Contacta con nosotros

Temario del curso

Introducción a los Sistemas de Traducción con LLM

  • Comprensión de la traducción automática neuronal (NMT) y sus limitaciones
  • Descripción general de las arquitecturas de LLM y sus capacidades de traducción
  • Comparación entre la MT tradicional y la traducción basada en LLM

Trabajo con Modelos LLM Propietarios y de Código Abierto

  • Uso de los modelos 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 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 postedición y diseño de procesos con intervención humana (human-in-the-loop)
  • Estrategias de ajustes finos (fine-tuning) para traducción de dominio específico

Evaluación y Monitoreo de Pipelines de Traducción

  • Estimación automática de la calidad (AQE) y evaluación con puntuación BLEU
  • Registros de eventos, analíticas y observabilidad del pipeline
  • Manejo de errores y mecanismos de redundancia (fallback)

Escalado y Despliegue 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 de seguridad, cumplimiento normativo y privacidad de datos

Integración de Pipelines de Traducción en la Infraestructura Empresarial

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

Resumen y Próximos Pasos

Requerimientos

  • Conocimientos de programación en Python
  • Experiencia con integración de APIs y automatización de flujos de trabajo
  • n> Familiaridad con conceptos de aprendizaje automático y modelos de lenguaje

Público Objetivo

  • Ingenieros de Aprendizaje Automático (Machine Learning)
  • Especialistas en Tecnología de Localización y Traducción
  • Arquitectos de Software y Líderes de Ingeniería
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas