Contacta con nosotros

Temario del curso

Introducción a los sistemas de traducción con LLM

  • Comprensión de la traducción automática neuronal (TAN) y sus limitaciones
  • Descripción general 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
  • Compensaciones entre rendimiento y latencia
  • Selección del modelo adecuado para su flujo de trabajo

Construcción de pipelines de traducción con LangChain

  • Principios de diseño de pipelines 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
  • Gestión de trabajos por lotes en múltiples idiomas
  • Integración con sistemas de gestión de localización

Mejora de la calidad de la traducción

  • Ingeniería de indicaciones para una traducción consciente del contexto
  • Automatización de la edición posterior y diseño con intervención humana
  • Estrategias de ajuste fino para traducciones específicas de dominio

Evaluación y monitorización de pipelines de traducción

  • Estimación automática de calidad (AEQ) y evaluación mediante la métrica BLEU
  • Registros, análisis y observabilidad del pipeline
  • Manejo de errores y mecanismos de respaldo

Escalado e implementación de sistemas de traducción

  • Despliegue en la nube con Docker y frameworks serverless
  • Balanceo de carga y procesamiento paralelo para traducción a gran escala
  • Consideraciones sobre seguridad, cumplimiento normativo y privacidad de datos

Integración de pipelines de traducción en la infraestructura empresarial

  • Conexión de APIs de traducción con CMS, ERP y plataformas de localización (L10n)
  • Gestión de costes y rendimiento a gran escala
  • Gobernanza y flujos de trabajo de aprobación para la localización empresarial

Resumen y próximos pasos

Requerimientos

  • Comprensión de la programación en Python
  • Experiencia con integración de APIs y automatización de flujos de trabajo
  • Familiaridad con conceptos de aprendizaje automático y modelos lingüísticos

Público objetivo

  • Ingenieros de Aprendizaje Automático
  • Especialistas en Localización y Tecnología de Traducción
  • Arquitectos de Software y Líderes de Equipos de Ingeniería
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas