다시 번역 제안

beginner_source/deep_learning_nlp_tutorial.rst

@@ -1,28 +1,25 @@
 Deep Learning for NLP with Pytorch
 **********************************
-**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>`_
+
+
+ 이 튜토리얼은 당신을 PyTorch를 이용한 딥러닝 프로그래밍의 핵심 개념으로 들어가게 해줄 것입니다. 
+ (computation graph abstraction(연산 그래프 추상화)와 autograd와 같은) 많은 개념들은 
+ PyTorch에서는 독특하지 않고 외부의 어떠한 딥러닝 툴키트와도 연관 있습니다. 
+
+저는 이 튜토리얼을 어떠한 딥 러닝 프레임워크(예를 들어, TensorFlow, Theano, Keras, Dynet)에서도 
+코드를 작성해본 적이 없는 사람들이 특히 NLP: 문장을 형태소나 품사별로 나누기(part-of-speech tagging), 
+언어 모델링 등에 집중할 수 있도록 작성했습니다. 이것은 핵심 NLP 문제들의 실용지식을 추정합니다. 
+이것은 또한 (Russel이나 Norvig book의 것처럼) 도입 AI 클래스의 수준에서 신경망에 익숙하다고 가정합니다. 
+대부분, 이 과정들은 피드 포워드(feed-forward) 신경망의 기초 역전파 알고리즘을 다루고 
+그들이 선형성과 비선형성으로 이루어진 사슬이라는 것을 강조합니다. 이 튜토리얼의 목적은 이러한 필수 지식을 
+갖추고 있는 경우, 당신이 딥 러닝 코드를 작성하는 것을 시작할 수 있도록 하는 것입니다.
+
+이것이 데이터가 아니라 모델이라는 것에 주목해 주세요. 모든 모델을 위해서, 
+저는 당신이 그것이 학습되면서 가중치가 어떻게 바뀌는지를 볼 수 있도록 
+작은 차원성을 이용해 몇 개의 실험 예를 만들었을 뿐입니다. 만약 당신이 시도해보고 싶은 
+어떤 실제 데이터를 가지고 있다면, 당신은 이 노트북에서 
+어떠한 모델을 아무렇지 않게 꺼내서 사용할 수 있어야 합니다.
 
 
 .. toctree::