Ponte en Contacto
 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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas