리드미 번역

README.md

@@ -1,125 +1,107 @@
-# Building ML Powered Applications
+# 머신러닝 파워드 애플리케이션
 
 ![Book cover](/images/ML_Powered_cover.jpg)
 
-Welcome to the companion code repository for the O'Reilly book
-[Building ML Powered Applications](http://bit.ly/mlpowered-oreilly).
-The book is available on [Amazon](http://bit.ly/mlpowered).
+이 저장소는 [머신러닝 파워드 애플리케이션](https://tensorflow.blog/mlpa/)(한빛미디어, 2021)의 코드 저장소입니다.
 
-This repository consists of three parts:
-- A set of Jupyter notebooks in the `notebook` folder serve to illustrate
-concepts covered in the book.
+이 저장소는 세 부분으로 구성됩니다:
+- `notebook` 폴더에는 책에서 소개된 개념을 설명하기 위한 주피터 노트북이 담겨 있습니다.
 
-- A library in the `ml_editor` folder contains core functions for the book's
-case study example, a Machine Learning driven writing assistant.
+- `ml_editor` 폴더에는 책의 예제인 머신러닝 보조 글쓰기 애플리케이션을 위한 핵심 함수가 들어 있습니다.
 
-- A Flask app demonstrates a simple way to serve results to users
+- 플래스크 앱은 사용자에게 결과를 제공하는 간단한 예시입니다.
 
-- The `images/bmlpa_figures` folder contains reproductions of a few figures 
-which were hard to read in the first print version.
+- `images/bmlpa_figures` 폴더에는 첫 번째 버전에서 알아 보기 힘든 몇 개의 그림이 포함되어 있습니다.
 
-Credit and thanks go to [Bruno Guisard](https://www.linkedin.com/in/bruno-guisard/)
-who conducted a thorough review of the code in this repository.
+이 저장소의 코드를 리뷰해 준 [Bruno Guisard](https://www.linkedin.com/in/bruno-guisard/)에게 감사합니다.
 
-## Setup instructions
+## 설정 안내
 
-### Python environment
+### 파이썬 환경
 
-This repository has been tested on Python 3.6 and 3.7. It aims to support any
-Python 3 version.
+이 저장소의 코드는 파이썬 3.6과 3.7에서 테스트되었습니다. 다른 파이썬 3 버전에서도 작동할 것입니다.
 
-To setup, start by cloning the repository:
+먼저 이 저장소를 클론합니다:
 
-`git clone https://github.com/hundredblocks/ml-powered-applications.git`
+`git clone https://github.com/rickiepark/ml-powered-applications.git`
 
-Then, navigate to the repository and create a python virtual environment using
-[virtualenv](https://pypi.org/project/virtualenv/):
+그다음 저장소 폴더에서 [virtualenv](https://pypi.org/project/virtualenv/)를 사용해 파이썬 가상환경을 만듭니다:
 
 `cd ml-powered-applications`
 
 `virtualenv ml_editor`
 
-You can then activate it by running:
+다음 명령으로 이 환경을 활성화합니다:
 
 `source ml_editor/bin/activate`
 
-Then, install project requirements by using:
+그다음 다음 명령을 사용해 필요한 패키지를 설치합니다:
 
 `pip install -r requirements.txt`
 
-The library uses a few models from spacy. To download the small and large
-English model (required to run the app and the notebooks), run these commands
-from a terminal with your virtualenv activated:
+예제 프로젝트는 spacy에 있는 영어 모델을 사용합니다. 영어 모델을 다운로드하려면 virtualenv가 활성화된 터미널에서 다음 명령을 실행하니다:
 
 `python -m spacy download en_core_web_sm`
 
 `python -m spacy download en_core_web_lg`
 
-Finally, the notebooks and library leverage the `nltk` package.
-The package comes with a set of resources that need to be individually downloaded.
-To do so, open a Python session in an activated virtual environment, import
-`nltk`, and download the required resource.
+마지막으로 노트북과 라이브러리 코드는 `nltk` 패키지를 사용합니다. 이 패키지에는 개별적으로 다운로드할 수 있는 여러 자료가 있습니다. 다운로드하려면 활성화된 가상 환경에서 파이썬 세션을 오픈한 후 `import nltk`하고 필요한 자료를 다운로드합니다.
 
-Here is an example of how to do this for the `punkt` package from an active
-virtual environment with `nltk` installed:
+다음은 `nltk`가 설치된 가상 환경에서 `punkt` 패키지를 다운로드하는 예입니다:
 
 `python`
 
 `import nltk`
 
 `nltk.download('punkt')`
 
-## Notebook examples
+## 주피터 노트북
 
-The notebook folder contains usage examples for concepts covered in the book.
-Most of the examples only use one of the subfolders in archive (the one that
-contains data for writers.stackexchange.com).
+노트북 폴더에는 책에서 다루는 개념을 위한 예제 코드를 담고 있습니다. 대부분의 예제는 아카이브(writers.stackexchange.com 데이터)에 있는 서브폴더 중 하나만 사용합니다.
 
-I've included a processed version of the data as a `.csv` for convenience.
+번거로움을 줄이기 위해 전처리된 데이터를 `.csv` 파일로 포함시켰습니다.
 
-If you wanted to generate this data yourself, or generate it for another subfolder,
-you should:
+직접 이 데이터를 생성하고 싶거나 다른 폴더에 데이터를 생성하고 싶다면 다음을 참고하세요:
 
-- Download a subfolder from the stackoverflow [archives][archives]
+- 스택익스체인지 [아카이브][archives]에서 한 서브폴더를 다운로드합니다.
 
-- Run `parse_xml_to_csv` to convert it to a DataFrame
+- `parse_xml_to_csv`을 실행해 데이터프레임으로 변환합니다.
 
-- Run `generate_model_text_features` to generate a DataFrames with precomputed
-features
+- `generate_model_text_features`을 실행해 미리 계산된 특성을 포함한 데이터프레임을 생성합니다.
 
 [archives]: https://archive.org/details/stackexchange
 
-The notebooks belong to a few categories of concepts, described below.
+이 노트북들은 다음과 같은 몇 개의 카테고리로 나눌 수 있습니다.
 
-### Data Exploration and Transformation
+### 데이터 탐색과 변환
 
-- [Dataset Exploration][DatasetExploration]
-- [Splitting Data][SplittingData]
-- [Vectorizing Text][VectorizingText]
-- [Clustering Data][ClusteringData]
-- [Tabular Data Vectorization][TabularDataVectorization]
-- [Exploring Data To Generate Features][ExploringDataToGenerateFeatures]
+- [데이터셋 탐색][DatasetExploration]
+- [데이터 분할][SplittingData]
+- [텍스트 벡터화][VectorizingText]
+- [데이터 군집][ClusteringData]
+- [표 데이터 벡터화][TabularDataVectorization]
+- [특성 생성을 위한 데이터 탐색][ExploringDataToGenerateFeatures]
 
-### Initial Model Training and Performance Analysis
+### 초기 모델 훈련과 성능 분석
 
-- [Train Simple Model][TrainSimpleModel]
-- [Comparing Data To Predictions][ComparingDataToPredictions]
-- [Top K][TopK]
-- [Feature Importance][FeatureImportance]
-- [Black Box Explainer][BlackBoxExplainer]
+- [간단한 모델 훈련][TrainSimpleModel]
+- [데이터와 예측 비교Comparing Data To Predictions][ComparingDataToPredictions]
+- [탑 K][TopK]
+- [특성 중요도][FeatureImportance]
+- [블랙 박스 설명 도구][BlackBoxExplainer]
 
-### Improving the Model
+### 모델 향상
 
-- [Second Model][SecondModel]
-- [Third Model][ThirdModel]
+- [두 번째 모델][SecondModel]
+- [세 번째 모델][ThirdModel]
 
-### Model Comparison
+### 모델 비교
 
-- [Comparing Models][ComparingModels]
+- [모델 비교][ComparingModels]
 
-### Generating Suggestions from Models
+### 모델을 사용한 추천 생성
 
-- [Generating Recommendations][GeneratingRecommendations]
+- [추천 생성][GeneratingRecommendations]
 
 [BlackBoxExplainer]: ./notebooks/black_box_explainer.ipynb
 [ClusteringData]: ./notebooks/clustering_data.ipynb
@@ -137,27 +119,16 @@ The notebooks belong to a few categories of concepts, described below.
 [TrainSimpleModel]: ./notebooks/train_simple_model.ipynb
 [VectorizingText]: ./notebooks/vectorizing_text.ipynb
 
-## Pretrained models
+## 사전 훈련된 모델
 
-You can train and save models using the notebooks in the `notebook` folder.
-For convenience, I've included three trained models and two vectorizers,
-serialized in the `models` folder.
-These models are loaded by notebooks demonstrating methods to compare model
-results, as well as in the flask app.
+`notebook` 폴더에 있는 노트북을 사용해 모델을 훈련하고 저장할 수 있습니다.
+`models` 폴더에는 세 개의 훈련된 모델과 두 개의 벡터화 객체가 저장되어 있습니다.
+모델의 결과를 비교하고 플라스크 앱에서 사용하기 위해 이 모델들을 사용합니다.
 
-## Running the prototype Flask app
+## 플라스크 앱 실행하기
 
-To run the app, simply navigate to the root of the repository and run:
+앱을 실행하려면 저장소 루트 폴더로 이동하여 다음 명령을 실행하세요:
 
 `FLASK_APP=app.py flask run`
 
-The above command should spin up a local web-app you can access at
-`http://127.0.0.1:5000/`
-
-## Troubleshooting
-
-If you have any questions or encounter any roadblocks, please feel free to open
-an issue or email me at [email protected].
-
-
-Project structure inspired by the great [Cookiecutter Data Science](https://drivendata.github.io/cookiecutter-data-science/).
+위 명령은 로컬 웹 앱을 구동하며 `http://127.0.0.1:5000/`로 접속할 수 있습니다.