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.
Temario del curso
Introducción a la localización empresarial con LLMs
- Comprensión de los ecosistemas de localización empresarial
- De la TMN a la traducción impulsada por LLM
- Desafíos de calidad, gobernanza y cumplimiento
Panorama de modelos LLM para la localización
- Comparación de modelos Deepseek, Qwen, Mistral y OpenAI
- Ajuste fino (fine-tuning) y adaptación para traducción y pos-edición
- Despliegue de modelos y consideraciones de costo-rendimiento
Arquitectura de pipelines de localización con LLM
- Patrones de diseño de sistemas para traducción basada en LLM
- Conexión de APIs, bases de datos y sistemas de gestión de contenido
- Orquestación de pipelines utilizando LangChain y Docker
Aseguramiento de calidad automatizado para traducciones con LLM
- Definición de métricas de calidad lingüística (BLEU, COMET, MQM)
- Construcción de agentes de QA automatizados para la validación de traducciones
- Bucles de retroalimentación de pos-edición y mejora continua
Gobernanza y cumplimiento en la IA de localización
- Establecimiento de gobernanza con humano en el circuito (human-in-the-loop)
- Seguimiento, registros de auditoría y control de cambios
- Estándares éticos y de privacidad de datos en sistemas LLM
Marcos de evaluación y monitoreo
- Monitoreo del rendimiento de la traducción y la derivación (drift)
- Alertas y registro 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 con LLM con sistemas CMS y TMS
- Automatización de flujos de trabajo y programación de trabajos
- Colaboración interdepartamental y control de versiones
Escala y seguridad de la infraestructura de localización
- Escala de despliegues multimodelo en la nube y en las instalaciones (on-premises)
- Seguridad, gestión de acceso y cifrado de datos
- Mejores prácticas de gobernanza para la adopción de LLM en toda la empresa
Resumen y próximos pasos
Requerimientos
- Conocimiento de machine learning y procesamiento de lenguaje natural
- Experiencia con Python o TypeScript para integración de APIs
- Conocimiento de flujos de trabajo y herramientas de localización empresarial
Público objetivo
- Ingenieros de IA y NLP
- Gerentes de tecnología de localización
- Arquitectos de software y líderes de ingeniería
21 Horas