-
번역된 문서만으로도 내용을 이해할 수 있도록 문서를 번역해야 합니다.
- 기계적인 번역이나 피상적인 리뷰는 지양해주세요.
- 일반 명사와 Class 이름은 구분하여 번역을 하거나 원문을 표기합니다. (예. 데이터셋과 Dataset)
-
반드시 1:1로 번역하지 않아도 됩니다.
- 이해를 돕기 위한 (약간의) 의역이나 설명을 추가해도 좋습니다.
- 단, 원문의 의미가 다르게 해석될 여지가 있는 경우에는 자제해주세요.
- 문장 단위는 쉬운 유지보수를 위해 가급적 지켜주시기를 요청드립니다.
- 하지만 문장이 여러 줄에 걸쳐 조각나 있는 경우 등에는 한 줄에 하나의 문장으로 모아주셔도 됩니다.
- 이해를 돕기 위한 (약간의) 의역이나 설명을 추가해도 좋습니다.
-
의미없는 주어는 생략해주세요.
- 예를 들어,
we는 강조의 의미가 있지 않는 이상 번역하지 않고 생략합니다.
- 예를 들어,
-
기본적인 reStructuredText 문법은 숙지해주세요.
- Quick reStructredText 등의 문서를 참고하여 문법을 익혀주세요.
- 이미 번역된 문서들을 참고하셔도 좋습니다. (예. ` 뒤에 한글 작성 시 공백 또는 \이 필요합니다.)
- 번역 후에는
make html-noplot등의 명령어로 문법 오류를 확인해주세요.- 번역 결과물에 `, * 또는 _ 등의 기호를 검색하면 자주 실수하는 문법 오류를 쉽게 찾을 수 있습니다.
-
번역된 문장만으로 의미를 전달하기 어려울 때에는
한글(영어)와 같이 작성합니다.- 제목과 본문에 각각 사용되는 경우 첫번째로 해당 용어가 출현하였을 때 매번 함께 작성합니다.
- 예. including transposing, indexing, ... => 전치(transposing), 인덱싱(indexing), ...
- 가급적 한 번씩만 함께 작성하는 것을 원칙으로 하지만 번역자가 임의로 여러번 함께 작성할 수 있습니다.
- 예. 직렬화(Serialize)
- 제목과 본문에 각각 사용되는 경우 첫번째로 해당 용어가 출현하였을 때 매번 함께 작성합니다.
-
소스 코드, 논문 제목, 출력 결과 등은 가급적 번역하지 않습니다.
- 단, 소스 코드에 포함된 주석은 가급적 번역합니다.
- 원문을 함께 찾아볼 필요가 있는 논문 제목 등은 번역 시 전체 원문을 함께 작성합니다.
- 명령어의 출력 결과, 로그(log) 등은 결과 비교를 위해 번역하지 않습니다.
-
줄바꿈 및 공백은 가급적 원문과 동일하게 유지합니다.
- 이후 원본 문서에 추가적인 변경이 발생할 때 유지보수를 돕습니다.
- 너무 긴 문장은 reStructuredText 문법을 지키는 선에서 줄바꿈을 추가해도 좋습니다.
- 아래 용어가 적절하면 가급적 아래 표의 용어를 사용합니다.
- 지정된 용어가 없다면 아래 사이트를 참고하여 사용합니다.
- http://www.ktword.co.kr/
- https://github.com/keunwoochoi/machine_learning_eng2kor/blob/master/dictionary.md
- 적절한 용어가 없으면 적절한 단어를 새로 사용하고, 아래 목록에 내용을 추가합니다.
| 영문 | 한글 | 작성자 | 추가 설명 |
|---|---|---|---|
| Acknowledgements | 감사의 말 | 박정환 | |
| API endpoint | API 엔드포인트 | 박정환 | 음차 표기 |
| argument | 인자 | 박정환 | |
| Audio | 오디오 | 박정환 | ToC의 분류명입니다. |
| augmentation | 증강 | 이재복 | |
| autograd | Autograd | 황성수 | 번역안함 |
| Batch Normalization | 배치 정규화 | 박정환 | |
| bias | 편향 | 이하람 | |
| convolution | 합성곱 | 김현길 | |
| dataset | 데이터셋 | 박정환 | 음차 표기 |
| deep neural network | 심층 신경망 | 박정환 | |
| derivative | 도함수 | 박정환 | |
| Drop-out | Drop-out | 황성수 | 번역안함 |
| epoch | 에폭 | 박정환 | 음차 표기 |
| evaluation mode | 평가 모드 | 박정환 | |
| feature | 특징 | 백선희 | |
| feed data through model | 데이터를 모델에 제공 | ||
| Feed-forward network | 순전파 신경망 | 박정환 | |
| Generative | 생성 모델 | 박정환 | ToC의 분류명입니다. |
| Getting Started tutorial | 시작하기 튜토리얼 | 박정환 | ToC의 Getting Started를 뜻합니다. |
| gradient | 변화도 | 박정환 | |
| Hyperparameter | 하이퍼파라미터 | 김태영 | 음차 표기 |
| Image | 이미지 | 박정환 | ToC의 분류명입니다. |
| in-place | 제자리 | 허남규 | |
| instance | 인스턴스 | 박정환 | 음차 표기 |
| instantiate | 생성하다 | 박정환 | |
| Layer | 계층 | 박정환 | |
| learning rate, lr | 학습률 | 박정환 | |
| loss | 손실 | 박정환 | |
| matrix | 행렬 | 박정환 | |
| mean-squared error | 평균제곱오차 | 허남규 | |
| MelScale | MelScale | ||
| method | 메소드 | 장효영 | 음차 표기 |
| mini-batch | 미니 배치 | 박정환 | 음차 표기 |
| momentum | 모멘텀 | 박정환 | 음차 표기 |
| normalize | 정규화 | 허남규 | |
| NumPy | NumPy | 박정환 | 번역하지 않음 |
| One-Hot | One-Hot | 황성수 | 번역안함 |
| Optimizer | 옵티마이저 | 박정환 | 음차 표기 |
| output | 출력 | 박정환 | |
| over-fitting | 과적합 | 황성수 | |
| parameter | 매개변수 | 박정환 | |
| placeholder | 플레이스홀더 | 박정환 | 음차 표기 |
| plotting | 도식화 | 황성수 | |
| Production (environment, use) | Production | 허남규 | 번역하지 않음 |
| rank 0 | 0-순위 | 박정환 | |
| Read later | 더 읽을거리 | 박정환 | |
| recap | 요약 | 박정환 | |
| resample | 리샘플 | ||
| resizing | 크기 변경 | 박정환 | |
| sampling rate | 샘플링 레이트 | ||
| scenario | 시나리오 | 박정환 | 음차 표기 |
| shape | shape | 허남규 | 번역하지 않음 |
| size | 크기 | 박정환 | |
| Tensor / Tensors | Tensor | 박정환 | 번역하지 않음 |
| Text | 텍스트 | 박정환 | ToC의 분류명입니다. |
| track (computation) history | 연산 기록을 추적하다 | 박정환 | |
| training | 학습 | 이하람 | |
| warmstart | 빠르게 시작하기 | 박정환 | Warmstarting Model = 빠르게 모델 시작하기 |
| weight | 가중치 | 박정환 | |
| wrapper | 래퍼 | 박정환 | 음차 표기 |