Translate deep_learning_nlp_tutorial.rst 번역

beginner_source/deep_learning_nlp_tutorial.rst

@@ -1,28 +1,28 @@
-Deep Learning for NLP with Pytorch
+PyTorch를 이용한 NLP를 위한 딥러닝
 **********************************
-**Author**: `Robert Guthrie <https://github.com/rguthrie3/DeepLearningForNLPInPytorch>`_
-
-This tutorial will walk you through the key ideas of deep learning
-programming using Pytorch. Many of the concepts (such as the computation
-graph abstraction and autograd) are not unique to Pytorch and are
-relevant to any deep learning toolkit out there.
-
-I am writing this tutorial to focus specifically on NLP for people who
-have never written code in any deep learning framework (e.g, TensorFlow,
-Theano, Keras, Dynet). It assumes working knowledge of core NLP
-problems: part-of-speech tagging, language modeling, etc. It also
-assumes familiarity with neural networks at the level of an intro AI
-class (such as one from the Russel and Norvig book). Usually, these
-courses cover the basic backpropagation algorithm on feed-forward neural
-networks, and make the point that they are chains of compositions of
-linearities and non-linearities. This tutorial aims to get you started
-writing deep learning code, given you have this prerequisite knowledge.
-
-Note this is about *models*, not data. For all of the models, I just
-create a few test examples with small dimensionality so you can see how
-the weights change as it trains. If you have some real data you want to
-try, you should be able to rip out any of the models from this notebook
-and use them on it.
+**저자**: `Robert Guthrie <https://github.com/rguthrie3/DeepLearningForNLPInPytorch>`_
+**번역**: `오수연 <github.com/oh5221>`_
+
+이 튜토리얼은 PyTorch를 사용한 딥러닝 프로그램의 주요 아이디어에 대해
+차근차근 살펴볼 것입니다. 많은 개념들(계산 그래프 추상화 및
+autograd)은 PyTorch에서만 제공하는 것이 아니며, 이미 공개된
+딥러닝 toolkit과 관련이 있습니다.  
+
+이 튜토리얼은 딥러닝 프레임워크(예: Tensorflow, Theano, Keras,
+Dynet)에서 어떤 코드도 작성해 본 적이 없는 사람들을 
+위한 NLP에 특별히 초점을 맞추어 작성하였습니다. 튜토리얼을 위해 NLP의
+핵심 문제에 대한 실무 지식이 필요합니다: 품사 태깅, 언어 모델링 등. 또한
+AI 입문서 수준 (Russel과 Norvig 책에 나오는 것 같은) 신경망 친숙도가 필요합니다. 일반적으로,
+feed-forward 신경망에 대한 기본적인 역전파 알고리즘을
+다루고, 선형성과 비선형성의 연쇄적인 구성이라는 점을
+강조합니다. 이 튜토리얼은 이런 필수적인 지식이 있는 상태에서
+딥러닝 코드 작성을 시작하는 것을 목표로 합니다.
+
+이 튜토리얼이 데이터가 아니라 *모델*에 관한 것임에 주의해야 합니다. 모든
+모델에 있어, 단지 작은 차원을 가진 몇 가지 예제만을 만들어 훈련 시
+가중치 변화를 볼 수 있게 합니다. 만약 실제 데이터를 갖고 있다면,
+이 노트북의 모델 중 하나를 뽑아
+사용해 볼 수 있을 것입니다.
 
 
 .. toctree::
@@ -36,19 +36,20 @@ and use them on it.
 
 
 .. galleryitem:: /beginner/nlp/pytorch_tutorial.py
-    :intro: All of deep learning is computations on tensors, which are generalizations of a matrix that can be
+    :intro: 모든 딥러닝은 행렬의 일반화인 Tensor에 대한 계산입니다.
 
 .. galleryitem:: /beginner/nlp/deep_learning_tutorial.py
-    :intro: Deep learning consists of composing linearities with non-linearities in clever ways. The introduction of non-linearities allows
+    :intro: 딥러닝은 비선형성을 가진 선형성을 더 나은 방식으로 구성하는 것으로 구성됩니다. 비선형성의 도입이 가능해집니다.
 
 .. galleryitem:: /beginner/nlp/word_embeddings_tutorial.py
-    :intro: Word embeddings are dense vectors of real numbers, one per word in your vocabulary. In NLP, it is almost always the case that your features are
+    :intro: 단어 임베딩은 실수의 dense vector로, vocabulary(단어 집합)의 단어 당 하나씩입니다. NLP에서는 거의 feature 대부분의 경우에 해당합니다.
 
 .. galleryitem:: /beginner/nlp/sequence_models_tutorial.py
-    :intro: At this point, we have seen various feed-forward networks. That is, there is no state maintained by the network at all.
+    :intro: 이 시점에서, 다양한 feed-forward 네트워크를 보았습니다. 즉, 네트워크에 의해 유지되는 상태가 없습니다.
+
 
 .. galleryitem:: /beginner/nlp/advanced_tutorial.py
-    :intro: Dynamic versus Static Deep Learning Toolkits. Pytorch is a *dynamic* neural network kit.
+    :intro: 동적 vs. 정적 딥러닝 Toolkits. PyTorch는 *동적* 신경망 키트입니다.
 
 
 .. raw:: html