Kontaktirajte nas
 Trajanje 21 sati

Sadržaj kursa

Uvod u preduzetničku lokalizaciju uz LLM-ove

  • Razumevanje ekosistema preduzetničke lokalizacije
  • Od NMT (neuronskog mašinskog prevoda) do prevoda zasnovanog na LLM-ovima
  • Izazovi kvaliteta, upravljanja i usklađenosti sa propisima

Pregled LLM modela za lokalizaciju

  • Poređenje modela Deepseek, Qwen, Mistral i OpenAI
  • Fine-tuning i adaptacija za prevod i post-uređivanje
  • Implementacija modela i razmatranje odnosa troška i performansi

Arhitektura LLM pipeline-ova za lokalizaciju

  • Shemi dizajna sistema za prevod zasnovan na LLM-ovima
  • Povezivanje API-ja, baza podataka i sistema za upravljanje sadržajem
  • Orkestracija pipeline-ova koristeći LangChain i Docker

Automatizovana provera kvaliteta (QA) za LLM prevođe

  • Definisanje lingvističkih metrika kvaliteta (BLEU, COMET, MQM)
  • Granje automatizovanih QA agenata za validaciju prevoda
  • Petro-uređivanje (post-editing) i petlje povratne informacije za kontinuirano poboljšanje

Upravljanje i usklađenost sa propisima u lokalizacionom AI-u

  • Ustvari upravljanje sa ljudima u petlji (human-in-the-loop)
  • Praćenje, dnevnik revizija i kontrola promena
  • Etički standardi i zaštita podataka o ličnosti u LLM sistemima

Okviri za evaluaciju i praćenje

  • Praćenje performansi i „drifta“ (promena) prevoda
  • Alati za javno dostupno praćenje i evidentiranje upozorenja u realnom vremenu
  • Implementacija nadzornih panela (dashboard) za QA nadzor

Preduzetnička integracija i automatizacija protokola

  • Integracija LLM pipeline-ova za prevod sa CMS i TMS sistemima
  • Automatizacija protokola i raspoređivanje poslova
  • Međudepartmanska saradnja i kontrola verzija

Skaliranje i bezbednost lokalizacione infrastrukture

  • Skaliranje implementacije više modela u oblaku i lokalno (on-premises)
  • Bezbednost, upravljanje pristupom i šifrovanje podataka
  • Najbolje prakse upravljanja za preduzetničko usvajanje LLM-ova

Rekapitulacija i sledeći koraci

Uslovi

  • Razumevanje mašinskog učenja i obrade prirodnog jezika (NLP)
  • Iskustvo sa Python ili TypeScript za integraciju API-ja
  • Znanje preduzetničkih protokola i alata za lokalizaciju

Publika

  • Inženjeri za AI i NLP
  • Menadžeri tehnologije lokalizacije
  • Arhitekti softvera i lideri inženjerskih timova

Broj učesnika


Cena po učesniku

Predstojeći kursevi

Povezane kategorije