Contacta con nosotros

Temario del curso

Introducción a los Sistemas de Traducción con LLM

  • Comprensión de la traducción automática neuronal (NMT) y sus limitaciones.
  • Resumen de las arquitecturas de LLM y sus capacidades de traducción.
  • Comparación entre la traducción automática tradicional y la basada en LLM.

Trabajo con Modelos LLM Propietarios y de Código Abierto

  • Uso de modelos de OpenAI, Deepseek, Qwen y Mistral para traducción.
  • Compensación 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 traducción consciente del contexto.
  • Automatización de la postedición y diseño de procesos con intervención humana (human-in-the-loop).
  • Estrategias de ajuste fino (fine-tuning) para traducción específica de dominios.

Evaluación y Monitoreo de Pipelines de Traducción

  • Estimación automática de la calidad (AQE) y evaluación con puntuación BLEU.
  • Registro de eventos (logging), análisis y observabilidad del pipeline.
  • Manejo de errores y mecanismos de contingencia (fallback).

Escalado y Despliegue de Sistemas de Traducción

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

Integración de Pipelines de Traducción en la Infraestructura Empresarial

  • Conexión de APIs de traducción con 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 lingüísticos.

Audiencia Objetivo

  • Ingenieros de Aprendizaje Automático (Machine Learning).
  • Especialistas en Tecnología de Localización y Traducción.
  • Arquitectos de Software y Líderes de Equipos de Ingeniería.
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas