Entrenament, avaluació i integració d'un traductor automàtic neuronal de l'àmbit biomèdic a una empresa

La traducció automàtica neuronal està, actualment, a l'ordre del dia de totes les agències del sector. En aquest treball de fi de màster es duu a terme la creació d'un motor de traducció automàtica neuronal, amb la combinació d'idiomes EN>ES, en l'àmbit biomèdic en col·laboració amb una agència de traducció i mitjançant la configuració de Marian. Es presenta tot el procés que comporta la creació d'un motor, inclosos la decisió de les llengües i l'àmbit, la cerca i preparació dels corpus, l'entrenament i l'avaluació. L'objectiu del treball és entrenar un motor de traducció automàtica que permeti augmentar la productivitat d'una empresa de traducció o d'un sector d'aquesta empresa i comprovar si ofereix millors o pitjors resultats que alguns dels traductors més potents del mercat, com són Google Translate i DeepL.
La traducción automática neuronal está, actualmente, a la orden del día de todas las agencias del sector. En este trabajo de fin de máster se lleva a cabo la creación de un motor de traducción automática neuronal con la combinación de idiomas EN>ES, del ámbito biomédico en colaboración con una agencia de traducción y a partir de la configuración de Marian. Se presenta todo el proceso que implica la creación de un motor, que incluyen la decisión de las lenguas y el ámbito, la búsqueda y preparación de los corpus, el entrenamiento y la evaluación. El objetivo de este trabajo es entrenar un motor de traducción automática que permita augmentar la productividad de una empresa de traducción o de un sector de esa empresa i comprobar si ofrece mejores o peores resultados que algunos de los traductores más potentes del mercado, como son Google Translate i DeepL.
Neural Machine translation is the new state-of-art in all the translation industry. In this Master's Degree dissertation, we create a neural machine translation engine with the language combination EN>ES about biomedicine in collaboration with a translation agency, built from Marian's configuration. We present all the processes that involves the creation of an engine, included the language and the field decision, the corpus research and preprocessing, the training and the evaluation. The aim of this dissertation is to train a machine translation engine that allows increase the productivity of a translation agency or part of it, and verify if it offers better or worse results than some of the best translation engines in the market, such as Google Translate and DeepL.