From 5ef39fd4996e0dc02e85cd1940c1d043e021cf8e Mon Sep 17 00:00:00 2001 From: Choigapju Date: Mon, 21 Oct 2024 14:03:12 +0900 Subject: [PATCH 1/6] =?UTF-8?q?beginner=5Fsource/nlp/README.txt=20?= =?UTF-8?q?=EB=B2=88=EC=97=AD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/nlp/README.txt | 43 ++++++++++++---------------------- 1 file changed, 15 insertions(+), 28 deletions(-) diff --git a/beginner_source/nlp/README.txt b/beginner_source/nlp/README.txt index 2d588c1e3..4f1e242f4 100644 --- a/beginner_source/nlp/README.txt +++ b/beginner_source/nlp/README.txt @@ -1,44 +1,31 @@ -Deep Learning for NLP with Pytorch +PyTorch를 활용한 자연어 처리를 위한 딥러닝 ---------------------------------- -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. + +유의하실 점은 이 튜토리얼들이 데이터가 아닌 모델에 관한 것이라는 점입니다. 모든 *모델*에 대해, 작은 차원의 테스트 예제들이 몇 가지 제공되어 학습 과정에서 가중치가 어떻게 변화하는지 직접 확인할 수 있습니다. 만약 실제 데이터로 시도해 보고 싶다면, 이 노트북에서 제공하는 모델들을 그대로 가져와 여러분의 데이터에 적용할 수 있을 것입니다. 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 \ No newline at end of file From e8d317e6e6f472342d6a027edfeedff33355d8af Mon Sep 17 00:00:00 2001 From: Choigapju Date: Fri, 25 Oct 2024 10:02:04 +0900 Subject: [PATCH 2/6] =?UTF-8?q?beginner=5Fsource/nlp/README.txt=20#?= =?UTF-8?q?=EB=B2=88=EC=97=AD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/nlp/README.txt | 10 +++++++--- 1 file changed, 7 insertions(+), 3 deletions(-) diff --git a/beginner_source/nlp/README.txt b/beginner_source/nlp/README.txt index 4f1e242f4..c220b018c 100644 --- a/beginner_source/nlp/README.txt +++ b/beginner_source/nlp/README.txt @@ -1,14 +1,18 @@ PyTorch를 활용한 자연어 처리를 위한 딥러닝 ---------------------------------- +**번역**: `임성연 `_ -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 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. +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. -유의하실 점은 이 튜토리얼들이 데이터가 아닌 모델에 관한 것이라는 점입니다. 모든 *모델*에 대해, 작은 차원의 테스트 예제들이 몇 가지 제공되어 학습 과정에서 가중치가 어떻게 변화하는지 직접 확인할 수 있습니다. 만약 실제 데이터로 시도해 보고 싶다면, 이 노트북에서 제공하는 모델들을 그대로 가져와 여러분의 데이터에 적용할 수 있을 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 파이토치 입문 From 1b6b1f6e43f771cf882d0dd08d5b214e11dfbd7c Mon Sep 17 00:00:00 2001 From: Choigapju Date: Fri, 25 Oct 2024 10:06:04 +0900 Subject: [PATCH 3/6] =?UTF-8?q?beginner=5Fsource/nlp/README.txt=20#2=20?= =?UTF-8?q?=EB=B2=88=EC=97=AD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/nlp/README.txt | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/beginner_source/nlp/README.txt b/beginner_source/nlp/README.txt index c220b018c..366d0723a 100644 --- a/beginner_source/nlp/README.txt +++ b/beginner_source/nlp/README.txt @@ -1,6 +1,6 @@ PyTorch를 활용한 자연어 처리를 위한 딥러닝 ---------------------------------- -**번역**: `임성연 `_ +**번역**: `최갑주 `_ 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. From 18705798aebf76562373c755e4ce17f7e6d87854 Mon Sep 17 00:00:00 2001 From: Choigapju Date: Mon, 28 Oct 2024 22:38:29 +0900 Subject: [PATCH 4/6] =?UTF-8?q?beginner=5Fsource/nlp/README.txt=20#2=20?= =?UTF-8?q?=EB=B2=88=EC=97=AD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/nlp/README.txt | 3 --- 1 file changed, 3 deletions(-) diff --git a/beginner_source/nlp/README.txt b/beginner_source/nlp/README.txt index 366d0723a..3eeb5828e 100644 --- a/beginner_source/nlp/README.txt +++ b/beginner_source/nlp/README.txt @@ -8,9 +8,6 @@ PyTorch를 활용한 자연어 처리를 위한 딥러닝 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. From 9734564c0003b7465491ecf6bf02446a4ec7f8a6 Mon Sep 17 00:00:00 2001 From: Choigapju Date: Mon, 28 Oct 2024 22:41:53 +0900 Subject: [PATCH 5/6] =?UTF-8?q?beginner=5Fsource/nlp/README.txt=20#4=20=20?= =?UTF-8?q?=EB=B2=88=EC=97=AD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/nlp/README.txt | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/beginner_source/nlp/README.txt b/beginner_source/nlp/README.txt index 3eeb5828e..acb90a473 100644 --- a/beginner_source/nlp/README.txt +++ b/beginner_source/nlp/README.txt @@ -5,7 +5,8 @@ PyTorch를 활용한 자연어 처리를 위한 딥러닝 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. +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, From 469aeafae79305159b111738b6f02756b5d55874 Mon Sep 17 00:00:00 2001 From: Choigapju Date: Thu, 14 Nov 2024 10:44:37 +0900 Subject: [PATCH 6/6] =?UTF-8?q?beginner=5Fsource/nlp/README.txt=20#5=20?= =?UTF-8?q?=EB=B2=88=EC=97=AD?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/nlp/README.txt | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/beginner_source/nlp/README.txt b/beginner_source/nlp/README.txt index acb90a473..99500f97b 100644 --- a/beginner_source/nlp/README.txt +++ b/beginner_source/nlp/README.txt @@ -13,21 +13,21 @@ PyTorch를 활용한 자연어 처리를 위한 딥러닝 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 - 파이토치 입문 + 파이토치 소개 https://tutorials.pytorch.kr/beginner/nlp/pytorch_tutorial.html 2. deep_learning_tutorial.py - PyTorch를 활용한 딥러닝 + 딥러닝 소개 https://tutorials.pytorch.kr/beginner/nlp/deep_learning_tutorial.html 3. word_embeddings_tutorial.py - 단어 임베딩: 어휘의 의미 표현 + 단어 임베딩 소개 https://tutorials.pytorch.kr/beginner/nlp/word_embeddings_tutorial.html 4. sequence_models_tutorial.py - 순차 모델과 LSTM(장단기 메모리) 네트워크 + 순차 모델 소개 https://tutorials.pytorch.kr/beginner/nlp/sequence_models_tutorial.html 5. advanced_tutorial.py - 고급: 동적 의사결정과 양방향 LSTM CRF + 고급 소개 https://tutorials.pytorch.kr/beginner/nlp/advanced_tutorial.html \ No newline at end of file