코드 리뷰

노트북: 07-01. recurrent_neural_network.ipynb (셀 25개, 코드 셀 19개)예상 시간: 약 15분 ⚠️ 노트북에 버그가 하나 있다. 깊은 RNN 파트(셀 15~18)는 2층 RNN을 만들기만 하고 cell(inputs)를 다시 실행하지

노트북: 07-02. lstm_and_gru.ipynb (셀 9개, 코드 셀 7개)예상 시간: 약 12분 (노트북 3분 + 추가 셀 9분) · 짝꿍 글: 4.2_LSTM과\_GRU.md노트북이 아주 짧다. 층을 만들어서 출력(repr)만 보는 셀뿐이고, 입력을 넣어 실

노트북: 09-01. tokenization.ipynb (셀 18개, 코드 셀 12개)예상 시간: 약 12분 · 짝꿍 글: 4.3\_토큰화.md토큰화(tokenization) = 문장을 모델이 다룰 단위(토큰) 로 자르는 것. 4.1~4.2의 RNN에 "단어 하나 =

노트북: 12-06. pytorch_nn_embedding.ipynb (셀 9개, 코드 셀 7개)예상 시간: 약 10분 (노트북 5분 + 추가 셀 5분) · 짝꿍 글: 4.4_nn.Embedding.mdRNN에는 숫자 벡터를 넣어야 한다. 4.1~4.2에서 torch.

노트북: 13-02. lstm_naver_classification.ipynb (코드 셀 73개)예상 시간: 약 25분 · 짝꿍 글: 4.5_LSTM으로\_네이버\_영화\_리뷰\_분류하기.md⏱ 공지대로 세션 시작 직후 학습까지 돌려 두고 설명을 시작한다.이 노트북은