fix: manual edits

Author: chhaewxn

chapters/ko/chapter3/6.mdx

@@ -1,19 +1,19 @@
 <FrameworkSwitchCourse {fw} />
 
-# 파인튜닝, 완료![[fine-tuning-check]]
+# 파인튜닝 완료![[fine-tuning-check]]
 
 <CourseFloatingBanner
     chapter={3}
     classNames="absolute z-10 right-0 top-0"
 />
 
-정말 포괄적인 내용이었습니다! 처음 두 챕터에서 모델과 토크나이저에 대해 배웠고, 이제 최신 모범 사례를 사용하여 자신의 데이터 세트로 파인튜닝하는 방법을 알게 되었습니다. 요약하자면, 이 챕터에서는 다음을 배웠습니다:
+정말 광범위한 내용을 다뤘습니다! 처음 두 챕터에서 모델과 토크나이저에 대해 배웠고, 이제 최신 모범 사례를 사용하여 여러분의 데이터 세트로 파인튜닝하는 방법을 알게 되었습니다. 요약하자면, 이 챕터에서는 다음을 배웠습니다.
 
 * [Hub](https://huggingface.co/datasets)의 데이터 세트와 최신 데이터 처리 기법에 대해 학습했습니다
-* 동적 패딩과 데이터 콜레이터 사용을 포함하여 데이터 세트를 효율적으로 가져오고 전처리하는 방법을 배웠습니다
+* 동적 패딩과 데이터 콜레이터 사용을 포함하여 데이터 세트를 효율적으로 로드하고 전처리하는 방법을 배웠습니다
 * 최신 기능을 포함한 고수준 `Trainer` API를 사용하여 파인튜닝과 평가를 구현했습니다
 * PyTorch를 사용하여 완전한 커스텀 훈련 루프를 처음부터 구현했습니다
-* 🤗 Accelerate를 사용하여 훈련 코드가 다중 GPU나 TPU에서 원활하게 작동하도록 했습니다
+* 🤗 Accelerate를 사용하여 훈련 코드가 다중 GPU 또는 TPU에서 원활하게 작동하도록 했습니다
 * 혼합 정밀도 훈련과 그래디언트 누적과 같은 최신 최적화 기법을 적용했습니다
 
 <Tip>
@@ -33,14 +33,14 @@
 
 이것은 🤗 Transformers와의 여정의 시작일 뿐입니다. 다음 챕터에서는 모델과 토크나이저를 커뮤니티와 공유하고 계속 성장하는 사전훈련된 모델 생태계에 기여하는 방법을 탐색할 것입니다.
 
-여기서 개발한 기술들 - 데이터 전처리, 훈련 구성, 평가, 그리고 최적화 - 은 모든 기계학습 프로젝트의 기초입니다. 텍스트 분류, 개체명 인식, 질의 응답 또는 기타 NLP 작업을 하든 상관없이, 이러한 기법들이 큰 도움이 될 것입니다.
+여기서 개발한 기술들(데이터 전처리, 훈련 구성, 평가, 최적화)은 모든 기계학습 프로젝트의 기초입니다. 텍스트 분류, 개체 인식, 질의 응답 또는 기타 NLP 작업을 하든 상관없이, 이러한 기법들이 큰 도움이 될 것입니다.
 
 <Tip>
 
 💡 **성공을 위한 전문가 팁**:
 - 커스텀 훈련 루프를 구현하기 전에 항상 `Trainer` API를 사용한 강력한 기준선부터 시작하세요
 - 🤗 Hub을 사용하여 더 나은 출발점을 위해 자신의 작업과 유사한 사전훈련된 모델을 찾으세요
-- 적절한 평가 메트릭으로 훈련을 모니터링하고 체크포인트 저장을 잊지 마세요
+- 적절한 평가 지표로 훈련을 모니터링하고 체크포인트 저장을 잊지 마세요
 - 커뮤니티를 활용하세요 - 모델과 데이터 세트를 공유하여 다른 사람들을 도우고 자신의 작업에 대한 피드백을 받으세요
 
-</Tip>
+</Tip>