Módulo “Formación instrumental”, aunque con fuerte vinculación con “Traducción especializada”.

Asignatura optativa de formación específica, con componentes vinculados con los recursos tecnológicos para la traducción, la gestión de proyectos y la traducción y revisión de textos.

Traductor. Revisor. Gestor de proyectos. Localizador. Ingeniero de localización

• Historia de la traducción automática y modelos fundamentales.
• La traducción automática estadística: el modelo basado en frases (PB-MT). Unas nociones.
• Qué es una red neuronal. Nociones básicas e intuitivas
• Preparando el camino a la traducción automática neuronal: la tokenización de un texto y la conversión de palabras a vectores. Qué son las Word Embeddings
• Modelos de traducción automática neuronal principales:
  • La arquitectura Seq2Seq
  • La arquitectura Seq2Seq
  • La arquitectura Transformer
  • Propuestas híbridas
• Últimos avances en Traducción automática neuronal.
• Evaluación automática de la calidad de la traducción.
• La posedición y la revisión.
• Preedición, lenguaje controlado y reaprendizaje.
• Niveles de posedición
• Técnicas de posedición
• Herramientas de posedición

Capacidad de aprendizaje y experimentación autónomo

• Conocimiento de técnicas de gestión y procesado de corpus
• Dominio de técnicas de revisión (posedición) de contenido traducido automáticamente.
• Conocimiento de modelos y técnicas de los sistemas de traducción automática.

• Instrumentales: aprender a aplicar métodos sistemáticos para el trabajo en ordenador con grandes cantidades de ficheros y ficheros de gran tamaño
• Interpersonales: capacidad de trabajo en equipo, razonamiento crítico
• Sistémicas: capacidad de organización, iniciativa y liderazgo, capacidad de identificación de problemas y búsqueda de soluciones

Burchardt, A. et. al. (2017): “A Linguistic Evaluation of Rule-Based, Phrase-Based, and Neural MT Engines”. The Prague Bulletin of Mathematical Linguistics, June 2017 (108), pp. 159-170. https://ufal.mff.cuni.cz/pbml/108/art-burchardt-macketanz-dehdari-heigold-peter-williams.pdf

Casacuberta Nolla, F. y Peris Abril, A. (2017): “Traducción automática neuronal”, Revista Tradumàtica, 15 , pp. 66-74. http://revistes.uab.cat/tradumatica/article/viewFile/n15-casacuberta-peris/pdf_48

Isaac Caswell and Bowen Liang (2020): Recent Advances in Google Translate. [Mensaje en un blog] Google AI Blog. En línea: https://ai.googleblog.com/2020/06/recent-advances-in-google-translate.html

Cho, Kyunghyun (2015a): Introduction to Neural Machine Translation with GPUs (part 1). [Mensaje en un blog] NVIDIA Developer Blog. 27 de Mayo de 2015. En línea: https://devblogs.nvidia.com/introduction-neural-machine-translation-with-gpus/

Cho, Kyunghyun (2015b): Introduction to Neural Machine Translation with GPUs (part 2). [Mensaje en un blog] NVIDIA Developer Blog. 14 de Junio 2015. En línea: https://developer.nvidia.com/blog/introduction-neural-machine-translation-gpus-part-2/

Cho, Kyunghyun (2015c): Introduction to Neural Machine Translation with GPUs (part 3). [Mensaje en un blog]. 26 de Junio de 2015. En línea: https://developer.nvidia.com/blog/introduction-neural-machine-translation-gpus-part-3

Forcada, M. L. (2017): “Making sense of neural machine translation”. Translation Spaces 6:2 pp. 291–309. http://www.dlsi.ua.es/~mlf/docum/forcada17j2.pdf

Forcada, M. L. (2019): Traducción automática neural: cómo funciona y qué se puede esperar de ella. [Diapositivas]. Departamento de Lenguajes y Sistemas, Universidad de Alicante. En línea: https://www.dlsi.ua.es/~mlf/tmp/forcada_torrejuana.pdf

Koehn, P. y Knowles, R. (2017): Six Challenges for Neural Machine Translation, Proceedings of the First Workshop on Neural Machine Translation. (p. 28–39). Vancouver: Association for Computational Linguistics. En línea: https://www.aclweb.org/anthology/W17-3204.pdf

Hu, Ke; Cadwell, Patrick (2016): “A Comparative Study of Post-editing Guidelines”. Baltic J. Modern Computing, (4)2, pp. 346-353. http://doi.org/10.13140/RG.2.1.2253.1446

Koehn, P. (2017): Neural Machine Translation, arXiv:1709.07809v1

Mesa-Lao, Bartolomé (2013): "Introduction to Post-Editing: The CasMaCat GUI". SEECAT Project.

Neubig, Graham (2017): Neural Machine Translation and Sequence-to-sequence Models: A Tutorial. arXiv:1703.01619

O'Brien, Sharon (2012): "Towards a Dynamic Quality Evaluation Model for Translation". JoSTrans. The Journal of Specialised Translation, 17. En línea: http://www.jostrans.org/issue17/art_obrien.php.

Peris, A. (2018): Is Attention All You Need? [Diapositivas]. Universitat Politècnica de València. En línea: https://www.prhlt.upv.es/aigaion2/attachments/Transformer.pdf-54651af972703d4b1443fc03a8a9e9a6.pdf

Rico, Celia (2012): "A Flexible Decision Tool for Implementing Post-editing Guidelines". Localisation Focus. The International Journal of Localisation, 11 (1), pp. 54-66. En línea: http://www.localisation.ie/sites/default/files/resources/locfocus/issues/LocalisationFocusVol11Issue1_online_0.pdf

Sánchez-Gijón, P. (2016): “La Posedición : Hacia Una Definición Competencial Del Perfil y Una Descripción Multidimensional Del Fenómeno.” Sendebar 27: 151–62.

Sato, K. (2016): Understanding neural networks with TensorFlow Playground. [Mensaje en un blog]. Google Cloud Blog. En línea: https://cloud.google.com/blog/products/gcp/understanding-neural-networks-with-tensorflow-playground

Steinberger Ralf, Mohamed Ebrahim, Alexandros Poulis, Manuel Carrasco-Benitez, Patrick Schlüter, Marek Przybyszewski & Signe Gilbro (2014). An overview of the European Union's highly multilingual parallel corpora. Language Resources and Evaluation Journal (LRE). December 2014, Volume 48, Issue 4, pp 679-707. DOI: 10.1007/s10579-014-9277-0.

Svoboda, T. (2018): The state of the (trade and) art in translation: PEMT automation, MT, and the future. In European Union, European Parliament, Translation services in the digital world. A sneak peek into the (near) future, pp. 106-119, Luxembourg..

TAUS (2013): "Pautas para la postedición de traducción automática". Trad.: iDISC. Thinktank/Resources/Best Practices. En línea: https://www.taus.net/think-tank/best-practices/postedit-best-practices/machine-translation-post-editing-guidelines-spanish.

Torres, J. (2019): Deep Learning: introducción práctica con Keras. Primera parte. Lulu Press. Versión en línea: https://torres.ai/deep-learning-inteligencia-artificial-keras/

Alcina, Amparo; Sánchez Gijón, Pilar, eds. (2017): Número especial: "Traducción automática: estado de la cuestión". Tradumàtica, 15. En línea: http://revistes.uab.cat/tradumatica/issue/view/n15

M. X. Chen, O. Firat, A. Bapna, M. Johnson, W. Macherey, G. Foster, L. Jones, N. Parmar, M. Schuster, Z. Chen, Y. Wu, M. Hughes (2018): The Best of Both Worlds: Combining Recent Advances in Neural Machine Translation.  arXiv:1804.09849

Denny Britz, Anna Goldie, Minh-Thang Luong, Quoc Le: Massive Exploration of Neural Machines Translations Architectures. arXiv:1703.03906

Jakob Uszkoreit (2017): Transformer: A Novel Neural Network Architecture for Language Understanding. [Mensaje en un blog] Google AI Blog. 31 Agosto 2017. En línea: https://ai.googleblog.com/2017/08/transformer-novel-neural-network.html

Wu, Yonghui; Schuster, Mike; Chen, Zhifeng; et al. (2016): Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation. arXiv:1609.08144

Vieira, Lucas Nunes; Alonso, Elisa; Bywood, Lindsay (eds.) (2019) Número especial: " Post-Editing in Practice: Process, Product and Networks". The Journal of Specialised Translation, 31. http://jostrans.org/issue31/issue31_toc.php

Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin (2017): Attention Is All You Need. arXiv:1706.03762

Se valorará la consecución de las competencias anteriormente indicadas, manteniendo un equilibrio entre aspectos conceptuales, instrumentales, interpersonales y de autorreflexión.

• Realización habitual de ejercicios y prácticas.
• Debate oral y escrito sobre lecturas introductorias y temas concretos.
• Demostración del dominio de técnicas y conceptos básicos.

• Tareas y prácticas (50%)
• Seminarios, control de lecturas y/o trabajos y/o exposiciones (25%)
• Pruebas escritas y cuestionarios (25%)

Seguimiento continuado de las lecturas, tareas, y experimentación autónomas.

La presentación copiada total o parcialmente de alguno de los trabajos destinados a la evaluación supondrá el suspenso automático en la asignatura y la imposibilidad de recuperarla.

Las mismas que para la evaluación.