Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 21 horas
Temario del curso
Introducción a la Localización Empresarial con LLM
- Comprensión de los ecosistemas de localización empresarial
- De la MTN a la traducción impulsada por LLM
- Desafíos de la calidad, la gobernanza y el cumplimiento
El panorama de modelos de LLM para la localización
- Comparación de los modelos de Deepseek, Qwen, Mistral y OpenAI
- Ajuste fino y adaptación para la traducción y la edición posterior
- Despliegue de modelos y consideraciones de coste-rendimiento
Arquitectura de canales de localización con LLM
- Patrones de diseño de sistemas para la traducción basada en LLM
- Conexión de APIs, bases de datos y sistemas de gestión de contenido
- Orquestación de canales utilizando LangChain y Docker
Garantía de calidad automatizada para traducciones de LLM
- Definición de métricas de calidad lingüística (BLEU, COMET, MQM)
- Construcción de agentes de QA automatizados para la validación de traducciones
- Bucles de retroalimentación de edición posterior y mejora continua
Gobernanza y cumplimiento en la IA de localización
- Establecimiento de gobernanza con participación humana en el proceso (human-in-the-loop)
- Seguimiento, registros de auditoría y control de cambios
- Estándares éticos y de privacidad de datos en los sistemas de LLM
Marcos de evaluación y monitoreo
- Monitoreo del rendimiento de la traducción y la deriva
- Alertas y registros en tiempo real con herramientas de código abierto
- Implementación de paneles de revisión para la supervisión de QA
Integración empresarial y automatización de flujos de trabajo
- Integración de los canales de traducción de LLM con sistemas CMS y TMS
- Automatización de flujos de trabajo y programación de tareas
- Colaboración interdepartamental y control de versiones
Escala y seguridad de la infraestructura de localización
- Escala de despliegues de modelos múltiples en la nube y en las instalaciones
- Seguridad, gestión de acceso y cifrado de datos
- Mejores prácticas de gobernanza para la adopción de LLM a nivel empresarial
Resumen y próximos pasos
Requerimientos
- Un entendimiento del aprendizaje automático y el procesamiento del lenguaje natural
- Experiencia con Python o TypeScript para la integración de APIs
- Conocimiento de los flujos de trabajo y herramientas de localización empresarial
Público objetivo
- Ingenieros de IA y PLN
- Gerentes de Tecnología de Localización
- Arquitectos de software y líderes de ingeniería