visionnoob / cs231n_17_kor_sub

CS231N 2017 video subtitles translation project for Korean Computer Science students

Korean Subtitles for CS231n Spring 2017

CS231n 한글번역

Translation project of CS231n 2017 lecture video
Also see CS231n Website

---

Announcements

CS231n 한글번역 프로젝트입니다. Stanford의 CS231n는 CNN(Convolutional Neural Network)을 중심으로 Deep Learning을 배우는 현존하는 가장 좋은 강의 중 하나. 이 프로젝트는 CS231n을 수강하기에 언어의 장벽으로 힘든 분들을 위한 한글 번역 프로젝트입니다. 많은 분들이 이 강의를 듣고 행복했으면 좋겠습니다. 하지만 CS231n 정도의 수준 그리고 그 이상을 위해서라면 영어실력이 뒷받침해 줘야 하는 것은 명백한 사실입니다.
도올 김용옥 선생의 "영어 수학을 왜 공부해야 하는가?

> CS231n에 의 대상
1) Deep Learning을 처음 접하는 초급자
2) Deep Learning을 어느정도 알지만 심도깊게 배우고 싶은 중급자
3) Deep Learning의 트렌드를 살펴 보고자 하는 상급자 

> 자세한 Prerequisites은 Lecture 1을 참고하시기 바랍니다. 

많은 분들의 관심과 격려로 힘내고 있습니다. 감사합니다 :D
그리고 또한 많은 분들께서 오역, 오타관련 Issues, Pull requests, Email 등을 
보내주시고 계십니다. 특히 오타 찾는게 정말 힘든데 이렇게 도와주시니 정말 감사할 따릅입니다 :D 

현재 draft 버전은 오역, 오타, 싱크 등 문제가 많습니다. 
오역, 오타, 싱크 문제는 지속적으로 업데이트하고 있으며, first revision을 작업중입니다. 
first revision이 draft버전보다 많이 개선된 버전이므로 참고해주시기 바랍니다. 
다시 한번 모두에게 감사드립니다 XD

---

Instructors

Fei-Fei Li: http://vision.stanford.edu/feifeili/  
Justin Johnson: http://cs.stanford.edu/people/jcjohns/  
Serena Yeung: http://ai.stanford.edu/~syyeung/  

---

Prerequisites

Any video player with codecs which might be let you watch lectures
    Recommendation
        Windows : PotPlayer(kakao)
        Linux   : SM Player
        IOS     : Whatever you can :(

---

Usage

1. You should download lectures from youtube

   • You need a video downloader like 4k video downloader (maybe support most of platforms like Windows, Linux(Ubuntu), MacOS)
   • Download this Youtube Playlist with downloader
   • If you take "4k video downloader", you can download whole lectures "at once" not "each", with Playlist.

2. and Enjoy videos with Subtitles

    root
    └── eng
        └── Subtitles in English.
    └── kor 
        └── Subtitles in Korean.
   

---

Update Note

Welcome to Pull Request

1. Update News
...
2018.05.23 - Complete Lecture 6(draft)
2018.06.14 - Complete Lecture 7(draft)
2018 06 26 - Complete Lecture 8(draft) 
2018 07 27 - Complete Lecture 1(1st Revision) 
2018 07 09 - Complete Lecture 9(draft) 
2018 07 16 - Complete Lecture 2(1st Revision) 
2018 07 30 - Complete Lecture 10(draft) 
2018 08 13 - Complete Lecture 11(draft) 
2018 09 24 - Complete Lecture 12(draft)
2018 10 06 - Complete Lecture 13(draft)
2018 12 31 - Complete Lecture 14(draft)

1. Milestone
Lecture 01 : Complete(draft + 1st Revision) 
Lecture 02 : Complete(draft + 1st Revision)
Lecture 03 : Complete(draft)
Lecture 04 : Complete(draft)
Lecture 05 : Complete(draft)
Lecture 06 : Complete(draft)
Lecture 07 : Complete(draft)
Lecture 08 : Complete(draft)
Lecture 09 : Complete(draft)
Lecture 10 : Complete(draft)
Lecture 11 : Complete(draft)
Lecture 12 : Complete(draft)
Lecture 13 : Complete(draft)
Lecture 14 : Complete(draft)
Invited Talk 1 : not yet :(
Invited Talk 2 : not yet :(

