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.
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.