마이크로소프트의 Azure Cloud Advocates는 데이터 과학에 관한 10주, 20개 강의 커리큘럼을 제공합니다. 각 강의에는 사전 및 사후 퀴즈, 강의를 완료하기 위한 서면 지침, 솔루션, 과제가 포함되어 있습니다. 프로젝트 기반 교수법은 빌드하면서 학습하도록 하여 새로운 기술을 확실히 익힐 수 있는 검증된 방법입니다.
진심으로 감사드립니다, 저자분들: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 특별 감사 🙏 Microsoft Student Ambassador 저자, 리뷰어 및 콘텐츠 기여자 분들께, 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
 |
|---|
| 초보자를 위한 데이터 과학 - 스케치노트 by @nitya |
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 | Khmer | 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
로컬 클론을 선호하십니까?
이 저장소는 50개 이상의 언어 번역을 포함하여 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"이렇게 하면 훨씬 빠른 다운로드 속도로 과정 완료에 필요한 모든 것을 얻을 수 있습니다.
추가 번역 언어 지원을 원하시면 여기를 확인하세요
우리는 현재 Discord에서 AI 시리즈와 함께 학습 중이며, 2025년 9월 18일부터 30일까지 Learn with AI Series에서 자세한 정보를 얻고 참여할 수 있습니다. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻으실 수 있습니다.
다음 자원으로 시작하세요:
- 학생 허브 페이지 이 페이지에서는 초보자용 자료, 학생 패키지, 무료 인증 바우처 받는 방법 등을 찾을 수 있습니다. 월 단위로 콘텐츠가 교체되니 즐겨찾기에 추가하고 수시로 확인해 보세요.
- Microsoft Learn Student Ambassadors 전 세계 학생 홍보대사 커뮤니티에 참여하세요. 이것이 마이크로소프트로 가는 길이 될 수 있습니다.
- 설치 가이드 - 초보자를 위한 단계별 설정 지침
- 사용 가이드 - 예제 및 일반적인 작업 흐름
- 문제 해결 - 일반적인 문제 해결책
- 기여 가이드 - 이 프로젝트에 기여하는 방법
- 교사용 자료 - 교육 지침과 교실 자원
완전 초보자: 데이터 과학이 처음이라면, 초보자 친화적 예제부터 시작하세요! 이 간단하고 잘 주석 된 예제들이 기본 개념을 이해하는 데 도움을 줍니다. 학생: 이 커리큘럼을 혼자 이용하려면, 전체 저장소를 포크하고 사전 강의 퀴즈부터 시작해 직접 연습 문제를 해결하세요. 그런 다음 강의를 읽고 나머지 활동을 완료하세요. 해답 코드를 복사하기보다는 수업을 이해하여 프로젝트를 직접 만들어보세요. 각 프로젝트 단원 강의마다 /solutions 폴더에 해답 코드가 있습니다. 또 다른 방법은 친구들과 스터디 그룹을 만들어 같이 콘텐츠를 학습하는 것입니다. 심화 학습을 원하면 Microsoft Learn을 권장합니다.
빠른 시작:
- 설치 가이드를 확인하여 환경을 설정하세요
- 사용 가이드를 검토하여 커리큘럼 활용법을 배우세요
- 1강부터 순차적으로 학습하세요
- 지원이 필요하면 Discord 커뮤니티에 참여하세요
교사 분들: 이 커리큘럼을 활용하는 방법에 대한 일부 제안을 포함했습니다. 토론 포럼에서 여러분의 피드백을 환영합니다!
Gif 제공 Mohit Jaisal
🎥 위 이미지를 클릭하여 프로젝트 및 이를 만든 사람들에 관한 동영상을 시청하세요!
이 커리큘럼을 구축하면서 우리는 두 가지 교육 원칙을 선택했습니다: 프로젝트 기반 학습과 자주 진행되는 퀴즈 포함. 이 시리즈가 끝나면 학생들은 윤리적 개념, 데이터 준비, 데이터 작업의 다양한 방법, 데이터 시각화, 데이터 분석, 데이터 과학의 실제 사례 등 데이터 과학의 기본 원리를 배웁니다.
