Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
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