diff --git a/sources/visualization.md b/sources/visualization.md
index 5aab599b..6a77071b 100644
--- a/sources/visualization.md
+++ b/sources/visualization.md
@@ -1,22 +1,22 @@
 ## 모델 시각화
 
-케라스는(`graphviz`를 사용해서) 케라스 모델을 그래프로 그리기 위한 유틸리티 함수를 제공합니다.
+케라스는 `graphviz`를 통해 케라스 모델을 그래프로 그려주는 유틸리티 함수를 제공합니다.
 
-아래 예시는 모델의 그래프를 그려주고 그 결과를 파일로 저장합니다:
+아래는 모델의 그래프를 그리고 파일로 저장하는 예시입니다.
 ```python
 from keras.utils import plot_model
 plot_model(model, to_file='model.png')
 ```
 
-`plot_model`은 네 가지 인자를 전달받습니다:
+`plot_model`은 네 가지 인자를 전달받습니다.
 
-- `show_shapes`(기본값은 `False`)는 결과의 형태을 그래프에 나타낼 것인지 조정합니다.
-- `show_layer_names`(기본값은 `True`)는 층의 이름을 그래프에 나타낼 것인지 조정합니다.
-- `expand_nested`(기본값은 `False`)는 중첩된 모델을 그래프상에서 클러스터로 확장할 것인지 조정합니다.
-- `dpi`(기본값은 96)는 이미지 dpi를 조정합니다.
+- `show_shapes`(기본값은 `False`)는 결과의 형태를 그래프에 표시할지를 설정합니다.
+- `show_layer_names`(기본값은 `True`)는 층의 이름을 그래프에 표시할지를 설정합니다.
+- `expand_nested`(기본값은 `False`)는 중첩된 모델을 그래프상에서 클러스터로 확장할 것인지를 설정합니다.
+- `dpi`(기본값은 96)는 이미지 dpi를 설정합니다.
 
-또한 직접 `pydot.Graph`오브젝트를 만들어 사용할 수도 있습니다, 
-예를들어 ipython notebook에 나타내자면 :
+또한 직접 `pydot.Graph`객체를 만들어 사용할 수도 있습니다.
+아래는 IPython Notebook에서 나타낸 예시입니다.
 ```python
 from IPython.display import SVG
 from keras.utils import model_to_dot
@@ -26,7 +26,7 @@ SVG(model_to_dot(model).create(prog='dot', format='svg'))
 
 ## 학습 히스토리 시각화
 
-케라스 `Model`의 `fit()` 메소드는 `History` 오브젝트를 반환합니다. `History.history` 속성<sub>attribute</sub>은 각 에폭마다 계산된 학습 손실 및 평가 지표가 순서대로 기록된 딕셔너리입니다. 검증 데이터를 적용한 경우에는 해당 손실 및 지표도 함께 기록됩니다. 아래는 `matplotlib`을 사용하여 학습 및 검증의 손실과 정확도 그래프를 그리는 예시입니다.
+케라스 `Model`의 `fit()` 메소드는 `History` 객체를 반환합니다. `History.history` 속성<sub>attribute</sub>은 각 에폭마다 계산된 학습 손실 및 평가 지표가 순서대로 기록된 딕셔너리입니다. 검증 데이터를 적용한 경우에는 해당 손실 및 지표도 함께 기록됩니다. 아래는 `matplotlib`을 사용하여 학습 및 검증의 손실과 정확도 그래프를 그리는 예시입니다.
 
 ```python
 import matplotlib.pyplot as plt