Machine Leaerning for Data Streams
with Practical Examples in MOA
the MIT Press
https://mitpress.mit.edu/books/machine-learning-data-streams
和另一位老师前前后后一共花了10个月的时间进行翻译,经过编辑大大的努力赶在春节前出版了!!!
原作是MIT出版社在2018年底出版的Machine Learning for Data Streams —— with Practical Examples in MOA,译作名为《数据流机器学习:MOA实例》。
第一次翻译一本200多页长篇硬核书,和看reading完全不一样。看reading一般不会咬文嚼字地把每个it都想清楚指代的是啥,也不会一直在脑内翻成中文,更不会强调脑内中文译文的语法和措辞。看CS课的textbook就更不用说了,完全是当工具书查阅的。所以为了翻译把一本类似于CS textbook的书看了几十遍的感觉就是,如果出阅读理解题的话,我可以满分。同时借此机会了解到了机器学习中的双语术语,哪些词有中文惯称,哪些词保留英文原文,哪些双语结合等等。
捧场链接⬇️
18年的新书,经过10月翻译和校正,出版的时候已经是19年底了。果然还是追原版新书可以更及时地熟悉领域趋势。电子书可以从上方的MIT Press官网网址下载。
以及被问到过能否直接用Google Translate直接代替译者翻译。作为一个长期用户,我觉得至少对于技术书翻译,可以把Google Translate用于辅助,但是不建议直接代替。技术书英文原文有很多长句复句,翻译成中文的时候我要考虑按逻辑拆分句子,解释指代词以及避免重复等等。如果在某些句子上,觉得自己的翻译怎么读都不顺,再可以尝试借Google Translate的结果,寻找专业术语用词和语序上的灵感。
有时间还想继续翻译技术书,以及尝试翻译人机交互和新媒体艺术方面的书。
下一期更新半年度计划在1月的进程
也欢迎与我分享你的1月总结或年度计划
就像计算机时刻运行着后台程序一样,大脑也会潜意识地持续思考尚未解开的困惑,然后时不时地化为灵感重新回到你的意识。〖Backlog后台思考〗是一个学交互媒体的全栈程序员的大脑后台日志,关于Coding, Creative Tech和Personal growth。
#个人成长#技术书翻译