diff --git a/intermediate_source/pruning_tutorial.py b/intermediate_source/pruning_tutorial.py
index c4760c6fd..aacd795cf 100644
--- a/intermediate_source/pruning_tutorial.py
+++ b/intermediate_source/pruning_tutorial.py
@@ -222,7 +222,7 @@ def forward(self, x):
 #
 # 지금까지, "지역 변수" 에 대해서만 가지치기 기법을 적용하는 방법을 살펴보았습니다.
 # (즉, 가중치 규모, 활성화 정도, 경사값 등의 각 항목의 통계량을 바탕으로 모델 내 텐서값 하나씩 가지치기 기법을 적용하는 방식)
-# 그러나, 범용적이고 아마 더 강력한 방법은 각 층에서 가장 낮은 20%의 연결을 제거하는것 대신에, 전체 모델에 대해서 가장 낮은 20% 연결을 한번에 제거하는 것입니다.
+# 그러나, 범용적이고 아마 더 강력한 방법은 각 층에서 가장 낮은 20%의 연결을 제거하는 것 대신에, 전체 모델에 대해서 가장 낮은 20% 연결을 한번에 제거하는 것입니다.
 # 이것은 각 층에 대해서 가지치기 기법을 적용하는 연결의 백분율값을 다르게 만들 가능성이 있습니다.
 # ``torch.nn.utils.prune`` 내 ``global_unstructured`` 을 이용하여 어떻게 전역 범위에 대한 가지치기 기법을 적용하는지 살펴봅시다.
 
@@ -338,7 +338,7 @@ def foobar_unstructured(module, name):
         기존의 파라미터는 `name+'_orig'` 라는 이름의 새로운 매개변수에 저장됩니다.
 
     인자값:
-        module (nn.Module): 가지치기 기법을 적용해야하는 텐서를 포함하는 모듈
+        module (nn.Module): 가지치기 기법을 적용해야 하는 텐서를 포함하는 모듈
         name (string): 모듈 내 가지치기 기법이 적용될 파라미터의 이름
 
     반환값: