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 LLM y sus capacidades de traducción
  • Comparación entre la traducción automática tradicional y la basada en LLM

Trabajando con LLM propietarios y de código abierto

  • Uso de modelos de 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 utilizando 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 traducción contextualizada
  • Automatización de post-edición y diseño de procesos con intervención humana (human-in-the-loop)
  • Estrategias de ajuste fino (fine-tuning) para traducción específica de dominio

Evaluación y monitoreo de flujos de trabajo de traducción

  • Estimación automática de calidad (AQE) y evaluación mediante puntuación BLEU
  • Registro de datos (logging), análisis y observabilidad del pipeline
  • Manejo de errores y mecanismos de fallback

Escalamiento y despliegue 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 de seguridad, cumplimiento normativo y privacidad de datos

Integración de flujos de trabajo de traducción en infraestructura empresarial

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

Resumen y próximos pasos

Requerimientos

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

Audiencia objetivo

  • Ingenieros de 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