또한, 수업 전 저위험 퀴즈는 학생들의 학습 의도를 설정하고, 수업 후 두 번째 퀴즈는 추가적인 기억을 돕습니다. 이 커리큘럼은 유연하고 재미있도록 설계되었으며 전체 또는 일부만 학습할 수 있습니다. 프로젝트들은 작게 시작하여 10주 주기 말에 점점 복잡해집니다.
- 선택적 스케치노트
- 선택적 보조 영상
- 수업 전 준비 퀴즈
- 서면 수업 내용
- 프로젝트 기반 수업인 경우, 단계별 프로젝트 빌드 가이드
- 지식 점검
- 도전 과제
- 추가 읽기 자료
- 과제
- 수업 후 퀴즈
퀴즈에 관한 안내: 모든 퀴즈는 Quiz-App 폴더에 포함되어 있으며, 총 40개의 퀴즈가 각각 3문항으로 구성되어 있습니다. 수업 내에서 링크되지만, 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다. 자세한 내용은
quiz-app폴더의 지침을 따르세요. 점차 현지화 중입니다.
데이터 과학이 처음이신가요? 간단하고 잘 주석이 달린 코드로 시작할 수 있도록 특별한 예제 디렉터리를 만들었습니다:
- 🌟 Hello World - 첫 번째 데이터 과학 프로그램
- 📂 데이터 불러오기 - 데이터셋 읽기 및 탐색 방법 배우기
- 📊 간단한 분석 - 통계 계산 및 패턴 찾기
- 📈 기본 시각화 - 차트 및 그래프 만들기
- 🔬 실제 프로젝트 - 시작부터 완료까지 전체 작업 흐름
각 예제에는 모든 단계를 자세히 설명하는 주석이 포함되어 있어 초보자에게 완벽합니다!
👉 예제부터 시작하기 👈
 |
|---|
| 데이터 과학 입문: 로드맵 - 스케치노트 by @nitya |
| 수업 번호 | 주제 | 수업 그룹 | 학습 목표 | 연결된 수업 | 저자 |
|---|---|---|---|---|---|
| 01 | 데이터 과학 정의 | 소개 | 데이터 과학의 기본 개념과 인공지능, 머신러닝, 빅데이터와의 연관성 학습 | 수업 영상 | Dmitry |
| 02 | 데이터 과학 윤리 | 소개 | 데이터 윤리 개념, 도전 과제 및 프레임워크 | 수업 | Nitya |
| 03 | 데이터 정의 | 소개 | 데이터 분류 및 일반적인 출처 학습 | 수업 | Jasmine |
| 04 | 통계 및 확률 소개 | 소개 | 데이터 이해를 위한 확률 및 통계 수학 기법 소개 | 수업 영상 | Dmitry |
| 05 | 관계형 데이터 작업 | 데이터 작업 | 관계형 데이터 소개 및 SQL(“시퀄” 발음)로 탐색과 분석하는 기본 학습 | 수업 | Christopher |
| 06 | NoSQL 데이터 작업 | 데이터 작업 | 비관계형 데이터 및 그 유형, 문서형 데이터베이스 탐색과 분석 기본 학습 | 수업 | Jasmine |
| 07 | Python 활용 | 데이터 작업 | Pandas 같은 라이브러리를 활용한 데이터 탐색용 Python 기초. Python 프로그래밍 기초 이해 권장 | 수업 영상 | Dmitry |
| 08 | 데이터 준비 | 데이터 작업 | 누락, 부정확하거나 불완전한 데이터 처리용 정리 및 변형 기법 | 수업 | Jasmine |
| 09 | 수량 시각화 | 데이터 시각화 | Matplotlib를 사용해 새 데이터 시각화 🦆 | 수업 | Jen |
| 10 | 데이터 분포 시각화 | 데이터 시각화 | 구간 내 관찰 및 추세 시각화 | 수업 | Jen |
| 11 | 비율 시각화 | 데이터 시각화 | 이산 및 그룹 비율 시각화 | 수업 | Jen |
| 12 | 관계 시각화 | 데이터 시각화 | 데이터 집합과 변수 간 연결 및 상관관계 시각화 | 수업 | Jen |
| 13 | 의미 있는 시각화 | 데이터 시각화 | 효과적인 문제 해결과 통찰을 위한 시각화 기법 및 가이드 | 수업 | Jen |
