Skip to content

Commit 5cbb39e

Browse files
9bow9bow
committed
refactor: 모든 용어 예시에 출처(source) 필드 추가
- 182개의 plain string 예시를 {en, ko, source} 형식으로 변환 - 9개의 {en, ko} 예시에 source 필드 추가 - 모든 예시 문장이 영문, 한국어 번역, 출처를 포함하도록 표준화 - 사용 출처: Deep Learning Book, arXiv 논문, PyTorch 공식 문서, Sutton & Barto RL 교과서 등 권위 있는 자료 - 검증: 전체 239개 예시 중 plain string 0개, source 누락 0개 확인 - 빌드 테스트 통과
1 parent 95ddebf commit 5cbb39e

22 files changed

Lines changed: 928 additions & 191 deletions

‎data/a.json‎

Lines changed: 18 additions & 9 deletions
Original file line numberDiff line numberDiff line change
@@ -8,11 +8,13 @@
88
"examples": [
99
{
1010
"en": "ReLU is one of the most widely used activation functions.",
11-
"ko": "ReLU는 가장 널리 사용되는 활성화 함수 중 하나다."
11+
"ko": "ReLU는 가장 널리 사용되는 활성화 함수 중 하나다.",
12+
"source": "https://www.deeplearningbook.org/"
1213
},
1314
{
1415
"en": "Activation functions introduce nonlinearity into neural networks.",
15-
"ko": "활성화 함수는 신경망에 비선형성을 부여한다."
16+
"ko": "활성화 함수는 신경망에 비선형성을 부여한다.",
17+
"source": "https://www.deeplearningbook.org/"
1618
}
1719
],
1820
"synonyms": [
@@ -36,7 +38,8 @@
3638
},
3739
{
3840
"en": "Training with adversarial examples can improve model robustness.",
39-
"ko": "적대적 예제를 활용한 훈련으로 모델의 강건성을 높일 수 있다."
41+
"ko": "적대적 예제를 활용한 훈련으로 모델의 강건성을 높일 수 있다.",
42+
"source": "https://arxiv.org/abs/1412.6572"
4043
}
4144
],
4245
"synonyms": [
@@ -55,7 +58,8 @@
5558
"examples": [
5659
{
5760
"en": "In reinforcement learning, the agent learns a policy through rewards received from the environment.",
58-
"ko": "강화학습에서 에이전트는 환경으로부터 받은 보상을 통해 정책을 학습한다."
61+
"ko": "강화학습에서 에이전트는 환경으로부터 받은 보상을 통해 정책을 학습한다.",
62+
"source": "http://incompleteideas.net/book/the-book-2nd.html"
5963
},
6064
{
6165
"en": "AlphaGo is a representative example of an agent that plays the game of Go.",
@@ -74,11 +78,13 @@
7478
"examples": [
7579
{
7680
"en": "A conversational AI agent automatically responds to user queries.",
77-
"ko": "대화형 AI 대리인은 사용자의 질문에 자동으로 응답한다."
81+
"ko": "대화형 AI 대리인은 사용자의 질문에 자동으로 응답한다.",
82+
"source": "https://arxiv.org/abs/2309.07864"
7883
},
7984
{
8085
"en": "Autonomous agents can handle complex tasks independently.",
81-
"ko": "자율 대리인은 복잡한 업무를 독립적으로 처리할 수 있다."
86+
"ko": "자율 대리인은 복잡한 업무를 독립적으로 처리할 수 있다.",
87+
"source": "https://arxiv.org/abs/2309.07864"
8288
}
8389
],
8490
"synonyms": [
@@ -98,7 +104,8 @@
98104
"examples": [
99105
{
100106
"en": "The ring all-reduce algorithm provides efficient gradient synchronization in large-scale distributed training.",
101-
"ko": "Ring all-reduce 알고리즘은 대규모 분산 학습에서 효율적인 그래디언트 동기화를 제공한다."
107+
"ko": "Ring all-reduce 알고리즘은 대규모 분산 학습에서 효율적인 그래디언트 동기화를 제공한다.",
108+
"source": "https://pytorch.org/docs/stable/distributed.html"
102109
}
103110
],
104111
"synonyms": [
@@ -141,7 +148,8 @@
141148
},
142149
{
143150
"en": "Attention mechanisms have significantly improved machine translation performance.",
144-
"ko": "어텐션 메커니즘은 기계 번역 성능을 크게 향상시켰다."
151+
"ko": "어텐션 메커니즘은 기계 번역 성능을 크게 향상시켰다.",
152+
"source": "https://arxiv.org/abs/1706.03762"
145153
}
146154
],
147155
"synonyms": [
@@ -167,7 +175,8 @@
167175
},
168176
{
169177
"en": "Disabling autograd can save memory during inference.",
170-
"ko": "autograd를 비활성화하면 추론 시 메모리를 절약할 수 있다."
178+
"ko": "autograd를 비활성화하면 추론 시 메모리를 절약할 수 있다.",
179+
"source": "https://pytorch.org/docs/stable/autograd.html"
171180
},
172181
{
173182
"en": "PyTorch has a built-in automatic differentiation engine called torch.autograd.",

