計算機網(wǎng)絡(luò)的發(fā)展使得人們對信息的采集、傳播的速度和規(guī)模達到史無前例的水平,實現(xiàn)了全球信息的共享和交互。在信息化時代,利用機器學(xué)習(xí)將無序的數(shù)據(jù)轉(zhuǎn)換成有用的信息,至關(guān)重要。本報告所選翻譯文本為一本權(quán)威的講述機器學(xué)習(xí)的著作《機器學(xué)習(xí)——新型人工智能》(Machine Learning—The New AI),筆者節(jié)選了第一和第三章作為翻譯材料,所選材料第一章詳細的敘述了計算機科學(xué)及其應(yīng)用的發(fā)展,解釋了數(shù)字技術(shù)是如何從大型計算機發(fā)展成臺式個人計算機以及后來的智能在線設(shè)備和移動設(shè)備的。而第三章主要講的是學(xué)習(xí)算法是如何用于模式識別,其中重點介紹了人臉識別和語音識別。原文本屬于典型的科技文本,文本中有大量技術(shù)詞和半技術(shù)詞,而且句型復(fù)雜,多為長難句,整體語言客觀,專業(yè)性極強,是科技文本翻譯問題的理想材料。本次翻譯實踐根據(jù)翻譯目的論的忠實原則,盡量規(guī)范文本中科技術(shù)語的翻譯;根據(jù)翻譯目的論的目的原則,對文本中長難句的翻譯采取了不同的翻譯策略,如換序、省譯和拆分法,力圖使譯文簡潔,邏輯嚴謹,符合漢語的表達習(xí)慣;根據(jù)譯文語言表達的連貫性,筆者探討了譯文中經(jīng)常出現(xiàn)的語言表達問題,如死譯問題、詞語搭配不當問題和語義模糊問題,同時采取了相應(yīng)解決辦法,如增譯法、轉(zhuǎn)譯法和意譯法等,力求表達規(guī)范,實現(xiàn)譯本的通順簡潔。通過《機器學(xué)習(xí)——新型人工智能》的漢譯實踐,筆者鍛煉、提升了翻譯能力,將所學(xué)的翻譯方法和技巧用于實踐,同時了解了科技英語以及機器學(xué)習(xí)相關(guān)內(nèi)容,獲益匪淺。
【學(xué)位單位】：湘潭大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：H315.9
【文章目錄】：
摘要
Abstract
第一章 翻譯任務(wù)描述
    1.1 任務(wù)背景
    1.2 任務(wù)目的和意義
    1.3 理論指導(dǎo)
第二章 原文文本分析
    2.1 文本內(nèi)容
    2.2 文本特征
        2.2.1 專業(yè)技術(shù)詞多
        2.2.2 復(fù)雜長難句多
第三章 翻譯過程描述
    3.1 譯前準備
        3.1.1 術(shù)語表的制定
        3.1.2 翻譯輔助工具的準備
        3.1.3 平行文本的查找
    3.2 翻譯過程
        3.2.1 充分把握原作
        3.2.2 制定翻譯計劃
    3.3 譯后審校
        3.3.1 自我校對
        3.3.2 他人校對
第四章 翻譯案例分析
    4.1 科技英語術(shù)語翻譯的忠實性
        4.1.1 專業(yè)技術(shù)詞的規(guī)范翻譯
        4.1.2 半技術(shù)詞的忠實翻譯
    4.2 長難句翻譯策略選擇的目的性
        4.2.1 長難句的換序譯法
        4.2.2 長難句的拆譯和省譯
        4.2.3 長難句中被動句的主動化翻譯
    4.3 譯文語言表達的連貫性
        4.3.1 詞語搭配問題
        4.3.2 語義模糊問題
        4.3.3 死譯問題
第五章 翻譯實踐總結(jié)
    5.1 翻譯心得
    5.2 問題與不足
參考文獻
致謝
附錄A 術(shù)語表
附錄B 翻譯實踐原文及譯文

【相似文獻】

相關(guān)期刊論文 前10條

1 李兵;林文釗;羅崢尹;;基于機器學(xué)習(xí)的智慧農(nóng)業(yè)決策系統(tǒng)設(shè)計與實現(xiàn)[J];信息與電腦(理論版);2018年24期

2 舒娜;劉波;林偉偉;李鵬飛;;分布式機器學(xué)習(xí)平臺與算法綜述[J];計算機科學(xué);2019年03期

3 劉傳會;汪小亞;郭增輝;;機器學(xué)習(xí)在反洗錢領(lǐng)域的應(yīng)用與發(fā)展[J];清華金融評論;2019年04期

4 孟雨;;機器學(xué)習(xí)讓計算機更智能[J];計算機與網(wǎng)絡(luò);2019年14期

5 高華川;;機器學(xué)習(xí)在經(jīng)濟學(xué)中的應(yīng)用[J];納稅;2019年24期

6 李陽;;機器學(xué)習(xí)在網(wǎng)絡(luò)空間安全研究中的應(yīng)用分析[J];電腦知識與技術(shù);2019年24期

7 胡思潤;楊曉旭;宋靖華;;基于機器學(xué)習(xí)的城市生成方法研究[J];智能建筑與智慧城市;2019年11期

8 蔣良孝;;機器學(xué)習(xí)課程教學(xué)的實踐探索[J];新課程研究;2019年23期

9 ;降低機器學(xué)習(xí)門檻的六大工具[J];電腦知識與技術(shù)(經(jīng)驗技巧);2019年10期

10 朱輝;;機器學(xué)習(xí)在企業(yè)級場景中的實踐與探討[J];中國建設(shè)信息化;2018年03期

相關(guān)博士學(xué)位論文 前10條

1 劉瀏;基于機器學(xué)習(xí)的惡意代碼檢測與分類技術(shù)研究[D];國防科技大學(xué);2017年

2 薛紅新;基于機器學(xué)習(xí)方法的分類與預(yù)測問題研究[D];中北大學(xué);2019年

3 韓啟迪;基于非線性成礦動力系統(tǒng)的機器學(xué)習(xí)方法應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2019年

4 殷曦;基于機器學(xué)習(xí)及統(tǒng)計計算模型的膜蛋白結(jié)構(gòu)預(yù)測[D];上海交通大學(xué);2017年

5 楊靜;蛋白質(zhì)殘基相互作用預(yù)測及其在結(jié)構(gòu)建模中的應(yīng)用研究[D];上海交通大學(xué);2018年

6 王磊;基于機器學(xué)習(xí)的藥物—靶標相互作用預(yù)測研究[D];中國礦業(yè)大學(xué);2018年

7 張慶;鈣鈦礦型功能材料的基因組工程研究[D];上海大學(xué);2018年

8 管月;醫(yī)學(xué)腫瘤影像分類算法研究及其在肝癌上的應(yīng)用[D];南京大學(xué);2018年

9 郝小可;基于機器學(xué)習(xí)的影像遺傳學(xué)分析及其應(yīng)用研究[D];南京航空航天大學(xué);2017年

10 施建明;基于機器學(xué)習(xí)的產(chǎn)品剩余壽命預(yù)測方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

相關(guān)碩士學(xué)位論文 前10條

1 夏怡童;《機器學(xué)習(xí)前沿：2017雷蒙德和貝弗利·薩克勒英美科學(xué)論壇》翻譯實踐報告[D];重慶郵電大學(xué);2019年

2 李逍;產(chǎn)品評論的方面級觀點挖掘技術(shù)研究[D];重慶郵電大學(xué);2019年

3 張輝斌;基于機器學(xué)習(xí)的機電系統(tǒng)部件級PHM技術(shù)研究[D];南京航空航天大學(xué);2019年

4 卞榮臻;基于機器學(xué)習(xí)的硬件木馬檢測方法研究[D];南京航空航天大學(xué);2019年

5 葉詩意;《機器學(xué)習(xí)—新型人工智能》（節(jié)選）翻譯實踐報告[D];湘潭大學(xué);2019年

6 郭銀娟;基于多元統(tǒng)計和機器學(xué)習(xí)的成績分析及研究[D];湘潭大學(xué);2019年

7 趙慶東;基于機器學(xué)習(xí)算法的數(shù)據(jù)分類應(yīng)用研究[D];寧夏大學(xué);2019年

8 巢澤敏;Spark自動調(diào)優(yōu)系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2019年

9 胡樂;融合用戶評論的新聞內(nèi)容質(zhì)量檢測算法研究[D];哈爾濱工業(yè)大學(xué);2019年

10 崔宇中;用于割草機平臺的行人檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

本文編號：2868229