Schulungsübersicht

Einführung in LLM-Übersetzungs-systeme

  • Verstehen von neuronalen maschinellen Übersetzung (NMT) und deren Einschränkungen
  • Überblick über LLM-Architekturen und ihre Übersetzungsfähigkeiten
  • Vergleich zwischen traditionellen MT-Systemen und LLM-basierten Übersetzungen

Arbeit mit proprietären und quelloffenen LLMs

  • Verwendung von OpenAI, Deepseek, Qwen und Mistral-Modellen für Übersetzungen
  • Leistungs- und Latenzkompromisse
  • Auswahl des richtigen Modells für Ihren Workflow

Erstellung von Übersetzungsworkflows mit LangChain

  • Designprinzipien für LLM-Übersetzungspipelines
  • Implementierung eines Übersetzungsworkflows mit LangChain
  • Verwaltung von Kontextfenstern und Tokenverwendung

Automatisierung von Übersetzungsworkflows

  • Planung von Übersetzungsaufgaben mit Python und Automatisierungstools
  • Verarbeitung von mehrsprachigen Batch-Jobs
  • Integration in Lokalisierungsverwaltungssysteme

Verbesserung der Übersetzungsqualität

  • Prompt-Engineering für kontextsensible Übersetzung
  • Automatisierung von Nachbearbeitung und Design mit menschlicher Beteiligung (human-in-the-loop)
  • Feintuning-Strategien für domänenspezifische Übersetzung

Bewertung und Überwachung von Übersetzungsworkflows

  • Automatische Qualitätsschätzung (AQE) und BLEU-Score-Bewertung
  • Logging, Analyse und Pipeline-Überwachung
  • Fehlerbehandlung und Fallbackmechanismen

Skalierung und Bereitstellung von Übersetzungssystemen

  • Cloud-Bereitstellung mit Docker und serverlosen Frameworks
  • Lastverteilung und parallele Verarbeitung für großskalige Übersetzung
  • Sicherheit, Konformität und Datenschutzaspekte

Integration von Übersetzungsworkflows in die Unternehmensinfrastruktur

  • Verbindung von Übersetzung-APIs mit CMS, ERP und L10n-Plattformen
  • Kosten- und Leistungsmanagement im großen Maßstab
  • Governance und Freigabeworkflows für die Unternehmenslokalisierung

Zusammenfassung und Nächste Schritte

Voraussetzungen

  • Kenntnisse der Python-Programmierung
  • Erfahrung mit API-Integration und Workflow-Automatisierung
  • Vertrautheit mit Konzepten des maschinellen Lernens und Sprachmodellen

Zielgruppe

  • Maschinelles Lernen Engineers
  • Lokalisierungs- und Übersetzungstechnologie-Spezialisten
  • Softwarearchitekten und Technische Leiter
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien