DataTalksClub/machine-learning-zoomcamp

이 과정은 무엇인가

Machine Learning Zoomcamp는 머신러닝 시스템을 구축, 평가, 배포하는 방법을 가르치는 무료 실무 중심 과정입니다. 이론 수업이 아니라 실제 문제에 머신러닝을 적용하고 훈련된 모델을 다른 애플리케이션이 사용할 수 있는 서비스로 전환하는 데 초점을 맞춥니다.

이 과정은 머신러닝 문제에서 프로덕션 서비스까지의 전체 경로를 따릅니다: 문제 정의 → 데이터 준비 → 모델 훈련 및 평가 → API로 노출 → 패키징 → 배포.

대상자

사전 머신러닝 경험은 필요하지 않습니다. 전제 조건은 다음과 같습니다:

최소 1년의 프로그래밍 경험
명령줄 사용에 익숙함
인터넷에 연결된 노트북

도움이 되지만 필수는 아닌 것: 약간의 Python familiarity, 기본 Git/GitHub 경험, 노트북이나 스크립트에서 데이터 작업 경험. 필수 아님: ML 훈련 경험, 클라우드 또는 Kubernetes 지식, GPU가 있는 강력한 컴퓨터(딥러닝 모듈은 클라우드 리소스를 사용).

이 과정은 특히 소프트웨어 엔지니어, 데이터 분석가, 데이터 엔지니어, 기술 관련 학생에게 적합합니다. 프로그래밍 경험이 없거나, 비기술적인 AI 입문을 원하거나, 고급 ML 연구 주제를 원한다면 적합하지 않습니다.

과정 운영 방식

전체 경로는 다음을 사용합니다:

Python, NumPy, pandas, scikit-learn — 데이터 처리 및 고전 ML 모델용
TensorFlow, PyTorch, Keras — 딥러닝용
FastAPI, Docker, Kubernetes, AWS Lambda — 배포 및 모델 서빙용

두 가지 방식으로 수강할 수 있습니다:

	라이브 코호트	자기 주도
시작	2026년 9월 14일	언제든
비용	무료	무료
강의	사전 녹화	사전 녹화
숙제	채점됨	제공되지만 점수 없음
리더보드	있음	없음
동료 평가	있음	없음
수료증	자격 있음	없음

"라이브 코호트"는 필수 실시간 수업을 의미하지 않습니다 — 강의는 사전 녹화입니다. 공유된 마감일, 채점되는 숙제, 리더보드 참여, 동료 평가, 커뮤니티 지원, 수료증 자격을 의미합니다.

배우게 될 내용 (강의 계획)

ML 소개 — ML이 무엇인지, 언제 사용하는지, CRISP-DM 프레임워크로 프로젝트 구성, 지도 학습 기본.
회귀 — 자동차 가격 예측 모델 구축: 처음부터 그리고 scikit-learn을 사용한 선형 회귀, 특성 생성/선택, 정규화, 모델 검증.
분류 — 로지스틱 회귀로 고객 이탈 예측 시스템 구축: 범주형 변수 인코딩, 특성 중요도, 예측 해석.
평가 지표 — 정확도, 정밀도, 재현율, F1 점수, 혼동 행렬, ROC 곡선 및 AUC, 교차 검증, 불균형 클래스 처리.
ML 모델 배포 — 훈련된 모델 직렬화, FastAPI 서비스를 통해 예측 노출, Docker로 패키징, 클라우드 플랫폼에 배포.
의사결정 트리 및 앙상블 학습 — 의사결정 트리, 랜덤 포레스트, XGBoost를 사용한 그래디언트 부스팅, 하이퍼파라미터 튜닝, 특성 중요도.
중간 프로젝트 — 모듈 1~6을 선택한 종단 간 문제에 적용.
신경망 및 딥러닝 — 신경망 구성 요소, PyTorch/TensorFlow/Keras, 합성곱 신경망, 전이 학습, 이미지 분류.
서버리스 딥러닝 — AWS Lambda 및 API Gateway로 모델 배포 (지속적인 서버 관리 없이 scikit-learn, TensorFlow, PyTorch 모델).
Kubernetes 및 TensorFlow Serving — 핵심 Kubernetes 개념, TensorFlow Serving으로 모델 서빙, 모델 서비스 배포 및 확장.
캡스톤 프로젝트 — 두 개의 더 큰 종단 간 프로젝트 (두 번째는 선택 사항이지만 수료증에 포함).

프로젝트 및 수료증

이 과정은 세 가지 프로젝트 기회를 제공합니다:

중간 프로젝트 (모듈 6 후)
캡스톤 프로젝트 1 (모듈 10 후)
캡스톤 프로젝트 2 (선택 사항, 마지막)

라이브 코호트 중 수료증을 받으려면 다음을 충족해야 합니다:

두 개의 프로젝트 제출 — 중간 프로젝트 + 캡스톤 1 또는 캡스톤 2 둘 다
코호트 마감일까지 제출
다른 학습자 세 명의 프로젝트에 대한 동료 평가 완료

과거 학습자 프로젝트에는 암 예측을 위한 혈구 분류기와 폐기물 분류기 (93.3% 테스트 정확도를 가진 Xception 기반 이미지 분류기로, Docker 패키징 API를 통해 서빙됨)가 포함됩니다.

커뮤니티

학습자들은 DataTalks.Club Slack (#course-ml-zoomcamp 채널), Telegram, YouTube 재생 목록을 통해 연결됩니다. 이 과정은 "공개 학습"을 장려합니다 — 블로그 게시물, 동영상, 소셜 미디어에 #mlzoomcamp 해시태그로 공유하는 것으로, 라이브 코호트 중 보너스 점수를 얻을 수 있습니다.

실용 참고 사항

이 과정은 완전 무료이며 오픈 소스입니다
강력한 컴퓨터 요구 사항 없음 — 무거운 딥러닝 계산은 클라우드 리소스가 처리합니다
자기 주도 학습자는 모든 자료를 무료로 사용할 수 있지만 수료증은 라이브 코호트를 통해서만 받을 수 있습니다
과정의 실제 프로젝트는 GitHub에 구체적인 포트폴리오 작업을 제공합니다