This is the repository for the Korean-language .md sources files of keras.io.
Existing files in sources/ should be edited in-line.
케라스 공식 문서의 한국어판입니다. 이미 딥러닝에 익숙한 연구자 및 개발자 외에도 처음 딥러닝을 접하는 사용자들이 최대한 쉽게 이해하고 사용할 수 있도록 그 의미와 용법, 용례가 정확하고 명료하게 그리고 최대한 자연스러운 문장으로 나타나도록 작성되었습니다. 📖✍️🌝
- 모든 번역문은 한국어 정서법을 준수합니다.
- 번역은 문서화 내에 있는 본문 내용과 코드 주석들을 대상으로 합니다.
- 번역시 문장 끝에 붙는 격식체는 '-ㅂ니다'체를 따르며 비속어나 반말은 쓰지 않습니다.
- 큰 따옴표나 작은 따옴표는('，") 특수문자를 사용하지 않고 기본적으로 제공된 것을 사용합니다.
- 코드 강조(syntax highlight) 뒤에 조사가 붙는 경우, 공백을 넣지 않습니다(e.g.
model.fit()을 실행하면). - 키워드를 번역할 때 아래에 있는 작성 규칙 및 용어 통일안을 최우선으로 사용합니다.
- 과한 복문의 경우 단문으로 나누어서 씁니다.
- 원문 내용이 불충분한 경우 원문이 전달하고자 하는 내용을 충실히 전달하는 범위 내에서 사용자가 이해할 수 있도록 간략한 설명을 보충합니다.
- 번역은 다른 언어로 된 문서의 의미를 이해하고 한국어로 다시 표현하는 것이니 번역체는 자제해 주시기 바랍니다(
우리는 한다 번역을).
- 용어 번역의 경우 문서 내에서 처음 나온 경우에 한해 subscript로 원어를 병행표기합니다. (예: 층layer)
- 발음만 한글로 옮긴 경우 subscript는 생략합니다. (예: 스트라이드)
- 특수한 경우를 제외하면 subscript는 소문자로 작성합니다. (특수한 경우: 1. 대문자 고유명사 및 대문자 약칭, 2. 제목의 경우 관사와 접속사, 전치사를 제외한 단어와 제목 첫 단어의 첫글자는 대문자로 작성)
- list, dict 등 파이썬 기본 자료형의 경우 발음대로 표기하고 원어는 병기하지 않습니다.
- int, float, integer 등 자료형 키워드/단어의 경우
- 문장 내에 등장하는 경우 한국어로 번역합니다. (예: "~ is tuple of integers" → "~는 정수형 튜플입니다.")
- argument등 변수 설명에서 입력값의 자료형을 나타내는 경우 highlight로 표시하고 파이썬 자료형 표기대로 적습니다. (예: X: Integer, →
int.)
- 문장 끝의 colon(:)은 마침표로 대체합니다.
- 문장 끝의 semicolon(;)은 문장을 두 개로 분리하고 필요한 경우 적합한 접속사를 추가합니다.
- Keras를 제외한 모든 API 및 서비스 등의 이름(TensorFlow, NumPy, CNTK, Amazon, Google 등)은 원문 그대로 사용합니다
- 함수 인자 설명시 [인자:
data type, 설명 내용, 기본값 ]의 형식을 따릅니다. (예: batch_size:int혹은None. 손실로부터 그래디언트를 구하고 가중치를 업데이트하는 과정 한 번에 사용할 표본의 개수입니다. 기본값은32입니다.) - Raises란의 경우 오류로 번역하며, 본문은 "(~하는 경우, ~하면, ~가) 발생합니다."로 정리합니다.
- 이하 통일안은 케라스 코리아 번역팀의 논의를 거쳐 합의된 표현의 목록입니다.
- 통일안 선정은 다음과 같은 리소스를 참고하였습니다.
- 참조대상이 없는 어휘의 경우 의미를 살리되 보편적으로 사용되는 표현을 우선 선정하였습니다. 서로 다른 대상을 가리키는 번역 어휘가 중복되어 쓰이던 경우 최대한 가까운 새로운 어휘로 대체하였습니다.