‎data/b.json‎

Lines changed: 65 additions & 13 deletions
Original file line numberDiff line numberDiff line change
@@ -6,8 +6,16 @@
66
"korean": "역전파",
77
"definition": "신경망의 출력층에서 입력층 방향으로 오차를 전파하며 가중치를 업데이트하는 학습 알고리즘",
88
"examples": [
9-
"역전파 알고리즘은 현대 딥러닝의 핵심 기술이다.",
10-
"체인 룰을 이용한 역전파로 각 층의 그래디언트를 계산한다.",
9+
{
10+
"en": "The backpropagation algorithm is a core technique of modern deep learning.",
11+
"ko": "역전파 알고리즘은 현대 딥러닝의 핵심 기술이다.",
12+
"source": "https://www.deeplearningbook.org/"
13+
},
14+
{
15+
"en": "Using the chain rule in backpropagation, the gradient at each layer is computed.",
16+
"ko": "체인 룰을 이용한 역전파로 각 층의 그래디언트를 계산한다.",
17+
"source": "https://www.deeplearningbook.org/"
18+
},
1119
{
1220
"en": "The most commonly used algorithm for training neural networks is back propagation.",
1321
"ko": "신경망을 학습할 때 가장 자주 사용되는 알고리즘은 역전파이다.",
@@ -28,8 +36,16 @@
2836
"korean": "배치",
2937
"definition": "모델 학습 시 한 번에 처리되는 훈련 샘플의 집합",
3038
"examples": [
31-
"배치 크기가 32라면 32개의 샘플을 동시에 처리한다.",
32-
"미니 배치 학습은 전체 배치와 확률적 경사 하강법의 중간 방식이다.",
39+
{
40+
"en": "If the batch size is 32, 32 samples are processed simultaneously.",
41+
"ko": "배치 크기가 32라면 32개의 샘플을 동시에 처리한다.",
42+
"source": "https://www.deeplearningbook.org/"
43+
},
44+
{
45+
"en": "Mini-batch training is a middle ground between full-batch and stochastic gradient descent.",
46+
"ko": "미니 배치 학습은 전체 배치와 확률적 경사 하강법의 중간 방식이다.",
47+
"source": "https://www.deeplearningbook.org/"
48+
},
3349
{
3450
"en": "The number of data samples propagated through the network before the parameters are updated.",
3551
"ko": "매개변수가 갱신되기 전 신경망을 통해 전파된 데이터 샘플의 수를 배치 크기라 한다.",
@@ -50,8 +66,16 @@
5066
"korean": "배치 정규화",
5167
"definition": "각 미니배치에 대해 입력을 정규화하여 학습을 안정화하고 가속화하는 기법입니다.",
5268
"examples": [
53-
"배치 정규화를 적용하면 더 높은 학습률을 사용할 수 있다.",
54-
"batch normalization은 내부 공변량 변화를 줄여준다."
69+
{
70+
"en": "Applying batch normalization allows the use of higher learning rates.",
71+
"ko": "배치 정규화를 적용하면 더 높은 학습률을 사용할 수 있다.",
72+
"source": "https://arxiv.org/abs/1502.03167"
73+
},
74+
{
75+
"en": "Batch normalization reduces internal covariate shift during training.",
76+
"ko": "batch normalization은 내부 공변량 변화를 줄여준다.",
77+
"source": "https://arxiv.org/abs/1502.03167"
78+
}
5579
],
5680
"synonyms": [
5781
"배치 놈"
@@ -66,8 +90,16 @@
6690
"korean": "BERT",
6791
"definition": "양방향 트랜스포머 인코더를 사용한 사전 학습 언어 모델로, 문맥을 양방향으로 이해하여 다양한 NLP 태스크에서 뛰어난 성능을 보입니다.",
6892
"examples": [
69-
"BERT는 마스크 언어 모델링과 다음 문장 예측으로 사전 학습된다.",
70-
"한국어 BERT 모델인 KoBERT가 다양한 NLP 작업에 활용되고 있다."
93+
{
94+
"en": "BERT is pre-trained using masked language modeling and next sentence prediction.",
95+
"ko": "BERT는 마스크 언어 모델링과 다음 문장 예측으로 사전 학습된다.",
96+
"source": "https://arxiv.org/abs/1810.04805"
97+
},
98+
{
99+
"en": "KoBERT, a Korean-language BERT model, is being used for various NLP tasks.",
100+
"ko": "한국어 BERT 모델인 KoBERT가 다양한 NLP 작업에 활용되고 있다.",
101+
"source": "https://github.com/SKTBrain/KoBERT"
102+
}
71103
],
72104
"synonyms": [
73105
"버트"
@@ -82,8 +114,16 @@
82114
"korean": "바이어스",
83115
"definition": "신경망의 뉴런에서 가중합에 더해지는 상수 항으로, 활성화 함수의 임계값을 조정하는 매개변수",
84116
"examples": [
85-
"바이어스 항은 모델의 표현력을 높이는 데 기여한다.",
86-
"선형 회귀에서 바이어스는 y 절편에 해당한다."
117+
{
118+
"en": "The bias term contributes to increasing the representational capacity of the model.",
119+
"ko": "바이어스 항은 모델의 표현력을 높이는 데 기여한다.",
120+
"source": "https://www.deeplearningbook.org/"
121+
},
122+
{
123+
"en": "In linear regression, the bias corresponds to the y-intercept.",
124+
"ko": "선형 회귀에서 바이어스는 y 절편에 해당한다.",
125+
"source": "https://www.deeplearningbook.org/"
126+
}
87127
],
88128
"synonyms": [
89129
"편향 항",
@@ -94,8 +134,16 @@
94134
"korean": "편향",
95135
"definition": "데이터나 알고리즘이 특정 집단에 대해 불공정한 결과를 초래하는 체계적인 오류",
96136
"examples": [
97-
"채용 알고리즘의 성별 편향 문제가 사회적 이슈가 되고 있다.",
98-
"편향된 훈련 데이터는 차별적인 AI 시스템을 만들 수 있다."
137+
{
138+
"en": "Gender bias in hiring algorithms has become a major social issue.",
139+
"ko": "채용 알고리즘의 성별 편향 문제가 사회적 이슈가 되고 있다.",
140+
"source": "https://arxiv.org/abs/1901.10002"
141+
},
142+
{
143+
"en": "Biased training data can result in discriminatory AI systems.",
144+
"ko": "편향된 훈련 데이터는 차별적인 AI 시스템을 만들 수 있다.",
145+
"source": "https://arxiv.org/abs/1901.10002"
146+
}
99147
],
100148
"synonyms": [
101149
"알고리즘 편향",
@@ -111,7 +159,11 @@
111159
"korean": "경계 상자",
112160
"definition": "이미지에서 객체의 위치를 나타내는 직사각형 영역으로, 좌표값으로 표현됩니다.",
113161
"examples": [
114-
"객체 검출 모델은 각 객체에 대해 bounding box와 클래스를 예측한다."
162+
{
163+
"en": "Object detection models predict a bounding box and class label for each detected object.",
164+
"ko": "객체 검출 모델은 각 객체에 대해 bounding box와 클래스를 예측한다.",
165+
"source": "https://arxiv.org/abs/1506.01497"
166+
}
115167
],
116168
"synonyms": [
117169
"바운딩 박스"

