fix typo

mlops-for-all · Jan 10, 2024 · 9f64ecb · 9f64ecb
1 parent f81d73b
commit 9f64ecb
Show file tree

Hide file tree

Showing 2 changed files with 2 additions and 2 deletions.
diff --git a/docs/introduction/levels.md b/docs/introduction/levels.md
@@ -79,7 +79,7 @@ Real World에서 데이터는 Data Shift라는 데이터의 분포가 계속해
 
 이러한 Blind Spot을 해결하는 방법은 간단할 수 있습니다. 바로 모델 A에 대한 모델이 과거에 있었는지 확인하고 만약 있었다면 새로운 모델을 바로 학습하기 보다는 이 전 모델을 이용해 다시 예측을 하면 이런 Blind Spot을 해결할 수 있습니다. 이렇게 모델와 같은 메타 데이터를 이용해 모델을 자동으로 변환해주는 것을 Auto Deploy라고 합니다.
 
-정리하자면 CT를 위해서는 Auto Retraining의과 Auto Deploy 두 가지 기능이 필요합니다. 둘은 서로의 단점을 보완해 계속해서 모델의 성능을 유지할 수 있게 합니다.
+정리하자면 CT를 위해서는 Auto Retraining과 Auto Deploy 두 가지 기능이 필요합니다. 둘은 서로의 단점을 보완해 계속해서 모델의 성능을 유지할 수 있게 합니다.
 
 ## 2단계: CI/CD 파이프라인의 자동화
 

diff --git a/versioned_docs/version-1.0/introduction/levels.md b/versioned_docs/version-1.0/introduction/levels.md
@@ -79,7 +79,7 @@ Real World에서 데이터는 Data Shift라는 데이터의 분포가 계속해
 
 이러한 Blind Spot을 해결하는 방법은 간단할 수 있습니다. 바로 모델 A에 대한 모델이 과거에 있었는지 확인하고 만약 있었다면 새로운 모델을 바로 학습하기 보다는 이 전 모델을 이용해 다시 예측을 하면 이런 Blind Spot을 해결할 수 있습니다. 이렇게 모델와 같은 메타 데이터를 이용해 모델을 자동으로 변환해주는 것을 Auto Deploy라고 합니다.
 
-정리하자면 CT를 위해서는 Auto Retraining의과 Auto Deploy 두 가지 기능이 필요합니다. 둘은 서로의 단점을 보완해 계속해서 모델의 성능을 유지할 수 있게 합니다.
+정리하자면 CT를 위해서는 Auto Retraining과 Auto Deploy 두 가지 기능이 필요합니다. 둘은 서로의 단점을 보완해 계속해서 모델의 성능을 유지할 수 있게 합니다.
 
 ## 2단계: CI/CD 파이프라인의 자동화