| 14 | 데이터 과학 라이프사이클 소개 | 라이프사이클 | 데이터 과학 라이프사이클과 데이터 수집 및 추출 첫 단계 소개 | 수업 | Jasmine |
| 15 | 데이터 분석 | 라이프사이클 | 데이터 분석에 중점 둔 데이터 과학 라이프사이클 단계 | 수업 | Jasmine |
| 16 | 커뮤니케이션 | 라이프사이클 | 의사결정자가 이해하기 쉽게 데이터 통찰을 전달하는 단계 | 수업 | Jalen |
| 17 | 클라우드의 데이터 과학 | 클라우드 데이터 | 클라우드 데이터 과학 소개 및 이점 | 수업 | Tiffany 및 Maud |
| 18 | 클라우드의 데이터 과학 | 클라우드 데이터 | 로우 코드 도구를 이용한 모델 학습 | 수업 | Tiffany 및 Maud |
| 19 | 클라우드의 데이터 과학 | 클라우드 데이터 | Azure Machine Learning Studio를 활용한 모델 배포 | 수업 | Tiffany 및 Maud |
| 20 | 실제 환경의 데이터 과학 | 현장 | 실제 세계에서의 데이터 과학 기반 프로젝트 | 수업 | Nitya |
다음 단계에 따라 이 샘플을 Codespace에서 열어보세요:
- Code 드롭다운 메뉴를 클릭하여 Open with Codespaces 옵션을 선택합니다.
- 패널 하단에서 + New codespace를 선택합니다. 자세한 내용은 GitHub 문서를 참조하세요.
로컬 머신과 VSCode에서 VS Code Remote - Containers 확장을 사용하여 이 저장소를 컨테이너에서 여는 단계:
- 개발 컨테이너를 처음 사용하는 경우 시작하기 문서에서 시스템 요구사항(예: Docker 설치)을 확인하세요.
저장소를 사용하려면 보통 두 가지 방법이 있습니다:
저장소를 격리된 Docker 볼륨에서 열기:
참고: 내부적으로는 Remote-Containers: Clone Repository in Container Volume... 명령을 사용하여 소스 코드를 로컬 파일시스템 대신 Docker 볼륨에 복제합니다. 볼륨은 컨테이너 데이터 지속을 위한 권장 방식입니다.
또는 로컬에 복제하거나 다운로드한 저장소 버전을 열기:
- 로컬 파일시스템에 저장소를 복제합니다.
- F1을 누른 뒤 Remote-Containers: Open Folder in Container... 명령을 선택합니다.
- 복제한 폴더를 선택하고 컨테이너가 시작될 때까지 기다린 후 작업을 시작하세요.
Docsify를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 Docsify를 설치한 후, 저장소의 루트 폴더에서 docsify serve를 입력하세요. 웹사이트는 로컬호스트의 3000번 포트(localhost:3000)에서 서비스됩니다.
참고: 노트북은 Docsify로 렌더링되지 않으니 노트북 실행이 필요할 때는 VS Code에서 Python 커널을 통해 별도로 실행하세요.
우리 팀은 다른 커리큘럼도 제작하고 있습니다! 확인해 보세요:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
문제가 발생했나요? 일반적인 문제에 대한 해결책은 문제 해결 가이드에서 확인하세요.
AI 앱 구축 중 막히거나 질문이 있으면 MCP에 대해 토론하는 학습자 및 경험 많은 개발자들과 함께하세요. 질문을 환영하며 지식을 자유롭게 공유하는 지원 커뮤니티입니다.
제품 피드백이나 빌드 중 오류가 있으면 다음을 방문하세요:
면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의해 주시기 바랍니다. 원본 문서는 해당 언어로 된 원본 문서가 권위 있는 자료로 간주되어야 합니다. 중요한 정보에 대해서는 전문적인 인간 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해서는 당사가 책임지지 않습니다.