diff --git a/beginner_source/nlp/README.txt b/beginner_source/nlp/README.txt index 2d588c1e3..99500f97b 100644 --- a/beginner_source/nlp/README.txt +++ b/beginner_source/nlp/README.txt @@ -1,44 +1,33 @@ -Deep Learning for NLP with Pytorch +PyTorch를 활용한 자연어 처리를 위한 딥러닝 ---------------------------------- +**번역**: `최갑주 `_ -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. + +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 소개 https://tutorials.pytorch.kr/beginner/nlp/pytorch_tutorial.html 2. deep_learning_tutorial.py - Deep Learning with PyTorch + 딥러닝 소개 https://tutorials.pytorch.kr/beginner/nlp/deep_learning_tutorial.html 3. word_embeddings_tutorial.py - Word Embeddings: Encoding Lexical Semantics + 단어 임베딩 소개 https://tutorials.pytorch.kr/beginner/nlp/word_embeddings_tutorial.html 4. sequence_models_tutorial.py - Sequence Models and Long Short-Term Memory Networks + 순차 모델 소개 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 소개 + https://tutorials.pytorch.kr/beginner/nlp/advanced_tutorial.html \ No newline at end of file