nireEHU Materia
Traducción Automática y Multilingüismo
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Inglés
Descripción y contextualización de la asignatura
En este curso se presentar¿los paradigmas de traducci¿utom¿ca (TA) existentes y el estudiante tendr¿a oportunidad de practicar con sistemas TA reales. Adem¿ tambi¿se analizar¿las distintas posibilidades que existen para extraer y utilizar informaci¿ultiling¿e de los corpus tanto paralelos como monoling¿es.Profesorado
| Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
|---|---|---|---|---|---|---|
| ARANBERRI MONASTERIO, NORA | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Agregado | Doctora | Bilingüe | Traducción e Interpretación | nora.aranberri@ehu.eus |
| LABAKA INTXAUSPE, GORKA | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Doctor | Bilingüe | Lenguajes y Sistemas Informáticos | gorka.labaka@ehu.eus |
Competencias
| Denominación | Peso |
|---|---|
| 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 % |
Tipos de docencia
| Tipo | Horas presenciales | Horas no presenciales | Horas totales |
|---|---|---|---|
| Magistral | 15 | 22.5 | 37.5 |
| P. Ordenador | 30 | 45 | 75 |
Resultados del aprendizaje de la asignatura
Conocer los distintos paradigmas propuestos para llevar a cabo la traducci¿utom¿ca.Entender los art¿los cient¿cos relacionados con la traducci¿utom¿ca: las t¿icas y la evaluaci¿sada.
Aprender a entrenar sistemas de traducci¿utom¿ca acordes con la tecnolog¿del momento.
Identificar la informaci¿ultiling¿e presente en los datos y el uso que se le puede dar en el dise¿e herramientas multiling¿es.
Identificar casos en los que el uso de la traducci¿utom¿ca pueda conllevar una mejora.
Temario
1.- Introducci¿.- Evaluaci¿e la traducci¿utom¿ca3.- Funcionamiento de la traducci¿utom¿ca
4.- Multiling¿ismo
Bibliografía
Bibliografía básica
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.
No ha sido posible cargar el contenido, inténtelo más tarde. En caso de que el problema persista contacte con el CAU (Tlf: 946014400 / Email: cau@ehu.eus / Web: https://lagun.ehu.eus).