Melscale

TRANSLATION_GUIDE.md

@@ -84,7 +84,7 @@
 |loss|손실|박정환||
 |matrix|행렬|박정환||
 |mean-squared error|평균제곱오차|허남규||
-|MelScale|MelScale|||
+|MelScale|MelScale|멜 스케일|최갑주|음성/오디오 처리에서 사용되는 주파수 변환 척도|
 |memory footprint|메모리 전체 사용량|최흥준|
 |method|메소드|장효영|[음차 표기](https://terms.tta.or.kr/dictionary/dictionaryView.do?word_seq=090780-1)|
 |mini-batch|미니 배치|박정환|음차 표기|

beginner_source/nlp/README.txt

@@ -1,44 +1,35 @@
-Deep Learning for NLP with Pytorch
+PyTorch를 활용한 자연어 처리를 위한 딥러닝
 ----------------------------------
+**번역**: `최갑주 <http://github.com/Choigapju>`_
 
-These tutorials 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.
-
-They are focused specifically on NLP for people who have never written
-code in any deep learning framework (e.g, TensorFlow,Theano, Keras, DyNet).
-The tutorials 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 these tutorials are about *models*, not data. For all of the models,
-a few test examples are created 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.
+이 튜토리얼 시리즈는 PyTorch를 활용한 딥러닝 프로그래밍의 핵심 개념들을 단계별로 안내합니다. 
+여기서 다루는 많은 개념들(예를 들어, 계산 그래프 추상화와 자동 미분)은 PyTorch에만 국한된 것이 아니라 현존하는 모든 딥러닝 도구에 공통적으로 적용되는 원리입니다.
+
+이 튜토리얼은 특히 딥러닝 프레임워크(예: TensorFlow, Theano, Keras, DyNet 등)로 코드를 작성해 본 경험이 전혀 없는 분들을 위한 자연어 처리에 초점을 맞추고 있습니다. 품사 태깅, 언어 모델링 등 핵심 자연어 처리 문제에 대한 기본적인 이해를 전제로 합니다. 또한 입문 수준의 인공지능 강좌(예: Russell과 Norvig의 교재에서 다루는 수준)에서 학습하는 정도의 신경망 지식을 갖추고 있다고 가정합니다.
+일반적으로 이런 강좌들은 순전파 신경망의 기본적인 역전파 알고리즘을 다루며, 신경망이 선형 변환과 비선형 활성화 함수의 연쇄 구성이라는 점을 강조합니다. 본 튜토리얼의 주된 목표는 이러한 선수 지식을 바탕으로 여러분이 실제로 딥러닝 코드를 작성하기 시작할 수 있도록 안내하는 것입니다.
+
+이 튜토리얼 시리즈는 특히, 어떤 딥러닝 프레임워크(예: TensorFlow, Theano, Keras, DyNet)로 코드를 작성해 본 경험이 전혀 없는 사람들을 위한 자연어 처리(NLP)에 초점을 맞추고 있습니다. 
+이 튜토리얼은 품사 태깅, 언어 모델링 등 핵심 NLP 문제에 대한 실용적 지식을 전제로 합니다. 또한 입문 수준의 인공지능 강의(예: Russell과 Norvig의 교재에서 다루는 수준)에서 학습하는 정도의 신경망에 대한 이해를 가정합니다. 일반적으로 이러한 강의들은 순전파 신경망의 기본적인 역전파 알고리즘을 다루며, 신경망이 선형성과 비선형성의 연쇄적 구성이라는 점을 강조합니다. 이 튜토리얼의 목표는 이러한 선수 지식을 바탕으로 여러분이 실제로 딥러닝 코드를 작성하기 시작할 수 있도록 안내하는 것입니다.
+
+참고드릴 점은 이 튜토리얼은 데이터가 아닌 *모델*에 관한 것입니다. 모든 모델에 대해, 
+학습 과정에서 가중치가 어떻게 변화하는지 확인할 수 있도록 작은 차원의 테스트 예제들을 몇 가지 생성했습니다. 실제 데이터로 시도해보고 싶으시다면, 이 노트북의 모든 모델을 그대로 가져가서 여러분의 데이터에 적용해보실 수 있습니다.
 
 1. pytorch_tutorial.py
-	Introduction to PyTorch
+	파이토치 입문
 	https://tutorials.pytorch.kr/beginner/nlp/pytorch_tutorial.html
 
 2. deep_learning_tutorial.py
-	Deep Learning with PyTorch
+	PyTorch를 활용한 딥러닝
 	https://tutorials.pytorch.kr/beginner/nlp/deep_learning_tutorial.html
 
 3. word_embeddings_tutorial.py
-	Word Embeddings: Encoding Lexical Semantics
+	단어 임베딩: 어휘의 의미 표현
 	https://tutorials.pytorch.kr/beginner/nlp/word_embeddings_tutorial.html
 
 4. sequence_models_tutorial.py
-	Sequence Models and Long Short-Term Memory Networks
+	순차 모델과 LSTM(장단기 메모리) 네트워크
 	https://tutorials.pytorch.kr/beginner/nlp/sequence_models_tutorial.html
 
 5. advanced_tutorial.py
-	Advanced: Making Dynamic Decisions and the Bi-LSTM CRF
-	https://tutorials.pytorch.kr/beginner/nlp/advanced_tutorial.html
+	고급: 동적 의사결정과 양방향 LSTM CRF
+	https://tutorials.pytorch.kr/beginner/nlp/advanced_tutorial.html