Ponte en Contacto
 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.

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas