Utilização do modelo MarianMT para tradução.

• Neste exemplo a tradução é feito do inglês para o português, mas ela pode ser feita em qualquer uma das línguas suportadas pelo MarianMT.
• Para adaptar para traduções em outras línguas é necessário verificacar se há o modelo pré-treinado disponível no MarianMT e adaptar o truncamento de strings do spacy para o idioma desejado
• A métrica computada é o sacrebleu

Espera-se como entrada para o componente uma tabela com entradas textuais.

A seguir são listados todos os parâmetros utilizados pelo componente:

• Atributo do texto: feature (Obrigatório).
  Este atributo será traduzido e apresentado o resultado.
• Atributo alvo: feature (Obrigatório).
  Seu modelo será treinado para prever os valores do alvo.
• Idioma de entrada: string, {"Alemão", "Catalão", "Espanhol", "Francês", "Inglês", "Italiano", "Latim", "Português", "Romeno"}, padrão: "Inglês".
  Idioma de entrada.
• Idioma de saída: string, {"Alemão", "Catalão", "Espanhol", "Francês", "Inglês", "Italiano", "Latim", "Português", "Romeno"}, padrão: "Português".
  Idioma de saída.
• Semente de aleatoriedade: integer, padrão: 42.
  Semente de aleatoriedade utilizada pelo modelo.
• Tamanho máximo da sentença de entrada: integer, padrão: 127.
  Tamanho máximo da sentença de entrada em tokens.
• Tamanho máximo da sentença de saída: integer, padrão: 256.
  Tamanho máximo da sentença de saída em tokens.
• Tamanho do batch de inferência: integer, padrão:2.
  Tamanho do batch aplicado na inferência.

As métricas de performance tem o propósito de ajudar o usuário a avaliar a performance do modelo. Essas métricas variam de acordo com o tipo de problema, tal como: classificação, regressão, agrupamento, entre outros.

1. BLEU: A métrica BLEU (cujo nome provém de BiLingual Evaluation Understudy) mede a precisão dos n-gramas das sentenças alvo geradas automaticamente em relação a um conjunto de textos de referência

O retorno durante a experimentação ajuda o usuário a analisar tanto métricas distintas de forma visual, como a distribuição dos dados e os dados brutos ao final da execução. Sendo assim, é possível visualizar diversos retornos para este componente como os listados a seguir:

1. Dataframe com o texto de entrada, texto de referência, texto traduzido e o score bleu

Espera-se como retorno numpy arrays contendo os textos traduzidos.