> For the complete documentation index, see [llms.txt](https://kh-kim.gitbook.io/natural-language-processing-with-pytorch/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://kh-kim.gitbook.io/natural-language-processing-with-pytorch/00-cover-1/08-conclusion.md).

# 마치며

이번 장에서 딥러닝을 확률 분포 함수로써 해석해보았습니다. 많은 시각에서 신경망은 $y=f(x)$ 라는 단순한 함수로써 다뤄지곤 했습니다. 하지만 신경망은 확률 분포 함수로 비선형적인 분포를 다룰 수 있을 뿐, 기존의 정규분포와 같이 파라미터로 정의할 수 있는 기존의 확률 분포 함수와 크게 다를 바 없다는 것을 볼 수 있었습니다.

또한 연속 확률 변수 또는 이산 확률 변수를 다루는지에 따라서 확률 분포의 성질이 크게 달라지는 것을 볼 수 있었습니다. 자연어 처리는 앞서 계속해서 언급했듯이, 순서 정보가 포함되어 있을 뿐만 아니라 이산 변수를 다루는 학문이기 때문에 기존의 영상 처리와는 많은 부분에서 양상이 다릅니다. 앞으로도 이 내용을 염두에 두고 책을 읽으면 이해하는 데 훨씬 더 도움이 될 것입니다.