diff --git a/beginner_source/hyperparameter_tuning_tutorial.py b/beginner_source/hyperparameter_tuning_tutorial.py
index 9bd3ab5b..5239f65d 100644
--- a/beginner_source/hyperparameter_tuning_tutorial.py
+++ b/beginner_source/hyperparameter_tuning_tutorial.py
@@ -25,7 +25,7 @@
 
 |
 
-이 튜토리얼을 실행하기 위해 아래의 패키지가 설치되어 있는지 확인하세요:
+이 튜토리얼을 실행하기 위해 아래의 패키지가 설치되어 있는지 확인하세요.
 
 -  ``ray[tune]``: 배포된 하이퍼파라미터 튜닝 라이브러리
 -  ``torchvision``: 데이터 변형을 위해 필요
@@ -33,7 +33,7 @@
 설정 / 불러오기
 -----------------
 
-필요한 라이브러리들을 불러오는 것(import)으로 시작해보겠습니다:
+필요한 라이브러리들을 불러오는 것(import)으로 시작해보겠습니다.
 """
 from functools import partial
 import os
@@ -89,7 +89,7 @@ def load_data(data_dir="./data"):
 # 구성 가능한 신경망
 # ---------------------------
 # 구성 가능한 파라미터만 튜닝이 가능합니다.
-# 이 예시를 통해 fully connected layer 크기를 지정할 수 있습니다:
+# 이 예시를 통해 fully connected layer 크기를 지정할 수 있습니다.
 
 
 class Net(nn.Module):
@@ -180,7 +180,7 @@ def forward(self, x):
 # Ray Tune으로 통신하기
 # ~~~~~~~~~~~~~~~~~~~~~~~~~~~
 #
-# 가장 흥미로운 부분은 Ray Tune과의 통신입니다:
+# 가장 흥미로운 부분은 Ray Tune과의 통신입니다.
 #
 # .. code-block:: python
 #
@@ -325,7 +325,7 @@ def train_cifar(config, data_dir=None):
 # -------------------------------------------
 # 일반적으로 머신러닝 모델의 성능은 모델 학습 시 사용하지 않은 데이터를
 # 테스트셋으로 따로 떼어낸 뒤, 이를 사용하여 테스트합니다.
-# 이러한 테스트셋 또한 함수로 감싸둘 수 있습니다:
+# 이러한 테스트셋 또한 함수로 감싸둘 수 있습니다.
 
 def test_accuracy(net, device="cpu"):
     trainset, testset = load_data()
@@ -353,7 +353,7 @@ def test_accuracy(net, device="cpu"):
 #
 # 검색 공간 구성
 # ----------------------------
-# 마지막으로 Ray Tune의 검색 공간을 정의해야 합니다. 예시는 다음과 같습니다:
+# 마지막으로 Ray Tune의 검색 공간을 정의해야 합니다. 예시는 다음과 같습니다.
 #
 # .. code-block:: python
 #
@@ -444,12 +444,12 @@ def main(num_samples=10, max_num_epochs=10, gpus_per_trial=2):
 
 
 if __name__ == "__main__":
-    # 매 실험당 사용할 GPU 수를 여기에서 변경할 수 있습니다:
+    # 매 실험당 사용할 GPU 수를 여기에서 변경할 수 있습니다.
     main(num_samples=10, max_num_epochs=10, gpus_per_trial=0)
 
 
 ######################################################################
-# 코드를 실행하면 결과는 다음과 같이 나올 것입니다:
+# 코드를 실행하면 결과는 다음과 같이 나올 것입니다.
 #
 # .. code-block:: sh
 #