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 los sistemas de traducción con LLM
- Comprensión de la traducción automática neuronal (NMT) y sus limitaciones.
- Resumen de las arquitecturas de LLM y sus capacidades de traducción.
- Comparación entre la traducción automática tradicional y la basada en LLM.
Trabajo con LLM propietarios y de código abierto
- Uso de modelos de OpenAI, Deepseek, Qwen y Mistral para traducción.
- Compromisos entre rendimiento y latencia.
- Selección del modelo adecuado para su flujo de trabajo.
Construcción de flujos de trabajo de traducción con LangChain
- Principios de diseño de flujos de trabajo para traducción con LLM.
- Implementación de una cadena de traducción con LangChain.
- Gestión de ventanas de contexto y uso de tokens.
Automatización de flujos de trabajo de traducción
- Programación de tareas de traducción utilizando Python y herramientas de automatización.
- Manejo de trabajos por lotes multilingües.
- Integración con sistemas de gestión de localización.
Mejora de la calidad de la traducción
- Ingeniería de prompts para traducción consciente del contexto.
- Automatización de la edición posterior y diseño con intervención humana (human-in-the-loop).
- Estrategias de ajuste fino para la traducción de dominios específicos.
Evaluación y monitoreo de flujos de trabajo de traducción
- Estimación automática de la calidad (AQE) y evaluación de la puntuación BLEU.
- Registro de eventos, analítica y observabilidad del flujo de trabajo.
- Gestión de errores y mecanismos de respaldo.
Escala y despliegue de sistemas de traducción
- Despliegue en la nube con Docker y marcos de trabajo sin servidor (serverless).
- Equilibrado de carga y procesamiento paralelo para traducción a gran escala.
- Consideraciones sobre seguridad, cumplimiento normativo y privacidad de datos.
Integración de flujos de trabajo de traducción en la infraestructura empresarial
- Conexión de APIs de traducción con plataformas CMS, ERP y L10n.
- Gestión de costos y rendimiento a gran escala.
- Gobernanza y flujos de trabajo de aprobación para la localización empresarial.
Resumen y próximos pasos
Requerimientos
- Conocimientos de programación en Python.
- Experiencia en la integración de APIs y la automatización de flujos de trabajo.
- Familiaridad con conceptos de aprendizaje automático (machine learning) y modelos de lenguaje.
Público objetivo
- Ingenieros de aprendizaje automático.
- Especialistas en tecnologías de localización y traducción.
- Arquitectos de software y líderes de ingeniería.