Intrati in legatura

Schița de curs

Introducere în Sistemele de Traducere LLM

  • Înțelegerea traducerii automate neuronale (NMT) și limitările acesteia
  • Prezentare generală a arhitecturilor LLM și capacitățile lor de traducere
  • Comparație între traducerea tradițională și cea bazată pe LLM

Lucrul cu Modele LLM Proprietare și Open-Source

  • Utilizarea modelelor OpenAI, Deepseek, Qwen și Mistral pentru traducere
  • Compromisuri între performanță și latență
  • Selectarea modelului potrivit pentru fluxul de lucru

Construirea Pipeline-urilor de Traducere cu LangChain

  • Principii de proiectare a pipeline-urilor pentru traducerea LLM
  • Implementarea unui lanț de traducere cu LangChain
  • Gestionarea ferestrelor de context și a utilizării token-urilor

Automatizarea Fluxurilor de Lucru de Traducere

  • Programarea sarcinilor de traducere folosind Python și instrumente de automatizare
  • Gestionarea job-urilor batch în mai multe limbi
  • Integrarea cu sisteme de management al localizării

Îmbunătățirea Calității Traducerii

  • Inginerie de prompturi pentru traducere conștientă de context
  • Automatizarea post-editării și designul cu omul în buclă
  • Strategii de fine-tuning pentru traducerea specifică domeniului

Evaluarea și Monitorizarea Pipeline-urilor de Traducere

  • Estimarea automată a calității (AQE) și evaluarea scorului BLEU
  • Logare, analiză și observabilitate a pipeline-urilor
  • Gestionarea erorilor și mecanisme de rezervă

Scalarea și Implementarea Sistemelor de Traducere

  • Implementare în cloud cu Docker și framework-uri serverless
  • Echilibrarea sarcinilor și procesarea paralelă pentru traducerea la scară mare
  • Considerații de securitate, conformitate și confidențialitate a datelor

Integrarea Pipeline-urilor de Traducere în Infrastructura Enterprise

  • Conectarea API-urilor de traducere la CMS, ERP și platforme L10n
  • Gestionarea costurilor și performanței la scară
  • Fluxuri de lucru de guvernanță și aprobare pentru localizarea enterprise

Rezumat și Pași Următori

Cerințe

  • Înțelegerea programării în Python
  • Experiență în integrarea API-urilor și automatizarea fluxurilor de lucru
  • Familiaritate cu conceptele de învățare automată și modele lingvistice

Publicul Țintă

  • Ingineri de Învățare Automată
  • Specialiști în Tehnologii de Localizare și Traducere
  • Arhitecți de Software și Lideri de Inginerie
 21 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite