План на курса

Въведение в ентърпрайс локализация с ЛЛМ

  • Разбиране на ентърпрайс локализационни екосистеми
  • От NMT до ЛЛМ-омотивирани преводи
  • Проблемите на качеството, говърнанса и съответствието

Ландшафт на ЛЛМ модели за локализация

  • Сравнение на Deepseek, Qwen, Mistral и OpenAI модели
  • Подреждане и адаптиране за превод и пост-редакция
  • Разглеждане на модели и разглеждания във връзка с цена-ефективност

Проектиране на ЛЛМ локализационни конвейори

  • Шаблони за системно проектиране при използването на ЛЛМ за превод
  • Свързване на API, бази данни и състеми за управление на съдържание
  • Оркестриране на конвейорите с използването на LangChain и Docker

Автоматизирана гаранция за качество при ЛЛМ преводи

  • Дефиниране на езиково качествени метрики (BLEU, COMET, MQM)
  • Построение на автоматизирани QA агенти за валидация на преводите
  • Обратни връзки и непрекъснато подобряване след редакцията

Говърнанс и съответствие при локализационен AI

  • Установяване на говърнанс с човешко участие в процеса (human-in-the-loop)
  • Отслежване, аудиторски записи и контрол на промените
  • Етични стандартни и стандарти за защита на данните в системите ЛЛМ

Рамкове за оценка и мониторинг

  • Мониторинг на производителността и отклоненията при преводите
  • Реално-временни изтревания и запис с отворени системи
  • Реализиране на табли за ревю за надзор върху QA

Интеграция и автоматизация на работни процеси в ентърпрайса

  • Интегриране на конвейорите за ЛЛМ превод с системи за управление на съдържание и локализационни менажерски системи (CMS и TMS)
  • Автоматизация на работни процеси и планиране на задачи
  • Сътрудничество между отделите и контрол на версии

Масштабиране и осигуряване на локализационна инфраструктура

  • Масштабиране на разглеждането на много модели в облака и локално
  • Безопасност, управление на достъпа и шифриране на данни
  • Лучшите практики за говърнанс при предприемането на ЛЛМ в ентърпрайса

Резюме и следващи стъпки

Изисквания

  • Разбиране на машинното обучение и обработката на естествен език
  • Опит с Python или TypeScript за интегриране на API
  • Запознаност с ентърпрайс локализационни работни процеси и инструменти

Публика

  • Инженери по AI и NLP
  • Мениджъри на локализационни технологии
  • Софтуерни архитекти и инженерски ръководители
 21 Часове

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории