Kontakt aufnehmen

Schulungsübersicht

Einführung in LLM-basierte Übersetzungssysteme

  • Grundlagen der neuronalen maschinellen Übersetzung (NMT) und deren Einschränkungen
  • Überblick über die Architektur großer Sprachmodelle sowie deren Fähigkeiten bei der Übersetzung
  • Vergleich zwischen klassischen maschinellen Übersetzungsverfahren und LLM-basierter Translation

Arbeiten mit proprietären sowie Open-Source-LLM-Modellen

  • Einsatz von Modellen wie OpenAI, Deepseek, Qwen und Mistral für Übersetzungszwecke
  • Leistungseffekte sowie Zeitverzögerungen im Zusammenhang mit diesen Modellen
  • Auswahl des passenden Modells für den jeweiligen Workflow

Aufbau von Übersetzungspipelines mithilfe von LangChain

  • Grundprinzipien des Entwurfs von LLM-Übersetzungspipelines
  • Erstellung einer Übersetzungskette mithilfe von LangChain
  • Verwaltung von Kontextfenstern sowie Token-Verbrauchseinschränkungen

Automatisierung von Übersetzungsworkflows

  • Planung von Übersetzungsaufgaben mittels Python und gängigen Automatisierungstools
  • Bewältigung von mehrsprachigen Batch-Jobs
  • Integration in bestehende Lokalisierungsmanagement-Systeme

Verbesserung der Übersetzungsqualität

  • Prompt-Engineering zur kontextgerechten Übersetzung
  • Automatisierte Nachbearbeitung sowie Konzepte für den Einsatz menschlicher Korrekturen
  • Strategien zur Feinabstimmung von Modellen für fachsprachliche Übersetzungsanforderungen

Bewertung und Überwachung von Übersetzungspipelines

  • Automatische Qualitätseinschätzung (Automatic Quality Estimation) sowie Auswertung mittels BLEU-Scores
  • Protokollierung, Analyse und Nachverfolgbarkeit der Pipelines
  • Fehlerbehandlung sowie Ausweichmechanismen bei Fehlern

Skalierung und Deployment von Übersetzungssystemen

  • Bereitstellung in der Cloud mittels Docker und serverlosen Technologien
  • Lastverteilung sowie parallele Verarbeitung zur Handhabung großer Übersetzungsvolumina
  • Sicherheits-, Compliance- und Datenschutzaspekte bei der Nutzung von LLM-basierten Systemen

Integration von Übersetzungspipelines in die Unternehmensinfrastruktur

  • Verbindung der Übersetzungs-APIs mit CMS-, ERP- und Lokalisierungsplattformen
  • Kostenkontrolle sowie Leistungsoptimierung bei großem Einsatzvolumen
  • Governance- und Freigabeprozesse für die Unternehmenslokalisierung

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse in der Python-Programmierung
  • Erfahrung mit API-Integration sowie Workflow-Automatisierung
  • Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens und Sprachmodellen

Zielgruppe

  • Maschinelles-Learning-Ingenieure
  • Fachkräfte aus den Bereichen Lokalisierung und Übersetzungstechnologie
  • Software-Architekten sowie technische Leiter
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien