Traducción Audiovisual y Localización (TRAVLOC) (conjunto con UAM)
Master's Programme. Academic Year 2024/2025.
BASES Y MÉTODOS DE LA AUTOMATIZACIÓN DE LA TRADUCCIÓN - 609264
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 066D - MÁSTER UNIVERSITARIO EN TRADUCCIÓN AUDIOVISUAL Y LOCALIZACIÓN (2018-19)
- Carácter: OBLIGATORIA
- ECTS: 3.0
SINOPSIS
COMPETENCIAS
Generales
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Transversales
T5 - Demostrar iniciativa en la generación de nuevas ideas, autoconfianza y espíritu emprendedor en el trabajo realizado. Saber aplicar los conocimientos adquiridos a la práctica de modo autónomo.
T7 - Adaptarse con agilidad y autonomía a nuevos problemas y situaciones, y más específicamente a aquellos relacionados con la vida profesional.
Específicas
CE06 - Identificar, analizar y solucionar dificultades conceptuales, metodológicas y prácticas en el proceso traductor en el ámbito de las tecnologías aplicadas a la traducción.
CE07 - Identificar, adquirir y desarrollar las técnicas y el conocimiento experto necesario para realizar tareas de localización en un contexto profesional.
ACTIVIDADES DOCENTES
Clases teóricas
Clases prácticas
Otras actividades
TOTAL
Presenciales
Semestre
Breve descriptor:
Introducción a los conceptos básicos del Procesamiento del Lenguaje Natural que permitan comprender la lógica de funcionamiento de las tecnologías de traducción automática (en sus diferentes sistemas de traducción directa, por transferencia, estadística, con interlingua, híbridos) y asistida (por usuario humano o por ordenador), así como de las herramientas lingüísticas de asistencia al traductor en el ámbito de la traducción en general y en los ámbitos particulares de la Traducción Audiovisual y la Localización.
Objetivos
Comprender los problemas propios derivados de la naturaleza del tratamiento de las lenguas naturales.
Comprender la lógica de trabajo de los sistemas automáticos y ponerla en práctica con un lenguaje de programación.
Conocer los diferentes modelos utilizados en el Procesamiento del Lenguaje Natural.
Saber analizar problemas de la automatización y encontrar las soluciones.
Contenido
Introducción al Procesamiento del Lenguaje Natural (PLN) aplicado a la Traducción
Los lenguajes de programación y de etiquetado
Retos fundamentales del PLN y metodologías actuales para enfrentarlos
Evaluación
20% Asistencia, participación y resolución de ejercicios en evaluación continua.
40% Un ejercicio práctico individual o colectivo.
40% Una prueba presencial. En caso de irregularidad (plagio, copia, suplantación de identidad,
etc.) en una actividad de evaluación, la calificación final de la asignatura será 0.
Bibliografía
Alshawi, H., Srinivas, B. and Douglas, S, 2000. Learning Dependency Translation Models as Collections of Finite State Head Transducers, Computational Linguistics, vol. 26.
ALPAC. 1966. Language and machines: Computers in Translation and Linguistics. A Report by the Automatic Language Processing Advisory Committee. Division of Behavioral Sciences, National Academy of Sciences, National Research Council, Washington, D.C.
Gries, S. T. (2009). Quantitative corpus linguistics with R. A practical introduction. Oxford: Routledge.
Halliday, M.A.K. (1991). Corpus studies and probabilistic grammar. In Karin Aijmer & Bengt Altenberg, eds., English Corpus Linguistics. London: Longman, 30-43.
Halliday, M.A.K. (1992). Language as system and language as instance: the corpus as a theoretical construct. In Jan Svartvik, ed., Directions in Corpus Linguistics. Berlin: de Gruyter, 61-77.
Otra información relevante
esulta particularmente recomendable que el estudiante acuda a clase con su ordenador portátil y el software de trabajo que el profesor recomiende.
- El horario de atención al estudiante se facilitará al comenzar las clases. Es aconsejable, no obstante, escribir al profesor con antelación suficiente (unas 48 horas) siempre que se desee concertar una cita.
Estructura
Módulos | Materias |
---|---|
No existen datos de módulos o materias para esta asignatura. |
Grupos
Clases teóricas y/o prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo T | - | - | - | MARIA DEL CARMEN GOMEZ PEREZ |