《国外计算机科学教材系列:统计机器翻译》提供了必要的语言学和概率论基础知识，涵盖了机器翻译的主要模型：基于词的、基于短语的和基于句法树的模型，还介绍了机器翻译评测、语言建模、区分式训练以及整合语言学标注的高级方法。《国外计算机科学教材系列:统计机器翻译》汇总了最新的研究成果和一些尚未解决的挑战，使初学者和经验丰富的研究人员都能够对这一领域有所贡献。这是一本本科生和研究生的理想读本，也适用于任何对机器翻译开发有兴趣的读者。

《国外计算机科学教材系列:统计机器翻译》提供了必要的语言学和概率论基础知识，涵盖了机器翻译的主要模型：基于词的、基于短语的和基于句法树的模型，还介绍了机器翻译评测、语言建模、区分式训练以及整合语言学标注的高级方法。《国外计算机科学教材系列:统计机器翻译》汇总了最新的研究成果和一些尚未解决的挑战，使初学者和经验丰富的研究人员都能够对这一领域有所贡献。这是一本本科生和研究生的理想读本，也适用于任何对机器翻译开发有兴趣的读者。

机器翻译与科学翻译有着非常密切的联系。早期的机器翻译研究主要就是为翻译科学技术文献服务的。当今科学技术的发展日新月异，科学技术文献的数量与日俱增，使我们目不暇接，手工的翻译虽然译文质量很高，但是速度太慢，难于满足科学技术文献日益增长的需要，机器翻译是解决这个问题的一个重要手段。作者在1981年至1985年期间，曾在中国科学技术信息研究所计算中心担任机器翻译研究组的组长，这个研究组的主要任务，就是使用计算机进行冶金方面的科学技术文献的翻译，建立英汉冶金文献的机器翻译系统。机器翻译确实应该成为科学翻译的一个组成部分。

机器翻译与科学翻译有着非常密切的联系。早期的机器翻译研究主要就是为翻译科学技术文献服务的。当今科学技术的发展日新月异，科学技术文献的数量与日俱增，使我们目不暇接，手工的翻译虽然译文质量很高，但是速度太慢，难于满足科学技术文献日益增长的需要，机器翻译是解决这个问题的一个重要手段。作者在1981年至1985年期间，曾在中国科学技术信息研究所计算中心担任机器翻译研究组的组长，这个研究组的主要任务，就是使用计算机进行冶金方面的科学技术文献的翻译，建立英汉冶金文献的机器翻译系统。机器翻译确实应该成为科学翻译的一个组成部分。

利用机器翻译技术实现不同语言之间的自由交流始终是最令人期待的计算机应用之一。本书全面回顾了近30 年来机器翻译的技术发展历程，遵循机器翻译技术的发展脉络，对基于统计和基于端到端深度学习的机器翻译关键技术及原理进行了深入解析，力求做到简洁明了、全面透彻、图文结合。此外，本书着重介绍了近年来机器翻译领域的科研热点，旨在帮助读者全面了解机器翻译的前沿研究进展和关键技术。 《机器翻译：基础与模型》可供计算机相关专业高年级本科生及研究生学习使用，也可作为自然语言处理，特别是机器翻译相关研究人员的案边手册。

利用机器翻译技术实现不同语言之间的自由交流始终是最令人期待的计算机应用之一。本书全面回顾了近30 年来机器翻译的技术发展历程，遵循机器翻译技术的发展脉络，对基于统计和基于端到端深度学习的机器翻译关键技术及原理进行了深入解析，力求做到简洁明了、全面透彻、图文结合。此外，本书着重介绍了近年来机器翻译领域的科研热点，旨在帮助读者全面了解机器翻译的前沿研究进展和关键技术。 《机器翻译：基础与模型》可供计算机相关专业高年级本科生及研究生学习使用，也可作为自然语言处理，特别是机器翻译相关研究人员的案边手册。

《汉英机器翻译若干关键技术研究》是作者所在的课题组近年来在汉英机器翻译研究方面所取得进展的一个阶段性总结。内容涉及汉英机器翻译的各个主要方面及关键技术，包括对目前国际上机器翻译研究进展的综述，汉语词法分析技术、汉语句法分析技术、汉语词汇语义相似度计算、汉英双语语料库的词语对齐、语料库的结构对齐、基于结构对齐语料库的翻译模板抽取、多引擎机器翻译方法等多方面的研究成果。

这本书描述和分析的是职业翻译（和多语种媒体传播工程学专业）情况。作者把职业翻译作为多语种媒体传播工程学的核心成分来说明什么是职业翻译。作者描述了职业译者的日常工作，也回答了想做翻译的人和已经决定成为译者且盼望成功的人提出的诸多问题。他统计归纳并回答了影响翻译领域的最重要的问题，并试图勾勒出这个职业的前景，或更准确地讲，“翻译职业”的未来。 此书涉及翻译市场中的各类人员及机构，详细描述了近年来翻译条件、程序和环境等方面的重要变化，分析了职业翻译的性质和内容、翻译报酬以及翻译能力等进入翻译行业的先决条件，对于处于全球化环境下的译员及机构具有很好的学习借鉴意义。

大数据时代的到来，使我们的生活在政治、经济、社会、文化各个领域都产生了很大改变。“数据科学”一词应运而生。如何更好地对海量数据进行分析、得出结论并做出智能决策是统计工作者面临的机遇与挑战。本书介绍数据挖掘与统计机器学习领域最常用的模型和算法，包括最基础的线性回归和线性分类方法，以及模型选择和模型评价的概念和方法，进而介绍非线性的回归和分类方法（包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法）。最后介绍无监督的学习中的聚类方法和业界广泛使用的推荐系统方法。除了方法的理论讲解之外，我们给出了每种方法的R语言实现，以及应用Python语言实现深度学习和支持向量机两种方法。本书的一个亮点是最后一章给出的两个大数据案例，数据量均在10G左右。我们同时给出了单机版（Python、数据库、R）和分布式（Hadoop、Hive、Spark）两种实现方案。原始数据和程序代码均可在出版社提供的网址下载。本书面向的主要读者是应用统计专业硕士，希望能够拓展到统计专业高年级的本科生以及其他各个领域有数据分析需求的学生和从业人员。

本书旨在为有兴趣更好地理解数学和统计的学生提供一个可访问的、全面的教科书，这些数学和统计知识是数据科学和机器学习算法的基础。