Gaia
Itzulpen Automatikoa eta Eleaniztasuna
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Ingelesa
Irakasgaiaren azalpena eta testuingurua
En este curso se presentarán los paradigmas de traducción automática (TA) existentes y el estudiante tendrá la oportunidad de practicar con sistemas TA reales. Además, también se analizarán las distintas posibilidades que existen para extraer y utilizar información multilingüe de los corpus tanto paralelos como monolingües.Irakasleak
Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
---|---|---|---|---|---|---|
ARANBERRI MONASTERIO, NORA | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Itzulpengintza eta Interpretazioa | nora.aranberri@ehu.eus |
LABAKA INTXAUSPE, GORKA | Euskal Herriko Unibertsitatea | Unibertsitateko Irakaslego Titularra | Doktorea | Elebiduna | Hizkuntza eta Sistema Informatikoak | gorka.labaka@ehu.eus |
Gaitasunak
Izena | Pisua |
---|---|
Capacidad de comprender y proponer mejoras en los sistemas de traducción automática propuestos en la bibliografía. | 33.0 % |
Capacidad de desarrollar sistemas de traducción automática acordes con el estado del arte del momento. | 33.0 % |
Capacidad de análisis de ámbitos de utilización de la traducción automática. | 34.0 % |
Irakaskuntza motak
Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
---|---|---|---|
Magistrala | 15 | 22.5 | 37.5 |
Ordenagailuko p. | 30 | 45 | 75 |
Irakaskuntza motak
Izena | Orduak | Ikasgelako orduen ehunekoa |
---|---|---|
Eskola magistralak | 37.5 | 40 % |
Ordenagailuko praktikak, irteerak, bisitak | 75.0 | 40 % |
Ebaluazio-sistemak
Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
---|---|---|
Lanak proiektuak | 50.0 % | 50.0 % |
Etengabeko ebaluazioa, eskoletara joanda | 50.0 % | 50.0 % |
Irakasgaia ikastean lortuko diren emaitzak
Conocer los distintos paradigmas propuestos para llevar a cabo la traducción automática.Entender los artículos científicos relacionados con la traducción automática: las técnicas y la evaluación usada.
Aprender a entrenar sistemas de traducción automática acordes con la tecnología del momento.
Identificar la información multilingüe presente en los datos y el uso que se le puede dar en el diseño de herramientas multilingües.
Identificar casos en los que el uso de la traducción automática pueda conllevar una mejora.
Ohiko deialdia: orientazioak eta uko egitea
La evaluación constará de dos apartados: Trabajos (85%) y asistencia y participación (15%).- Trabajos: El alummado será evaluado mediante actividades propuestas durante el módulo. Se dedicará parte del tiempo de clase para realizar dichas tareas, que podrán ser completadas fuera del horario lectivo.
- Asistencia y Participación. Será necesario asistir al 80% de las clases y se valorará la participación del alumnado en las discusiones y actividades de clase.
Ezohiko deialdia: orientazioak eta uko egitea
El alumnado podrá volver a presentar cualquiera de las tareas asignadas durante el curso, las cuales serán reevaluadas para aumentar la calificación relacionada con los trabajos (85%). Las calificaciones de asistencia y participación (15%) serán las mismas que las obtenidas en la convocatoria ordinaria.Irakasgai-zerrenda
1.- Introducción2.- Evaluación de la traducción automática
3.- Funcionamiento de la traducción automática
4.- Multilingüismo
Bibliografia
Oinarrizko bibliografia
Mikel Artetxe, Gorka Labaka, Eneko Agirre. 2018. A robust self-learning method for fully unsupervised cross-lingual mappings of word embeddings. In Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Long Papers), pages 789¿798. Melbourne, AustraliaMikel Artetxe, Gorka Labaka, Eneko Agirre. 2019. An Effective Approach to Unsupervised Machine Translation. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 194¿203. Florence, Italy
Dzmitry Bahdanau, Kyunghyun Cho, Yoshua Bengio. Neural Machine Translation by Jointly Learning to Align and Translate. arXiv preprint arXiv:1409.0473
Philipp Koehn. 2010. Statistical Machine Translation. Cambridge University Press
Kishore Papineni, Salim Roukos, Todd Ward, Wei-Jing Zhu. 2002. BLEU: a MethodforAutomaticEvaluationofMachineTranslation. In Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL), pages 311-318. Philadelphia
Matthew Snover, Bonnie Dorr, Richard Schwartz, Linnea Micciulla, John Makhoul. 2006. A Study of Translation Edit Rate with Targeted Human Annotation. In Proceedings of Association for Machine Translation in the Americas
Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. Attention Is All You Need. Advances in neural information processing systems, 5998-6008.