ML-For-Beginners 딥다이브
— 마이크로소프트가 만든 12주 26강 "고전 머신러닝" 커리큘럼

이중 퀴즈 구조 (Pre/Post Quiz)

모든 레슨 시작 전에 배경지식을 점검하는 프리렉처 퀴즈가 있고, 끝난 후 같은 주제를 다른 각도로 묻는 포스트렉처 퀴즈가 있다. 총 52개 퀴즈(26레슨 × 2), 문항당 3문제. 심리학적으로 "사전 퀴즈는 학습 의도를 설정하고, 사후 퀴즈는 기억 정착을 돕는다"는 원리를 그대로 적용한 설계다.

같은 데이터, 여러 레슨에 걸친 스토리텔링

2-Regression 모듈은 "북미 호박 가격" 데이터 하나로 4강을 이어간다 — 툴 준비(1강) → 데이터 정제(2강) → 선형/다항 회귀(3강) → 로지스틱 회귀(4강). 4-Classification은 "아시아·인도 요리" 데이터로 마찬가지로 4강을 이어간다. 매 강의 새 데이터셋을 배우는 부담 없이, 같은 데이터를 점점 더 어려운 기법으로 다시 보게 만든다.

솔루션 격리 (solution/ 폴더 분리)

정답 코드는 항상 별도의 solution/ 폴더에 있다. 레슨 루트의 notebook.ipynb는 학습자가 직접 채워야 하는 실습용이고, solution/notebook.ipynb가 완성된 정답이다. R 학습자를 위한 solution/R/, Julia 학습자를 위한 solution/Julia/도 같은 구조로 병렬 제공된다. "먼저 스스로 풀고, 막히면 정답을 본다"는 학습 순서를 파일 구조로 강제한다.

언어 무관 커리큘럼 (Python 우선, R/Julia 선택)

README는 "레슨은 주로 Python으로 작성되지만 많은 레슨이 R로도 제공된다"고 명시한다. R 레슨을 원하면 solution 폴더에서 .Rmd(R Markdown) 확장자를 찾으면 된다. 즉 같은 개념(예: 로지스틱 회귀)을 Python 생태계와 R 생태계 양쪽에서 동시에 배울 수 있게, 커리큘럼 설계 단계에서부터 언어 이중화를 반영했다.

번역 자동화 파이프라인 분리

사람이 직접 번역하지 않는다. .github/workflows/co-op-translator.yml 워크플로우가 main 브랜치에 푸시될 때마다 Azure AI/OpenAI 서비스로 40개 이상 언어의 translations/<lang>/README.md를 자동 생성한다. AGENTS.md는 "번역 파일을 수동으로 절대 편집하지 말 것"을 명시한다 — 콘텐츠 원본과 번역본의 생성 경로를 완전히 분리한 설계다.

북미 호박 가격 데이터로 선형회귀 → 다항회귀 → 로지스틱회귀 순서로 진행한다. 원본 데이터는 지저분한 실제 시장 데이터(단위 불일치, 결측치)라서, 첫 단계부터 데이터 정제(cleaning)를 실습하게 만든다.

# 2-Regression/3-Linear/notebook.ipynb 핵심 패턴
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
lin_reg = LinearRegression()
lin_reg.fit(X_train, y_train)
pred = lin_reg.predict(X_test)
print('MSE:', mean_squared_error(y_test, pred))

배울 것: train_test_split 데이터 분할, 선형회귀 계수 해석, 다항 특성 변환(PolynomialFeatures), MSE/RMSE 평가지표, 로지스틱회귀로 분류 경계 그리기.

노트북에서 학습만 하고 끝나지 않는다. UFO 목격 데이터로 학습한 분류 모델을 pickle로 저장하고, Flask로 감싸 실제 웹 서비스로 만든다. "모델 학습"과 "모델 서빙"이 별개의 기술임을 체감하는 유일한 레슨이다.

배울 것: pickle.dump/load로 모델 직렬화, Flask 라우팅(@app.route), HTML 폼 → 예측 API 연결, 최소 프론트엔드(Jinja2 템플릿) 작성.

아시아·인도 요리 데이터로 여러 분류기를 비교한다. 마지막 레슨(4-Applied)에서는 배운 분류 모델로 "재료를 입력하면 어떤 요리인지 추천하는 웹앱"까지 만든다.

배울 것: 여러 분류 알고리즘 비교(로지스틱회귀, SVM, 결정트리, 랜덤포레스트 등), 혼동행렬(Confusion Matrix)과 ROC 커브로 성능 비교, 클래스 불균형 다루기, 분류 모델을 추천 시스템으로 응용.

나이지리아 음악 스트리밍 데이터(Spotify에서 스크랩)로 비지도학습을 처음 접한다. 정답 레이블이 없는 데이터에서 패턴을 찾는 것이 지금까지의 회귀·분류와 근본적으로 다른 점이다.

# 5-Clustering/2-K-Means 핵심 패턴
from sklearn.cluster import KMeans

wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=42)
    kmeans.fit(X)
    wcss.append(kmeans.inertia_)
# wcss를 그려서 "엘보우 포인트"로 최적 클러스터 수 결정

배울 것: 비지도학습 vs 지도학습 개념 차이, K-Means 알고리즘 동작 원리, 엘보우 메서드로 K값 결정, 클러스터 시각화(2D 산점도로 차원 축소 없이).

딥러닝 기반 트랜스포머 이전의 고전 NLP 기법을 다룬다. 첫 레슨은 노트북 대신 순수 Python 스크립트(bot.py)로 규칙 기반 챗봇을 만들며 시작하고, 이후 제인 오스틴 텍스트로 번역·감성분석, 호텔 리뷰로 실전 감성분석을 두 차례에 걸쳐 심화한다.

배울 것: 토큰화(tokenization), 규칙 기반 대화 시스템 설계, TextBlob으로 감성 점수 계산, 실제 리뷰 텍스트의 노이즈 처리(다국어 혼재, 이모지 등).

세계 전력 사용량 데이터로 ARIMA와 SVR(Support Vector Regressor) 두 가지 접근법을 비교한다. 이 모듈만 유일하게 environment.yaml(Conda 환경 파일)과 별도의 common/utils.py 유틸리티 모듈을 포함해, 실전 프로젝트에 가까운 코드 구성을 보여준다.

배울 것: 시계열 데이터의 정상성(stationarity) 개념, ARIMA(p,d,q) 파라미터 튜닝, 시계열을 지도학습 문제로 변환해 SVR 적용, 시계열 전용 train/test 분할(시간 순서 유지).

"피터가 늑대를 피해 도망치는" 보드게임을 직접 구현(rlboard.py)하며 Q-Learning 알고리즘을 밑바닥부터 배운다. 두 번째 레슨은 OpenAI Gym(Gymnasium)의 CartPole 환경으로 표준 RL 라이브러리 사용법으로 넘어간다.

배울 것: 벨만 방정식(Bellman Equation)과 Q-테이블, 탐험 vs 활용(exploration vs exploitation) 트레이드오프, OpenAI Gym 표준 인터페이스(step/reset/render), 보상 함수 설계.

Postscript 모듈. 1강은 고전 ML이 실제로 어디에 쓰이는지 사례를 정리하고, 2강은 Responsible AI(RAI) 대시보드로 이미 학습한 모델의 공정성·에러 분포·반사실적 설명(counterfactual)을 디버깅하는 실습을 다룬다. 지금까지 "모델을 만드는 법"을 배웠다면, 여기서는 "만든 모델을 검증하는 법"을 배운다.

배울 것: 모델 에러 분석(Error Analysis) 히트맵, 데이터/특성 코호트별 성능 비교, 공정성(fairness) 지표 해석, What-If 반사실적 분석으로 개별 예측 설명.

실습 1 — 첫 레슨을 퀴즈부터 과제까지 완주하기1일

1-Introduction/1-intro-to-ML부터 시작한다. 프리퀴즈 → README 읽기 → assignment.md 확인 → 포스트퀴즈까지 학습 사이클 하나를 처음부터 끝까지 그대로 따라가 본다.

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'
cat 1-Introduction/1-intro-to-ML/README.md

확인 포인트: README 안의 "Pre-lecture quiz"·"Post-lecture quiz" 링크를 실제로 클릭해서 3문항을 풀어본다. 사이클 전체를 한 번 겪어야 이후 레슨이 왜 이렇게 설계됐는지 체감된다.

실습 2 — 호박 가격 회귀 노트북 직접 실행 + 정답과 비교2~3일

2-Regression/3-Linear/notebook.ipynb를 Jupyter로 열어 셀을 순서대로 실행한다. 특성(Feature)을 하나 바꿔보고(예: Month 대신 DayOfYear) 결과가 어떻게 달라지는지 비교한 뒤, solution/notebook.ipynb와 비교한다.

cd 2-Regression/3-Linear
jupyter notebook notebook.ipynb
# 실행 후 solution/notebook.ipynb 와 diff 비교

확인 포인트: MSE 값이 어떻게 바뀌는지, 산점도의 회귀선 기울기가 왜 달라지는지 직접 눈으로 확인한다.

