Entrar em Contato

Programa do Curso

Introdução à Localização Empresarial com LLMs

  • Compreensão dos ecossistemas de localização empresarial
  • Da tradução automática neural (NMT) para a tradução orientada por LLM
  • Desafios relacionados com a qualidade, governança e conformidade

Panorama dos Modelos de LLM para Localização

  • Comparação entre modelos Deepseek, Qwen, Mistral e OpenAI
  • Ajuste fino (fine-tuning) e adaptação para tradução e pós-edição
  • Implantação de modelos e considerações sobre custo-desempenho

Arquitetura de Pipelines de Localização com LLM

  • Padrões de design de sistemas para tradução baseada em LLM
  • Integração de APIs, bases de dados e sistemas de gestão de conteúdo (CMS)
  • Orquestração de pipelines utilizando LangChain e Docker

Garantia de Qualidade Automatizada para Traduções com LLM

  • Definição de métricas de qualidade linguística (BLEU, COMET, MQM)
  • Criação de agentes automatizados de QA para validação de traduções
  • Ciclos de feedback da pós-edição e melhoria contínua

Governança e Conformidade na IA de Localização

  • Estabelecimento de governança com intervenção humana (human-in-the-loop)
  • Rastreabilidade, registos de auditoria e controlo de alterações
  • Padrões éticos e de privacidade de dados em sistemas LLM

Estruturas de Avaliação e Monitorização

  • Monitorização do desempenho das traduções e deteção de deriva (drift)
  • Alertas em tempo real e registos com ferramentas de código aberto
  • Implementação de painéis de revisão para supervisão da QA

Integração Empresarial e Automação de Fluxos de Trabalho

  • Integração de pipelines de tradução LLM com sistemas CMS e TMS (Translation Management Systems)
  • Automatização de fluxos de trabalho e agendamento de tarefas
  • Colaboração entre departamentos e controlo de versões

Escalabilidade e Segurança da Infraestrutura de Localização

  • Escalamento de implantações multi-modelo na cloud e em ambientes locais (on-premises)
  • Segurança, gestão de acessos e encriptação de dados
  • Boas práticas de governança para a adoção de LLMs em toda a empresa

Resumo e Próximos Passos

Requisitos

  • Compreensão dos conceitos de aprendizagem de máquina (machine learning) e processamento de linguagem natural (NLP)
  • Experiência com Python ou TypeScript para integração de APIs
  • Conhecimento prévio dos fluxos de trabalho e ferramentas de localização empresarial

Público-Alvo

  • Engenheiros de IA e NLP
  • Gestores de Tecnologia de Localização
  • Arquitetos de Software e Líderes de Equipas de Engenharia
 21 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas