感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程时长 21 小时
课程大纲
LLM翻译系统简介
- 理解神经机器翻译(NMT)及其局限性
- LLM架构概览及其翻译能力
- 传统机器翻译与LLM翻译的比较
使用专有和开源LLM
- 使用OpenAI、Deepseek、Qwen和Mistral模型进行翻译
- 性能与延迟的权衡
- 为工作流选择合适的模型
使用LangChain构建翻译流水线
- LLM翻译的流水线设计原则
- 使用LangChain实现翻译链
- 管理上下文窗口和令牌使用
自动化翻译工作流
- 使用Python和自动化工具调度翻译任务
- 处理多语言批处理作业
- 与本地化管理系统集成
提升翻译质量
- 用于上下文感知翻译的提示工程
- 后期编辑自动化和人机协同设计
- 特定领域翻译的微调策略
评估和监控翻译流水线
- 自动质量评估(AQE)和BLEU分数评估
- 日志、分析和流水线可观测性
- 错误处理和回退机制
扩展和部署翻译系统
- 使用Docker和无服务器框架进行云部署
- 大规模翻译的负载均衡和并行处理
- 安全性、合规性和数据隐私考量
将翻译流水线集成到企业基础设施中
- 将翻译API连接到CMS、ERP和L10n平台
- 在大规模下管理成本和性能
- 企业本地化的治理和审批工作流
总结与后续步骤
要求
- 了解Python编程
- 具有API集成和工作流自动化经验
- 熟悉机器学习概念和语言模型
受众
- 机器学习工程师
- 本地化与翻译技术专家
- 软件架构师和工程负责人