실습 3 — Flask 웹앱을 로컬에서 띄우고 모델 교체해보기3~5일

3-Web-App/1-Web-App/solution/web-app을 로컬에서 실행하고, UFO 모델 대신 직접 다른 CSV(예: 캐글의 다른 분류 데이터셋)로 학습한 모델로 교체해본다.

cd 3-Web-App/1-Web-App/solution/web-app
pip install -r requirements.txt
python app.py
# http://127.0.0.1:5000 접속 후 폼 제출 테스트

확인 포인트: app.py의 pickle.load 경로와 predict() 함수의 출력 매핑(countries 리스트)을 자신의 모델 클래스에 맞게 수정할 수 있는지 확인.

실습 4 — R 버전으로 같은 레슨 다시 풀어보기1주

Python으로 이미 푼 로지스틱 회귀 레슨(2-Regression/4-Logistic)을 R로 다시 풀어본다. solution/R/lesson_4.html을 먼저 훑어본 뒤, RStudio에서 tidymodels로 직접 구현한다.

# R 콘솔에서
install.packages(c("tidyverse", "tidymodels"))
# solution/R/ 안의 .Rmd 파일을 RStudio로 열어 Knit 실행

확인 포인트: 같은 개념(로지스틱 회귀)이 Python(Scikit-learn)과 R(tidymodels)에서 API 철학이 어떻게 다른지 비교 노트를 작성해본다.

실습 5 — 새로운 데이터셋으로 미니 커리큘럼 설계해보기2주+

이 저장소의 설계 패턴(프리퀴즈 → README → 노트북 → 과제 → 포스트퀴즈)을 그대로 차용해, 자신이 관심 있는 도메인(예: 한국 프로야구 기록, 국내 부동산 시세)으로 회귀+분류+클러스터링 3강짜리 미니 커리큘럼을 직접 설계한다.

my-mini-curriculum/
├── 1-Regression/{README.md, notebook.ipynb, assignment.md, solution/}
├── 2-Classification/{...}
└── 3-Clustering/{...}

확인 포인트: 각 강의마다 "지식 체크" 질문 최소 2개, "도전 과제" 1개를 반드시 포함시켜 이 저장소의 교육학적 구조를 그대로 재현했는지 스스로 점검한다.

목표: 이 저장소의 2~5모듈(회귀·분류·클러스터링)을 실습하며 Scikit-learn API 패턴(fit/predict/transform)에 완전히 익숙해진다.

자료: Scikit-learn 공식 사용자 가이드(scikit-learn.org/stable/user_guide.html), 이 저장소의 solution 노트북들.

실습: 매 레슨의 notebook.ipynb를 직접 실행 + assignment.md 과제 제출.

목표: 6~8모듈을 완주하고, 고전 기법의 한계(문맥 이해 부족, 장기 의존성 문제 등)를 직접 체감한다.

자료: 저장소의 6-NLP·7-TimeSeries·8-Reinforcement 레슨 전체, NLTK 공식 문서.

실습: bot.py 챗봇 확장, ARIMA 파라미터 그리드서치, Q-Learning 보드를 다른 맵으로 변형.

목표: 9-Real-World/2-Debugging-ML-Models를 완주하고, "정확도 높은 모델"과 "신뢰할 수 있는 모델"의 차이를 이해한다.

자료: Microsoft Responsible AI Toolbox 문서, Fairlearn 라이브러리.

실습: 자신이 만든 분류 모델에 RAI 대시보드를 붙여 에러 코호트 분석해보기.

목표: 고전 ML의 한계를 넘어 신경망·CNN·트랜스포머로 넘어간다. 이 저장소 README가 직접 추천하는 자매 커리큘럼이다.

자료: microsoft/AI-For-Beginners(딥러닝 커리큘럼), microsoft/generative-ai-for-beginners(생성형 AI).

실습: 6-NLP에서 배운 감성분석을 트랜스포머 기반 모델(예: Hugging Face)로 다시 구현해 성능 비교.

목표: 모델링 이전 단계인 데이터 수집·정제·탐색적 분석(EDA) 역량을 별도로 강화한다.

자료: microsoft/Data-Science-For-Beginners — 이 저장소와 나란히 병행하도록 README가 권장하는 짝꿍 커리큘럼.

실습: 이 저장소의 pumpkin/nigerian-songs 데이터셋을 Data-Science-For-Beginners의 EDA 기법으로 처음부터 다시 정제해보기.