Contacta con nosotros

Temario del curso

Introducción a los Sistemas de Traducción con LLM

  • Comprensión de la traducción automática neuronal (NMT) y sus limitaciones
  • Visión general de las arquitecturas de LLM y sus capacidades de traducción
  • Comparación entre la traducción automática tradicional y la basada en LLM

Trabajo con LLM Propietarios y de Código Abierto

  • Utilización de modelos como OpenAI, Deepseek, Qwen y Mistral para traducción
  • Compensaciones entre rendimiento y latencia
  • Selección del modelo adecuado para su flujo de trabajo

Construcción de Flujos de Trabajo de Traducción con LangChain

  • Principios de diseño de pipelines para traducción con LLM
  • Implementación de una cadena de traducción con LangChain
  • Gestión de ventanas de contexto y uso de tokens

Automatización de Flujos de Trabajo de Traducción

  • Programación de tareas de traducción usando Python y herramientas de automatización
  • Gestión de trabajos por lotes multilingües
  • Integración con sistemas de gestión de localización

Mejora de la Calidad de la Traducción

  • Ingeniería de prompts para una traducción consciente del contexto
  • Automatización del post-edición y diseño con intervención humana (human-in-the-loop)
  • Estrategias de ajuste fino (fine-tuning) para traducciones específicas por dominio

Evaluación y Monitoreo de Flujos de Trabajo de Traducción

  • Estimación automática de la calidad (AQE) y evaluación con puntuación BLEU
  • Registro (logging), analíticas y observabilidad del pipeline
  • Manejo de errores y mecanismos de respaldo (fallback)

Escalado e Implementación de Sistemas de Traducción

  • Despliegue en la nube con Docker y frameworks serverless
  • Balanceo de carga y procesamiento paralelo para traducción a gran escala
  • Consideraciones sobre seguridad, cumplimiento normativo y privacidad de datos

Integración de Flujos de Trabajo de Traducción en Infraestructura Empresarial

  • Conexión de APIs de traducción con CMS, ERP y plataformas de L10n
  • Gestión de costos y rendimiento a gran escala
  • Gobernanza y flujos de trabajo de aprobación para localización empresarial

Resumen y Próximos Pasos

Requerimientos

  • Comprensión básica de la programación en Python
  • Experiencia con integración de APIs y automatización de flujos de trabajo
  • Familiaridad con conceptos de aprendizaje automático (machine learning) y modelos de lenguaje

Público Objetivo

  • Ingenieros de Aprendizaje Automático (Machine Learning)
  • Especialistas en Tecnología de Localización y Traducción
  • Arquitectos de Software y Líderes de Equipos de Ingeniería
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas