感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間：
課程簡介
企業LLM本地化入門
- 了解企業本地化生態系統
- 從神經機器翻譯（NMT）到LLM驅動翻譯的演進
- 品質、治理與合規方面的挑戰
用於本地化的LLM模型生態
- Deepseek、Qwen、Mistral 及 OpenAI 模型的比較
- 針對翻譯與後編輯的微調與適應性調整
- 模型部署與成本效益考量
建構LLM本地化管道的架構設計
- 基於LLM翻譯的系統設計模式
- API、資料庫與內容管理系統（CMS）的連接
- 使用 LangChain 與 Docker 進行管道編排
LLM翻譯的自動品質保證
- 定義語言品質指標（BLEU、COMET、MQM）
- 建置自動化的品質保證代理程式以驗證翻譯
- 後編輯回饋循環與持續改進機制
本地化AI中的治理與合規
- 建立人類在環（Human-in-the-Loop）的治理機制
- 追蹤、審計日誌與變更控制
- LLM系統中的倫理與資料隱私標準
評估與監控框架
- 監控翻譯效能與漂移（Drift）現象
- 利用開源工具進行即時警報與日誌記錄
- 實施用於品質監督的審查儀表板
企業整合與工作流自動化
- 將LLM翻譯管道與 CMS 及 TMS（翻譯記憶庫系統）整合
- 工作流自動化與作業排程
- 跨部門協作與版本控制
擴展並保護本地化基礎設施
- 在雲端與本地環境中擴展多模型部署
- 安全性、存取管理與資料加密
- 企業級LLM全面普及的治理最佳實務
總結與後續步驟
最低要求
- 具備機器學習與自然語言處理（NLP）的基礎知識
- 熟悉使用 Python 或 TypeScript 進行 API 整合
- 了解企業級本地化工作流程與工具
目標受眾
- AI 與 NLP 工程師
- 本地化技術經理
- 軟體架構師與工程負責人
