Programa do Curso

Introdução aos Sistemas de Tradução LLM

  • Compreendendo a tradução neural (NMT) e suas limitações
  • Visão geral das arquiteturas de LLMs e suas capacidades de tradução
  • Comparação entre a tradução MT tradicional e baseada em LLMs

Trabalhando com Modelos Proprietários e Open-Source de LLMs

  • Usando modelos OpenAI, Deepseek, Qwen e Mistral para tradução
  • Compromissos entre desempenho e latência
  • Selecionando o modelo adequado para seu fluxo de trabalho

Construindo Pipelines de Tradução com LangChain

  • Princípios de design de pipeline para tradução LLM
  • Implementando uma cadeia de tradução com LangChain
  • Gerenciando janelas de contexto e uso de tokens

Automatizando Fluxos de Trabalho de Tradução

  • Agendamento de tarefas de tradução usando Python e ferramentas de automação
  • Lidando com trabalhos em lote multilíngues
  • Integração com sistemas de gerenciamento de localização

Aperfeiçoando a Qualidade da Tradução

  • Engenharia de prompts para tradução contextual
  • Automação de pós-edição e design com supervisão humana
  • Estratégias de ajuste fino para tradução específica do domínio

Avaliando e Monitorando Pipelines de Tradução

  • Estimativa automática de qualidade (AQE) e avaliação do score BLEU
  • Log, análise e observabilidade de pipelines
  • Tratamento de erros e mecanismos de fallback

Escalando e Implementando Sistemas de Tradução

  • Implantação em nuvem com Docker e frameworks serverless
  • Balanceamento de carga e processamento paralelo para tradução em larga escala
  • Considerações sobre segurança, conformidade e privacidade de dados

Integrando Pipelines de Tradução na Infraestrutura Corporativa

  • Conectando APIs de tradução a CMS, ERP e plataformas L10n
  • Gerenciando custos e desempenho em escala
  • Governança e fluxos de aprovação para localização corporativa

Resumo e Próximos Passos

Requisitos

  • Conhecimento de programação Python
  • Experiência com integração de API e automação de fluxo de trabalho
  • Familiaridade com conceitos de aprendizado de máquina e modelos de linguagem

Público-alvo

  • Engenheiros de Aprendizado de Máquina
  • Especialistas em Tecnologia de Localização e Tradução
  • Arquitetos de Software e Líderes de Engenharia
 21 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas