Uczenie maszynowe w tłumaczeniu

Oryginalny tytuł:

Machine Learning in Translation

Zawartość książki:

Machine Learning in Translation wprowadza teorie i technologie uczenia maszynowego (ML), które są najbardziej istotne dla procesów tłumaczeniowych, podchodząc do tematu z perspektywy człowieka i podkreślając, że ML i technologie oparte na ML są narzędziami dla ludzi.

Książka ta pomaga lingwistom, tłumaczom i lokalizatorom lepiej odnaleźć swoją wartość dodaną w środowisku tłumaczeniowym opartym na uczeniach maszynowych. Część pierwsza bada, w jaki sposób ludzie i maszyny podchodzą do problemu tłumaczenia na swoje własne sposoby, w zakresie osadzania słów, łączenia większych jednostek znaczeniowych i przewidywania w tłumaczeniu w oparciu o szerszy kontekst. Część druga wprowadza kluczowe zadania, w tym tłumaczenie maszynowe, ocenę jakości tłumaczenia i szacowanie jakości oraz inne zadania przetwarzania języka naturalnego (NLP) w tłumaczeniu. Część trzecia koncentruje się na roli danych zarówno w procesach uczenia się ludzi, jak i maszyn. Zaproponowano w niej, że unikalna wartość tłumacza polega na zdolności do tworzenia, zarządzania i wykorzystywania danych językowych w różnych zadaniach uczenia maszynowego w procesie tłumaczenia. Przedstawia nową wiedzę i umiejętności, które należy włączyć do tradycyjnej edukacji tłumaczeniowej w erze uczenia maszynowego. Książka kończy się dyskusją na temat uczenia maszynowego zorientowanego na człowieka w tłumaczeniu, podkreślając potrzebę wyposażenia tłumaczy w wiedzę z zakresu uczenia maszynowego poprzez komunikację z użytkownikami, programistami i programistami uczenia maszynowego oraz możliwości ciągłego uczenia się.

Ten przystępny przewodnik jest przeznaczony dla obecnych i przyszłych użytkowników technologii uczenia maszynowego w procesach lokalizacyjnych, w tym studentów kierunków związanych z tłumaczeniami i lokalizacją, technologiami językowymi i pokrewnymi dziedzinami. Wspiera on rozwój zawodowy osób zajmujących się tłumaczeniami, tak aby mogli oni w pełni wykorzystywać technologie ML i projektować własne przepływy pracy tłumaczeniowej i zadania NLP oparte na ML.