# NMT 시스템 구축

![Jeff Dean](/files/-LX4NEnA-cjcNOJ_XM5p){ width=500px }

지금까지 자연어 생성 문제에 관한 기법들을 다루는 데 필요한 기계번역 연구 결과를 중심으로 살펴보았습니다. 이 책을 읽는 독자 여러분의 최종 목표는 자연어 처리 기술을 공부하는 것 뿐만 아니라,결국 실제 서비스로 구현하는 것이겠지요. 따라서 딥러닝을 활용한 서비스를 만들 때 알고리즘의 내용도 매우 중요하겠지만, 그 알고리즘의 성능을 최고로 뽑아낼 수많은 하이퍼파라미터 및 실제 구현 방법에 관한 많은 요소 또한 필수적인 고려 대상일 것입니다.

다행히도 요즘 추세는 실제 구현 방법이나 소스 코드와 관련한 정보를 공개하는 방향으로 바뀌고 있습니다. 이번 14장 에서는 기존에 공개된 구글과 MS를 비롯한 여러 유명 번역 서비스에 대한 논문들을 통해, 실제 딥러닝을 활용한 기계 번역 서비스에 기존의 알고리즘들을 어떻게 적용했는지 살펴보고자 합니다.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://kh-kim.gitbook.io/natural-language-processing-with-pytorch/00-cover-13.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.