Ponte en Contacto
 Duración 21 horas (3 días)

Temario del curso

Introducción a la Localización Empresarial con LLM

  • Comprensión de los ecosistemas de localización empresarial.
  • De la MTN (Traducción Automática Neumática) a la traducción impulsada por LLM.
  • Retos de la calidad, la gobernanza y el cumplimiento.

Paisaje de Modelos LLM para Localización

  • Comparación de modelos de Deepseek, Qwen, Mistral y OpenAI.
  • Ajuste fino (fine-tuning) y adaptación para traducción y edición posterior.
  • Consideraciones de despliegue de modelos y rendimiento frente a costos.

Diseño Arquitectónico 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.

Garantía de Calidad Automatizada para Traducciones de LLM

  • Definición de métricas de calidad lingüística (BLEU, COMET, MQM).
  • Creación de agentes de QA automatizados para la validación de traducciones.
  • Bucles de retroalimentación de edición posterior y mejora continua.

Gobernanza y Cumplimiento en IA de Localización

  • Establecimiento de gobernanza con intervención humana (human-in-the-loop).
  • Seguimiento, registros de auditoría y control de cambios.
  • Estándares éticos y de privacidad de datos en sistemas de LLM.

Frameworks de Evaluación y Monitoreo

  • Monitoreo del rendimiento de las traducciones y la derivación (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 trabajos.
  • Colaboración interdepartamental y control de versiones.

Escala y Seguridad de la Infraestructura de Localización

  • Escala de despliegues de múltiples modelos en la nube y en local (on-premises).
  • Seguridad, gestión de accesos y cifrado de datos.
  • Mejores prácticas de gobernanza para la adopción empresarial de LLM.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de la ciencia de datos y el procesamiento de lenguaje natural (NLP).
  • Experiencia con Python o TypeScript para la integración de APIs.
  • Conocimiento de los 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.

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas