Desde la primera demostraci\u00f3n en l\u00ednea de Neural Machine Translation (NMT) por LISA, el desarrollo de NMT se ha trasladado recientemente de los sistemas de laboratorio a los sistemas de producci\u00f3n, como lo demuestran varias entidades que anuncian el lanzamiento de los motores NMT para reemplazar sus tecnolog\u00edas existentes. Los sistemas NMT tienen un gran n\u00famero de configuraciones de entrenamiento y el proceso de entrenamiento de tales sistemas suele ser muy largo, a menudo unas pocas semanas, por lo que el papel de la experimentaci\u00f3n es fundamental e importante para compartir. En este trabajo, presentamos nuestro enfoque de los sistemas listos para la producci\u00f3n simult\u00e1neamente con el lanzamiento de demostradores en l\u00ednea que cubren una gran variedad de idiomas (12 idiomas, para 32 pares de idiomas). Exploramos diferentes opciones pr\u00e1cticas: un marco de c\u00f3digo abierto eficiente y evolutivo; preparaci\u00f3n de datos; arquitectura de red; caracter\u00edsticas implementadas adicionales; ajuste para la producci\u00f3n; etc. Discutimos sobre la metodolog\u00eda de evaluaci\u00f3n, presentamos nuestros primeros hallazgos y finalmente delineamos el trabajo adicional.\u00a0Nuestro objetivo final es compartir nuestra experiencia para construir sistemas de producci\u00f3n competitivos para la traducci\u00f3n \"gen\u00e9rica\". Nuestro objetivo es contribuir a establecer un marco de colaboraci\u00f3n para acelerar la adopci\u00f3n de la tecnolog\u00eda, fomentar nuevos esfuerzos de investigaci\u00f3n y permitir la entrega y adopci\u00f3n a\/por parte de la industria de motores de casos de uso espec\u00edficos integrados en flujos de trabajo de producci\u00f3n reales. El dominio de la tecnolog\u00eda nos permitir\u00eda construir motores de traducci\u00f3n adecuados para necesidades particulares, superando los sistemas actuales m\u00e1s simples\/uniformes.<\/p>","protected":false},"excerpt":{"rendered":"
Desde la primera demostraci\u00f3n en l\u00ednea de Neural Machine Translation (NMT) por LISA, el desarrollo de NMT ha pasado recientemente del laboratorio a los sistemas de producci\u00f3n, como lo demuestran varias entidades que anuncian el despliegue de motores NMT para reemplazar sus tecnolog\u00edas existentes. Los sistemas NMT tienen un gran n\u00famero de configuraciones de entrenamiento y el proceso de entrenamiento de tales sistemas es generalmente \u2026 Continuaci\u00f3n<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3318","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/paper\/3318","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/paper"}],"about":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/types\/paper"}],"wp:attachment":[{"href":"https:\/\/www.systransoft.com\/es\/wp-json\/wp\/v2\/media?parent=3318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}