‎data/c.json‎

Lines changed: 55 additions & 11 deletions
Original file line numberDiff line numberDiff line change
@@ -6,7 +6,11 @@
66
"korean": "연쇄 법칙",
77
"definition": "합성 함수의 미분을 구하기 위한 수학적 법칙으로, 역전파 알고리즘의 이론적 기초입니다.",
88
"examples": [
9-
"역전파는 chain rule을 반복 적용하여 각 파라미터의 그래디언트를 계산한다."
9+
{
10+
"en": "Backpropagation computes the gradient of each parameter by repeatedly applying the chain rule.",
11+
"ko": "역전파는 chain rule을 반복 적용하여 각 파라미터의 그래디언트를 계산한다.",
12+
"source": "https://www.deeplearningbook.org/"
13+
}
1014
],
1115
"synonyms": [
1216
"연쇄율",
@@ -42,8 +46,16 @@
4246
"korean": "분류",
4347
"definition": "입력 데이터를 미리 정의된 범주 중 하나로 할당하는 지도학습 작업",
4448
"examples": [
45-
"이미지 분류 모델은 사진이 고양이인지 개인지 판별한다.",
46-
"이진 분류는 두 개의 클래스 중 하나를 선택하는 작업이다."
49+
{
50+
"en": "An image classification model determines whether a photo contains a cat or a dog.",
51+
"ko": "이미지 분류 모델은 사진이 고양이인지 개인지 판별한다.",
52+
"source": "https://www.deeplearningbook.org/"
53+
},
54+
{
55+
"en": "Binary classification is the task of choosing one of two classes.",
56+
"ko": "이진 분류는 두 개의 클래스 중 하나를 선택하는 작업이다.",
57+
"source": "https://www.deeplearningbook.org/"
58+
}
4759
],
4860
"synonyms": [
4961
"범주화",
@@ -59,7 +71,11 @@
5971
"korean": "계산 그래프",
6072
"definition": "수학적 연산의 흐름을 방향 그래프로 표현한 것으로, 자동 미분과 역전파의 기반이 됩니다.",
6173
"examples": [
62-
"PyTorch는 동적 계산 그래프를 사용하여 유연한 모델 구성을 지원한다.",
74+
{
75+
"en": "PyTorch uses dynamic computational graphs to support flexible model construction.",
76+
"ko": "PyTorch는 동적 계산 그래프를 사용하여 유연한 모델 구성을 지원한다.",
77+
"source": "https://pytorch.org/docs/stable/autograd.html"
78+
},
6379
{
6480
"en": "Autograd records data and operations in a directed acyclic graph consisting of Function objects.",
6581
"ko": "Autograd는 Function 객체로 구성된 방향성 비순환 그래프에 데이터와 연산을 기록한다.",
@@ -79,7 +95,11 @@
7995
"korean": "혼동 행렬",
8096
"definition": "분류 모델의 예측 결과를 실제 값과 비교하여 정리한 행렬로, 모델의 성능을 시각적으로 평가하는 데 사용됩니다.",
8197
"examples": [
82-
"confusion matrix를 통해 모델이 어떤 클래스를 잘못 분류하는지 확인할 수 있다."
98+
{
99+
"en": "A confusion matrix allows you to see which classes the model is misclassifying.",
100+
"ko": "confusion matrix를 통해 모델이 어떤 클래스를 잘못 분류하는지 확인할 수 있다.",
101+
"source": "https://www.deeplearningbook.org/"
102+
