Apply suggestions from code review

Co-authored-by: Harheem Kim <[email protected]>

Author: Youngdong2

chapters/ko/chapter3/3.mdx

@@ -182,9 +182,9 @@ trainer.train()
 
 ### 고급 훈련 기능[[advanced-training-features]]
 
-`Trainer`는 현대 딥러닝의 모범 사례들을 쉽게 활용할 수 있도록 다양한 내장 기능을 제공합니다:
+`Trainer`는 현대 딥러닝의 모범 사례들을 쉽게 활용할 수 있도록 다양한 내장 기능을 제공합니다.
 
-**혼합 정밀도 훈련**: 더 빠른 훈련과 메모리 사용량 감소를 위해 훈련 인수에서 `fp16=True`를 사용하세요:
+**혼합 정밀도 훈련**: 더 빠른 훈련과 메모리 사용량 감소를 위해 훈련 인수에서 `fp16=True`를 설정하세요.
 
 ```py
 training_args = TrainingArguments(
@@ -194,18 +194,18 @@ training_args = TrainingArguments(
 )
 ```
 
-**그레이디언트 누적**: GPU 메모리가 제한될 때 효과적인 더 큰 배치 크기를 위해:
+**그레이디언트 누적**: GPU 메모리가 부족할 때 더 큰 배치 크기로 학습하는 효과를 낼 수 있습니다.
 
 ```py
 training_args = TrainingArguments(
     "test-trainer",
     eval_strategy="epoch",
     per_device_train_batch_size=4,
-    gradient_accumulation_steps=4,  # 효과적인 배치 크기 = 4 * 4 = 16
+    gradient_accumulation_steps=4,  # 유효 배치 크기 = 4 * 4 = 16
 )
 ```
 
-**학습률 스케줄링**: Trainer는 기본적으로 선형 감소 방식을 사용하지만, 사용자 맞춤 설정이 가능합니다:
+**학습률 스케줄링**: Trainer는 기본적으로 선형 감소 방식을 사용하지만, 사용자 맞춤 설정이 가능합니다.
 
 ```py
 training_args = TrainingArguments(
@@ -222,9 +222,9 @@ training_args = TrainingArguments(
 
 </Tip>
 
-`Trainer`는 여러 GPU 또는 TPU에서 즉시 작동하며 분산 훈련을 위한 많은 옵션을 제공합니다. 지원하는 모든 것에 대해서는 Chapter 10에서 다루겠습니다.
+`Trainer`는 여러 GPU 또는 TPU에서 즉시 작동하며 분산 훈련을 위한 많은 옵션을 제공합니다. 이와 관련된 모든 내용은 Chapter 10에서 다루겠습니다.
 
-이것으로 `Trainer` API를 사용한 미세 조정에 대한 소개를 마칩니다. 대부분의 일반적인 NLP 작업에 대한 예제는 [Chapter 7](/course/chapter7)에서 다룰 예정이며, 지금부터는 순수 PyTorch 훈련 루프를 사용하여 동일한 작업을 수행하는 방법을 살펴보겠습니다.
+이것으로 `Trainer` API를 사용한 미세 조정 소개를 마칩니다. 대부분의 일반적인 NLP 작업에 대한 예제는 [Chapter 7](/course/chapter7)에서 다룰 예정이며, 다음으로는 순수 PyTorch 코드로 동일한 작업을 수행하는 방법을 살펴보겠습니다.
 
 <Tip>
 
@@ -234,7 +234,7 @@ training_args = TrainingArguments(
 
 ## 섹션 퀴즈[[section-quiz]]
 
-Trainer API와 미세 조정 개념에 대한 이해를 테스트해보세요:
+Trainer API와 미세 조정 개념에 대한 이해를 테스트해보세요.
 
 ### 1. `Trainer`에서 <code>processing_class</code> 매개변수의 목적은 무엇인가요?
 
@@ -260,7 +260,7 @@ Trainer API와 미세 조정 개념에 대한 이해를 테스트해보세요:
 	]}
 />
 
-### 2. 훈련 중 평가가 얼마나 자주 발생하는지 제어하는 TrainingArguments 매개변수는 무엇인가요?
+### 2. 훈련 중 평가가 얼마나 자주 발생하는지를 제어하는 TrainingArguments 매개변수는 무엇인가요?
 
 <Question
 	choices={[
@@ -383,11 +383,11 @@ Trainer API와 미세 조정 개념에 대한 이해를 테스트해보세요:
 <Tip>
 
 💡 **핵심 요점:**
-- `Trainer` API는 대부분의 훈련 복잡성을 처리하는 높은 수준의 인터페이스를 제공합니다
-- 적절한 데이터 처리를 위해 `processing_class`를 사용하여 토크나이저를 지정하세요
-- `TrainingArguments`는 학습률, 배치 크기, 평가 전략, 최적화 등 훈련의 모든 측면을 제어합니다
-- `compute_metrics`를 사용하면 훈련 손실 외에 사용자 정의 평가 메트릭을 활용할 수 있습니다
-- 혼합 정밀도(`fp16=True`)와 그레이디언트 누적과 같은 최신 기능은 훈련 효율성을 크게 향상시킬 수 있습니다
+- `Trainer` API는 대부분의 훈련 복잡성을 처리하는 높은 수준의 인터페이스를 제공합니다.
+- `processing_class`는 적절한 데이터 처리를 위해 토크나이저를 저장하는 데 사용됩니다.
+- `TrainingArguments`는 학습률, 배치 크기, 평가 전략, 최적화 등 훈련의 모든 측면을 제어합니다.
+- `compute_metrics`를 사용하면 훈련 손실 외에 사용자 정의 평가 메트릭을 활용할 수 있습니다.
+- 혼합 정밀도(`fp16=True`)와 그레이디언트 누적과 같은 최신 기능은 훈련 효율성을 크게 향상시킬 수 있습니다.
 
 </Tip>