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
- Comprendiendo los ecosistemas de localización empresarial
- De la NMT a la traducción impulsada por LLM
- Desafíos de calidad, gobernanza y cumplimiento
Panorama de modelos de LLM para localización
- Comparación de modelos de Deepseek, Qwen, Mistral y OpenAI
- Ajuste fino y adaptación para la traducción y la edición posterior
- Despliegue de modelos y consideraciones de rendimiento por costo
Diseño de pipelines de localización de 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 pipelines utilizando LangChain y Docker
Control de calidad automatizado para traducciones de LLM
- Definición de métricas de calidad lingüística (BLEU, COMET, MQM)
- Construcción de agentes de QA automatizados para la validación de la traducción
- Bucles de retroalimentación de edición posterior y mejora continua
Gobernanza y cumplimiento en la IA de localización
- Establecimiento de la gobernanza con supervisión humana (human-in-the-loop)
- Seguimiento, registros de auditoría y control de cambios
- Estándares éticos y de privacidad de datos en sistemas de LLM
Marcos de evaluación y monitoreo
- Monitoreo del rendimiento de la traducción y el desplazamiento (drift)
- 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 pipelines de traducción de LLM con sistemas CMS y TMS
- Automatización de flujos de trabajo y programación de tareas
- Colaboración entre departamentos y control de versiones
Escala y seguridad de la infraestructura de localización
- Escalar despliegues de varios modelos en la nube y en las instalaciones (on-premises)
- Seguridad, gestión de acceso y cifrado de datos
- Mejores prácticas de gobernanza para la adopción empresarial de LLM
Resumen y próximos pasos
Requerimientos
- Un entendimiento del aprendizaje automático (machine learning) 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
Audiencia
- Ingenieros de IA y PLN
- Gerentes de Tecnología de Localización
- Arquitectos de Software y Líderes de Ingeniería