Kontakt aufnehmen

Schulungsübersicht

Einführung in LLM-Übersetzungssysteme

  • Verständnis von neuronaler Maschinenübersetzung (NMT) und ihren Grenzen
  • Überblick über LLM-Architekturen und deren Übersetzungsfähigkeiten
  • Vergleich zwischen traditioneller MT und LLM-basierter Übersetzung

Arbeit mit proprietären und Open-Source-LLMs

  • Nutzung von Modellen wie OpenAI, Deepseek, Qwen und Mistral für Übersetzungen
  • Abwägungen zwischen Leistungsfähigkeit und Latenzzeit
  • Auswahl des richtigen Modells für den eigenen Workflow

Aufbau von Übersetzungspipelines mit LangChain

  • Prinzipien des Pipeline-Designs für LLM-Übersetzungen
  • Implementierung einer Übersetzungskette mit LangChain
  • Verwaltung von Context Windows und Token-Nutzung

Automatisierung von Übersetzungsarbeitsabläufen

  • Planung von Übersetzungsaufgaben mittels Python und Automatisierungstools
  • Bearbeitung von Batch-Jobs für mehrere Sprachen
  • Integration in Localization-Management-Systeme

Verbesserung der Übersetzungsqualität

  • Prompt Engineering für kontextbewusste Übersetzungen
  • Automatisierung der Nachbearbeitung und Design mit menschlicher Beteiligung (Human-in-the-Loop)
  • Fine-Tuning-Strategien für domänenspezifische Übersetzungen

Bewertung und Überwachung von Übersetzungspipelines

  • Automatische Qualitätsschätzung (AQE) und BLEU-Score-Bewertung
  • Protokollierung, Analyse und Beobachtbarkeit der Pipelines
  • Fehlerbehandlung und Fallback-Mechanismen

Skalierung und Deployment von Übersetzungssystemen

  • Cloud-Deployment mit Docker und serverlosen Frameworks
  • Lastenausgleich und parallele Verarbeitung für massenhafte Übersetzungen
  • Aspekte der Sicherheit, Compliance und Datensicherheit

Integration von Übersetzungspipelines in die Unternehmensinfrastruktur

  • Anbindung von Übersetzungs-APIs an CMS, ERP- und Localization-Plattformen
  • Kosten- und Leistungssteuerung im grossen Umfang
  • Governance und Genehmigungsworkflows für unternehmensweite Lokalisierung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in der Python-Programmierung
  • Erfahrung mit API-Integration und Workflow-Automatisierung
  • Vertrautheit mit Konzepten des maschinellen Lernens und Sprachmodellen

Zielgruppe

  • Machine-Learning-Ingenieure
  • Spezialisten für Localization- und Übersetzungstechnologie
  • Softwarearchitekten und Engineering-Leads
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien