기계 학습 모델 만들기

중급
AI 엔지니어
데이터 과학자
개발자
학생
Visual Studio Code
Azure

Microsoft Learn은 클래식 기계 학습을 소개하는 몇 가지 대화형 방법을 제공합니다. 이러한 학습 경로는 자체적으로 생산성 개선에 도움을 주며 딥 러닝 토픽으로 전환할 수 있는 유용한 토대가 됩니다.

가장 기본적인 클래식 기계 학습 모델부터 예비 데이터 분석 및 아키텍처 사용자 지정에 이르기까지, 브라우저를 벗어나지 않고도 개념 콘텐츠와 대화형 Jupyter Notebook을 쉽게 다이제스트하는 방법을 익힐 수 있습니다.

교육 배경 및 관심에 따라 자신만의 적절한 경로를 선택합니다.

옵션 1: 전체 과정: 기계 학습을 위한 데이터 과학의 기초

이 경로는 대부분의 사용자에게 권장됩니다. 개념 강화를 최대화하는 사용자 지정 흐름이 있는 다른 두 학습 경로와 동일한 모듈을 제공합니다. 기본 개념과 가장 일반적인 기계 학습 도구를 사용하여 모델을 빌드하는 방법을 알아보려면 이 경로가 적합합니다. 또한 클래식 기계 학습을 넘어 딥 러닝 및 신경망(여기서는 소개만 함)에 대한 교육을 받으려는 경우 가장 좋은 경로입니다.

옵션 2: 기계 학습을 위한 데이터 과학 이해 학습 경로

기계 학습의 작동 방식을 이해하려고 하며 수학적 배경 지식이 많지 않은 경우 이 경로가 적합합니다. 이전에 어떤 교육을 받았는지는 고려하지 않으며(단, 코딩 개념을 어느 정도 알고 있어야 함) 이해에 도움이 되는 코드, 메타포 및 시각적 개체를 알아봅니다. 실습이지만 기본 사항 이해에 좀 더 중점을 두고 사용 가능한 도구 및 라이브러리는 자세히 다루지 않습니다.

✔ 옵션 3: 기계 학습 모델 만들기 학습 경로

기계 학습 개념을 이미 알고 있거나 강력한 수학 배경 지식이 있는 경우 기계 학습 모델 만들기 학습 경로로 바로 이동하는 것이 좋습니다. 이러한 모듈은 몇 가지 기계 학습 개념을 다루지만 scikit-learn, TensorFlow 및 PyTorch와 같은 도구를 사용할 수 있도록 빠르게 진행됩니다. 이 학습 경로는 Azure ML 또는 Azure Databricks와 같은 제품에 대한 기계 학습 예제를 충분히 이해할 수 있는 배경 지식을 원하는 경우에 가장 적합합니다.

✔ 현재 이 경로에 있으며 시작하려면 아래로 스크롤합니다.

사전 요구 사항

이 학습 경로에서는 학습자가 기본 수학 개념을 알고 있다고 가정합니다. Python 사용 경험도 어느 정도 도움이 됩니다.

이 학습 경로의 모듈

데이터 탐색 및 분석은 데이터 과학의 핵심입니다. 데이터 과학자는 데이터를 탐색하고 시각화하며 조작하기 위해 Python과 같은 프로그래밍 언어를 다루는 기술을 필요로 합니다.

회귀는 숫자 값을 예측하기 위해 일반적으로 사용되는 유형의 기계 학습입니다.

분류는 항목을 클래스로 분류하는 데 사용되는 기계 학습의 일종입니다.

클러스터링은 유사한 항목을 클러스터로 그룹화하는 데 사용되는 기계 학습의 한 형태입니다.

딥 러닝은 인간 두뇌가 연결된 신경세포망을 통해 학습하는 방식을 에뮬레이트하는 고급 형태의 기계 학습입니다.