---

Table of Contents (CS231n 2017)

Please see also

1. Detailed syllabus [2016] [2017] [2018]

2. Lecture Vodeos Playlist [2016] [2017] [2018 is not in public]

Status info

Status info	Symbol	Status info	Symbol
Draft	✏️	1st_revision	✏️ ✂️
not yet	🔕	2nd_revision	✏️ ✂️ ✂️

---

Event Type	Description	Videos(youtube)	Slides	Subtitles	Status
Lecture 1	Introduction to Convolutional Neural Networks for Visual Recognition	video	slide	english korean	✏️ ✂️
Lecture 2	Image Classification	video	slide	english korean	✏️ ✂️
Lecture 3	Loss Functions and Optimization	video	slide	english korean	✏️
Lecture 4	Introduction to Neural Networks	video	slide	english korean	✏️
Lecture 5	Convolutional Neural Networks	video	slide	english korean	✏️
Lecture 6	Training Neural Networks I	video	slide	english korean	✏️
Lecture 7	Training Neural Networks II	video	slide	english korean	✏️
Lecture 8	Deep Learning Software	video	slide	english korean	✏️
Lecture 9	CNN Architectures	video	slide	english korean	✏️
Lecture 10	Recurrent Neural Networks	video	slide	english korean	✏️
Lecture 11	Detection and Segmentation	video	slide	english korean	✏️
Lecture 12	Visualizing and Understanding	video	slide	english korean	✏️
Lecture 13	Generative Models	video	slide	english korean	✏️
Lecture 14	Deep Reinforcement Learning	video	slide	english korean	✏️
Guest Lecture	Invited Talk: Song Han Efficient Methods and Hardware for Deep Learning	video	slide	english [korean]	🔕
Guest Lecture	Invited Talk: Ian Goodfellow Adversarial Examples and Adversarial Training	video	slide	english [korean]	🔕

---

Screenshot

---

Contributors

• Jaewon Lee (Image Processing & Computer Vision Lab, KNU)
• Azure (Image Processing & Computer Vision Lab, KNU)

---

LICENSE

MIT

cs231n_17_kor_sub's Issues

2강 오타 제보드립니다.

덕분에 술술 편하게 잘 보고 있습니다. 감사합니다! 😁

• 47: Softmax -> Softmax

  47
  00:02:33,514 --> 00:02:35,694
  SVM과 Softmas 뿐만 아니라
  

• 62: 화제 -> 과제

  62
  00:03:23,449 --> 00:03:27,606
  일찌감치 화제를 시작하기를 추천드립니다.
  

• 73: Pizzza -> Piazza

  73
  00:04:24,015 --> 00:04:28,023
  아마도 오늘  Pizzza에 자세한 사항을
  포스팅 하도록 하겠습니다.
  

• 104: 붙힌 -> 붙인

  104
  00:06:32,735 --> 00:06:35,462
  우리가 이 이미지에 붙힌 의미상의 레이블입니다.
  

• 118, 119 : 있던 -> 있든

  118
  00:07:19,298 --> 00:07:22,500
  고양이가 엄청 어두운 곳에 있던
  
  119
  00:07:22,500 --> 00:07:25,520
  밝은 곳에 있던, 고양이는 여전히 고양이입니다
  

• 175: 코나 -> 코너

  175
  00:10:55,186 --> 00:10:56,483
  또 "저기에도 코나 하나" 가 있고
  

• 192: 다행이도 -> 다행히도

  192
  00:12:08,338 --> 00:12:14,105
  다행이도 우리가 사용할 수 있는 고퀄의 데이터셋들이 존재합니다.
  

• 201: 출력 -> 반환

  201
  00:12:43,621 --> 00:12:49,115
  하나는 학습을 위한 것이고, 이미지와
  레이블을 입력으로 주면 모델을 출력합니다.
  

• 528: crators -> creators

  528
  00:37:20,951 --> 00:37:25,473
  그리고 이런 류의 문제는 datasets crators와
  dataset curators가 생각해 볼 문제입니다.
  

