
• 강의 전 준비 퀴즈
• 작성된 강의 내용
• 프로젝트 기반 강의의 경우, 프로젝트 구축 단계별 안내
• 지식 확인
• 도전 과제
• 추가 읽기 자료
• 과제
• 강의 후 퀴즈

언어에 관한 참고 사항: 이 수업들은 주로 Python으로 작성되었지만, 많은 수업이 R로도 제공됩니다. R 수업을 완료하려면 /solution 폴더로 이동하여 R 수업을 찾으세요. 여기에는 R Markdown 파일을 나타내는 .rmd 확장자가 포함되어 있으며, 이는 code chunks(R 또는 다른 언어로 된 코드 블록)와 YAML 헤더(PDF와 같은 출력 형식을 안내함)를 Markdown 문서에 내장한 것으로 간단히 정의할 수 있습니다. 따라서 코드, 출력 및 생각을 Markdown으로 작성하여 결합할 수 있으므로 데이터 과학 저작 프레임워크의 모범 사례 역할을 합니다. 또한, R Markdown 문서는 PDF, HTML 또는 Word와 같은 출력 형식으로 렌더링될 수 있습니다.

퀴즈에 관한 참고 사항: 모든 퀴즈는 Quiz App 폴더에 포함되어 있으며 총 52개의 퀴즈가 각 3개의 질문으로 구성되어 있습니다. 퀴즈들은 수업 내에서 연결되어 있지만, 퀴즈 앱은 로컬에서 실행할 수 있으며, 로컬 호스팅 또는 Azure 배포 방법은 quiz-app 폴더의 지침을 따르세요.

수업 번호	주제	수업 그룹	학습 목표	연결된 수업	저자
01	기계 학습 소개	소개	기계 학습의 기본 개념 학습	수업	Muhammad
02	기계 학습의 역사	소개	이 분야의 역사 학습	수업	Jen and Amy
03	공정성과 기계 학습	소개	ML 모델 구축 및 적용 시 학생들이 고려해야 할 공정성에 관련된 중요한 철학적 이슈는 무엇인가?	수업	Tomomi
04	기계 학습 기법	소개	ML 연구자들이 ML 모델을 구축할 때 사용하는 기법은 무엇인가?	수업	Chris and Jen
05	회귀 소개	회귀	Python과 Scikit-learn으로 회귀 모델 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 사용할 웹 앱 구축	Python	Jen
10	분류 소개	분류	데이터 정리, 준비 및 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	군집화 소개	군집화	데이터 정리, 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 봇을 만들어 NLP 기초 학습	Python	Stephen
17	일반적인 NLP 작업 ☕️	자연어 처리	언어 구조를 다룰 때 필요한 일반 작업 이해로 NLP 지식 심화	Python	Stephen
18	번역 및 감정 분석 ♥️	자연어 처리	Jane Austen과 함께하는 번역 및 감정 분석	Python	Stephen
19	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰를 활용한 감정 분석 1	Python	Stephen
20	유럽의 로맨틱 호텔 ♥️	자연어 처리	호텔 리뷰를 활용한 감정 분석 2	Python	Stephen
21	시계열 예측 소개	시계열	시계열 예측 소개	Python	Francesca
22	⚡️ 세계 전력 사용량 ⚡️ - ARIMA를 이용한 시계열 예측	시계열	ARIMA를 이용한 시계열 예측	Python	Francesca
23	⚡️ 세계 전력 사용량 ⚡️ - SVR을 이용한 시계열 예측	시계열	지원 벡터 회귀를 이용한 시계열 예측	Python	Anirban
24	강화 학습 소개	강화 학습	Q-러닝을 활용한 강화 학습 소개	Python	Dmitry
25	피터가 늑대를 피하도록 도우세요! 🐺	강화 학습	강화 학습 Gym	Python	Dmitry
후주(Postscript)	실제 ML 시나리오 및 응용	실제 ML	고전 ML의 흥미롭고 유용한 실제 응용 사례	수업	팀
후주(Postscript)	RAI 대시보드를 이용한 ML 모델 디버깅	실제 ML	책임 있는 AI 대시보드 구성요소를 활용한 머신러닝 모델 디버깅	수업	Ruth Yakubu

이 과정의 모든 추가 자료는 Microsoft Learn 모음에서 확인하세요

오프라인 접근

Docsify를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 Docsify 설치 후 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트의 3000번 포트에 제공됩니다: localhost:3000.

PDF

커리큘럼 PDF와 링크는 여기에서 찾을 수 있습니다.

🎒 기타 과정

우리 팀은 다른 과정들도 제작합니다! 확인해보세요:

LangChain

Azure / Edge / MCP / 에이전트

---

생성형 AI 시리즈

---

핵심 학습

---

코파일럿 시리즈

도움 받기

머신러닝을 배우거나 AI 애플리케이션을 구축하는 중에 막히거나 질문이 생기면 걱정하지 마세요 — 도움을 받을 수 있습니다.

다른 학습자 및 개발자와 토론에 참여하고, 질문하며, 아이디어를 커뮤니티와 공유할 수 있습니다.

• 커뮤니티에 참여하여 질문하고 함께 배워보세요
• 머신러닝 개념과 프로젝트 아이디어를 토론하세요
• 경험 있는 개발자로부터 조언을 받으세요

지원하는 커뮤니티는 여러분의 역량을 키우고 문제를 더 빠르게 해결하는 데 큰 도움이 됩니다.

Microsoft Foundry Discord Community

버그, 오류가 발생하거나 개선 사항에 대한 제안이 있다면, 이 저장소에 Issue를 열어 문제를 보고할 수도 있습니다.

제품 피드백을 주거나 기존 커뮤니티 게시물을 검색하려면 개발자 포럼을 방문하세요:

추가 학습 팁

• 각 강의 후 노트북을 복습하여 이해도를 높이세요.
• 알고리즘을 스스로 구현해보며 연습하세요.
• 배운 개념을 활용해 실제 데이터를 탐색해보세요.

---

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확한 내용이 포함될 수 있습니다. 원문 문서는 해당 언어의 권위 있는 자료로 간주되어야 합니다. 중요한 정보의 경우 전문 인력에 의한 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.