- 용어집은 새로 도출한 합의안과 함께 개정됩니다.
| English | 한국어 |
|---|---|
| -er | ~화 함수 / 함수 |
| 1--9 | 1--9 |
| accuracy | 정확도 |
| argument | 인자 |
| (artificial) neural network | (인공) 신경망 |
| augmenter | 증강 함수 |
| Average Pooling | 평균 풀링 |
| axis | 축 |
| batch | 배치 |
| bias | 편향 |
| binary classification | 이진 분류 |
| cache | 캐시 |
| callback | 콜백 |
| cell state | 셀 상태 |
| channel | 채널 |
| checkpoint | 체크포인트 |
| class | 클래스 |
| classification | 분류 |
| compile | 컴파일 |
| constraint | 제약 |
| convolutional neural network (CNN) | 합성곱 신경망 |
| corpus | 말뭉치 |
| dense layer | 완전연결층 |
| dimension | 차원 |
| dot product | 내적 |
| dropout | 드롭아웃 |
| element-wise | 원소별 |
| embedding | 임베딩 |
| encoding | 인코딩 |
| epoch | 에폭 (서술적으로 쓸 때는 'n회 반복') |
| factor | 값/요인/요소 |
| fully-connected, densely connected | 완전 연결 |
| global | 전역 |
| generator | 제너레이터 |
| gradient | 그래디언트 |
| gradient ascent | 경사상승법 |
| gradient descent | 경사하강법 |
| hidden unit | 은닉 유닛 |
| hidden layer | 은닉 층 |
| hidden state | 은닉 상태 |
| hyperparameter | 하이퍼파라미터 |
| identity matrix | 단위 행렬 |
| index | 인덱스 (개별 index의 묶음 전체를 가리킬 때는 '목록') |
| input | 입력/입력값 |
| instance | 인스턴스 |
| initialization | 초기값 생성 |
| initializer | 초기화 함수 |
| keras | 케라스 |
| kernel | 커널 |
| label | 레이블 |
| layer | 층 |
| learning rate | 학습률 |
| learning rate decay | 학습률 감소 |
| locally | 부분 연결 |
| loss function | 손실 함수 |
| LSTM | LSTM |
| MaxPooling | 최댓값 풀링 |
| mean squared error (MSE) | 평균 제곱 오차(법) |
| metric | (평가) 지표 (문맥에 따라 유연하게 사용) |
| mini-batch | 미니 배치 |
| model | 모델 |
| momentum | 모멘텀 |
| multi-class classification | 다중 분류 |
| multilayer perceptron (MLP) | 다층 퍼셉트론 |
| neuron | 뉴런 |
| node | 노드 |
| noise | 노이즈 |
| non-negativity | 음이 아닌 ~ |
| norm | 노름 |
| normalization | 정규화 |
| normalize | 정규화하다 |
| note | 참고 |
| objective function | 목적 함수 |
| one-hot encoding | 원-핫 인코딩 |
| optimizer | 최적화 함수 |
| output | 출력(값) |
| padding | 패딩 |
| parameter | (함수의)매개변수 |
| parameter | (모델의)파라미터 (가중치와 편향을 함께 이르는 말) |
| placeholder | 플레이스홀더 |
| penalty | 페널티 |
| pooling | 풀링 |
| precision | 정밀도 |
| queue | 대기열 |
| recurrent neural network (RNN) | 순환 신경망 |
| reference | 참고 |
| regression | 회귀 분석 |
| regression(-ive) model | 회귀 모델 |
| regularize(-er) | 규제화/규제 함수 |
| repository | 저장소 |
| reshape | 형태바꾸기 |
| return | 반환값 |
| root mean squared error (RMSE) | 평균 제곱근 오차(법) |
| sample | 표본 |
| sequence (-tial) | 순서형 |
| set | 세트 |
| shape | 형태 |
| stack | 층을 쌓다 |
| stateful | 상태 저장 |
| stochastic gradient descent | 확률적 경사하강법 |
| stride | 스트라이드 |
| target | 목표(값) |
| temporal | 시계열 |
| tensor | 텐서 |
| test | 시험 |
| text | 텍스트 |
| timestep | 시간 단계/순서 |
| token | 토큰 |
| train | (데이터의 경우) 훈련 세트 / (동작의 경우) 학습시키다 |
| utility | 도구 |
| validation | 검증 |
| weight | 가중치 |
| wrapper | 래퍼 |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent