Contacta con nosotros

Temario del curso

Introducción a los sistemas de traducción con LLM

  • Comprensión de la traducción automática neural (NMT) y sus limitaciones.
  • Descripción general de las arquitecturas de LLM y sus capacidades de traducción.
  • Comparación entre la traducción automática (MT) tradicional y la basada en LLM.

Uso de LLM propietarios y de código abierto

  • Uso de modelos de OpenAI, Deepseek, Qwen y Mistral para traducción.
  • Compensaciones entre rendimiento y latencia.
  • Selección del modelo adecuado para su flujo de trabajo.

Construcción de pipelines de traducción con LangChain

  • Principios de diseño de pipelines para traducción con LLM.
  • Implementación de una cadena de traducción con LangChain.
  • Gestión de ventanas de contexto y uso de tokens.

Automatización de flujos de trabajo de traducción

  • Programación de tareas de traducción utilizando Python y herramientas de automatización.
  • Gestión de trabajos por lotes multilingües.
  • Integración con sistemas de gestión de localización.

Mejora de la calidad de la traducción

  • Ingeniería de prompts para una traducción consciente del contexto.
  • Automatización de la post-edición y diseño de procesos con intervención humana.
  • Estrategias de ajuste fino para traducción específica de un dominio.

Evaluación y monitoreo de pipelines de traducción

  • Estimación automática de calidad (AQE) y evaluación mediante puntuación BLEU.
  • Registro de eventos (logging), análisis y visibilidad del pipeline.
  • Manejo de errores y mecanismos de respaldo (fallback).

Escalamiento e implementación de sistemas de traducción

  • Implementación en la nube con Docker y marcos de trabajo serverless.
  • Balanceo de carga y procesamiento paralelo para traducción a gran escala.
  • Consideraciones de seguridad, cumplimiento normativo y privacidad de datos.

Integración de pipelines de traducción en la infraestructura empresarial

  • Conexión de APIs de traducción a CMS, ERP y plataformas de localización (L10n).
  • Gestión de costos y rendimiento a gran escala.
  • Gobernanza y flujos de trabajo de aprobación para la localización empresarial.

Resumen y próximos pasos

Requerimientos

  • Comprensión de la programación en Python.
  • Experiencia con integración de APIs y automatización de flujos de trabajo.
  • Familiaridad con conceptos de aprendizaje automático (machine learning) y modelos de lenguaje.

Audiencia objetivo

  • Ingenieros de Machine Learning.
  • Especialistas en tecnología de localización y traducción.
  • Arquitectos de software y líderes de ingeniería.
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas