《机器学习—新型人工智能》（节选）翻译实践报告

发布时间：2020-11-03 06:38

　　 计算机网络的发展使得人们对信息的采集、传播的速度和规模达到史无前例的水平,实现了全球信息的共享和交互。在信息化时代,利用机器学习将无序的数据转换成有用的信息,至关重要。本报告所选翻译文本为一本权威的讲述机器学习的著作《机器学习——新型人工智能》(Machine Learning—The New AI),笔者节选了第一和第三章作为翻译材料,所选材料第一章详细的叙述了计算机科学及其应用的发展,解释了数字技术是如何从大型计算机发展成台式个人计算机以及后来的智能在线设备和移动设备的。而第三章主要讲的是学习算法是如何用于模式识别,其中重点介绍了人脸识别和语音识别。原文本属于典型的科技文本,文本中有大量技术词和半技术词,而且句型复杂,多为长难句,整体语言客观,专业性极强,是科技文本翻译问题的理想材料。本次翻译实践根据翻译目的论的忠实原则,尽量规范文本中科技术语的翻译;根据翻译目的论的目的原则,对文本中长难句的翻译采取了不同的翻译策略,如换序、省译和拆分法,力图使译文简洁,逻辑严谨,符合汉语的表达习惯;根据译文语言表达的连贯性,笔者探讨了译文中经常出现的语言表达问题,如死译问题、词语搭配不当问题和语义模糊问题,同时采取了相应解决办法,如增译法、转译法和意译法等,力求表达规范,实现译本的通顺简洁。通过《机器学习——新型人工智能》的汉译实践,笔者锻炼、提升了翻译能力,将所学的翻译方法和技巧用于实践,同时了解了科技英语以及机器学习相关内容,获益匪浅。
【学位单位】：湘潭大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：H315.9
【文章目录】：
摘要
Abstract
第一章 翻译任务描述
    1.1 任务背景
    1.2 任务目的和意义
    1.3 理论指导
第二章 原文文本分析
    2.1 文本内容
    2.2 文本特征
        2.2.1 专业技术词多
        2.2.2 复杂长难句多
第三章 翻译过程描述
    3.1 译前准备
        3.1.1 术语表的制定
        3.1.2 翻译辅助工具的准备
        3.1.3 平行文本的查找
    3.2 翻译过程
        3.2.1 充分把握原作
        3.2.2 制定翻译计划
    3.3 译后审校
        3.3.1 自我校对
        3.3.2 他人校对
第四章 翻译案例分析
    4.1 科技英语术语翻译的忠实性
        4.1.1 专业技术词的规范翻译
        4.1.2 半技术词的忠实翻译
    4.2 长难句翻译策略选择的目的性
        4.2.1 长难句的换序译法
        4.2.2 长难句的拆译和省译
        4.2.3 长难句中被动句的主动化翻译
    4.3 译文语言表达的连贯性
        4.3.1 词语搭配问题
        4.3.2 语义模糊问题
        4.3.3 死译问题
第五章 翻译实践总结
    5.1 翻译心得
    5.2 问题与不足
参考文献
致谢
附录A 术语表
附录B 翻译实践原文及译文

【相似文献】

相关期刊论文 前10条

1 李兵;林文钊;罗峥尹;;基于机器学习的智慧农业决策系统设计与实现[J];信息与电脑(理论版);2018年24期

2 舒娜;刘波;林伟伟;李鹏飞;;分布式机器学习平台与算法综述[J];计算机科学;2019年03期

3 刘传会;汪小亚;郭增辉;;机器学习在反洗钱领域的应用与发展[J];清华金融评论;2019年04期

4 孟雨;;机器学习让计算机更智能[J];计算机与网络;2019年14期

5 高华川;;机器学习在经济学中的应用[J];纳税;2019年24期

6 李阳;;机器学习在网络空间安全研究中的应用分析[J];电脑知识与技术;2019年24期

7 胡思润;杨晓旭;宋靖华;;基于机器学习的城市生成方法研究[J];智能建筑与智慧城市;2019年11期

8 蒋良孝;;机器学习课程教学的实践探索[J];新课程研究;2019年23期

9 ;降低机器学习门槛的六大工具[J];电脑知识与技术(经验技巧);2019年10期

10 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期

相关博士学位论文 前10条

1 刘浏;基于机器学习的恶意代码检测与分类技术研究[D];国防科技大学;2017年

2 薛红新;基于机器学习方法的分类与预测问题研究[D];中北大学;2019年

3 韩启迪;基于非线性成矿动力系统的机器学习方法应用研究[D];中国地质大学(北京);2019年

4 殷曦;基于机器学习及统计计算模型的膜蛋白结构预测[D];上海交通大学;2017年

5 杨静;蛋白质残基相互作用预测及其在结构建模中的应用研究[D];上海交通大学;2018年

6 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年

7 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年

8 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年

9 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年

10 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

相关硕士学位论文 前10条

1 夏怡童;《机器学习前沿：2017雷蒙德和贝弗利·萨克勒英美科学论坛》翻译实践报告[D];重庆邮电大学;2019年

2 李逍;产品评论的方面级观点挖掘技术研究[D];重庆邮电大学;2019年

3 张辉斌;基于机器学习的机电系统部件级PHM技术研究[D];南京航空航天大学;2019年

4 卞荣臻;基于机器学习的硬件木马检测方法研究[D];南京航空航天大学;2019年

5 叶诗意;《机器学习—新型人工智能》（节选）翻译实践报告[D];湘潭大学;2019年

6 郭银娟;基于多元统计和机器学习的成绩分析及研究[D];湘潭大学;2019年

7 赵庆东;基于机器学习算法的数据分类应用研究[D];宁夏大学;2019年

8 巢泽敏;Spark自动调优系统的设计与实现[D];哈尔滨工业大学;2019年

9 胡乐;融合用户评论的新闻内容质量检测算法研究[D];哈尔滨工业大学;2019年

10 崔宇中;用于割草机平台的行人检测技术研究[D];哈尔滨工业大学;2019年

本文编号：2868229