TRANSLATION_GUIDE.md

일반 규칙

• 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.

• 의미없는 주어는 생략해주세요.

  • 예를 들어, we는 강조의 의미가 있지 않는 이상 번역하지 않고 생략합니다.

• 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-noplot 등의 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)

• 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.

용어 사용 규칙

1. 아래 용어가 적절하면 가급적 아래 표의 용어를 사용합니다.
2. 지정된 용어가 없다면 아래 사이트를 참고하여 사용합니다.

• http://www.ktword.co.kr/
• https://github.com/keunwoochoi/machine_learning_eng2kor/blob/master/dictionary.md

1. 적절한 용어가 없으면 적절한 단어를 새로 사용하고, 아래 목록에 내용을 추가합니다.

영문	한글	작성자	추가 설명
Acknowledgements	감사의 말	박정환
activation	활성화	조형서
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
CUDA	CUDA	박지은	번역안함
convolution	합성곱	김현길
Dropout	드롭아웃	김태형	음차 표기
dataset	데이터셋	박정환	음차 표기
deep neural network	심층 신경망	박정환
derivative	도함수	박정환
Drop-out	Drop-out	황성수	번역안함
embedding	임베딩	하동훈	음차 표기
epoch	에폭	박정환	음차 표기
evaluation mode	평가 모드	박정환
Fine-tuning	미세 조정	오왕택
feature	특징	백선희
feed data through model	데이터를 모델에 제공
Feed-forward network	순전파 신경망	박정환
freezing	동결	김지호
Generative	생성 모델	박정환	ToC의 분류명입니다.
Getting Started tutorial	시작하기 튜토리얼	박정환	ToC의 Getting Started를 뜻합니다.
gradient	변화도	박정환
Hyperparameter	하이퍼파라미터	김태영	음차 표기
inference	추론	박지은
Image	이미지	박정환	ToC의 분류명입니다.
in-place	제자리	허남규
initialization	초기화	김지호
instance	인스턴스	박정환	음차 표기
instantiate	생성하다	박정환
interpreter	인터프리터	이종법	음차 표기
Layer	계층	박정환
learning rate, lr	학습률	박정환
loss	손실	박정환
matrix	행렬	박정환
mean-squared error	평균제곱오차	허남규
MelScale	MelScale
memory footprint	메모리 전체 사용량	최흥준
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
pruning	가지치기	김지호
rank 0	0-순위	박정환
Read later	더 읽을거리	박정환
recap	요약	박정환
resample	리샘플
resizing	크기 변경	박정환
requirements	요구 사항	장보윤
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