近年来,随着印度尼西亚与外界交流的日益频繁,印尼语成为了相互交流的主要障碍,而机器翻译便是解决这一障碍的有效手段之一。对于机器翻译任务,也和众多领域一样青睐于深度学习,尤其在序列到序列的神经网络翻译系统打破了传统机器翻译的局面后,一体化的结构和不错的翻译结果受到了研究者的瞩目。本文以深度学习为研究设计背景,结合近年相关的前沿研究成果,针对印尼语的语言特性以及完成印尼语机器翻译系统所面临的问题,主要在以下方面展开工作:(1)根据印尼语和英语高度相似性的特点,参考了英语翻译的神经网络架构后,确定印尼语翻译采用编码-解码的神经网络结构,并进行基本结构以及隐层单元计算的相应改进。(2)数据挖掘存在单双语料规模小质量差的问题,采取两种不同的挖掘策略并在工程上实现:本地定向抓取和集群上分布式抓取。(3)对数据进行多种方式清洗以及预处理,保证数据质量的情况下使其规模达到最大化。(4)在模型训练之前先对印尼语进行字符级训练,生成语言检测模型。另外分析并解决训练中出现未登录词的问题。(5)优化训练模型并实现一体化的印尼语机器翻译系统。最后,对印尼语与汉语互译、印尼语与英语互译的翻译模型测试,最优的模型融合后BLEU值达到39.52。将模型结果应用到实际系统中,实现对语言的检测,多方向语言互译以及手动修正结果等。