Schița de curs

Introducere în Sistemele de Traducere cu LLM

  • Înțelegerea traducerii neuronale (NMT) și limitările acesteia
  • Prezentare generală a arhitecturilor LLM și capacităților 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 traducere cu 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 în loturi multi-limba
  • Integrarea cu sisteme de management al localizării

Îmbunătățirea Calității Traducerii

  • Prompt engineering pentru traducere conștientă de context
  • Automatizarea post-editării și designul cu om-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
  • Logging, analitică 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 încărcării 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 platforme CMS, ERP și 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 cu integrarea API-urilor și automatizarea fluxurilor de lucru
  • Familiaritate cu concepte de machine learning și modele lingvistice

Publicul țintă

  • Ingineri de Machine Learning
  • Specialiști în Tehnologii de Localizare și Traducere
  • Arhitecți de Software și Conducători de Inginerie
 21 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite