Update README.md

README.md

@@ -335,5 +335,5 @@ model_bidirectional = keras.Sequential([
 오늘은 순차 데이터 처리의 근간이 되는 RNN의 핵심 원리부터 시작하여, 실제 코드로 모델을 구현하고, LSTM, GRU, 양방향 RNN과 같은 고급 기법을 통해 성능을 개선하는 방법까지 상세하게 알아보았습니다.  
 RNN은 그 자체로도 강력하지만, 자연어 처리 분야의 발전에 엄청난 기여를 한 기념비적인 모델입니다.  
 특히 RNN의 한계를 극복하려는 시도 속에서 탄생한 어텐션(Attention) 메커니즘은 이후 **트랜스포머(Transformer)**라는 혁신적인 모델의 기반이 되었습니다.  
-다음에는 어텐션 기법과 트랜스포머 모델, 인코더, 디코더로 돌아오겠습니다!!  
+다음에는 오늘 짧게 알아본 LSTM과 GRU로 돌아오겠습니다!!  
 오늘도 좋은하루 보내세요!!