#40: Translate 3.6 - paragraph 3 / 9

40_Keras와 Jupyter Notebook으로 시작하는 딥러닝/3.6-classifying-newswires.ipynb

@@ -338,9 +338,18 @@
     "We can vectorize the data with the exact same code as in our previous example:"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 데이터 준비하기\n",
+    "\n",
+    "이전 예제에서 사용했던 동일한 코드를 이용해서 데이터를 벡터화 시킬 수 있습니다."
+   ]
+  },
   {
    "cell_type": "code",
-   "execution_count": 9,
+   "execution_count": 7,
    "metadata": {
     "collapsed": true
    },
@@ -364,16 +373,23 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "\n",
     "To vectorize the labels, there are two possibilities: we could just cast the label list as an integer tensor, or we could use a \"one-hot\" \n",
     "encoding. One-hot encoding is a widely used format for categorical data, also called \"categorical encoding\". \n",
     "For a more detailed explanation of one-hot encoding, you can refer to Chapter 6, Section 1. \n",
     "In our case, one-hot encoding of our labels consists in embedding each label as an all-zero vector with a 1 in the place of the label index, e.g.:"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "레이블을 벡터화 하기 위한 방법에는 두 가지 옵션이 존재합니다: 하나는 레이블 리스트를 단순히 Integer tensor로 캐스팅하는 방법입니다. 혹은, \"ont-hot\" 인코딩을 사용할 수도 있습니다. 원-핫 인코딩은 범주형 데이터 포멧이 아주 널리 사용되는 방법입니다. \"범주형 인코딩(categorical encoding\" 이라고도 합니다. 원-핫 인코딩에 대한 조금 더 상세한 설명은 6장 1절을 참고하시기 바랍니다. 우리 가진 레이블들을 가지고 원-핫 인코딩을 하는 경우에는 레이블 인덱스가 위치한 자리만 1로 표시하고 나머지 자리는 모두 0으로 채워넣습니다.  \n",
+    "가령 : "
+   ]
+  },
   {
    "cell_type": "code",
-   "execution_count": 10,
+   "execution_count": 8,
    "metadata": {
     "collapsed": true
    },
@@ -395,7 +411,14 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Note that there is a built-in way to do this in Keras, which you have already seen in action in our MNIST example:"
+    "Note that there is a built-in way to do this in Keras, which you have already seen in action in our MNIST example"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "앞서 MNIST 예제에서도 보셨겠지만, Keras에는 이를 실행하기 위한 빌트인(built-in) 이 이미 존재합니다. "
    ]
   },
   {