La traducción automática se ha presentado en muchos casos como un enemigo del traductor. En los últimos años, se ha disparado una gran mejora de los sistemas de traducción: la traducción automática basada en redes neuronales. Esto, y su combinación con la inteligencia artificial, ha hecho de los motores de traducción una herramienta indispensable para cualquier resultado. Este Trabajo de Fin de Grado (TFG) tiene por objetivo la evaluación del producto resultante de dos herramientas de esta índole, DeepL y Lilt, basándonos en parámetros de análisis académicos para realizarla. Consideramos que la evaluación continua de la traducción automática es fundamental para los estudiantes de traducción, ya que se trata de un terreno en permanente metamorfosis que es necesario definir en la enseñanza. Saber cuáles son las herramientas más beneficiosas en función del encargo, contexto o coordenadas situacionales. Para ello, la comparación del rendimiento de dos sistemas NMT permitirá que identifiquemos las fortalezas y las debilidades de cada motor según su precisión y fluidez.
Excepté là où spécifié autrement, la license de ce document est décrite en tant que Attribution-NonCommercial-NoDerivatives 4.0 Internacional