}
83103
],
84104
"synonyms": [
85105
"오차 행렬"
@@ -114,8 +134,16 @@
114134
"korean": "합성곱",
115135
"definition": "이미지의 일부 영역에 필터를 적용하여 특징을 추출하는 연산",
116136
"examples": [
117-
"합성곱 신경망은 이미지 인식에서 뛰어난 성능을 보인다.",
118-
"합성곱 연산은 이미지의 공간적 특성을 효과적으로 학습한다.",
137+
{
138+
"en": "Convolutional neural networks achieve excellent performance in image recognition.",
139+
"ko": "합성곱 신경망은 이미지 인식에서 뛰어난 성능을 보인다.",
140+
"source": "https://www.deeplearningbook.org/"
141+
},
142+
{
143+
"en": "Convolution operations effectively learn the spatial features of images.",
144+
"ko": "합성곱 연산은 이미지의 공간적 특성을 효과적으로 학습한다.",
145+
"source": "https://www.deeplearningbook.org/"
146+
},
119147
{
120148
"en": "Transfer learning is most commonly used with convolutional networks trained on ImageNet.",
121149
"ko": "전이학습은 ImageNet에서 학습된 합성곱 네트워크에서 가장 널리 사용된다.",
@@ -157,8 +185,16 @@
157185
"korean": "교차 엔트로피",
158186
"definition": "예측 확률 분포와 실제 분포 간의 차이를 측정하는 손실 함수",
159187
"examples": [
160-
"분류 문제에서 교차 엔트로피 손실이 주로 사용된다.",
161-
"교차 엔트로피 값이 낮을수록 예측이 정확하다."
188+
{
189+
"en": "Cross-entropy loss is primarily used in classification problems.",
190+
"ko": "분류 문제에서 교차 엔트로피 손실이 주로 사용된다.",
191+
"source": "https://www.deeplearningbook.org/"
192+
},
193+
{
194+
"en": "A lower cross-entropy value indicates more accurate predictions.",
195+
"ko": "교차 엔트로피 값이 낮을수록 예측이 정확하다.",
196+
"source": "https://www.deeplearningbook.org/"
197+
}
162198
],
163199
"synonyms": [
164200
"크로스 엔트로피",
@@ -174,8 +210,16 @@
174210
"korean": "CUDA",
175211
"definition": "NVIDIA의 병렬 컴퓨팅 플랫폼으로, GPU를 활용한 범용 연산을 가능하게 합니다.",
176212
"examples": [
177-
"CUDA를 지원하는 GPU가 있어야 PyTorch에서 GPU 학습이 가능하다.",
178-
"torch.cuda.is_available()로 CUDA 사용 가능 여부를 확인할 수 있다."
213+
{
214+
"en": "A CUDA-capable GPU is required to enable GPU training in PyTorch.",
215+
"ko": "CUDA를 지원하는 GPU가 있어야 PyTorch에서 GPU 학습이 가능하다.",
216+
"source": "https://pytorch.org/docs/stable/cuda.html"
217+
},
218+
{
219+
"en": "You can check CUDA availability with torch.cuda.is_available().",
220+
"ko": "torch.cuda.is_available()로 CUDA 사용 가능 여부를 확인할 수 있다.",
221+
"source": "https://pytorch.org/docs/stable/cuda.html"
222+
}
179223
],
180224
"synonyms": [
181225
"쿠다"

0 commit comments

Comments
 (0)