Ponte en Contacto

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas