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。
課程簡介
LLM翻譯系統簡介
- 瞭解神經機器翻譯(NMT)及其侷限性。
- LLM架構及其翻譯能力概述。
- 傳統MT與基於LLM的翻譯對比。
使用專有和開源的LLMs
- 使用OpenAI、Deepseek、Qwen和Mistral模型進行翻譯。
- 性能與延遲的權衡。
- 爲工作流選擇合適的模型。
使用LangChain構建翻譯管道
- LLM翻譯的管道設計原則。
- 使用LangChain實現翻譯鏈。
- 管理上下文窗口和令牌使用。
自動化翻譯工作流
- 使用Python和自動化工具調度翻譯任務。
- 處理多語言批量作業。
- 與本地化管理系統集成。
提升翻譯質量
- 針對上下文感知的提示工程。
- 後編輯自動化和人機協作設計。
- 針對特定領域的微調策略。
評估和監控翻譯管道
- 自動質量評估(AQE)和BLEU評分。
- 日誌記錄、分析和管道可觀測性。
- 錯誤處理和回退機制。
擴展和部署翻譯系統
- 使用Docker和無服務器框架進行雲部署。
- 大規模翻譯的負載均衡和並行處理。
- 安全性、合規性和數據隱私考量。
將翻譯管道集成到企業基礎設施中
- 將翻譯API連接到CMS、ERP和L10n平臺。
- 大規模管理成本和性能。
- 企業本地化的治理和審批工作流。
總結與下一步
最低要求
- 瞭解Python編程。
- 具備API集成和工作流自動化的經驗。
- 熟悉機器學習和語言模型的概念。
受衆
- 機器學習工程師。
- 本地化和翻譯技術專家。
- 軟件架構師和工程主管。
21 小時