聯繫我們

課程簡介

LLM 翻譯系統簡介

  • 理解神經機器翻譯(NMT)及其限制
  • LLM 架構概述及其翻譯能力
  • 傳統機器翻譯與基於 LLM 的翻譯比較

使用專有及開源 LLM

  • 使用 OpenAI、Deepseek、Qwen 和 Mistral 模型進行翻譯
  • 效能與延遲之間的權衡
  • 為您的工作流選擇合適的模型

使用 LangChain 建構翻譯流程

  • LLM 翻譯的流程設計原則
  • 使用 LangChain 實作翻譯鏈結
  • 管理上下文視窗與 token 用量

自動化翻譯工作流

  • 使用 Python 和自動化工具排程翻譯任務
  • 處理多語言批次作業
  • 與本地化管理系統整合

提升翻譯品質

  • 用於情境感知翻譯的提示工程
  • 後續編輯自動化及人類在迴路(Human-in-the-loop)設計
  • 針對特定領域翻譯的微調策略

評估與監控翻譯流程

  • 自動品質估算(AQE)及 BLEU 分數評估
  • 記錄、分析與流程可觀測性
  • 錯誤處理與災難復原機制

擴展與部署翻譯系統

  • 使用 Docker 和無伺服器框架進行雲端部署
  • 負載平衡與大規模翻譯的平行處理
  • 安全性、合規性及資料隱私考量

將翻譯流程整合至企業基礎設施

  • 將翻譯 API 連接至 CMS、ERP 及 L10n 平台
  • 大規模下的成本與效能管理
  • 企業本地化的治理與審批流程

總結與下一步行動

最低要求

  • 具備 Python 程式設計基礎知識
  • 擁有 API 整合與工作流自動化經驗
  • 熟悉機器學習概念及語言模型原理

目標受眾

  • 機器學習工程師
  • 本地化與翻譯技術專家
  • 軟體架構師與工程主管
 21 小時

人數


每位參與者的報價

即將到來的課程

課程分類