Translate Lecture 11 (draft)

Fix Lecture 1 typo

293
00:39:33,592 --> 00:39:43,172
2015년에 네트워크가 훨씬 더 깊어졌습니다.

==>
293
00:39:33,592 --> 00:39:43,172
2014년에 네트워크가 훨씬 더 깊어졌습니다.

Translate Lecture 03 (draft)

Translate Lecture 05 (draft)

Translate Lecture 14 (draft)

Translate Lecture 06 (draft)

Translate Lecture 10 (draft)

Translate Lecture 12 (draft)

#21 (lec13 00:34:59) 해석

So you can see how this is taking us on the direction
towards being able to sample and generate new data.

this take us on direction towards to be able to sample and generate new data.

여기 그림을 보시면 이런 구조로 어떻게 새로운 데이터를
샘플링하고 생성해 낼 수 있는지 알 수 있습니다.

Translate Lecture 04 (draft)

Translate Lecture 01 (draft)

#21 (lec13 00:17:08) 학생의 질문 내용

(학생이 질문)

Yeah so the question is is there a way that we define this in this
chain rule fashion instead of predicting all the pixels at one time?

질문은 "한번에 모든 픽셀을 예측하는 대신에 Chain rule
방식으로 이를 정의하는 방법은 없는지" 입니다.

pixelRNN/CNN과 관련된 질문인데 질문의 의도를 이해 못하겠음

Translate Lecture 02 (draft)

Translate Lecture 16 (draft)

Translate Lecture 09 (draft)

Translate Lecture 07 (draft)

typo

thanks to [email protected] for reporting

Translate Lecture 15 (draft)

1강 오타 제보드립니다.

아래 두 부분에서 오타있습니다. 번역 감사합니다. 😄 👍

• movataion -> motivation
• 받아드리는지 -> 받아들이는지

226
00:29:44,160 --> 00:29:52,440
우리에게는 두 가지 movataion이 있었습니다. 하나는
이 세상의 모든 것들을 인식하고 싶다는 것이고

...

379
00:48:34,564 --> 00:48:37,912
이를 미루어 우리는 사람들이 이 장면을 어떻게 
받아드리는지 이해할 수 있습니다.

Lecture 3 한국어 번역 오탈자

[line73]
Pizza -> Piazza

[line341,751,770,774,825]
Flog -> Frog

Translate Lecture 08 (draft)

Lecture 02 오타 발견입니다.

한글 자막으로 보는데 오타가 있어 수정하면 좋을 것 같아 건의드립니다.

• Lec02 :12분 22초
  (현재) 이 데이터셋들을 이용해서 Machine Learning Clssifier를 학습시킬 수 있습니다.
  (수정) 이 데이터셋들을 이용해서 Machine Learning Classifier를 학습시킬 수 있습니다.

• Lec02 : 28분 19초
  (현재) K와 리 척도를 바꿔보면서 어떻게 결정 경계가 만들어지는지에 대한 직관을 얻으시길 바랍니다.
  (수정) K와 거리 척도를 바꿔보면서 어떻게 결정 경계가 만들어지는지에 대한 직관을 얻으시길 바랍니다.

자막 덕분에 재밌게 강의 듣고 있습니다.
감사합니다.

#21 (lec13 00:27:09) AE -> VAE 관련 설명

1. original

And so now we will talk about variational autoencoders which is a probabilistic spin on autoencoders that will let us sample from the model in order to generate new data.

2. Current version

자 이제부터는 variational autoencoders에
대해서 다뤄보겠습니다. AE와는 관점이 조금 다릅니다. 새로운 데이터를 생성하기 위해 모델로부터 데이터를 샘플링할 것입니다.

3.What is a issue?
-> a probabilistic spin on autoencoders의 의미를 잘 모르겠음.

Lecture 9 - 'Sparical Area' -> 'Spatial Area'

00:17:01,189 --> 00:17:09,754
receptive field관련해서 자세한 이해가 필요해서 번역본을 확인했습니다.
'sparical area'란 표현이 나와서 무슨 표현이지...했는데 spatial area가 잘 못 표기된 거네요. 감사히 잘 보고 있습니다^^

Fix Lecture 4 typos

Translate Lecture 13 (draft)