突发公共卫生事件的治理对于人工智能技术有强烈需求。本文为科技类文本英译中实践报告,以《机器和深度学习在COVID-19诊断和治疗中的应用:调查、挑战和未来方向》英译中为例,以纽马克文本类型理论为指导,探究科技类文本的具体翻译方法。根据纽马克文本类型理论,文本可根据其语言功能划分为信息型文本、表达型文本和呼唤型文本。他进而提出交际翻译和语义翻译两种翻译方法,不同的文本类型应采用不同的翻译方法。《机器和深度学习在COVID-19诊断和治疗中的应用:调查、挑战和未来方向》属于信息型文本。在词汇方面,源文本专业性较强,文中人工智能领域和医学领域的专业术语和表达较多,同时出现大量缩略语;在句法方面,长难句较多,被动句结构和名词化结构频繁出现;在语篇方面,源文本中衔接词较少,其衔接关系隐含在句意及语境之中,且由于专业性较强,文中对比、转折、递进、因果等逻辑关系并不清晰。因此,译者在翻译中需要准确无误地转达原文意义,保证术语翻译正确,同时使译文风格尽可能贴合医学领域和人工智能领域文本风格以及表达方式。本报告共有五章:第一章简要介绍选题背景、研究意义和报告结构;第二章对纽马克文本类型理论和科技类文本的翻译研究进行了详细介绍;第三章运用纽马克文本类型理论,从词汇、句法和篇章三个角度详细分析了源文本的特征;第四章以源文本为例,通过具体案例从词汇、句法和篇章三个层面探讨科技类文本的具体翻译方法和技巧。最后,在第五章,笔者总结了此次翻译实践的经验,并提出了可改进之处,以期对未来科技类文本的翻译提供些许建议和帮助。